Grid-Scan定位算法的虚拟锚节点策略改进

针对无线传感器网络中Grid-Scan算法定位精度较低的问题,提出了一种基于虚拟锚节点策略的Grid-Scan定位算法。具体做了三个方面的工作：对未知节点设置可定位阈值,邻居锚节点数大于可定位阈值的未知节点使用Grid-Scan算法进行定位,定位后的节点升级为虚拟锚节点;邻居锚节点数小于可定位阈值的未知节点利用极大似然法完成定位,定位后的节点升级为虚拟锚节点;锚节点及虚拟锚节点共同参与对剩余未知节点的定位。仿真结果表明,改进算法在不同锚节点密度、不同通信半径和不同栅格大小的网络中以及通过不规则传播模型后都具有较好的定位精度。     

基于同心圆定位算法的改进算法研究

在分析了常用几种无线传感器节点定位算法的基础上,依据同心圆定位算法原理,提出环形定位算法。该算法的原理是利用锚节点通过一定规则做圆环,不断缩小未知节点的估算区域,直到得到包含未知节点的最小区域,取最小区域质心位置作为未知节点的估算坐标。对同心圆定位算法、环形定位算法及改进方案进行了对比仿真实验,结果表明,在锚节点比例达到5%,在20*20m2的仿真场景内部署1000个传感器节点、锚节点密度为5%时,同心圆定位算法误差为34.86%,环形定位算法定位误差为26.64%。在改进方案中,运用了多次划分圆环方法来提高定位精度。实验结果表明,改进后的算法在锚节点密度为5%时,定位误差降低到15.76%。     

无线传感器网络质心定位算法改进研究

在深入分析研究质心定位算法原理的基础上,通过提高邻居锚节点的比例以及加权质心定位算法对其定位性能进行改进,仿真结果表明,改进后的质心定位算法,比改进前的质心定位算法的定位率提高了约20％,定位误差增大了约5m.     

无线传感器网络分布式节点定位算法研究

无线传感器网络在众多领域有着重大的应用价值,而网络的节点定位技术是这些应用的基本支撑技术.本文针对无线传感器网络节点的定位精度问题,提出一种新的分布式节点定位算法.介绍了算法的基本原理和实现方法.算法使用位置误差参数选择参与定位的节点,避免使用奇异信标节点信息,可以有效抑制定位误差的累积.仿真结果显示,这种算法具有定位精度高,计算复杂性和通信开销低等优点.     

改进的无线传感器网络DV-Hop定位算法

在众多定位技术中,DV-Hop定位算法是应用最广泛的算法之一,它实现简单,对节点硬件要求较低,但该算法使用跳段距离代替实际距离,而平均每跳距离的计算精度受网络的连通度、节点密度等影响。针对DV-Hop定位算法的缺陷,提出修正平均每跳距离和估计距离来提高定位精度的改进算法,并在3种不同的节点分布环境下进行仿真。仿真实验结果表明,改进后的算法定位精度得到了有效的提高。     

基于DV-Hop算法的误差改进方法

传感器网络由于资源受限,定住算法需要考虑定位精度,网络购建成本,通信、计算开销等多方面因素。结合上述的评价标准以及分类方式．通过分析典型的DV—Hop的误差产生原因,提出改进方案,并利用仿真环境实现。     

一种无线传感器网络定位算法的分析和改进

无线传感器网络(W SNs)能够实时监测和采集网络分布区域内的各种检测对象信息,有着广泛的应用前景。在W SNs中,节点定位技术是许多应用的支撑技术,定位的准确性直接关系到传感器节点采集数据的有效性。目前,已提出多种定位算法,Euc lidean算法由于通信开销小,具有一定的优越性,但在某些应用中存在定位精度较低的问题。针对这一问题,提出了一种新的改进Euc lidean的算法。用距离矢量路由技术替代直接测量节点间的距离,并运用迭代循环思想抑制定位误差的累计。计算机仿真结果证明:该改进算法能够明显地提高定位精度。     

Euclidean节点定位算法改进及其仿真

事件发生位置的确定和节点自身位置的获取对于整个无线传感器网络的实际应用来说起着关键性的作用.目前,虽然研究人员已经提出了许多定位算法,但是这些算法带有局限性,总是不能满足实际定位需求.为了提高定位效率,本文将循环迭代思想融入已有的自组织定位算法体系,来实现对经典自组定位算法Euclidean拓展和优化的目标.改进后的算法在确保能耗可以接受的前提下,实现了网络节点定位误差的显著降低、定位覆盖程度明显提高等目标.另外,仿真结果也检验了改进算法的可行性和优越性,证实了理论的合理性.     

改进的DV-Hop定位算法研究

传统DV-Hop定位算法只考虑最近一个锚节点估计的平均跳距值,而单个锚节点估计的平均跳离值无法准确地反映网络的实际平均跳距.为此,提出一种基于加权处理的平均跳距估计算法,考虑多个锚节点估计的平均跳距值,根据距离未知节点的跳数和环境影响因素进行加权,使网络平均跳距的估计更加准确,从而提高定位精度.仿真结果表明,与DV-Hop算法的平均跳距估计算法相比,该算法能更准确地估计平均跳距,提高了定位精度.     

基于GPSO-DVHop的传感器节点定位方法

为了减少无线传感器网络节点的定位误差,提出一种分群粒子群优化（GPSO）算法修正DV-Hop误差的传感器节点定位方法（GPSO-DVHop）。提出一种节点距离修正值策略,减少未知节点与锚节点间距离的估计误差,采用GPSO算法修正DV-Hop的节点定位误差,最后在Matlab 2012平台上对算法性能仿真分析。相对于对比传感器定位方法,GPSO-DVHop提高了传感器节点定位精度,仿真结果验证了GPSO-DVHop的有效性。     

Improvement of amorphous localization algorithm in WSN using ALO and GWO

The process of node identification is referred to as localization, and it is rapidly gaining popularity in the field of WSN. Different node identification processes have different findings, benefits, challenges, costs, effectiveness, and applications. In this work, the position error of the Amorphous algorithm is minimized by optimizing the hop size. For optimization of the hop size of the Amorphous algorithm, two different optimization algorithms, such as ALO and GWO, are considered. Proposed Amorphous-ALO and Amorphous-GWO provide higher accuracy rates of 33.89% and 4.22% than traditional Amorphous as well as ensemble approaches. Amorphous-ALO and Amorphous-GWO provide position errors 2.9161 and 2.9164 respectively, which are very similar. Therefore, to determine the suitable optimization algorithm for Amorphous, the minimum, average, and maximum execution times of Amorphous-ALO and Amorphous-GWO are considered. The approach that has less execution time is considered as most suitable for Amorphous. Amorphous-ALO takes 67.76, 69.60 and 84.24 s for minimum, average and maximum execution whereas Amorphous-GWO takes 65.17, 65.46 and 65.66 s for minimum, average and maximum execution respectively. As Amorphous-GWO takes less execution time than Amorphous-ALO; therefore, GWO is more suitable for optimization in Amorphous algorithm.     

无线传感器网络中锚节点无关定位算法研究

关于无线传感器网络节点自身定位问题的研究,目前主要的研究工作集中在基于锚节点的定位方法.考虑到锚节点配置限制和配置成本因素,提出了锚节点无关定位方法.对锚节点无关的3种定位算法AFL算法、KPS算法和ABC算法进行了分析和比较,提出了锚节点无关定位算法需进一步解决的问题.     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法WR-Centroid.该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心.依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标.仿真结果表明:该算法比加权质心定位算法精度有很大的提高.     

一种基于APIT的无线传感器网络混合型定位算法

针对现有近似三角形内点测试（ APIT）算法在信标节点密集环境下定位精度不高、稀疏环境下覆盖率较低的问题,提出了一种混合型定位算法。该算法通过减小三角形内点测试（ PIT）时的三角形误判、选择优良的三角形,提高了信标节点密集环境下的定位精度。同时,该算法结合DV-Hop算法与两点定位法在稀疏环境下能计算出未知节点坐标的优点,提高了信标节点稀疏环境下的定位覆盖率。仿真分析表明：混合型算法有效地提高了信标节点密集环境下的定位精度和信标节点稀疏环境下的定位覆盖率。     

无线传感器网络近似三角形内点测试定位算法改进

作为重要的共性支撑技术之一,无线传感器网络的定位问题极具研究价值。分析了近似三角形内点测试算法,对该算法进行了改进。仿真分析表明:较之原算法,改进算法降低了错判发生的概率。     

基于Monte-Carlo方法的井下无线传感网络定位算法

在无线传感器网络应用当中,位置数据向来是关键信息之一。怎样用最小的代价,使得定位算法更加稳定健壮、更精确、更高效,是目前无线传感网定位算法追求的一个方向。因为无线传感网络有着很强的应用相关性,Monte—Carlo中心定位算法以井下环境为背景,设计的一种基于Monte—Carlo算法的改进的定位算法,定位方法简单,定位计算量小。最后通过实验将该算法和Monte．Carlo算法进行了仿真,结果显示在井下环境条件下,该算法有很强的稳定性和更好的精度。     

基于不同平面的无线传感器网络节点定位算法

作为一种全新的信息获取和处理平台,无线传感器网络广泛应用在环境恶劣、不可到达领域中实现监测与跟踪任务。考虑到无线传感器通常部署在非平面应用场景,提出了一种基于补偿系数节点定位算法。算法中利用加权平均方法来计算补偿系数,同时在三边测量法中使用最小二乘解来提高无线传感器网络节点自身定位的准确程度。仿真实验表明该算法与传统的位于同一平面理想状态定位算法相比,更能提高定位精度以满足实际应用的需要。