水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

基于RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度.针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法.对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证.结果表明:和传统的定位算法相比,提出算法具有更优的定位精度.     

基于锚同心圆的改进加权质心WSN定位算法

研究无线传感器定位准确性问题,针对测量位置节点信息,为了提高无线传感器网络的定位精度,采用同心圆定位算法(CAB)是一种免测距的无线传感器定位算法,相比于传统的测距方法能降低节点的能量消耗,但是定位精度却不及传统的测距定位方法.提出在同心圆定位算法(CAB)的基础上,通过分析无线电传播路径损耗采用了一种加权同心圆定位算法.给出了算法的流程,仿真分析了通信半径对新算法定位精度的影响,比较了算法定位精度与现有的几种免测距定位方法的定位精度.仿真结果表明,改进算法有较高的定位精度而且对距离不敏感,对实际工程提供应用价值.     

基于自适应罚函数优化粒子群的WSNs定位算法

针对无线传感器网络节点定位问题,在传统粒子群算法定位技术研究的基础上,提出了一种自适应罚函数优化粒子群的节点定位算法。在定位过程中,运用极大似然估计法进行粗略定位,对测距误差进行加权处理,限制搜索区域,根据群体中可行解比例的大小,自适应调节罚因子的大小进行迭代寻优,最终得到节点坐标。仿真结果表明：该算法较好地克服了传统粒子群算法收敛速度慢,易陷入局部极小点等问题,对比同类算法,算法具有更高的定位精度和较快的收敛速,且稳定性更高。     

基于RSSI的无线传感器网络节点定位

研究基于Zigbee技术的无线传感器网络中未知节点的定位问题。针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降。为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法。此方法可以最大限度的减少测量误差大的节点对定位精度的影响。经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度。     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

基于长短期记忆网络修正测距的水下定位算法

人类对海洋资源的探测与开发的主要方式是通过水下传感器网络来实现的,而水下传感器节点收集的数据在丢失精确的定位信息时便失去了其主要的价值。因为现在许多已经被广泛使用的水下定位算法仍然难以实现精确的测距,所以导致其定位精度偏低、不理想。本文提出一种基于长短期记忆网络修正测距的水下定位算法,该算法使用一种循环神经网络的变体模型长短期记忆网络来改进基于信号到达时间差测距算法,通过处理海洋环境的历史信息、测距值等数据进行训练,能够高效准确地预测当前的测距修正值,从而获得优化测距误差的效果。通过上述两者的有效结合进一步改进多边定位算法,实现对水下未知节点的精准定位。最后通过仿真实验和算法对比验证本文所提的算法确实具有较高的定位精度和可行性。     

基于测距的蒙特卡罗盒传感网定位算法研究

针对以蒙特卡罗算法为基础的无线传感器网定位算法普遍存在定位精度和采样效率低的问题,提出了一种基于测距的蒙特卡罗盒（R-MCB）定位算法。通过测距信息构造修正的包含有约束条件的方形边界框,使用从强约束条件中除去弱约束条件的启发法来提高采样效率,然后进行样本过滤和加权处理,并通过校准减少距离误差实现精确的定位。该R-MCB定位算法允许节点是静止或移动的,并且能够与可进行测距的节点和没有测距能力的节点协同工作。通过在传感器硬件上进行真实模拟定位算法证明,在多数情况下该R-MCB算法的定位误差,均要比WMCL算法（加权蒙特卡罗定位算法）的定位误差低10%左右。     

基于自适应罚函数优化粒子群的WSN定位算法

针对无线传感器网络节点定位问题,提出了一种自适应罚函数优化粒子群的算法.算法在定位过程中,首先运用极大似然估计法进行粗略定位,然后通过对计算误差和测距误差之间差值进行加权处理,限制搜索区域,根据群体中可行解比例的大小,自适应调节罚因子的大小进行迭代寻优,最终得到节点坐标.仿真结果表明:算法较好地克服了传统粒子群算法收敛速度慢,易陷入局部极小点等问题,对比同类算法,算法具有更高的定位精度和较快的收敛速,且稳定性更高.     

无线传感器网络节点自身定位算法研究

无线传感器网络中节点自身位置信息是实现其应用的最重要因素之一.针对节点自身定位的研究很多,但很大一部分都集中在算法的改进和新算法的开发上,很少给出纵向直观的仿真效果比较.研究选取无需测距算法中4种典型的算法,给出它们在不同参数下的仿真定位效果图,对于工程人员根据实际选取最优算法有很好的借鉴作用.在此基础上,利用曲线拟合...     

车联网定位方法与机制

车联网(IoV)作为一种应用于道路交通环境的特殊的移动自组织网络,被认为是物联网中最有可能率先突破应用的一个重要分支。如何实时准确地获取车辆自身的位置信息,是车联网技术研究的一个重点和热点。提出了车联网定位方法与机制,介绍了无线自组织网络定位技术的基础理论,对比分析了适合车联网中车辆定位的理论与算法,指出了车联网定位技术的研究方向。     

基于半定规划的无线传感器网络定位算法性能分析

基于测距的定位方法是无线传感器网络节点定位中一种常见的方法。测距定位方法往往将定位过程转化为数学优化问题。介绍了实现测距定位下的LS-SDR与SAL-SDR两种半定规划定位算法,并同时介绍了LS-LM、SLS-LM、SLS-US与SLS-S等4种定位算法。仿真实验分析和比较了6种不同定位算法的平均RMS定位误差,结果表明相对于其他4种定位算法,LS-SDR和LS-LM算法的定位误差较小。在信标节点数量较少的情况下,LS-LM算法的定位结果有可能发生奇异,造成定位结果的严重失真。而LS-SDR算法对于奇异的发生具有较好的抵抗能力,此时LS-SDR算法的平均RMS定位误差将优于LS-LM算法。     

三维视觉前沿进展

在自动驾驶、机器人、数字城市以及虚拟/混合现实等应用的驱动下,三维视觉得到了广泛的关注。三维视觉研究主要围绕深度图像获取、视觉定位与制图、三维建模及三维理解等任务而展开。本文围绕上述三维视觉任务,对国内外研究进展进行了综合评述和对比分析。首先,针对深度图像获取任务,从非端到端立体匹配、端到端立体匹配及无监督立体匹配3个方面对立体匹配研究进展进行了回顾,从深度回归网络和深度补全网络两个方面对单目深度估计研究进展进行了回顾。其次,针对视觉定位与制图任务,从端到端视觉定位和非端到端视觉定位两个方面对大场景下的视觉定位研究进展进行了回顾,并从视觉同步定位与地图构建和融合其他传感器的同步定位与地图构建两个方面对同步定位与地图构建的研究进展进行了回顾。再次,针对三维建模任务,从深度三维表征学习、深度三维生成模型、结构化表征学习与生成模型以及基于深度学习的三维重建等4个方面对三维几何建模研究进展进行了回顾,并从多视RGB重建、单深度相机和多深度相机方法以及单视图RGB方法等3个方面对人体动态建模研究进展进行了回顾。最后,针对三维理解任务,从点云语义分割和点云实例分割两个方面对点云语义理解研究进展进行了回顾。在此基础上,给出了三维视觉研究的未来发展趋势,旨在为相关研究者提供参考。     

抵抗恶意信标的安全优化DV-Hop算法

信标节点在无线传感器网络定位算法中起着关键作用,然而信标节点的安全常常被忽视.针对恶意信标节点发送虚假位置信息这种较常见且破坏性较强的攻击方式,在DV-Hop定位算法的基础上提出了一种抵抗恶意信标的安全Dv-Hop定位算法.该算法利用信标之间的距离约束来隔离恶意信标节点,同时采用多信标校正值权衡的策略克服了信标比例下降...     

无线传感器加权质心定位算法研究

无线传感器网络的节点自定位的技术主要有基于测距(Range-Based)的定位技术和距离无关(Range-Free)定位技术。该文主要研究了基于测距的无线传感器网络定位算法。在传统质心定位算法中,引入相对RSSI加权定位实现未知节点的位置估计。该方法每个锚节点的权值使用RSSI的相对位置值,每个锚节点的权值可以按线性或指数加权。     

利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法

协同定位是共融机器人研究领域的重要问题.协同定位方案的制定受限于机器人间信息交互的能力.针对长时间通讯中断时多自治水下航行器(AUV)协同定位精度明显下降的问题,借鉴同时定位与制图(SLAM)方法,提出了基于FastSLAM框架的同时定位与跟踪(SLAT)算法.将主AUV视为非合作目标,在从AUV上建立起一个关于主AUV的运动估计器,利用从AUV上声呐传感器实时获取的相对量测信息,在对主AUV运动状态估计的同时,完成对从AUV自定位精度的提升.仿真实验结果表明,在长时间通讯中断发生的条件约束下,相比于传统的航位推算方法,所提出的SLATF1.0和2.0算法能够有效减小定位误差,2.0算法对于探测精度变化等因素的影响具有更好适应性.     

A robust localization algorithm in wireless sensor networks

Most of the state-of-the-art localization algorithms in wireless sensor networks (WSNs) are vulnerable to various kinds of location attacks, whereas secure localization schemes proposed so far are too complex to apply to power constrainedWSNs. This paper provides a distributed robust localization algorithm called Bilateration that employs a unified way to deal with all kinds of location attacks as well as other kinds of information distortion caused by node malfunction or abnormal environmental noise. Bilateration directly calculates two candidate positions for every two heard anchors, and then uses the average of a maximum set of close-by candidate positions as the location estimation. The basic idea behind Bilateration is that candidate positions calculated from reasonable (i.e., error bounded) anchor positions and distance measurements tend to be close to each other, whereas candidate positions calculated from false anchor positions or distance measurements are highly unlikely to be close to each other if false information are not collaborated. By using ilateration instead of classical multilateration to compute location estimation, Bilateration requires much lower computational complexity, yet still retains the same localization accuracy. This paper also evaluates and compares Bilateration with three multilateration-based localization algorithms, and the simulation results show that Bilateration achieves the best comprehensive performance and is more suitable to real wireless sensor networks.     

无线传感器网络节点定位技术

对无线传感器网络定位技术进行了深入的探讨,从WSN节点的定位机制、定位算法的分类、已有的定位算法及算法性能的评价标准等方面进行分析,并对比了质心定位算法、DV-Hop算法、凸规划定位算法、APIT算法等几种经典的方法。结果表明：各种算法在不同的应用环境下所表现的性能差别较大,没有哪种算法是最优的,应根据最感兴趣的性能指标选择合适的算法。最后提出了无线传感器网络节点定位技术需要解决的问题和研究方向。     

基于Amorphous的无线传感器网络定位算法研究

无线传感器网络广泛应用于各个领域,节点位置信息起着至关重要的作用。在所有的经典定位算法中,Amorphous定位算法属于非测距算法,通过获得未知节点与信标节点之间的跳数,估算节点间距离,进而计算节点坐标。分析Amorphous定位算法的缺点并提出了对节点间跳数的修正。引用质心算法加权,提出改进的算法模型,经仿真验证:该算法可获得较为精确的定位结果。