基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

基于智能优化算法的饮用水污染源定位方法研究综述

近年来,突发性饮用水污染事件频繁发生,严重危害居民生活健康,通过在饮用水供水管网中布置传感器对水质进行监测,能快速识别污染源的位置、质量、发生时间等特征,有利于有关部门采取措施控制污染扩散,饮用水污染源定位研究具有重要的实际意义.随着智能优化算法在工程问题中的广泛应用,运用模拟–优化方法求解污染源定位问题成为当前学者们研究的热门领域.本文首先给出污染源定位问题的模型和据此抽象出的数学模型,并对模拟–优化法求解该问题的一般方法进行了描述.通过对问题的深入分析,归纳出污染源定位问题具有多模性、昂贵性和不确定性,围绕这3个特性,重点综述智能优化算法在饮用水污染源定位问题中的代表性研究成果,最后指出有待于进一步研究的若干方向和内容.     

基于RSSI的无线传感器网络节点自身定位算法

节点自身定位是无线传感器网络的基础性问题之一.提出了一种基于接收信号强度指示(RSSI)的节点自身定位算法.该算法利用RSSI值估算网络中所有可通信节点间距离的相对大小,得到网络中各节点位置之间的几何约束关系,并以此为约束条件,以锚节点质心和未知节点质心之间的距离最小为目标,将定位问题转化为非线性最优化问题.实验结果显示,当锚节点分布在网络边缘时,该算法可以达到较好的定位效果.     

无线传感器网络中基于能量级加权的质心定位算法

针对无线传感器网络的内在特点以及传统质心定位方法的局限性,提出一种基于能量级加权的质心定位算法——PWC定位算法.它完全基于网络连通性,采用信标节点的能量级信息作为加权因子计算未知节点位置,体现了不同信标节点对质心计算结果的影响.仿真结果表明,该算法减小了平均定位误差,是一种适合大规模传感器网络应用的节点定位算法.     

GPS和无线传感器网络融合定位算法研究

为了解决普适计算环境下室内外无缝定位问题,提出了一种卫星定位和无线传感器网络组合定位的算法.算法主要利用了GPS卫星定位系统伪距观测数据和无线传感器网络距离观测数据联合进行位置解算.仿真结果表明,算法与传统的GPS定位相比,增加定位的适应范围,实现少于4颗可用卫星情况下的定位;与无线传感器网络定位算法相比,提高了定位精度.     

基于K-means聚类点密度的WSNs加权质心定位算法

为降低无线传感器网络(WSNs)在节点众多时算法复杂度,提高定位精度,提出一种基于K-means聚类点密度的WSNs加权质心定位算法(KCPD-WCLA).首先,对空间中随机大量布设的锚节点进行分组,利用三边测量定位法在二维平面上得到许多接近真实值的结果;然后将K-means聚类算法引入到WSNs的定位问题中,对K个聚类点密度加以考虑,利用加权质心定位算法(WCLA)得到定位结果.理论分析与仿真结果表明:计算复杂度明显降低,定位精度比多边定位算法(MLA)和WCLA有显著提高.     

无线传感器网络下静态水体中的近岸污染源定位

排放于水库湖泊中的污染物的扩散易受到边界影响.本文首先对静态水体中的近岸污染源扩散进行理论分析,提出了一种分段浓度模型.然后,研究了静态水体中靠近不透水边界的污染源定位问题,指出该问题中的未知参数不仅有污染源位置,还包括质量流率和初始扩散时间,分别给出了通用模型法、近似函数法、基于无迹卡尔曼滤波的估计方法求解参数估计问题.通用模型法与近似函数法分别通过求解基于原始扩散模型和分段扩散模型的约束非线性最小二乘算法获取参数估计.通用模型法可快速获取目标源相关信息,近似函数法有更稳健的参数估计性能,但需要经历多个采样时刻后才可执行.基于无迹卡尔曼滤波（Unscented Kalman filter,UKF）的估计方法结合扩散过程,可有效权衡数值计算复杂度与估计性能.在仿真实验部分,对近岸污染源扩散过程进行了水文模拟,根据模拟数据对比了不同算法的实验性能,说明了各算法的优势和不足.     

一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

传感器网络中一种分布式无锚点定位算法

确定节点的自身位置对自组织传感器网络具有重要价值.前人在假定网络具有若干锚点的前提下计算其他节点坐标,如果传感器网络没有配置锚点,则通常的定位算法难以执行.借助节点之间的测距值,引入虚拟锚点和定位可信度的概念,提出一种在节点处实现分布式无锚点定位的算法.针对定位期间的节点位置估算数值,结合邻接信息设计了一种位置变异策略,避免全网定位计算陷入局部最优解.实验结果表明,算法能有效解决无锚点网络的定位问题,在精度和全局能量比率等指标方面达到满意效果.     

无线传感器网络中非测距混合定位算法

节点定位是无线传感器网络中的关键技术。针对质心定位算法和DV-Hop算法的不足,提出了一种非测距混合定位算法,采用DV-Hop算法得到节点之间的距离和粗略的未知节点估计坐标以作为质心定位算法的权重,经过两次加权质心定位算法得到未知节点更为精确的坐标。仿真实验结果表明：在不同情况下,该混合算法均能获得比两种原始算法更高的定位精度;与其他混合定位算法相比,计算量小,耗能更低。     

基于RSSI的无线传感器网络质心定位算法优化

为了提高无线传感器网络定位精度的准确性, 对质心定位算法进行优化. 在测距阶段, 采用均值滤波和中值滤波相结合的方式对RSSI值进行预处理; 在定位阶段, 使用距离倒数的指数幂对质心加权; 同时引入迭代的思想, 解决了定位中锚节点密度不高的情况下, 节点无法定位的问题. 实验结果表明, 本文改进的算法与质心定位算法和距离加权的质心定位算法相比, 能够有效地提高无线传感器网络的定位精度.     

基于Mamdani型模糊推理的加权质心定位算法

为了提高加权质心定位算法在室内环境中的定位精度,提出使用实际环境中的RSS数据通过蝙蝠算法拟合输入隶属度函数,通过Mamdani型模糊推理获得节点间精确的权值,以提高加权质心定位算法的定位精度。在Zigbee平台上实现了该算法,通过实验比较3种不同的质心定位算法,结果表明:Mamdani型模糊推理因采用经过蝙蝠算法优化的隶属度函数而具有更小的平均定位误差。     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

分簇传感网络分布式粒子滤波气体释放源定位算法

针对环境监测与污染控制领域中气体释放源定位问题,提出一种动态分簇传感网络分布式粒子滤波定位算法。基于气体扩散模型推导了分布式粒子滤波算法用于实现气体释放源参数并行估计;根据参数估计量协方差的迹和能耗参数构建了网络能耗均衡模型,并对其寻优完成下一个簇集的节点调度与建簇;最终通过迭代运算实现气体释放源定位。仿真结果分析表明,该方法在保证参数量估计和定位精度的同时可有效降低节点能耗平衡网络生命周期。     

基于前进跳距期望的异构WSNs非测距定位算法

无线传感网络(WSNs,wireless sensor networks)中传感节点的传输范围直接决定节点的通信区域,对定位精度有直接的影响.为此,针对异构WSNs,提出基于前进跳距期望的非测距定位算法.首先,分析传统推导前进跳距期望(EHP,expected hop progress)方法的不足,并证实了EHP值只依赖锚节点的传输范围是不准确的;然后,采用新方法推导了EHP,并结合泰勒级数展开以及加权最小二乘算法估计未知传感节点位置;最后,以降低误差为目的,迭代修正未知传感节点位置的估计值,从而提高定位精度.仿真结果表明,与传统的非测距定位算法相比,提出的算法的定位精度得到有效提升.     

A two-objective memetic approach for the node localization problem in wireless sensor networks

Wireless sensor networks (WSNs) are emerging as an efficient way to sense the physical phenomenon without the need of wired links and spending huge money on sensor devices. In WSNs, finding the accurate locations of sensor nodes is essential since the location inaccuracy makes the collected data fruitless. In this paper, we propose a two-objective memetic approach called the Three Phase Memetic Approach that finds the locations of sensor nodes with high accuracy. The proposed algorithm is composed of three operators (phases). The first phase, which is a combination of three node-estimating approaches, is used to provide good starting locations for sensor nodes. The second and third phases are then utilized for mitigating the localization errors in the first operator. To test the proposed algorithm, we compare it with the simulated annealing-based localization algorithm, genetic algorithm-based localization, Particle Swarm Optimization-based Localization algorithm, trilateration-based simulated annealing algorithm, imperialist competitive algorithm and Pareto Archived Evolution Strategy on ten randomly created and four specific network topologies with four different values of transmission ranges. The comparisons indicate that the proposed algorithm outperforms the other algorithms in terms of the coordinate estimations of sensor nodes.     

A localization algorithm for large scale mobile wireless sensor networks: a learning approach

Localization is a crucial problem in wireless sensor networks and most of the localization algorithms given in the literature are non-adaptive and designed for fixed sensor networks. In this paper, we propose a learning based localization algorithm for mobile wireless sensor networks. By this technique, mobility in the network will be discovered by two crucial methods in the beacons: position and distance checks methods. These two methods help to have accurate localization and constrain communication just when it is necessary. The proposed method localizes the nodes based on connectivity information (hop count), which doesn’t need extra hardware and is cost efficient. The experimental results show that the proposed algorithm is scalable with a small set of beacons in large scale network with a high density of nodes. The given algorithm is fast and free from a pre-deployment requirement. The simulation results show the high performance of the proposed algorithm.     

冷库氨气无线监测系统与泄漏点定位方法

针对目前冷库氨气泄漏事故频发的现状,设计了基于无线传感器网络的冷库氨气监测与泄漏点定位系统,详细介绍了传感器节点、协调器节点的组成结构,提出了适用于冷库氨气泄漏定位的扩散模型和定位算法,并在不同的监测面积下进行了氨气泄漏定位模拟实验和算法对比分析。实验结果表明:质心算法的相对定位误差为11%左右,低于最近点法50%左右。相对于目前冷库普遍采用的超限报警方式,将无线传感器网络中的定位技术应用到氨气泄漏源定位中有着重要的作用,有利于快速找到泄漏点,及时解决冷库氨气泄漏事故。     

无线传感器网络中一种改进的APIT定位算法

通过对无线传感器网络节点定位机制的研究,针对APIT定位算法中锚节点（anchors,即位置已知节点）稀疏而带来的定位精度低的问题,提出了一种改进的APIT定位算法。该算法结合了anchors对未知节点的影响因子和质心算法。仿真实验表明该算法在anchors稀疏的情况下,能明显提高定位精度,具有较普遍的工程应用意义。