Grid-Scan算法定位误差和定位率的改进

针对Grid-Scan算法定位率及定位精度较低的问题,提出了一种基于虚拟锚节点的Grid-Scan定位算法。具体做了3个方面的工作：有邻居锚节点的未知节点只利用邻居锚节点进行定位,定位后的节点升级为虚拟锚节点;没有邻居锚节点的未知节点利用虚拟锚节点完成定位;锚节点及虚拟锚节点与未知节点采用不同的通信半径进行扫描并完成定位。仿真结果表明,相比传统算法,改进算法的定位精度和定位率分别平均提高了约6.35%和23.37%。     

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。     

基于虚拟节点的BP无线传感器网络定位算法

无线传感器网络中节点的准确定位是网络应用的支撑技术之一.针对网络中锚节点比例因素,提出了基于BP神经网络的次锚节点的定位算法,虚拟地增加网络中用于定位的锚节点的个数,并提出了引人虚拟节点的方法寻求较佳的次锚节点,从而提高了定位精度.该方法不依赖于节点间的距离,并利用了神经网络的并行性,因而算法简便快速,硬件结构实现简单.仿真结果证明了利用虚拟节点确定次锚节点的有效性,同时表明BP神经网络定位算法和次锚节点的引人可大大提高网络未知节点的定位精度,减少无线传感器网络的成本.     

引入虚拟节点的无线传感器网络ELM定位算法

基于大部分距离无关算法能以改善锚节点比例提高无线传感器网络定位精度,提出了一种引入虚拟节点的无线传感器网络极限学习机(ELM)定位算法.通过引入的虚拟节点,寻找合适的未知节点升级为次锚节点,以增加锚节点比例,提高了定位精度.将ELM应用于节点定位,有效提高了定位的速度和精度,并因其强大的泛化性能,为无线传感器网络节点定位提供了新的思路.仿真结果表明:引入ELM定位算法和虚拟节点,有效提高了定位精度.     

基于虚拟力的单个移动锚节点无线传感器网络定位算法

提出一种基于单个移动锚节点的定位算法,该算法采用网格中心作为虚拟节点,与锚节点产生虚拟力,锚节点的状态受节点间虚拟力影响.锚节点的初始状态变量随机生成,在虚拟力的作用下,锚节点移动到新的位置.为有效避免发生锚节点移动的终止移动和局部死循环,在锚节点更新自身状态变量时,采用卡尔曼滤波,结合虚拟力的控制量和前一刻的状态量,形成锚节点的当前状态量.最后,分别在未知节点全定位和移动锚节点能量受限的条件下,进行了定位精度、节点能量损耗以及网络覆盖率的仿真,仿真结果表明:该定位算法有效地避免了发生锚节点移动的终止和局部死循环,同时,很大程度上提高了节点的定位精度,且网络能量消耗很低.     

基于四面体模型的三维加权质心定位算法

针对三维空间中未知节点的定位问题,提出基于四面体模型的三维加权质心定位算法。利用锚节点组成四面体,依据未知节点与锚节点间的距离大小,采取加权求和定位未知节点,利用接收信号强度指示器的数据信息对加权系数进行修正。仿真结果表明,该算法的定位精度较高。     

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Steffensen迭代和模糊信息的节点定位算法

为了提高无线传感器网络节点定位精度,提出了一种基于Steffensen迭代和模糊信息的节点定位算法.算法在模糊信息定位方法的基础上,通过引入Steffensen迭代求精提高节点定位精度.算法将锚节点分为静态锚节点和移动锚节点,利用移动锚节点不断的运动来辅助静态锚节点进行定位.首先利用节点间的模糊信息实现未知节点位置的粗略定位,然后利用Steffensen迭代对节点位置进行不断迭代求精,以实现未知节点的精确定位.通过仿真实验证明,相比3D-ADAL算法和改进的TOF测距算法,本文算法不仅降低了定位误差率,减小了网络的通信开销,还提高了节点定位效率.     

无线传感器网络质心定位新算法及性能分析

针对锚节点非均匀分布的无线传感器网络质心定位算法定位精度较差的缺陷,提出一种新的质心定位算法--基于最小包围多边形定位(SEPL)算法。该算法以包围未知节点邻居锚节点的最小多边形质心作为未知节点的估计位置。仿真结果表明,SEPL算法可以有效改善锚节点分布不均匀时质心定位算法误差较大的问题,平均定位精度比一般的质心定位算法提高15%。     

一种基于跳数修正的DV-HOP定位算法

节点定位技术是无线传感器网络的关键支撑技术之一,传统DV-Hop定位算法中节点间跳数只以整数增加,从而降低了定位精度。针对传统定位算法定位误差较大的问题,提出了一种新的基于跳数修正的DV-Hop定位算法。该算法从两方面进行了改进:对锚节点间的跳数进行修正,使得跳数不再只是整数;对未知节点与锚节点间的跳数进行修正,使得未知节点与锚节点之间的估计距离更加准确。最后,对传统算法和改进算法的性能进行了仿真,结果表明在不增加额外硬件开销的前提下,改进算法可以有效地提高定位精度。     

无线传感器网络中基于虚拟力的分布式节点定位

节点定位是无线传感器网络应用中需要解决的一个基本问题。传统算法大都基于集中式方法估计节点位置,从而导致较大开销。因此,结合最小二乘法进行初步估计定位,并在此基础上,给出了基于虚拟力的传感器节点定位模型,提出了基于虚拟力的分布式定位算法,该算法通过邻居节点间信息的分布式交互,能够有效节省定位开销。进一步,在定位过程中引入未知节点升级机制,以提高收敛速度。一系列仿真实验表明,该算法能够通过分布式迭代定位,快速实现全网节点的精确定位。     

基于虚拟力移动锚节点的3D-DVHop-ACR定位算法

针对传统以及各种经改进的3D-DVHop算法对未知节点定位误差较大,且未对定位成本进行实质性降低的问题,提出一种基于虚拟力移动锚节点的3D-DVHop-ACR定位算法.该算法引入虚拟力移动锚节点,在降低定位成本的同时可使锚节点移动路径遍历整个网络空间且不会进入网络空洞区域;通过RSSI值辅助测距与三维跳距加权修正节点间跳数和跳距,利用所有锚节点定位误差修正各未知节点估计坐标;同时,结合最大似然估计法对邻居节点数不小于3的节点继续精化,以进一步降低定位误差.     

基于射频识别和无线传感网融合技术的仓储定位方法研究

针对射频识别在大规模仓储定位环境下节点数量要求过高,有效覆盖面积较小问题,提出一种基于移动锚节点的二次定位方法。传统质心算法必须在节点的3度覆盖下才能有效定位,造成节点浪费。综合射频识别和无线传感网融合技术,构造一种新的锚节点,将传统定位过程中的节点划分为固定锚和移动锚,首先利用固定锚进行初步定位获得未知标签位置范围,然后利用定位向量判定移动锚的停止位置。最后,采用基于信号强度的加权质心定位算法,进行二次精确定位。仿真结果表明,该方法能有效减少锚节点数量,弥补射频信号覆盖不完全区域的定位,提高定位精度和覆盖范围,具有一定的实际应用价值。     

面向巷道环境的稀疏锚节点UWB定位方法

井下巷道人员及设备定位是智慧矿山的重要功能,UWB定位系统依赖定位区域提前部署的大量锚节点,存在部署成本高的问题。本文提出巷道环境稀疏锚节点定位方法,以降低定位系统的部署成本。结合巷道特殊环境,设计了两点定位法获得标签节点的位置信息;设计了锚节点上安装多测距模块的锚节点,获得多条不同的测距信息以提高节点定位率;提出了设置虚拟锚节点方法,将已定位的标签节点升级为虚拟锚节点,增加锚节点的密度,提高定位精度。最后的结果表明：该方法能够有效地降低锚节点数量,提高定位精度。     

无线传感器网络中移动节点定位算法研究

提出一种利用临时锚节点的蒙特卡罗箱定位算法.该算法是基于蒙特卡罗定位方法之上,通过引入节点平均速率来获取临时锚节点,并利用一跳范围内的临时锚节点构建最小锚盒、增强样本过滤条件,从而加速了采样和样本过滤.此外,在样本的获取上采用了非随机采样的均衡采样方法,有效地降低了采样次数.仿真结果表明:该算法同蒙特卡罗定位算法等相比,提高了节点的定位精度,降低了节点的能耗.     

锚节点稀疏的传感器网络节点自定位算法

针对Euclidean算法中定位精度及覆盖率受锚节点密度影响较大的问题,提出一种改进的分布式节点自定位算法。该算法将初始定位精度较高的节点升级为锚节点,未知节点根据更新的锚节点位置信息循环求精,并通过估计坐标值的方差来控制循环求精过程中的循环次数。仿真实验显示,改进定位算法在锚节点密度较低的情况下能有效提高定位精度和覆盖率,明显降低了对锚节点密度的依赖程度。     

基于APIT技术的无线传感器网络目标定位算法

针对无线传感器网络的目标定位问题,提出了一种基于能量的目标定位算法.首先通过移动锚节点轨迹的采集,形成虚拟锚节点,利用三边定位确定未知节点的位置,增加锚节点的密度.采用近似三角形内点测试(APIT)算法对目标节点进行定位,并加入了加权质心因子,用锚节点对目标节点的不同影响力来确定加权因子,以提高定位精度.仿真结果表明:该算法可以有效地提高无线传感器网络目标定位的精度.