无线传感器网络中一种移动节点定位算法

无线传感器网络中现有的大多数定位算法都是针对静态节点的,不能应用于节点移动的情况.本文提出了MCBE(Monte Carlo Localization Boxed Using Estimation)移动定位算法,该算法利用锚盒子(Anchor box),即包含待定位节点可能位置且平行于坐标轴的矩形以及非锚节点位置来帮助定位.锚盒子大小和定位误差存在正相关关系,算法根据待定位节点的一跳和二跳锚节点位置计算出锚盒子大小,当锚盒子大于一定值时,利用锚盒子小的非锚节点位置缩小锚盒子,最后在锚盒子范围内对位置采样,用蒙特卡罗MCL方法定位.理论分析和仿真结果表明,MCBE能有效地缩小采样区域,提高定位精度.     

基于区域分割的无线传感器网络定位算法

针对传统APIT算法在定位精度方面的不足,提出一种基于区域分割的无线传感器网络定位算法(RSLA)。为了减小边界效应造成的误差,RSLA算法为每个待定位节点添加一个计数器。PIT测试之后,RSLA算法利用三角形的三条中垂线将三角形划分成多个小区域,通过比较待定位节点收到三角形三个顶点发来的信号强度,进一步判断待定位节点属于哪一个小区域,最后利用三角形重心扫描算法估算待定位节点位置。仿真实验表明,相比传统APIT算法,RSLA算法在定位精度方面有较大的提高。     

基于蒙特卡洛方法的移动传感网节点定位优化算法

无线传感器网络正在被应用到各种各样的监测环境中,在这些应用场景中,传感器节点的位置信息大都是至关重要的.目前对传感器节点定位方面的研究大都只针对静态WSN的情况,对于移动WSN节点定位的研究仍然十分有限.该文提出了移动WSN中节点间互相优化定位的新思路,通过判断式筛选出定位精度高的节点,并协助其他节点进行定位条件的优化.所提出的算法TSBMCL通过更精确的裁剪待定位节点的蒙特卡洛盒,并增加节点的粒子滤波条件来实现节点的精确定位.大规模的仿真结果表明,该算法可精确的锁定节点位置区域,高效的采样得到节点的位置样本,相比于传统的移动WSN蒙特卡洛定位方法,大大提高了节点的定位精度.     

Levy飞行策略结合三维灰狼优化的DV-hop定位算法

针对无线传感器网络节点部署不均衡,极大似然值估计算法对待定位节点位置计算精确度较低的问题,提出一种Levy飞行策略结合三维灰狼优化的DV-hop定位算法.首先引入节点间不同跳数权重因子解决节点部署不均衡问题;其次在灰狼算法基础上结合Levy飞行策略,对灰狼群每次位置迭代更新进行优化,并推广到三维空间;最后利用改进后的智能仿生三维灰狼算法对每一个待定位节点位置进行寻优定位计算,进一步提高待定位节点位置计算精度.实验结果表明,该算法优于经典DV-hop算法、三维加权DV-hop算法以及未使用飞行策略的灰狼算法,验证了该算法在待定节点定位的准确性.     

移动无线传感网中的迭代蒙特卡罗定位算法研究

研究移动无线传感网中的节点定位问题,分析影响蒙特卡罗定位精度的两个因素:观测值和前一时刻的位置样本集,提出一种迭代蒙特卡罗定位算法。该算法中,信标节点的位置信息在每个时间段只被它的邻居节点转发一次,但是接收到该信息的其他节点会保存它们,并在下一时间段将它们与待发送/转发的信息融合成一个数据包进一步转发,增加待定位节点用于估算前几个时间段位置样本集的观测值。待定位节点再利用蒙特卡罗算法迭代计算前面时间段的位置样本集,并充分利用观测值滤除较差样本,从而提高当前时刻的定位精度。仿真实验表明改进算法提高了定位准确度。当信标节点密度较低时,更能体现改进算法的优越性。     

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.     

无线传感器网络中的HWC定位算法

提出一种跳数加权质心定位算法——HWC算法。它完全基于网络连通性,采用通信跳数信息作为加权因子计算待定位节点估计位置,体现跳数不同节点对多边形质心计算结果的影响。仿真表明,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。     

移动节点路径规划和几何限制的无线传感器网络定位算法

提出一种利用移动节点的无需测距的无线传感器网络定位算法.该算法中,移动节点以垂直路径两次穿过未知节点通信半径范围,从而获得通信区域边界附近多个航标位置;航标点连线的中垂线形成几何限制区域,该区域中心即为未知节点的估计位置.与其它基于几何限制区域的算法相比,本算法计算复杂度低、定位精度高.仿真实验结果显示本算法相比于其它算法,定位精度提高10％～40％不等.     

基于跳距修正与狮群优化的WSNs三维定位算法

针对DV-Hop在三维空间中存在定位误差,为提高节点定位精度,提出一种基于跳距修正和狮群优化的WSNs三维定位算法(HCLSO-3D).首先,通过多通信半径传播,对节点跳数进行精确划分,得到优化跳数值.其次,使用相似路径搜索算法获取与待定位节点到相应锚节点之间最相似的锚节点对的路径,对此路径平均跳距值进行修正,得到待定位节点到目标锚节点的平均跳距.最后,利用狮群算法优化求解待定位节点坐标位置.仿真结果表明,在同样的网络环境下,HCLSO-3D算法与3D-DV Hop定位算法和文献[16]定位算法相比,定位精度明显提高.     

无线传感器网络APIT算法边界效应的改进

在无线传感器网络中,针对APIT算法存在边界效应导致定位精度不足的问题,提出一种基于节点信号强度和的改进定位算法SAPIT(sum of signal strength based APIT)。该算法在PIT测试前,先确定三角形内所有节点收到三个锚节点信号强度和的最小值,利用该最小值排除引起边界效应的邻居节点;然后结合PIT测试和网格扫描算法,确定待定位节点的坐标位置。仿真结果表明,SAPIT算法降低了In-To-Out Error和Out-To-In Error的发生概率,有效地提高了节点的定位精度。     

一种基于约束策略的无线传感器网络定位算法*

节点定位技术是无线传感器网络的关键支撑技术之一,对于无线传感器网络的基本理论方法和应用研究都具有重要意义。在深入研究分析距离无关定位算法的基础上,提出了基于约束策略的无线传感器网络定位算法。该算法无须测距,采用跳数估计节点间距离,并针对未知节点到锚节点距离计算中的不足,对锚节点的平均每跳距离作了修正;在估计未知节点坐标时,根据该未知节点通信范围内的锚节点对其所在位置进行约束。仿真结果表明,该算法具有较好的性能,比已有算法的定位精度有所提高。     

Node localization algorithm for wireless sensor networks using compressive sensing theory

In recent years, localization has been recognized as an important supporting technology for wireless sensor networks (WSNs). Along with the increase in WSN indoor applications, indoor localization has become a hot research topic and many localization algorithms have been studied. Among these algorithms, the localization method based on compressive sensing theory emerges as a popular approach to indoor localization. In this approach, the nodes are sparse when compared to the number of grids utilized to represent the locations of the nodes, so the locations are considered as sparse signal and can be reconstructed using the compressive sensing techniques. The localization problem is formulated as the sparse reconstruction of sparsifying matrix which is comprised of measurement of received signal at grids. In order to improve the localization accuracy and meet the real-time requirement of localization applications in large indoor area, an indoor localization algorithm based on dynamic measurement compressive sensing for wireless sensor networks is proposed. Using the bounding-box method, we firstly identify a potential area that possesses the independent features. Instead of using the entire node deployment region as the measurement area, our method can decrease the number of meshing and also the dimension of measurement matrix. Meanwhile, we assume that only the anchor nodes which have communication relationship with the unknown nodes can be used as the measuring nodes; the measurement matrix of unknown nodes which need to be localized can be dynamically constructed according to the potential area and the received anchor node information, and the maximum number of measurement is decided by the number of grids of potential area. The proposed algorithm can mitigate the measurement redundancy and improve the real-time feature. Simulation results indicate that the proposed algorithm can reduce the time complexity and also maintain good localization accuracy and localization efficiency.     

无线传感器网络主动分布式节点定位算法

在研究现有无线传感器定位算法基础上提出了主动分布式传感器节点定位策略(ADLA),该算法借鉴集中式凸规划算法的思路,提出了一种方法简单的分布式位置估计方法.该方法计算简单,内存需求少且通信开销低.经过试验证明,该算法的定位精度在锚节点连接度为18个的情况下,可以达到0.6倍节点通信距离的精度,完全可以满足无线传感器网络一般的定位需求.     

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。     

基于改进平均跳距和位置修正DV—HOP定位算法

针对传统DV—HOP算法在锚节点随机分布情况下定位误差和计算量较大的问题,提出了基于改进的平均跳距和位置修正的DV—HOP定位算法,根据节点的分布情况,锚节点计算其权值来动态调整其平均跳距,同时引入位置修正因子对用2种方法得到的位置信息进行修正,减少了定位误差,提高定位精度。仿真结果表明,改进算法在不同的锚节点数和不同的锚节点比例情况下都有较好性能,和传统DV—HOP算法相比定位误差明显减小,定位精度明显提高。     

改进的无线传感器网络DV-Hop定位算法

为了解决DV-Hop算法定位精度低的问题,提出一种分轮优化的改进DV-Hop定位算法。首先通过跳数阈值限制锚节点广播信息的范围;其次用每轮锚节点的平均每跳距离误差来修正锚节点的平均每跳距离;然后通过共线度检测区域,找出适合定位的锚节点组;再用三边测量法计算出参与定位的每组锚节点组的定位结果,用所有锚节点组定位结果的均值作为未知节点的估计位置;最后把本轮定位的未知节点升级为新的锚节点,进行下一轮定位。仿真结果表明,改进算法在不增加额外硬件开销的基础上,减小了定位误差,有效地提高了定位精度。     

稀疏无线传感器网络的节点自定位算法

针对基于TOF测距的节点定位算法在稀疏网络中定位覆盖率较低的问题,对初始估计位置进行迭代求精,达到精度门限的升级为锚节点。如果网络中存在不良节点,对节点进行估计分类,并实现对不良节点的定位。仿真结果表明,在适当增加节点计算量和通信开销的条件下,可提高改进算法的定位覆盖率。     

基于最优跳距和改进粒子群的DV-Hop定位算法*

针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题,提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法首先利用节点的通信半径对锚节点间跳数进行修正;然后根据全局和局部范围对锚节点的影响,选择最优平均跳距来估算距离;最后用改进的粒子群算法来优化未知节点坐标。仿真结果表明,OPDV-Hop算法相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法,定位误差分别减小16%、11%和5%左右,其能够有效的降低估算距离误差,提高定位精度。     

一种新型的无线传感器网络三维定位算法

节点定位在无线传感器网络的应用中起着重要作用,一直备受学术界和工业界的关注.现有的大多数定位算法针对平面应用而设计,而现实应用中的无线传感器网络节点往往分布在三维空间中,研究三维空间定位更加符合实际节点的应用情况.针对目前三维空间定位算法的不足,提出了一种新型的无线传感器网络三维定位算法.该算法无需额外的硬件支持,根据未知节点通信范围内锚节点数目,建立空间向量模型进行定位;并且在估计未知节点坐标时,根据该未知节点通信范围的锚节点对其所在位置进行约束.仿真结果表明,该算法通信开销小,提高了节点定位覆盖率和定位精度.