基于LS-SVR的无线传感器网络节点定位算法

文章针对无线传感器网络（WSN）节点定位算法DV-HOD的节点间距离估计误差对定位准确度影响较大的问题,提出一种基于LS-SVR（最小二乘支持向量回归机）的定位算法L-LSSVR。该算法根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以未知节点到各锚节点经多跳测距得到的距离向量作为模型的输入,将模型输出作为未知节点的估计坐标。在节点均匀分布和随机分布的网络中进行节点定位实验,结果表明,定位算法L-LSSVR能有效地降低距离估计误差对定位准确度的影响,减小平均定位误差,其中,在节点均匀分布的情况下L-LSSVR算法的平均定位误差比DV-Hop算法减小8.1～17.8%,在随机分布的网络中减小8.7～27.0%。     

利用最小二乘支持向量机实现无线传感器网络的目标定位

针对接收信号强度值(RSSI)的波动直接影响无线传感器网络(WSN)目标定位准确度的问题,研究了利用最小二乘支持向量回归机(LSSVR)实现WSN的目标定位的基本原理,分析了固定探测节点和探测节点变化时的LSSVR建模定位特性,提出了基于自适应LSSVR回归建模实现WSN目标定位的方法(TL-AML)。该方法综合考虑目标定位准确度和实时性,初始时刻首先建立LSSVR回归模型来定位目标,根据后面任一时刻探测节点与前一时刻回归模型建模节点的包含关系决定是否重新建模,实现自适应建模定位过程。基于CC2430无线传感网络实验平台,进行了相关TL-AML方法性能实验,通过合理选取建模参数,TL-AML方法的目标定位均方根误差(RMSE)比MLE方法减小34%～37%,比LSE方法减小60%～65%。建模参数在较大范围内取值时,TL-AML方法目标定位准确度比MLE和LSE方法有明显提高。在LSSVR建模情况下,TL-AML方法目标定位耗时0.2～0.4s,无需重复建模时,目标定位耗时减少到0.04s。实验结果表明,TL-AML方法能够显著减小RSSI波动对目标定位结果的影响,提高目标定位准确度,减少目标定位时间,且具有较好的目标定位实时性。     

子图划分优化WSN节点分布式定位算法

针对机械振动监测及矿井提升机等系统中WSN节点定位精度和效率不高,且对占用资源较多的参考节点需求较大的问题,提出了基于最小二乘距离修正与子图融合的分布式节点定位算法,算法首先根据参考节点邻域范围将WSN无向图划分为多个子图,然后在子图内修正锚节点跳距计算式并基于最小二乘距离修正构建未知节点定位的目标函数,同时在迭代过程中进一步通过最小二乘节点位置进行修在较少的参考节点需求或较小的通信半径下可以取得最优的定位精度和时间,且对不同节点规模的WSN网络具有较好的适应性。     

基于测距修正及改进鲸鱼优化的DV-HOP定位算法

针对无线传感器网络中传统DV-HOP(distance vector-hop)定位算法定位误差大的问题,提出基于测距修正及改进鲸鱼优化的DV-HOP(whale optimization algorithm distance vector-hop,WOADV-HOP)定位算法,该算法首先通过添加修正因子和引入权重来修正待定位节点和信标节点之间的测距值,减少测距误差。利用改进鲸鱼优化算法代替最小二乘法求待定位节点的坐标。仿真结果表明,在不增加额外设备的情况下,该算法比同类方法能更加明显地提高定位精度。     

数控机床热误差的动态自适应加权最小二乘支持矢量机建模方法

为消除数控机床热误差对加工精度的影响,提出基于动态自适应加权最小二乘支持矢量机的数控机床热误差建模方法.为构建机床热误差模型,对一台XK713数控铣床进行建模试验,采用智能温度传感器与激光位移传感器分别获取机床温度值与主轴变形量.运用动态自适应算法,优化选择建模过程中的参数;对采样数据进行初始最小二乘支持矢量机建模,根据误差变量确定权重系数,得到基于加权最小二乘支持矢量机的数控铣床热误差模型.试验结果表明,基于动态自适应最小二乘支持矢量机的数控机床热误差建模方法精度高,泛化能力强,优于未加权最小二乘支持矢量机方法与传统最小二乘法.获得的模型可用于数控机床热误差补偿,以提高数控机床的加工精度.     

WSNs节点定位不适定性的诊断与克服

节点定位技术是无线传感器网络(wireless sensor networks,WSNs)应用中重要的支撑技术之一.在WSNs节点定位中,可以通过接收信号强度指示信息计算出节点间的距离,根据节点之间的几何关系利用最小二乘估计(least square estimate,LSE)求解待定节点的坐标.但在实验和应用过程中发现,当采用不同空间位置的参考节点进行定位时,有时会出现定位误差的巨大变化.对这种现象进行了研究,发现节点定位中存在一定的不适定性,表现为定位结果受测距误差影响较大,定位结果不稳定.分析了不适定性产生的原因和机理,提出WSNs节点定位时首先需要进行不适定性诊断,通过条件数法诊断不适定性和评估不适定性程度,对于适定的情况,仍然采用LSE法进行定位,对于不适定的情况,引入岭估计法用于克服节点定位中的不适定性.实验结果表明,岭估计有效克服了节点定位的不适定性,可将不适定情况下的三维定位误差减小至3 m左右,提高了定位结果的稳定性.     

基于无线传感器网络的超声波定位节点设计

针对目前无线传感器网络中节点定位实验中精确度不高的问题,提出了一种定位系统中超声波六元阵列传感器节点的硬件设计方案,主要利用超声波在空气中传输的物理特性,采用40 k Hz超声波来设计系统节点的硬件结构和收发传感器阵列及节点微控制器,通过对传感器节点硬件平台的测距实验结果表明,节点间最远测距距离达到了20 m,样本平均测距误差为5.2 cm,其中最小测距误差为2.6 cm,最大测距误差为7.5 cm,满足系统关于远距离测量和cm级误差的高精度测距要求。     

基于人工神经网络的RSSI测距的牛顿定位算法

为了降低基于接收信号强度指示(RSSI)测距误差,提高基于RSSI测距定位精度,提出了基于人工神经网络的RSSI测距的牛顿定位算法(NL-ANN-RSSI)。NL-ANN-RSSI算法分别在RSSI测距和定位计算方面提高定位精度。首先,利用人工神经网络对RSSI值预处理,降低测距误差;然后,利用最小二乘法估计节点位置,并将此估计值作为牛顿定位算法的初始值;最后,利用牛顿定位算法修正节点位置。实验数据表明,基于人工神经网络的RSSI优化的测距误差比传统的RSSI测距算法有大幅下降,归一化平均定位误差下降了约36%。     

基于可测距平面的机器人误差检测方法

为了解决机器人存在本体误差而影响定位精度的问题,提出一种基于可测距平面的机器人误差检测方法。采用MDH模型来描述机器人存在误差下的运动学模型,结合距离误差模型,推导出平面上点间距误差最小约束模型方程,使用非线性最小二乘法求解方程。归纳了误差检测方法的具体实施步骤,通过仿真确定可辨识误差的参数。采用电阻式触摸屏作为测量工具,在KR5arc机器人上进行实验,误差补偿后的平面上点间距离误差显著减小,证明了基于可测距平面的机器人误差检测方法的有效性。该方法可适用于大多数工业机器人的误差检测。     

低信标节点密度传感器网络的启发式定位算法

针对传统无线传感器网络定位算法在信标节点密度较低时定位误差较大的问题,提出了一种基于加权最小二乘的迭代定位算法。首先,该算法将最小二乘估计器进行线性化处理,并根据节点之间的距离量测的方差进行加权,获得加权最小二乘估计器。然后,通过分析定位过程中影响未知节点定位精度的因素,基于空间点分布的椭圆拟合,对信标节点的线性化程度、离散程度和偏置程度进行量化。以该量化特征作为未知节点定位估计的置信评分,结合信标节点集扩展和信标节点剪裁控制迭代过程中的误差传递。仿真和实验结果表明,与传统定位算法相比,该算法可以在极小信标节点占比情况下获得较高的定位精度,且在各向异性网络中表现出较好稳定性。     

基于无线传感器网络的室内定位系统

为解决已有室内定位系统精度低、成本高的问题,将无线传感器网络( WSN)技术应用到室内定位中.开展了对已有定位系统包括RADAR、Active Badge和Cricket等的分析,设计了一套基于无线传感器网络的室内定位系统.该系统使用GAINSJ无线传感器网络节点组网,整个系统由汇聚节点、参考节点和目标节点构成.汇聚节...     

基于粒子群算法及高斯分布的WSN节点故障诊断

在无线传感器网络(wireless sensor network,简称WSN)中通常需要对网络节点所测量的数据进行处理来判断WSN的运行是否可靠.针对传统算法存在计算复杂、能耗大的问题,提出一种基于粒子群优化算法及高斯分布的WSN节点故障诊断方法.根据粒子群优化算法规则简单和收敛速度快等特点,对节点所测数据进行优化并得到一个相应的阈值范围,通过高斯分布判断所测数据是否满足与所定阈值范围之间的关系来判定节点是否发生故障.试验结果表明,该故障诊断方法能及时、有效地发现WSN异常并诊断出故障节点,提高了WSN工作的可靠性.     

基于支持向量机回归的材料参数反求方法

高强度钢的应变率效应对汽车件碰撞性能的影响研究是国际上的研究热点,不同类型的高强度钢将呈现出不同的应变率效应。因此,如何获取精确的材料参数是保证汽车碰撞计算机仿真结果可靠性的前提。如果直接通过标准拉伸试验获取相关材料参数,并没有考虑材料在碰撞过程中的特性,会引入较大的误差。为此,采用直接碰撞过程反求材料参数的方法,将参数反求的问题转换为测量值和仿真值最小二乘最小的优化问题。此外,由于参数反求中存在大量不确定性因素,为同时保证反求结果的稳健性和精度,采用基于最小二乘支持向量机回归技术的近似模型算法。近似模型技术保证了反求的效率、最小二乘支持向量机最大限度地保证了反求结果的精度和稳定性。通过对高强度钢的试验试验和反求结果的比对,验证了算法的性能。     

基于WSN的博物馆环境监测系统

由于温、湿度等环境因素对文物的保存有着至关重要的作用,为了能够完好地保存博物馆中的文物,必须对其环境因素进行监测,而传统的手工监测方法存在着许多不足之处。为解决以上问题,提出了一种基于无线传感器网络（WSN）的博物馆环境监测系统,通过部署在博物馆藏馆内的传感器节点来实时地采集温、湿度等环境信息,并将数据传输至汇聚节点继而传送给后台处理程序,利用程序对各个藏馆的环境数据进行监测和处理。研究结果表明,该系统可以有效、稳定地对博物馆环境因素进行监测及处理,以保证文物良好的储存环境。     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

基于无线传感器网络自校正定位算法

节点定位是无线传感器网络的重要应用之一,为了抑制实际应用中各种环境因素对无线传感器节点精度的影响,提出了一种基于误差校正的定位算法。通过基于粒子群优化算法的粒子群优化-接收信号强度指示算法(par-ticle swarm optimization-received signal strength indication,简称PSO-RSSI算法)将未知节点收到信标节点一定数量的存在偏差的链路质量指示值进行优化,实现对误差的补偿。将链路质量指示值转化为接收信号强度指示值,从而得到距离。实验结果表明,该算法可提高定位精度,具有普遍应用价值。     

基于稀疏信号重构的无线传感网络目标定位

提出了一种新的基于稀疏信号重构的无线传感网络目标定位方法.针对目标定位问题,将多目标位置表示为离散化测量空间上的稀疏向量,则多传感节点声音信号能量测量值向量可分解为测量矩阵、稀疏矩阵与稀疏向量的乘积,通过稀疏信号重构方法可以恢复目标位置稀疏向量,实现多目标定位.传统L1范数稀疏信号重构法要求测量矩阵和稀疏矩阵乘积满足受限等距性条件,在目标定位问题中难以满足.采用贪婪匹配追踪算法重构稀疏向量,基于噪声信号能量幅值终止迭代搜索,进行多目标定位.实验表明,基于贪婪匹配追踪稀疏信号重构目标定位方法能准确实现多目标定位,定位精度优于基于正交匹配追踪的稀疏信号重构目标定位方法和基于单纯形搜索的最大似然估计目标定位方法.