无线传感器网络节点定位算法

针对无线传感器网络(wireless sensor network,WSN)系统中节点的定位算法问题,提出了基于差分的DV-Hop定位算法,信标节点将测算的位置测定误差作为校正值向四周区域广播,未知节点接收到信标节点的校正信息后,据此修正自身的相对位置测算值,以减少节点定位误差,提高定位算法的精度。仿真测试表明,该算法与普通的DV-Hop算法相比,在定位误差与通信距离的比值等性能指标上得到了明显改善。     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

大规模无线传感器网络快速定位算法

针对大规模无线传感器网络(WSN)定位算法普遍存在时间复杂度过高的问题,实现了WSN邻近节点间逐对"比较关系"矩阵到位置坐标的快速可视化映射.算法首先引进快速映射(FastMap)计算过程,把参考节点作为定位的轴点,选择距离最长的对角线作为轴线,避免了相对坐标到绝对坐标的转换过程;将FastMap运算的概略坐标作为MDS(multi-dimensional scaling)的输入,提高了定位精度.在MATLAB软件中设置600m×600m的定位区域,利用无线信号衰减模型产生虚拟测试点,分别针对包含3 600,1 600,900,576,400个节点的无线传感器网络进行仿真实验.结果表明:与随机型和经典MDS算法相比,所提出的算法在保持高的定位精度的前提下,大大降低了时间复杂度.算法被应用于智能超市导购系统,21辆购物车的平均定位误差为0.158 5m.     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

基于粒子群进化的输电网络WSN节点定位算法

为了提升WSN的定位精度,提出了一种基于粒子群进化的定位算法,以应用于输电网络中的节点定位.该算法通过区域估计,缩小并限制传感器节点的预估计区域空间,并应用粒子群算法快速寻找节点定位的最优解.通过引入权重自适应的机制,加快节点定位的搜索速度,并提升算法的搜索能力.结果表明,该算法有效增强了WSN节点定位的精度,降低了计算复杂度,为输电网络的无线传感器网络提供更高效准确的定位服务.     

临时优劣重心反向融变的麻雀优化WSN定位算法

针对群智能优化算法在无线传感器网络(WSN)定位问题中迭代效率慢和容易陷入局部最优等问题，提出了临时优劣重心反向融变的麻雀优化WSN定位算法。该算法利用节点估计距离构建盒子模型，初步确定节点的位置区域，缩小了前期的搜寻区域范围；利用Circle混沌映射初始化种群，使种群分布更加均匀；并提出临时优劣重心反向学习策略，在充分利用种群的搜索经验的同时也保持了种群的多样性；结合融变策略使算法更容易跳出局部最优，提高了全局搜寻的效率。仿真实验表明，所提算法在定位精度和收敛效率方面均有较好的效果。     

基于烟花算法的无线传感器网络节点定位

针对无线传感器网络(WSN)节点定位不稳定和不准确的问题,将烟花算法(FWA)应用于WSN定位,利用烟花产生的火花数量和爆炸幅度模拟节点定位过程中的锚节点数量和节点距离,实现无线传感器网络的节点定位。MATLAB仿真实验结果显示,随着锚节点数量的增加,FWA无线传感器网络定位误差减少,且当传感器节点62%以上为锚节点时,FWA定位误差最小。这说明FWA无线传感器网络定位精度较高,性能稳定,在无线传感器网络节点定位上具有较大的优势。     

基于相交度比的无线传感器网络迭代定位算法

为提高免测距无线传感器网络节点定位算法的性能,针对免测距定位算法利用最小跳路径距离替代节点间欧氏距离,和信标节点近似共线引入较大定位误差的缺陷,提出基于相交度比的无线传感器网络迭代定位算法,首先利用定位单元拓扑分布质量函数选择1-跳邻居参考节点,组成高质量的定位单元;其次采用基于相交度比的距离计算估计距离精度;最后采用双曲线定位方法减少误差.仿真结果表明,在节点均匀随机部署,非均匀C-型分布的网络场景中,与DV-Hop、Amorphous等已有改进算法相比,新算法具有更小的定位误差,可提供更加精确的传感器节点位置.     

基于ISSA-GRNN的无线传感器网络定位优化算法

为了减少无线传感器网络(WSN)节点在传统方法上的定位误差,增强定位的准确度,提出了一种融合改进的麻雀搜索算法和广义回归神经网络(ISSA-GRNN)的节点定位优化算法。首先,对普通DV-Hop算法和Centroid定位算法的节点信息分别优化,利用加权优化思想和节点信号强度修正DV-Hop算法的跳距与Centroid算法的质心。然后将修正后的跳距、质心特征和节点其他特征相融合,作为GRNN的输入向量进行训练。为了解决网络调节参数随机设置的问题,通过ISSA改进网络参数,并得到未知节点的最优预测位置。仿真结果表明,与其他优化算法相比,该算法平均定位误差较小,定位精度得以提升。     

无线传感器网络中节点的非测距定位算法

针对无线传感器网络（Wireless Sensor Network,WSN）中节点定位,提出了一种低消耗的节点自身定位算法。本算法先将检测区域划分网格,根据节点接收的信号强度,初步缩小定位范围,然后以DV－Hop算法原理为基础,用跳数比率构建Apollonius Circle,最终确定节点位置。该算法不需要任何额外的硬件支持,实验结果表明在锚点比例约50％,网络基本连通的情况下,网络通信负载较DV—Hop降低近33％。平均定位的精度达到29％以下。     

智能天线辅助的WSN节点自定位算法

位置信息是无线传感器网络（WSN）中的一种关键基础信息.在节点部署范围较大、节点密度较小的环境中,很多定位算法在定位精度或成本上不理想.为此,提出一种利用智能天线方向性的节点自定位算法.该算法包含两类节点：一是配备智能天线、全向天线和全球定位系统（GPS）的中心节点;二是配备高频率时钟,可支持基于到达时间（TOA）测距的网络节点.在定位过程中,中心节点发送有方向性的定位信号,网络节点借助定位信号判断自身相对于中心节点的角度,并结合TOA测距信息,确定自身位置.通过该方法,节点以较小的运算量得到较精确的定位结果,且网络中只有中心节点功能较强,因此系统总体成本低.分析和仿真结果表明,该方法能以较小的运算量和较低的成本提供较高的定位精度.     

WSN定位中的RSSI概率质心计算方法

针对最小二乘综合定位精度不高与极大似然估计定位计算量大的问题,提出基于接收信号强度指示（RSSI）模型概率质心的定位方法.该方法采用在一定显著度下的锚节点定位环重叠区域代替整个无线传感网络（WSN）的分布区域,以重叠区域概率密度质心作为未知节点位置的估计.通过实验仿真获得2种方法在锚节点标准差存在差异时的定位误差曲线,对比结果显示,该方法的定位精度高于最小二乘定位方法,验证了该算法优于最小二乘定位算法.研究表明,该方法具有与极大似然估计相同数量级的定位精度,但计算量减少95%～97.5%.     

一种基于蚁群算法优化的WSN分簇路由算法

为了实现无线传感器网络对节点能量的高效利用,提出了一种蚁群优化的分簇路由算法CRAACA。该算法引入簇内平均剩余能量参数,对簇首选择阈值进行改进,以均衡簇内能耗;根据节点间的位置关系建立节点的可中继节点集,控制蚁群算法的搜索空间;蚁群在对可中继节点集进行路径搜索时考虑节点间的距离和节点的剩余能量,以生成节能和较好均衡网络能耗的多跳网络路由;对生成的多径路由依相应概率选择数据传输的路径,提高数据传输的可靠性。仿真结果表明,该算法在网络能量的利用效率、数据传送成功率,以及延长网络生存周期等方面具有较好的性能。     

无线传感器网络的定位改进算法

DV-Hop定位算法利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度.提出了改进算法,对每个信标节点的平均跳距误差进行mandist和dist跳距修正加权,然后用加权处理后的平均跳距误差修正全网平均每跳距离,使其更逼近实际距离,最后得到未知节点的坐标.通过仿真,证明该改进算法可以有效地降低节点分布不均引起的测距误差,提高算法的定位精度.     

WSN路由节点优化分布设计的免疫克隆算法

对于无线传感器网络(WSN)路由节点的优化分布设计,人工免疫进化算法存在几何选择区域局限,为了缓解此问题,避免系统收敛于局部最优解,提出一种基于免疫克隆算子的设计方案。根据WSN节点覆盖原理,构建WSN路由节点自适应人工免疫分布模型,用免疫平衡机理计算染色体在每个节点部署网格中的信息浓度概率,采用克隆检测算法监测WSN网络中节点冗余浓度,以使每个WSN路由节点辐射信息素最大化,突破几何选择区域的限制,实现最优节点部署和覆盖。仿真实验表明,新算法能提高网络连通性和节点利用率。     

无线传感器网络LEACH协议的研究改进

无线传感器网络(WSN)数据传输离不开路由协议,路由协议是其组网的基础。由于WSN是一种资源受限网络,尤其是能量的受阻,因此路由协议必须维持较小的路由信息并尽可能的减少能耗。对于LEACH算法没有考虑节点的剩余能量、簇头位置分布、簇头与汇聚节点间直接传输数据等缺点,提出了一种改进协议LEACH-LOMUC。改进协议主要思想是在候选簇头选举时考虑节点剩余能量、节点到基站距离,簇在形成时考虑了簇头规模、能量以及簇头与基站的间距。同时在簇头之间通信距离过大时引入中继节点协助数据传输。MATALB仿真结果表明,LEACH-LOMUC协议有效节约能量,延长网络生存周期。     

基于车辆运动轨迹的VANETs位置验证

正确的位置信息在维护VANETs的正常运行扮演着重要的角色, 恶意节点的位置欺骗将严重影响VANETs诸多应用. 通过对节点的位置验证以检测节点的位置欺骗是VANETs重要的研究领域. 针对VANETs中车辆移动的相对速度较高, 网络拓扑结构频繁变化, 传统WSN和MANET中的位置验证方案不再适用于VANETs, 提出基于车辆的运动轨迹位置验证方案, 采用最小二乘法对车辆进行连续定位跟踪, 并绘制其行驶路线, 与邻居车辆的行驶路线、速度相比较, 计算其吻合度, 检测位置欺骗. 仿真结果表明, 该方案有较低的漏警率和虚警率, 当恶意节点的欺骗距离达到30m时, 漏警率和虚警率接近于0.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.