基于混沌粒子群与Taylor算法的协同定位算法研究

针对无线传感器网络中运用TDOA方法定位时,Taylor算法容易受到初始估计值影响,导致节点定位精度低、不容易收敛,因此提出了一种基于混沌粒子群与Taylor算法协同定位的方法。该算法首先运用混沌粒子群算法求解TDOA方程组,得到一个具有较高精度的未知节点的估计坐标值,将这个估计值作为Taylor算法的初始值进行迭代运算,最终完成对未知节点的坐标估计。仿真结果表明,该算法提高了节点的定位精度和定位速度。     

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。     

基于多维校正的无线传感器网络多维标度定位算法

节点定位是无线传感器网络(WSN)配置和运行的基本和关键问题之一.针对目前已有的多维标度(MDS)定位算法的局限性,提出了一种基于多维校正的分布式无线传感器网络多维标度定位算法(MDS-MC).它通过自适应搜索算法建立局部节点定位区域(Nb),保证了相邻Nb区域的坐标转换,减少了网络中的冗余公共节点;同时根据锚节点间的距离信息修正了节点间的距离估计,并将经典MDS算法与粒子群算法相结合,优化了节点的位置估计,解决了节点间距离不完整时的定位问题.在此基础上,研究了不同场景下节点的定位误差和能耗.实验结果表明,该算法定位精度高、能耗小,特别是对非理想环境有很好的鲁棒性,满足大规模无线传感器网络应用的需要.     

无线传感器网络加权垂直平分线定位算法

针对APIT算法和基于垂直平分线的区域定位算法(MBLA)迭代次数多,定位精度低的缺点,提出了加权垂直平分线定位算法——WMBLA。该算法根据待定位节点接收到的2个锚节点的RSSI值的比值,移动两锚节点连线的垂直平分线,然后确定待定位节点在垂直平分线的哪一侧。仿真表明:WMBLA算法定位精度显著提高,定位误差是MBLA的一半,是APIT算法的1/4,迭代次数是MBLA的1/3。     

WSN中基于RSSI测距的协作式定位算法设计

节点定位是无线传感器网络的支撑技术之一。针对现有的测距技术其准确性易受环境噪声影响的特点,在多维标度分析法的基础上结合加权最小二乘法,加以改进,提出一种基于RSSI的协作式定位算法——WLS-MDSO仿真实验结果表明,与Classical MDS以及LLS定位算法相比,该算法在环境噪声干扰严重以及锚节点数目受限的极端条件下,仍然能够达到较为理想的定位精度,更加适合应用于实际的大规模无线传感器网络。     

基于DV-Hop的无线传感器网络定位算法

针对无线传感器网络中DV-Hop定位算法其定位精度和覆盖率的不足,提出了一种按节点优先级进行定位并升级为新锚节点的改进算法。该算法是从第二轮次开始增加一次新锚节点广播,由各未知节点根据自身所收到的新旧锚节点广播的多少来确定其优先级,选择该轮次中优先级最高的节点按DV-Hop算法实现定位并升级为新锚节点,并在定位过程中利用加权最小二乘法降低了累计误差。选用Matlab进行相关仿真,结果表明改进算法在一定程度上提高了定位精度和覆盖率。     

一种无线传感器网络分步求精节点定位算法术

传感器网络由于资源受限,定位算法需要综合考虑算法开销、网络构建成本、定位精度等多方面因素.本文针对Boun-ding Box定位算法定位精度过于依赖于锚节点密度的问题,提出一种锚节点数量适中的无线传感器网络分步求精定位算法(SRBB).该算法利用锚节点位置信息,结合多边测距定位方法分步求精,并町有效识别出网络中的孤节点,消除其对定位过程的影响.算法原理简单,便于实现,仿真实验表明,SRBB可利用适量的锚节点达到较高的定位精度,算法开销适中.     

一种基于移动锚节点的静态无线传感器网络定位算法

传感器网络由于资源受限，定位算法需要综合考虑定位精度，网络构建成本，通信、计算开销等多方面因素。本文采用移动锚节点并结合BoundingBox算法特点，提出一种基于移动锚节点的无线传感器网络定位算法（MBB）。算法原理简单，传感器节点无须任何附加硬件或附加数据通信，通信、计算复杂度较低。仿真实验表明该算法具有很高的定位精度，即使节点的实际通信半径小于理论通信半径，定位精度仍可保持在较高等级，算法定位精度与网络连通度无关。     

一种结合测距和非测距的低成本混合定位算法

在对现有无线传感器自定位算法进行分析研究的基础上,针对众多的定位算法对锚节点依赖性强的缺点,提出了一种基于低成本的混合定位算法,传感器节点通过少量基站获取位置信息,结合基于测距和基于不测距的两种方法来对节点进行定位。仿真实验及性能分析结果表明,该算法能有效提高节点的定位精度,降低了成本,进一步提高了网络的覆盖率。     

无线传感器网络中一种改进的DV-HOP定位算法

在无线传感器网络中,节点定位技术占有非常重要的地位。为了提高节点定位精度,在研究和分析传统DV-HOP定位算法的基础上提出了一种改进算法。该改进算法中,每个信标节点通过分析实际距离和估计距离之间的误差,可进一步修正平均每跳距离;然后在未知节点坐标计算过程中引入二维双曲线定位算法代替传统的三边测量法,可减少节点计算误差。仿真结果表明,在无需增加额外的硬件设备的条件下,改进的DV-HOP算法与传统的DV-HOP算法相比,能够更加有效地提高节点的定位精度。     

基于TDOA的多地震动传感器目标定位

针对多地震动传感器的目标定位问题,提出了一种基于信号到达传感器阵列时间差TDOA（Time Difference of Arrival）估计定位算法。在MATLAB环境下采用TDOA定位算法对探测区域内的随机目标进行定位仿真。仿真结果表明,TDOA定位算法满足系统对目标位置的估计,且提高地震动传感器网络节点分布密度是增加目标定位精度的必要手段,但并不是节点越多,定位精度就越高。该定位方法定位精度较高,可适用于多种环境场合,实用性强,为进一步控制研究奠定了良好的基础,有较强的指导意义。     

基于双层修正无迹卡尔曼的水下节点定位算法

针对水下无线传感网络中运动节点定位精度低的问题,提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测,根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中,DLMUKF算法的平均定位误差约为传统多边定位算法的15%,约为基于无迹卡尔曼滤波(UKF)定位算法的16%,受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值,可以有效减小运动节点的定位误差。     

基于多维尺度法和卡尔曼滤波的机器人传感器网络跟踪定位

为解决当前工业机器人定位误差大,传统多维尺度(MDS)模型的精度受到环境噪声的影响,现有定位方法无法满足定位精度需求的现状,提出了一种将卡尔曼滤波和多目标跟踪相结合的方法来减小噪声对多源定位的影响.建立了高斯分布下加性噪声对距离测量噪声分布的预测模型,并据此建立了线性跟踪系统.实验数据表明,在不同噪声水平及不同传感器网络节点数量下,基于MDS法的传感器网络节点定位误差最高接近20%,基于EKL法的定位误差在7.46%～13.13%范围内变化,而本文提出的MDS和KL联合定位方法误差始终控制在8%以内.与现有常用的MDS和扩展卡尔曼滤波EKL定位方法相比,该算法有效地降低了实际环境中的噪声影响,具有很好解决移动传感器定位问题的潜力,满足了高精度定位的实际要求.同时,由于采用了线性滤波器进行简化,很好地适应了功率、内存和计算能力有限的小型嵌入式传感器,在机器人定位领域具有一定的参考价值.     

基于载波相位差的室内定位系统研究

为提高室内定位精度,研究并实现了一种基于载波相位差的室内定位系统,利用双天线结构的传感器节点测量信号源载波相位差值,借助无线传感网络实现了分布式传感器节点的相位差值汇总.阐述了载波相位差定位的基本原理,通过基于泰勒级数展开的最小二乘迭代算法完成定位过程中双曲线方程的求解,得到目标位置,并对系统各节点进行了设计.仿真与实...     

基于多边形分解的质心定位算法

节点定位技术在无线传感器网络的应用中起到很重要的作用。为了能准确定位未知节点,确定未知节点的坐标,提出了一种新的质心定位算法——基于多边形分解的质心定位算法。该算法将锚节点构成的多边形分解成三角形,然后通过未知节点与邻节点交换信息,判断未知节点位于哪个三角形内,计算未知节点所在三角形的质心,最后用三角形三个顶点的RSSI值修正三角形的质心,将其作为未知节点的坐标估计。仿真表明新算法的定位精度比传统的定位算法有很大的提高。     

基于双层修正无迹卡尔曼的水下节点定位算法* .txt

摘要：针对水下无线传感网络中运动节点定位精度低的问题,提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测,根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中,DLMUKF算法的平均定位误差约为传统多边定位算法的15%,约为基于无迹卡尔曼滤波（UKF）定位算法的16%,受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值,可以有效减小运动节点的定位误差。 .txt     

基于遗传算法优化的节点定位技术

针对于基于距离的节点定位技术,为提高节点的定位精度,将遗传算法用于距离的优化处理。本文首应用遗传算法进行基于距离的最优解的求解,然后将求解后的结果用于质心定位算法。仿真结果表明,应用遗传算法优化后的定位算法,节点定位精度明显提高,可用于节点定位技术的优化处理。     

基于隶属度的二次求精矢量跳距定位算法

DV-HOP(distance vector-hop)定位算法中,未知节点与锚节点之间的距离计算存在误差,引起计算坐标与实际位置偏离,影响定位精度.针对这一问题,提出一种基于隶属度的二次求精矢量跳距定位算法,采用对应的锚节点跳距校正值计算节点间距离,减小计算误差;运用自动控制理论中反馈控制原理,将未知节点与锚节点的距离范围信息作为输入量,未知节点的估计坐标信息作为输出量,通过隶属度函数进行偏差分析,二次求精校正未知节点位置.通过仿真对算法性能进行对比分析,结果表明该算法具有较高的定位精度;并通过应用环境测试,验证了算法的可行性.     

基于改进蚁群算法的移动机器人路径规划研究

针对传统蚁群算法在移动机器人路径规划中存在收敛速度慢、易陷入局部最优和规划路径不平滑等问题,提出一种用于移动机器人路径规划的改进蚁群算法。首先在状态转移概率中引入平滑函数,使蚂蚁在进行路径节点选择时,考虑路径的平滑性。然后在对路径信息素更新时,引入多目标评价函数;同时提出一种基于熵权的分段信息素更新方式,每次迭代规划路径按多目标评价函数数值进行排序并分段,对不同的分段,引入不同的信息素强度放大系数,提升了算法的收敛速度。最后对规划路径进行二次优化,即先对路径节点进行优化,减少不必要的转弯节点,减小了路径转弯角度以及路径长度;再利用贝塞尔曲线对节点优化后路径的转弯拐点处进行平滑。在20×20的简单和复杂栅格环境中进行仿真实验,结果表明,改进蚁群算法规划出的路径长度更短、转弯角度更小和路径更加平滑,同时改进蚁群算法的迭代收敛速度更快,验证了改进蚁群算法在移动机器人路径规划中的优越性。     

无线传感网大空间定位测量算法及精度评估

无线传感网结构参数对移动节点定位精度有重要影响。面对基于无线传感网大空间定位测量过程中的共性问题:测量距离约束和信号覆盖范围约束,提出了一种选择性大空间定位算法。面对移动节点特定的定位空间要求以及定位精度要求,采用蒙特卡罗方法研究了测距误差、信标网络参数配置对移动节点定位精度以及可定位空间的作用关系,提出的仿真算法模式对于设计评估满足一定精度要求的无线传感网络可定位空间探索具有一定的指导意义。