共查询到19条相似文献,搜索用时 53 毫秒
1.
无线传感器网络的TOF测距方法研究 总被引:5,自引:1,他引:4
在无线传感器网络中,测量节点间的距离对节点定位非常关键。在部署无线传感器网络时,节点是随机布撒的,在没有定位机制或者手工测量的情况下,节点的位置信息不能预先知道。提出采用基于窄频RF的TOF测距方法来估算两个节点间的距离,该方法性能较好,但它在无线传感器网络定位技术中尚未普遍应用。采用Jennic JN5148平台在不同的室内外环境中进行TOF测距的实验。结果表明,基于RFTOF的测距方法在室外100m处的测距精度为±4m,在室内10m处的测距精度为±2m,可以很好地满足无线传感器网络定位技术的需要。 相似文献
2.
WSN节点声测距TOA值频域估计方法 总被引:3,自引:0,他引:3
该文研究了节点声测中TOA值的频域估计方法,与基于幅度检测的时域分析法相比,低信噪比下的测距精度高。它采用递归型的Goertzel短时频率分析算法。通过优化声信号频率及Goertzel算法窗口长度,实现了定点计算算法,节点采集测距信号的同时进行TOA值估计。论文还提出了一种多阈值的TOA值估计方法,提高了低信噪比下的TOA值检测精度。算法在一个具有dsPIC6014A微处理器的节点进行了验证。节点测距试验结果表明,该算法在低信噪比下的定位精度较高,可实现25 m内的节点测距和定位,测距误差3%。 相似文献
3.
4.
5.
6.
最初关于超声波的了解是基于动物对超声波的使用实例,在科学家不断的研究和探索中,我们了解到超声波有着能够实现精准测量距离的功能.技术人员通过相关技术手段,让超声波的使用也不再局限于动物之间.我们也可以使用超声波来达到精准测距的目的.然而超声波虽然是一种具有简单、实用等特点的测量技术,但又受部分因素的限制.而且在特定的情况下,还会受到环境的干扰.导致其测量精度降低.因此,本文将对精度超声波做细致的介绍,并对影响其测量精度的因素做详细的分析,最后提出一些建议以期帮助精度超声波更好的发展. 相似文献
7.
8.
本系统是基于STC89C52单片机(MCU)控制的超声波测距声光报警装置,可实现对特定区域的安全监控。当有入侵者出现在监控区域时,前端超声波传感器通过发射和接收超声波,将探测信号传递给系统的主控芯片单片机。 相似文献
9.
10.
11.
基于STC89C52RC的超声波测距系统设计 总被引:2,自引:0,他引:2
本文介绍了一种基于STC89C52RC的超声波测距系统的工作原理及其硬件组成和相应的软件流程。硬件系统由脉冲发射电路、接收电路、温度补偿电路和相应的控制电路组成。软件部分采用单片机C语言程序编程,主要由键盘扫描、定时器/计数器初始化、超声波发射子程序、中断服务子程序和LED动态显示子程序构成。同时,为了提高超声波测距精度,采用温度传感器进行环境温度检测,对超声波的传播速度进行校正。实测证明,系统具有较高的测量精度和较强的适应性。 相似文献
12.
无线传感器网络基于节点行为的信誉评测模型 总被引:5,自引:0,他引:5
提出了一种无线传感器网络下的节点行为评测模型MA&TP-BRSN.MA&TP-BRSN综合考虑了网内节点的多种内部攻击行为和自私行为,并给出了对应于各类攻击的节点信任值的计算和整合方法.同时,为了消除测评过程中第三方节点恶意推荐和诋毁行为对测评结果的影响,MA&TP-BRSN引入了节点评价行为的概念,将节点评价行为与通信行为区分开来,建立了对第三方节点恶意评价行为的具体测评方法,并在此基础上给出了节点间接信誉参数的更新计算方法.实验结果表明,该模型能够更快更准确地识别出具有多种恶意行为的内部节点,并在一定程度上消除了高信誉节点的恶意诽谤行为对测评结果的影响. 相似文献
13.
在无线传感器网络中引入移动Sink来解决。静态无线传感器网络(所有节点均为静止)存在的能量空洞、冗余覆盖和热点等问题。传感器节点将数据发送给汇聚节点(CP,collection point),移动Sink访问CP节点收集数据。提出了一种最短移动距离最小能耗的路径优化模型(MEMD)。证明了该模型是一个NP-hard问题,给出了一种基于效用的贪心启发式方法用于确定最佳的CP节点队列。为了在规定的最大传输延时的范围内访问尽可能多的CP节点,提出了一种基于CP节点访问概率的路径选择算法。通过模拟实验以及实验床的真实数据,提出的算法能很好地在满足延时要求的同时节约网络的能量。 相似文献
14.
15.
测距技术在一二次雷达领域有着广泛应用,在实际应用中面临着目标串扰、多径干扰、多目标混扰等困难,本文介绍了扩频测距系统,提出了解决多目标与多径干扰的方法,并进行了效果分析。 相似文献
16.
17.
18.
随着无线传感器网络的不断发展,恶意节点对其安全造成了极大的威胁。传统的基于信誉阈值的模型无法准确的识别亚攻击性等恶意节点,而且会出现低识别率和高误判率等问题。为了解决这些问题,引入了基于DPAM-MD算法的新型恶意节点识别方法,在传统信誉阈值判断模型的基础上,通过结合曼哈顿度量和DPAM算法识别出亚攻击性节点。算法中提出一种新型的基于密度的聚类算法,并结合簇间和簇内距离均衡化的目标函数,将所有的节点进行分类。该算法可以提高聚类质量,有效缩短聚类时间,提高了恶意节点识别的效率。经仿真实验结果验证,改进后的算法对识别特征不明显的恶意节点效果十分显著。 相似文献