一种基于自适应代表节点选择的WSN数据收集方法

采用压缩感知的无线传感网络数据收集方法要求每个节点都参与数据收集,会造成很大的能量浪费.本文提出了一种基于自适应代表节点选择的WSN数据收集方法,在保证压缩感知数据重构精度的同时,减少参与数据收集的节点数.首先,采用主成分分析和混合压缩感知相结合的办法设计稀疏基;然后,通过分析稀疏基的框架势FP(Frame Potential)设计压缩感知的稀疏观测矩阵,从而选择代表节点,以减少参与数据收集的节点数目;最后,根据Sink处数据重构精度,自适应调整稀疏观测矩阵以用作下一时刻数据收集,从而保证数据收集的重构精度.仿真结果表明,该方法有效的降低了网络能耗和数据传输量,同时还保证了每个时刻数据重构的精度.     

基于射频识别和无线传感网融合技术的仓储定位方法研究

针对射频识别在大规模仓储定位环境下节点数量要求过高,有效覆盖面积较小问题,提出一种基于移动锚节点的二次定位方法。传统质心算法必须在节点的3度覆盖下才能有效定位,造成节点浪费。综合射频识别和无线传感网融合技术,构造一种新的锚节点,将传统定位过程中的节点划分为固定锚和移动锚,首先利用固定锚进行初步定位获得未知标签位置范围,然后利用定位向量判定移动锚的停止位置。最后,采用基于信号强度的加权质心定位算法,进行二次精确定位。仿真结果表明,该方法能有效减少锚节点数量,弥补射频信号覆盖不完全区域的定位,提高定位精度和覆盖范围,具有一定的实际应用价值。     

非合作信标条件下水下无线传感网可靠定位技术

传统假设水下无线传感器网络的传感器节点和信标节点都是合作的,但是在军事应用等特殊场合下,某些节点容易被敌方捕获或入侵,因而水下无线传感网络中有时会存在一些非合作的恶意节点。针对存在若干非合作信标的水下无线传感器网络定位应用,提出了一种非合作信标节点约束下水下无线传器网的可靠节点定位算法。本文算法利用一跳邻居范围内信标节点独自投票机制实现对非合作信标的判决与剔除,从而减少由于存在非合作信标节点对定位误差的影响,同时也分析了不同比例非合作信标下的定位误差界限。仿真结果验证了本文提出的算法相比传统定位算法,在平均定位精度和定位覆盖率等方面都有所提高。     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

引入虚拟节点的无线传感器网络ELM定位算法

基于大部分距离无关算法能以改善锚节点比例提高无线传感器网络定位精度,提出了一种引入虚拟节点的无线传感器网络极限学习机(ELM)定位算法.通过引入的虚拟节点,寻找合适的未知节点升级为次锚节点,以增加锚节点比例,提高了定位精度.将ELM应用于节点定位,有效提高了定位的速度和精度,并因其强大的泛化性能,为无线传感器网络节点定位提供了新的思路.仿真结果表明:引入ELM定位算法和虚拟节点,有效提高了定位精度.     

基于APIT技术的无线传感器网络目标定位算法

针对无线传感器网络的目标定位问题,提出了一种基于能量的目标定位算法.首先通过移动锚节点轨迹的采集,形成虚拟锚节点,利用三边定位确定未知节点的位置,增加锚节点的密度.采用近似三角形内点测试(APIT)算法对目标节点进行定位,并加入了加权质心因子,用锚节点对目标节点的不同影响力来确定加权因子,以提高定位精度.仿真结果表明:该算法可以有效地提高无线传感器网络目标定位的精度.     

A color-theory-based energy efficient routing algorithm for mobile wireless sensor networks

Wireless sensor networks (WSNs) with nodes spreading in a target area have abilities of sensing, computing, and communication. Since the GPS device is expensive, we used a small number of fixed anchor nodes that are aware of their locations to help estimate the locations of sensor nodes in WSNs. To efficiently route sensed data to the destination (the server), identifying the location of each sensor node can be of great help. We adopted a range-free color-theory based dynamic localization (CDL) [Shen-Hai Shee, Kuochen Wang, I.L. Hsieh, Color-theory-based dynamic localization in mobile wireless sensor networks, in: Proceedings of Workshop on Wireless, Ad Hoc, Sensor Networks, August 2005] approach, to help identify the location of each sensor node. Since sensor nodes are battery-powered, we propose an efficient color-theory-based energy efficient routing (CEER) algorithm to prolong the life time of each sensor node. The uniqueness of our approach is that by comparing the associated RGB values among neighboring nodes, we can efficiently choose a better routing path with energy awareness. Besides, the CEER has no topology hole problem. Simulation results have shown that our CEER algorithm can save up to 50–60% energy than ESDSR [Mohammed Tarique, Kemal E. Tepe, Mohammad Naserian, Energy saving dynamic source routing for ad hoc wireless networks, in: Proceedings of Modeling and Optimization in Mobile, Ad Hoc, and Wireless Networks, April 2005, pp. 305–310] in mobile wireless sensor networks. In addition, the latency per packet of CEER is 50% less than that of ESDSR.     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

基于相交环的水下无线传感器网络节点自定位研究

在水下无线传感器网络中,当网络中锚节点稀疏时会出现未知节点单跳定位困难的问题。在对已有水下定位算法分析的基础上,提出了一种新的基于相交环的两跳定位算法(Intersect Rings 2-Hops location scheme,IR2H),该算法利用同心环裁剪,缩小未知节点的定位区域,并通过两跳来定位节点。实验结果说明,IR2H算法与原有算法相比具有较高的有效定位率及较低的平均定位误差。     

融合K均值分簇MST路由的无线传感网压缩采样技术

考虑无线传感网中数据采集特点和能量约束性,将分簇路由策略融合到压缩感知采样中,提出了一种融合K均值分簇MST路由的压缩采样算法.算法采用稀疏投影矩阵以减小投影矩阵与稀疏基之间的相关度,利用K均值分簇MST(Mini?mum Spanning Tree)机制构造数据融合树,在保证数据重构质量的基础上减少网络数据传输量.仿真结果表明,算法可以提高网络能量使用效率,同时可以适应各种规模的无线传感网.     

基于二阶段差分演化的WSN节点定位优化

由于非测距的WSN节点定位算法DV-Hop定位精度不高,引入智能优化算法后有效提高了定位精度,但迭代次数过大,节点能耗相对过高,而在较少信标节点和较短的通讯信半径条件下,传统智能优化算法难以生效。针对这种情况,提出了基于二阶段的差分演化定位优化算法。仿真实验设计在100m×100m正方形的区域内,随机分布100个无线传感器节点,首先用DV-Hop算法进行第一阶段粗略定位,然后在第二阶段用差化演化算法对定位进行优化,为了对比各种算法在低能耗（很少迭代次数）下的表现,优化过程只迭代了10代,最后得到节点坐标。实验结果表明,算法能获得更好的定位精度和具有更好的稳定性。该算法在极少迭代次数的条件下,在信标节点稀疏和通信半径较短的特殊情况下,获得满意的定位精度和更好的稳定性。     

一种改进的DV-Hop传感器网络定位算法

基于DV-Hop的无线传感器网络定位算法在洪泛过程中产生大量信息而导致能量消耗大的问题,提出了一种选择边界锚节点的算法。通过减少参与洪泛的锚节点个数来减少能量消耗,从而延长无线传感器网络的生存周期。实验表明,提出的算法不仅能够减少传递的信息量,而且还能略微提高定位精度。     

基于非测距的无线传感器网络节点定位技术研究

无线器传感器网络是由大量低廉的微型多功能传感器节点组成的无线网络,能够广泛应用在环境、军事、生态等领域进行事件监测。在网络中节点的自身定位至关重要。主要讲述了对于定位算法中基于锚节点的非测距方法。DV-Hop算法是为了避免对节点间距离的直接测量而提出来的。详细介绍了DV-Hop算法的节点定位过程并且分析了近期提出对DV-Hop算法的一些改进策略。     

一种基于锚节点分簇的传感器网络节点定位方法*

提出一种基于锚节点分簇的节点定位方法,该方法以锚节点为中心自适应构建成簇,并将处于多个簇重复覆盖的节点作为伪锚节点。在测距方法构建节点间距离矩阵基础上,结合多维尺度分析和锚节点位置信息实现了对节点进行相对位置定位,并通过伪锚节点与锚节点位置信息进行坐标变换实现了绝对位置智能定位,提高了定位的准确性。仿真结果表明,该方法定位精度高,对测量误差、节点连接度以及锚节点比例的变化有很强的鲁棒性。     

基于前进跳距期望的异构WSNs非测距定位算法

无线传感网络(WSNs,wireless sensor networks)中传感节点的传输范围直接决定节点的通信区域,对定位精度有直接的影响.为此,针对异构WSNs,提出基于前进跳距期望的非测距定位算法.首先,分析传统推导前进跳距期望(EHP,expected hop progress)方法的不足,并证实了EHP值只依赖锚节点的传输范围是不准确的;然后,采用新方法推导了EHP,并结合泰勒级数展开以及加权最小二乘算法估计未知传感节点位置;最后,以降低误差为目的,迭代修正未知传感节点位置的估计值,从而提高定位精度.仿真结果表明,与传统的非测距定位算法相比,提出的算法的定位精度得到有效提升.     

基于Kalman滤波的无线传感网络的定位修正算法

针对无线传感网中的传感节点定位问题,提出了基于Kalman滤波的传感网络的定位修正LCKF(localization correction-based Kalman filter)算法.在LCKF算法中,锚节点位于感测区域的边界,传感节点利用来自两侧的锚节点的位置信息估计自己的位置,并取均值.然后,再利用Kalman滤波算法修正跳数长的一侧的位置估计.依据跳数短的一侧的位置估计数据修正跳数长的一侧定位精度.仿真结果表明,与同类算法相比,提出的LCKF算法的定位精度得到有效提高.     

一种基于布尔运算的无线传感器网络TOA定位算法

提出一种基于布尔运算的无线传感器网络TOA定位新算法.算法针对室外定位,通过实验测得TOA测距误差的先验统计规律.在进行TOA定位时,算法首先根据测距值和先验统计参数建立同维布尔矩阵,然后利用矩阵运算和平方差判别式确定未知节点的估计位置.仿真和实验表明,与最小二乘(LSE)定位算法和优选残差加权(ORwgh)定位算法相比较,本文算法具有更好的定位精度,且在信标节点数大于6时具有更小的定位耗时.     

稀疏节点下APIT算法的一种改进

APIT定位算法对硬件要求不高,定位较精确,易于实现,被广泛应用于无线传感器网络定位系统,但存在因锚节点稀疏而带来的定位精度低的问题;对APIT算法进行了深入分析,通过引进新的算法(设置一个计数器比较判内判外的次数,然后比较其权重提高判别的准确率;或者利用计数器计算跳数最后用三边测量法估算位置)对其在节点稀疏环境下边缘地区无法定位的问题进行改进,并从节点比例方面比较了两种算法的定位精度和覆盖范围;在1000m*1000m范围内设置160个未知节点与80个锚节点并逐次改变锚节点个数进行仿真定位;结果表明,在锚节点稀疏情况下,改进的APIT算法定位精度和覆盖率均远高于传统APIT算法。     

基于RSSI的无线传感器网络圆环质心定位算法

针对无线传感器网络质心算法受节点分布均匀程度的影响, 少数锚节点增大定位误差, 提出了一种圆环质心算法. 该算法以未知节点为圆心, 将未知节点通信区域划分成半径由大到小的圆环, 通过圆环剔除容易增大定位误差的锚节点, 筛选出合适的锚节点, 并在圆环上寻找近似等边三角形来进一步减小定位误差. 同时提出了利用RSSI值来形成圆环的方法. 仿真结果表明, 在100m×100m的区域中, 随机投放100个节点, 通信半径为20m, 锚节点数为20时, 圆环质心算法与质心算法相比, 定位精度提高了11%.     

On the efficient and fast response for sensor deployment in sparse wireless sensor networks

Wireless sensor networks have recently become new techniques and popular research issues. A wireless sensor network consists of a large number of sensor nodes that have the capabilities of sensing, computing and wireless transmission. Wireless sensor networks (namely WSNs) assist people in working under dangerous environments, provide long-term target observations and track on moving objects. Consequently, WSNs decrease risk and increase efficiency. Although WSNs have been studied extensively, several problems should be addressed, such as sensor-deployment policy, data aggregation/fusion issue, and data transmission issue. An efficient sensor-deployment approach could decrease cost, minimize transmission delay and reduce time complexity. Most studies have proposed the probability-based sensor-deployment policies to monitor an overall area. However, not the entire network is interested to be sensed/monitored. Monitoring of an entire area brings several disadvantages: (1) high cost of placing large number of sensors, (2) long delay of data transmission, (3) slow response and (4) unnecessary data aggregation. Furthermore, previous works were lack of considering the difference between the sensing and the transmission radii, and then yield inaccurate analysis. This work thus proposes an efficient sensor placement approach (namely ESP) for a sparse interested area with considering of obstructers that block the data transmission and sensing signal. Additionally, the issue of different radii of sensing and transmission is analyzed in detail. Numerical results demonstrate that the proposed ESP approach requires the least number of sensor nodes under various network sizes and different number of obstacles. Simulation results indicate that the number of sensor nodes decreases when the sensing or transmission radius increases. The running time of ESP, O(K²), is also analyzed, which is better than that of the probability-based approaches, O(N²), where K is the number of interested grids and N is the number of grids.