基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

无线传感器网络RSSI自校正定位

无线传感器网络的许多应用都和节点的位置紧密相关,节点自定位成为当前研究的一个热点。针对信号强度受环境影响较大,提出了接收信号强度自校正定位算法。该算法利用信标节点实际测量信号确定无线信号传播损耗模型,采用组合3边测量获得节点坐标估计值集合,再用加权质心方法确定节点的最终坐标。仿真结果表明,该算法较传统的基于接收信号强度定位方法定位精度有了明显的改进。     

多移动信标辅助的分布式节点定位方法

为提高移动信标辅助定位算法的定位精度,避免重复扫描待定位节点,提出了一种使用多个移动信标的定位方法。这些信标在遍历网络时保持一定相对位置关系,使用TDoA技术测距并为未知节点提供距离信息辅助其定位。提出了基于最优覆盖策略的2种移动信标路径规划方法。仿真结果表明,所提出的算法具有较高的定位精度,且所使用的移动路径性能较高。     

一种基于网络密度分簇的移动信标辅助定位方法

现有移动信标辅助定位算法未充分利用网络节点分布信息,存在移动路径过长及信标利用率较低等问题。该文把网络节点分簇、增量定位与移动信标辅助相结合,提出了一种基于网络密度分簇的移动信标辅助定位算法(MBL(ndc))。该算法选择核心密度较大的节点作簇头,采用基于密度可达性的分簇机制把整个网络划分为多个簇内密度相等的簇,并联合使用基于遗传算法的簇头全局路径规划和基于正六边形的簇内局部路径规划方法,得到信标的优化移动路径。当簇头及附近节点完成定位后,升级为信标,采用增量定位方式参与网络其它节点的定位。仿真结果表明,该算法定位精度与基于HILBERT路径的移动信标辅助定位算法相当,而路径长度不到后者的50％。     

基于蒙特卡罗的无线传感器网络中的移动节点定位算法

针对信标节点固定、待定位节点移动的应用场景,在传统MCB算法的基础上,文章提出一种改进的蒙特卡罗盒子定位算法。该算法利用节点的历史估算位置,构建节点运动模型,采用灰色预测理论预测待定位节点可能到达的区域;并利用待定位节点与邻居信标节点以及非邻居信标节点的相对位置信息定义扩展锚箱,增加过滤条件,提高样本有效性,从而提高定位精度。仿真结果表明,改进方案在不同的信标节点密度、不同的节点运动速度等情况下,均表现出良好的性能。     

跳数和跳距修正的距离向量跳段定位改进算法

由于在无线传感网络中传感节点随机分布,致使距离向量跳段(DV-Hop)定位算法的定位误差偏大,为此,采用跳数和跳距修正的方法对距离向量跳段定位算法进行改进。在计算信标节点和未知节点跳数的过程中引入节点通信距离的影响,使得节点之间的实际跳数计算更加准确;再利用线性搜索算法获取最优信标节点间的平均跳距,使信标节点的平均跳距更加精确。对比仿真实验结果表明,改进算法大大提升了定位的精度,提升幅度高达15%。     

一种基于RSSI的区域重叠质心室内定位算法

为提高基于无线传感网络的室内定位精度,分析基于测距和非测距室内定位算法的优缺点,以常规RSSI算法和质心定位算法为基础,提出了一种基于RSSI的区域重叠质心定位算法.算法通过建立信号传输模型,在未知节点接收信标节点位置信息的重叠区域运用质心算法进行定位.仿真结果表明,与普通质心算法相比,该算法定位效果更加精确.     

一种基于蒙特卡洛的移动传感网节点定位的优化算法

在无线传感网中,针对蒙特卡洛移动节点定位算法中通信半径无法确定这一缺陷,本文提出了一种结合跳／距转换模型的蒙特卡洛定位改进算法。该算法首先利用实际中测得节点间的跳数信息得到节点的预估计坐标,进而精化出一个环形采样区域,提高了采样效率。仿真结果表明,优化之后的算法能够显著地减少定位采样次数,能够有效提高定位的准确性,并且能改善网络中低锚节点密度时的性能。     

WSN中局部采样滤波的新颜色移动节点定位法

针对无线传感器网络(WSN)移动节点定位技术中的定位不精和实时性差的问题,该文提出一种局部采样、借助RGB差值序列滤波的新颜色移动定位LSF-CDL(Local Sampling and Filtering-Color Dynamic Localization)法。该算法利用收集的信号,在与移动节点能直接通信的信标节点的信号交叠区域内局部采样;引入距离比例因子,对平均跳距权值化,优化了CDL中跳距的计算公式;借助RGB差值序列对样本点滤波并将差值序列绝对值作为加权标准计算移动节点的坐标。仿真结果表明与E-CDL(Efficient-Color-theory based Dynamic Localization),MCL(Monte Carlo Localization)等经典的移动节点定位算法比较,新算法定位误差减少了33%以上,具有较好的定位效果。     

无线传感器网络中基于RSSI的质心定位算法研究

无线传感器网络中,由于传统质心算法普遍存在信标节点分布不均与中心化问题,导致定位误差相对较大。针对这些问题,提出了基于RSSI的改进算法。在APIT的基础上,改进算法依靠未知节点接收到不同信标节点的RSSI数值,判断其周围是否存在最佳三角形,若存在则利用最佳三角形进行定位;若不存在则选出一个距其较近的三角形,利用移动信标节点的办法来缩小此三角形的范围进行定位。Matlab平台仿真结果表明,与传统质心算法相比,改进算法减少了定位误差,节点定位精度有所提高。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

一种基于信誉度的航空无线电协作频谱感知方法

摘要：传统的航空无线电协作频谱感知算法无法区分节点的性质（普通/恶意）,而新的加权序贯检测（weighted sequential probability ratio test,WSPRT）算法虽然解决了这个问题,但在具有频谱感知数据篡改（spectrum sensing data falsification,SSDF）攻击节点的环境中,无法保持高的感知正确率。提出了一种改进型WSPRT 算法,在传统的 WSPRT 算法基础上改进了信誉度奖惩方案,增加了临近时间内感知稳定度的量化。从实验仿真结果看,改进后的算法不仅时间复杂度更低,而且能够有效地识别恶意节点,对于恶意用户的判定更准确。     

一种新的无线传感网络三维定位方法

定位是无线传感器网络的基础问题之一,文章提出利用均值法对接收信号强度指示(RSSI)数据进行处理,筛选出RSSI值较优的锚节点,以解决RSSI易受干扰的问题,减小RSSI的测距误差。在此基础上,提出动态修正三维三边测量方法。该方法利用筛选出的RSSI值较优的3个锚节点进行测距,在一个移动锚节点辅助下进行三维三边定位,提高定位精确度。仿真结果表明,与传统三边测量定位算法相比,此方法可明显减少定位误差。     

基于RSSI的精确室内定位算法

无线传感器网络的关键问题是实现节点的精确定位。为了解决基于RSSI的无线传感器网络三角形质心定位算法在有些情况不适用的问题,本文提出一种新型的基于RSSI的精确室内定位算法,此算法提出了虚拟信标节点的概念并用此来修正未知节点位置。实验表明,该算法具有较高的定位精度,能满足大多数的应用场合,具有一定的实用价值。     

移动无线传感器网络节点的定位

文中在MCB（Monte—Carlo Localization Boxed）定位算法的基础上提出了一种新的移动无线传感器网络（Mobile Wireless Sensor Networks）节点的定位算法——权重MCB算法。MCB算法在定位过程中,在采样和滤波阶段用到了一阶锚节点和二阶锚节点的位置信息,而没有应用到邻居节点的位置信息。权重MCB在定位过程中不仅用到了一阶锚节点和二阶锚节点的位置信息,还应用到了一阶邻居节点的采样集合里的采样点（即一阶邻居节点的估计位置）,从而改进了定位精度。对比MCB算法,权重MCB算法对定位精度的改进为13％～18％。     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

一种基于语音图信号处理的端点检测方法

本文通过将语音信号处理与图信号处理相结合,为语音样点构建出一种基于遗忘因子的遗忘图拓扑结构,利用基于遗忘图拓扑结构的图邻接矩阵所定义的图傅里叶变换（Graph Fourier Transform, GFT）,研究语音图信号的图频域特性。并在此研究基础上,本文将基于自适应子带谱熵（Adaptive Band-partitioning Spectral Entropy, ABSE）算法的端点检测方法拓展至图频域,设计了一种图自适应子带谱熵（Graph Adaptive Band-partitioning Spectral Entropy, GABSE）算法。实验表明,本文所提出的基于遗忘图的GABSE算法可以使得语音段与非语音段谱熵差异更加显著,较传统ABSE算法端点检测及rVAD语音端点检测方法正确率提高了10%~20%,同时也验证了此语音遗忘图结构有效性。      

广义RASK系统的回溯StOMP检测算法

本文提出了一种基于压缩感知（compressive sensing,CS）理论的低复杂度的检测算法:回溯分段正交匹配追踪（backtracking stagewise orthogonal matching pursuit,BStOMP）次优检测算法,较好地解决了广义接收天线移位键控（generalized receive antenna shift keying,GRASK）系统中最优最大似然（maximum likelihood,ML）检测算法会随着激活接收天线数的增多而计算复杂度大幅度增长的问题。该算法首先依据当前迭代残差和等效信道矩阵的内积选择出大于设定阈值的项作为候选激活天线索引;然后通过最小二乘法对候选激活天线索引进行初步估计;最后引入回溯过程进行筛选,剔除一些多余的索引,提高重构精度。仿真结果表明,在相同条件下,所提算法与传统StOMP检测算法相比,能在增加少量计算复杂度的情况下检测性能得到较大的提升,因此保证了在检测性能与计算复杂度间获得良好的平衡。      

一种使用灰度预测模型的强自适应性移动节点定位算法

定位技术是无线传感器网络的关键技术,而关于移动节点的定位又是其中的技术难点。该文针对移动节点定位问题提出基于灰度预测模型的强自适应性移动节点定位算法(GPLA)。算法在基于蒙特卡罗定位思想的基础上,利用灰度预测模型进行运动预测,精确采样区域,用估计距离进行滤波,提高采样粒子的有效性,通过限制性的线性交叉操作来生成新粒子,从而加快样本生成,减少采样次数,提高算法效率。仿真实验中,该算法在通信半径、锚节点密度、样本大小等条件变化的情况下,表现出较好的性能与较强的自适应性。     

基于CS-C-SVM的多参数GNSS欺骗干扰检测

欺骗通过传输虚假的全球导航卫星系统（global navigation satellite system, GNSS）信号使接收机解算出错误的位置、速度和时间,具有很大的危害性,因此检测到欺骗干扰是十分必要的。传统的利用单一参数检测欺骗干扰的方法存在一定的局限性,然而欺骗过程会引起一系列参数的变化,本文提出综合利用多个参数的检测方法,即将多个参数作为C-支持向量机（C-support vector machine, C-SVM）的特征输入并构建用于检测欺骗干扰的分类器。考虑到使用传统网格搜索（grid search, GS）优化后的C-SVM算法（GS-C-SVM）容易陷入局部最优继而降低分类器的性能,文中提出利用布谷鸟搜索（cuckoo search, CS）算法优化C-SVM（CS-C-SVM）,仿真实验结果表明该方法可以进一步提高分类准确率并降低虚警率。