无线传感器网络定位方法的研究

本文对无线传感器网络概念,定位原理,典型定位算法进行阐述,研究几种重要定位技术,对各种算法进行性能分析和比较。     

基于压缩感知的无线传感器网络多目标定位算法

目标定位是无线传感器网络的重要应用场景。该文提出了一种将压缩感知应用于无线传感器网络多目标定位的方法,把基于网格的多目标定位问题转化为压缩感知问题。应用多分辨率分析的思想,设计了迭代回溯的压缩感知算法,该方法的特点是可同时进行多目标定位,并且大大减少了网络通信的数据量从而延长网络寿命,代价是融合中心的算法复杂度的增加。仿真结果显示,采用迭代回溯算法定位精度提高了50%以上,具有较好的多目标定位效果。     

无线传感器网络容错目标定位算法——FTTL

文章提出了一种带有容错机制的目标定位算法,算法以传感器节点观测结果0．1值为依据,通过一种似然估计实现定位。文章提出的算法能够获得较好的定位精度,并在一定的节点差错概率下,保持算法性能。     

无线传感器网络中能量感知目标定位算法

在传感器网络中节点能量有限,因此设计出能量高效的目标定位算法对于延长网络生命期、增强网络健壮性有着非常重要的意义.提出了一种能量高效的目标定位算法,并提出了在节点稀疏情况下保证定位精确性的方法.仿真表明,使用文中提出算法的传感器网络能大大地降低能量损耗.     

基于Parzen窗的水下无线传感器网络目标定位方法

水声通道复杂多变,使得水下无线传感器网络中节点出现失效的情况,影响了多节点的目标定位性能。为解决这一问题,该文提出一种基于Parzen窗的方位交线定位方法。该方法利用Parzen窗分析所有交点的分布特征,估计目标可能出现在某个位置的概率,将概率最大值对应的点作为目标的估计位置。由于概率分布是非线性、多峰值的,采用带有惯性权重的粒子群算法去求解。仿真实验结果表明,所提方法能够在节点失效的情况下获得较高的目标定位性能,具有较好的鲁棒性。     

一种基于Euclidean的无线传感器网络三维定位算法

 针对传感器网络在三维空间的应用,基于Euclidean定位算法,提出了对无线传感器节点进行三维定位的算法.将计算未知节点与锚节点间距离问题抽象为求解六面体顶点间的距离.根据问题的抽象,本文使用所提出的坐标法进行求解,并采用循环迭代的方式来提高节点的定位比例.仿真结果表明,三维空间的Euclidean定位算法各项指标均为良好,能有效地实现三维环境中的传感器节点定位.     

基于无线传感器网络的声目标定位算法研究

在建立声音能量模型基础上实现了基于极大似然估计的声目标定位。由于极大似然估计算法是一个有偏估计,而且容易受到参数扰动的影响,这两个不足影响了其定位精度的稳定性。因此,提出了基于最优化极大似然估计的目标定位算法。仿真实验结果表明,与一些存在的定位算法相比,此算法在传感器节点数目不同时,都能得到更高的定位精度。     

面向目标跟踪的无线传感器网络设计

无线传感器网络包含许多具有感知、计算和无线通信能力的微型传感器节点,现已广泛应用于国防、工业和农业等领域。文章将无线传感器网络应用于目标跟踪中,该网络主要包括声学传感器节点、图像节点和指挥中心节点,声学传感器节点和图像节点将采集的信息传递给指挥中心,指挥中心融合处理后对目标进行定位和跟踪。实验仿真表明设计的无线传感器网络具有较高的跟踪精度。     

一种降低定位误差的无线传感器网络节点定位改进算法

本文针对无线传感器网络节点的定位精度问题,提出了一种采用误差修正的方法来降低累积距离误差和定位误差的传感器网络节点定位改进算法,给出了该算法的基本原理与实现方法.该算法在不增加原算法通信量及计算复杂度的基础上提高了定位精度.仿真结果显示,在同等条件下,本文提出的算法定位精度提高了5～10%.     

无线传感器网络的节点定位方法

提出了一种MCBN (Monte Carlo localization boxed using non-anchor)定位算法.该算法建立在蒙特卡罗定位算法基础之上,利用两跳范围内可信任度权值最小且坐标确定的静态非锚节点,辅助网络中两跳范围内的锚节点构建最小锚盒,同时利用待定位节点上一时刻的位置信息和临时锚节点的特性增强样本过滤条件,进行快速抽样和样本过滤.仿真结果表明:MCBN同MCL和MCB算法相比,提高了节点定位精度,降低了节点能量损耗.     

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。     

Multi‐target localization in wireless sensor networks: a compressive sampling‐based approach

This paper considers the problem of localizing a group of targets whose number is unknown by wireless sensor networks. At each time slot, to save energy and bandwidth resources, only part of sensor nodes are scheduled to activate to remain continuous monitoring of all the targets. The localization problem is formulated as a sparse vector recovery problem by utilizing the spatial sparsity of targets’ location. Specifically, each activated sensor records the RSS values of the signals received from the targets and sends the measurements to the sink node where a compressive sampling‐based localization algorithm is conducted to recover the number and locations of targets. We decompose the problem into two sub‐problems, namely, which sensor nodes to activate, and how to utilize the measurements. For the first subproblem, to reduce the effect of measurement noise, we propose an iterative activation algorithm to re‐assign the activation probability of each sensor by exploiting the previous estimate. For the second subproblem, to further improve the localization accuracy, a sequential recovery algorithm is proposed, which conducts compressive sampling on the least squares residual of the previous estimate such that all the previous estimate can be utilized. Under some mild assumptions, we provide the analytical performance bound of our algorithm, and the running time of proposed algorithm is given subsequently. Simulation results demonstrate the effectiveness of our algorithms.Copyright © 2013 John Wiley & Sons, Ltd.     

Multi-target localization algorithm based on adaptive grid in wireless sensor network

The RSS-based multi-target localization has the natural property of the sparsity in wireless sensor networks.A multi-target localization algorithm based on adaptive grid in wireless sensor networks was proposed,which divided the multi-target localization problem into two phases:large-scale grid-based localization and adaptive grid-based localization.In the large-scale grid-based localization phase,the optimal number of measurements was determined due to the sequential compressed sensing theory,and then the locations of the initial candidate grids were reconstructed by applying l_p (0＆lt; p＆lt;1) optimization.In the adaptive grid-based localization phase,the initial candidate grids were adaptively partitioned according to the compressed sensing theory,and then the locations of the targets were precisely estimated by applying l_poptimization once again.Compared with the traditional multi-target localization algorithm based on compressed sensing,the simulation results show that the proposed algorithm has higher localization accuracy and lower localization delay without foreknowing the number of targets.Therefore,it is more appropriate for the multi-target localization problem in the large-scale wireless sensor networks.     

多Sink动态传感器网络主动式分层定位方法

针对多Sink动态无线传感器网络，提出一种主动式分层定位方法，采用事件驱动的主动式分层定位，不但能减少传感器节点的定位开销、延长网络的寿命，而且能够适应节点动态移动的场景。     

基于序列的传感器网络节点定位算法

针对MSP算法需要借助额外的外部扫描设备,不适合应用于对野外大规模部署的传感器网络进行定位这一缺点,提出了一种HG-MSP算法。该算法通过锚节点发出扫描信息,不需要额外的外部设备进行辅助定位,提高了算法的可用性。仿真实验表明,在去掉辅助设备的情况下,算法的定位精度并无明显下降。     

针对虫洞攻击的无线传感器网络安全定位方法

节点定位技术是无线传感器网络的关键技术之一,是很多基于无线传感器网络的应用的基础。然而,无线传感器网络通常部署在无人值守的敌对环境中,攻击节点能够很容易地破坏网络中节点的定位过程。本文针对无线传感器网络中距离无关的定位技术,分析了虫洞攻击对DV-Hop定位过程的影响,提出了一种无线传感器网络中抵御虫洞攻击的DV-Hop安全定位方法。仿真结果表明所提出的安全定位方法能够有效降低虫洞攻击对DV-Hop定位过程的影响,验证了该方法的有效性。     

无线传感器网络节点的自身定位

无线传感器网络的自身节点的定位对网络来说是非常重要的，传感器节点是随机分布在网络中的，这关系到网络最终的定位精度；节点自身定位的方法从节点的个数主要有单点定位和两个节点的定位，这里提出另一种定位方法，运用三个节点实现传感器网络的节点定位。     

Target tracking by lightweight blind particle filter in wireless sensor networks

For realizing robust target tracking with wireless sensor networks in the circumstance where the propagation parameters of the characteristic signal emitted by the target are unknown, a novel tracking algorithm under the particle filter framework is proposed. We propose a scheme to realize particle weight calculation without the prior knowledge about the propagation parameters of the target's characteristic signal. With the use of the monotonic relationship of the distance and the received signal strength, we define the signal characteristic sequence and particle distance sequence and utilize the modified sequence distance between the signal characteristic sequence and the particle distance sequence as the criterion to calculate the particle weight blindly with simple lightweight operations. Simulation results demonstrate the effectiveness of the proposed algorithm. Copyright © 2011 John Wiley & Sons, Ltd.     

无线传感器网络节点定位技术

无线传感器网络（Wireless Sensor Network,WSN）在许多领域有广泛的应用,无线传感器网络中节点位置对无线传感器网络的应用有重要的影响,没有位置属性的信息是无价值的,定位技术是无线传感器网络的重要研究方向之一.依据测距和非测距的分类方法,介绍节点定位技术的基本原理和方法及当前的发展状况,最后对节点定位技术的发展方向作展望.