基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于ABC-LS的传感器节点定位算法

为了减少无线传感器网络节点的定位误差,提出一种人工蜂群算法(ABC)修正最小二乘(LS)定位误差的传感器节点定位算法(ABC-LS)。首先估计未知传感器节点与信标节点间距离,然后采用LS算法初步确定未知传感器节点位置,最后采用ABC算法对LS算法的节点定位误差进行修正,并采用仿真实验测试ABC-LS与其他节点定位算法的优劣。结果表明,ABC-LS提高了无线传感器节点的定位精度。     

基于UKF滤波的WSN节点定位研究

无迹卡尔曼滤波(UKF)模拟系统的后验概率密度函数,避免了扩展卡尔曼滤波(EKF)中引入的较大线性化误差的缺陷.本文提出了一种基于加权最小二乘法(WLSE)和UKF的无线传感器网络(WSN)节点定位算法.算法采用TOF测距技术测量未知节点到信标节点的距离,利用加权最小二乘法估算未知节点的初始位置,并采用UKF滤波对节点进行精确定位,同时与EKF滤波结果进行比较.相关分析结果表明,算法在TOF测距基础上,将加权最小二乘法和UKF滤波结合,可以较大提高节点的定位精度.     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置.针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型.该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计.仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高.     

基于布谷鸟搜索算法的无线传感器网络节点定位

无线传感器网络的节点定位实际上是解决测量距离和测距误差的多维约束优化问题。针对最小二乘方法对测距误差敏感的不足,提出一种基于布谷鸟搜索算法的无线传感器网络节点定位算法。该算法利用全局和局部寻优能力强的布谷鸟算法求解定位过程中的多维约束优化问题;通过设定相应的约束适应度函数来减小定位过程的搜索范围,加快了收敛速度,能够快速地确定未知节点的位置。仿真结果表明：相较于粒子群算法和最小二乘算法,该算法能有效地抑制测距误差对定位的影响,提高节点的定位精度,具备很好的实用性。     

基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。     

无线传感器加权质心定位算法研究

无线传感器网络的节点自定位的技术主要有基于测距(Range-Based)的定位技术和距离无关(Range-Free)定位技术。该文主要研究了基于测距的无线传感器网络定位算法。在传统质心定位算法中,引入相对RSSI加权定位实现未知节点的位置估计。该方法每个锚节点的权值使用RSSI的相对位置值,每个锚节点的权值可以按线性或指数加权。     

基于RSSI差分校正的最小二乘-拟牛顿定位算法

针对无线传感器网络(WSN)中存在定位精度不足的问题,提出了一种基于RSSI差分校正的最小二乘-拟牛顿定位算法。在RSSI测距方面,首先通过信标节点的自校正定位求得误差校正系数,将该误差校正系数运用到求未知节点到信标节点的距离当中。在定位计算方面,该算法运用最小二乘法估计简单和拟牛顿法收敛速度快的特点,将最小二乘法计算出来的初值,用拟牛顿法对未知节点坐标进行迭代求精。通过仿真实验表明,本文提出的定位算法定位精度高,与传统的最小二乘法相比提高了近36%的精度。     

粒子群优化在无线传感器网络定位中的应用

已提出的无线传感器网络节点的定位算法中大部分是针对二维网络,为了提高无线传感器网络节点的定位精度,提出应用粒子群优化实现无线传感器网络定位。该算法依据信标节点相对于未知节点的几何位置并利用粒子群优化算法估算未知节点的几何位置。通过仿真,并与最小二乘法比较,结果表明该算法能在不增加体积、成本、通信功耗的情况下,有效的提高节点的定位精度。     

面向智慧农业的无线传感器路由协议和节点定位算法研究

随着人类社会的的进步,物联网技术,云计算,区块链,大数据等先进的技术给人类社会的各个方面带来了翻天复地的改变,为了实现农业生产状态的智慧化,无人化管理,基于无线传感器网络技术的农业无线监控系统研究将从无线监控系统的路由协议算法和节点定位算法两方面进行探讨研究。在路由协议算法方面提出了基于划分四边形网格分簇的拓扑控制算法,并从网络拓扑结构,节点死亡、能量消耗三方面和LEACH算法进行对比,从仿真结果可以看出,基于划分四边形网络分簇的算法比LEACH算法性能更优。节点定位算法方面提出基于临时锚节点逐步定位算法,对节点定位算法从不同节点的邻居节点图和节点误差两方面做对比,仿真对比的结果表明农田面积为1000m*1000m,锚节点为50,传感器的数量为200时,网络连通性最大,节点定位误差最小,构建的无线监控系统适合于农田,温室大棚等农业应用。     

基于双目图像的行人检测与定位系统研究

针对半全局匹配算法（Semi-Global Matching,SGM）的视差图匹配度较低的问题,以及目标检测算法Fast-YOLO对小目标的检测能力不足的问题,提出一种基于双目图像的行人检测与定位系统。系统首先利用图像分割块具有视差相似性的特点,使用基于快速图像分割的SGM算法对双目图像进行立体匹配,然后修改Fast-YOLO网络模型,提高网络分辨率,使用改进的Fast-YOLO网络进行行人检测。实验结果表明,基于快速图像分割的SGM算法较好地解决了匹配度较低问题,基于Fast-YOLO改进的行人检测网络明显地提高了对小目标的检测能力。系统实现了对行人的检测和定位,并使用GPU达到实时的计算效率。     

Message scheduling for real-time interprocessor communication

In this paper an efficient algorithm is proposed which optimizes periodic message scheduling in a real-time multiprocessor system. The system is based on a many-core single-chip computer architecture and uses a multistage baseline network for inter-core communication. Due to its basic architecture, internal blockings can occur during data transfers, i.e. the baseline network is not real-time capable by itself. Therefore, we propose a scheduling algorithm that may be performed before the execution of an application in order to compute a non-blocking schedule of periodic message transfers. Additionally, we optimize the clock rate of the network subject to the constraint that all data transfers can be performed in a non-blocking way. Our solution algorithm is based on a generalized graph coloring model and a randomized greedy approach. The algorithm was tested on some realistic communication scenarios as they appear in modern electronic car units. Computational results show the effectiveness of the proposed algorithm.     

改进的分布式无线传感器网络多维标度定位算法

为提高无线传感器网络集中式多维标度MDS-MAP算法的定位精度,提出了一种改进的基于MDS的分布式定位算法。该算法在构建距离矩阵时引入Euclidean算法距离估算思想,同时采用一种优化的基于最小二乘逼近的坐标转换方法实现节点由相对坐标到绝对坐标的转换。实验结果显示,与经典MDS-MAP算法相比,改进算法在多种网络拓扑结构下均能有效提高节点的定位精度。     

基于蝙蝠算法的无线传感器网络节点定位

节点定位是无线传感器网络的关键技术,针对最小二乘算法节点定位的不足,为了提高无线传感器网络节点定位精度,提出一种基于蝙蝠算法的传感器节点定位方法。首先将无线传感器节点定位问题转换成一个多约束优化问题,然后采用局部和全局搜索能力强的蝙蝠算法对其进行求解,最后在Matlab 2012平台上对定位性能进行仿真测试。结果表明,相对于其他节点定位方法,该方法提高了传感器节点的定位精度和定位效率。     

基于ZigBee旅游景区内游客定位系统的研究

针对旅游景区内游客自由参观时迷路而找不到旅游团、导游召集游客难等一系列问题,文章以CC2430/CC2431芯片为系统核心模块,设计了一种基于ZigBee技术的旅游景区内游客定位系统。该系统是对无线传感网络应用的一次探索,对于无线传感网络在一维定位上面的应用已经有相关实例了,例如矿井内工人的定位。系统采用ZigBee技术组建无线传感网络,结合RSSI定位算法实现了对景区内游客的二维定位,较一维定位效果更好。     

.基于多级神经网络的被动声定位算法研究*

为了解决精确数学模型难以建立且求解位置方程时的非线性问题和多阵列数据融合问题,提出基于多级神经网络的被动声定位算法。该算法通过第一级RBF神经网络对声源进行初次定位,并剔除无效数据;再将有效数据输入第二级RBF神经网络,得到置信度更高的声源坐标。仿真结果表明,基于多级神经网络的被动声定位算法定位精度高、速度快,鲁棒性好,其定位性能优于单RBF神经网络和常规算法,甚至在个别传感器失效时,仍然能够取得较好的定位效果。     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于 无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

无线传感器网络节点的加权定位研究

根据实际工程提出一种基于加权定位算法的粮库压力传感器网络模型。运用数学建模、数学分析、最优化理论知识,根据浅圆粮仓粮堆底部力场特性,提出一种加权定位算法,根据此算法构建压力传感器网络模型。对比文献中提出的几种传感器网络模型,该方法优化了传感器节点的布置,提高了监测精度。实验显示该方法具有很高可靠性和适用性。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。