辅助定位信标节点的移动路径规划算法研究

为快速实现监控区域内所有传感节点的定位,利用辅助定位信标节点的移动,提出无线传感网中辅助定位信标节点的移动路径规划算法（MPPA）。在MPPA算法中,考虑由多个六边形网格组成的监控区域,分析sink节点的移动特点,考虑其移动路径中停留位置只是六边形网格的顶点和中心,不在同一位置停留,相邻3个停留位置不共线以及每一个网格至少被3个以上不同停留位置覆盖等约束条件,提出信标节点的移动路径约束和传感节点定位约束,并建立其移动路径规划模型。根据邻居停留位置的信息素浓度决定下一个停留位置,根据蚂蚁选择的路径释放和挥发信息素。经过蚁群算法的多次迭代,可获知能覆盖所有网格的信标节点最优移动路径。信标节点沿着该路径移动时,传感节点可获知信标节点的不同位置信息,收集通信时的RSSI值,采用Kalman滤波算法降低通信噪声,采用最大似然估计算法计算自身位置坐标。仿真结果表明：MPPA算法可根据网格中心和顶点的位置,收敛于移动距离最短且能实现监控区域任何位置上传感节点定位的最优移动路径。MPPA算法降低了信标节点的移动路径长度和停留位置个数,降低了网络启动后所有传感节点获知自身位置所需要的时间,并将传感节点平均定位误差保持在较低的水平。在一定的条件下,MPPA算法比SCAN、DOUBLE_SCAN、HILBERT、CIRCLES和ZSCAN算法更优。     

WSN中基于多功率移动锚节点的智能定位算法

针对无线传感器网络节点定位,提出一种基于多功率移动锚节点的改进鸡群定位算法。移动锚节点按照移动模型遍历定位区域,通过功率控制发射信标信号,未知节点接收到信标信号后,利用测距模型建立距离方程并采用最小二乘法计算节点坐标,再使用鸡群算法对节点坐标进行修正。仿真结果表明,改进鸡群定位算法的定位精度和收敛速度皆有所提高。     

信标漂移场景下基于加权DS证据理论的目标定位

移动目标定位一般利用位置已知的信标节点确定目标位置.然而,部分信标节点可能受到外部因素的影响而偏离原来位置,即信标漂移,它使得定位结果误差增大甚至定位失败.为此,本文提出一种基于加权DS(Dempster-Shafer)证据理论的漂移节点重定位算法,它通过确定节点是否发生漂移并判断其可信度,进而选取未发生漂移或漂移小的节点作为重定位的信标节点,利用这些新信标节点即可实现移动目标的定位.此外,为了使得定位结果更加精确,算法还计算了外部因素对节点漂移的影响,将其作为权值对定位结果进行加权优化.仿真结果表明,本文算法在漂移距离总和、定位精度和可定位节点比例等方面具有明显优势:在100 m×100 m区域内,多数情况下重定位信标漂移距离总和在0～2 m范围内,重定位误差在0～3 m范围内,可定位节点比例超过80%.     

基于指数分布混合治愈模型的客观贝叶斯分析

提出基于指数分布的混合治愈模型,通过引入隐变量,利用完全似然函数比较容易计算Fisher信息矩阵,推导出参数的Jeffreys先验和reference先验,并验证后验分布的恰当性.研究结果表明,客观贝叶斯方法对参数的估计效果很好,特别是在样本量小时比较明显.     

基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

基于贝叶斯压缩感知多目标定位算法

针对室内多目标基于无线信号强度定位中的数据采集和精确度问题,引入基于贝叶斯压缩感知和拉普拉斯先验模型算法,从而满足在达到所需定位精确度的同时降低网络系统开销。所提出的方法是基于接收信号强度来感知位置变化,各移动设备上利用随机投影对接收到的信号强度进行压缩并传输,在采集中心通过基于拉普拉斯先验的贝叶斯压缩感知重构算法并结合最大似然函数法和迭代逼近法计算出各移动设备的位置。仿真结果表明了利用贝叶斯压缩感知重构算法实现室内多个移动设备的定位具有较高精确度,与orthogonal matching pursuit(OMP)重构算法相比较其定位精度至少提高了52.2%,与basis pursuit(BP)重构算法相比较至少提高了13.7%。     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试（APIT）算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.     

岩土参数的概率分布拟合及Bayes方法优化

岩土材料参数由于多种原因具有较大的离散性,对其进行概率统计分析,并优化确定非常必要.以某地区粉质粘土的抗剪强度指标———粘聚力为例,介绍了在获得大样本参数的条件下,进行概率分布拟合的χ2检验法.并以此大样本概型为先验分布,具体工程小样本参数的概型为似然函数,利用Bayes方法得到验后分布的概型参数.计算结果表明,验后分布的方差小于先验分布和似然函数的方差,从而达到优化目的.     

既有建筑砌体抗压强度的贝叶斯推断

基于贝叶斯理论推断既有建筑砌体抗压强度,将现场原位轴压法测试的砌体抗压强度作为先验信息,同时利用块体和砂浆回弹法检测强度的推定值,按照《砌体结构设计规范》(GB 50003-2011)中的砌体抗压强度计算公式构造似然函数,联合先验信息和似然函数,推导既有建筑砌体抗压强度的后验分布,研究结果表明:通过后验分布可得到综合各...     

一种基于主成分回归的DV-Hop定位方法

DV-Hop定位算法是一种被广泛运用的定位算法。在各向同性的密集网络中,DV-Hop可以得到比较合理的定位精度,然而在实际分布的网络中,它的精度受到噪声和信标节点之间几何关系的限制。主成分回归方法利用主成分分析方法对原先数据进行重新构造,删除部分主成分,从而消除部分噪声和多重共线性对回归精度、稳定性的影响。根据DV-Hop算法定位过程,在节点位置估计阶段运用主成分回归的方法对定位数据进行重新综合与提取,仅利用有效定位信息进行位置估计。仿真实验结果证明该改进后的算法同样具有原先算法优良特性,且定位精确度有所提高。     

能够克服局部NLOS影响的自主移动节点定位方法

针对非视距(NLOS)对无线传感器网络节点定位的影响,提出一种适用于非视距影响严重的低速自主移动节点的定位方法. 利用自主移动节点的速度和方向2个运动信息实现节点的初步定位,再利用未受非视距影响的信标节点发送的精确坐标与超声波测距信息经过比例运算得到精确的移动节点位置信息.仿真结果表明,该方法能够克服局部的非视距影响,具有定位精度高、计算工作量少等特点,适用于具有运动感知能力和硬件资源有限的低速移动节点定位．     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

UWSNs节点运动模型及预测定位

为提高水下无线传感器网络(UWSNs)中动态节点的定位精度,降低通信能耗,提出采用节点的运动模型实现预测定位.考虑到近海监控网络中,潮汐运动是海水运动的主要成因,以粗略的近海潮汐运动模型为基础,以高斯径向基函数作为空间基函数构造节点的运动模型;利用K-medoids方法对模型中的高斯径向基函数中心进行聚类优化;提出了采用扩展卡尔曼滤波的方法实现模型系数的估计.考虑到普通节点与锚节点运动的空间相关性,设计了与到锚节点的距离相关的权重系数,以锚节点的运动模型系数估计普通节点运动模型中的系数,进而完成自身定位.对东经117.25°—132.2°,北纬24°—43.45°海域UWSNs的节点定位性能进行仿真分析,结果表明:所提出的节点预测定位方法的定位性能较高,定位覆盖度和定位精度高于SLMP方法和MP-PSO方法,平均通信能耗低于SLMP方法和MP-PSO方法.所提出的节点预测定位方法适用于大规模水下动态无线传感器网络定位.     

移动导标条件下的无线传感器网络节点定位方法

针对无线传感器网络定位目标和要求,提出了一种新的利用移动导标节点广播信号来实现未知节点位置估算的方法. 1个或多个移动导标节点随机游走于网络区域,并间隔性地广播自身位置信息,未知节点利用接收到的广播信息位置估算边界线进行节点定位. 仿真实验结果表明,新算法比传统算法具有更小的计算代价和更高的可靠性、稳定性.     

基于参考点序列的无线传感器网络节点定位算法

提出了一种基于参考点序列(Reference node sequence,RNS)的无线传感器网络定位算法,该算法对定位空间的锚节点建立voronoi多边形,以此生成由锚节点组成的voronoi图,并将voronoi图的顶点记为参考点,为定位空间增加了若干锚节点信息。从而使与传感器节点通信的锚节点数目增加,改善了锚节点不足给定位带来的负面影响。其次建立参考点和锚节点到传感器节点的序列等级,根据序列等级估计出传感器节点的位置。仿真结果表明,与DV-Hop算法和质心算法相比,本文算法可以更准确地估计出节点的位置,提高定位精度。     

基于量化信息的无线传感器网络多声源定位研究

针对量化定位大都集中在单源定位问题,该文研究了基于无线传感器网络的量化多声源定位方法。首先针对超声源的传播特性提出了对数量化策略,节点根据量化策略和测量值计算量化信息,并将量化信息传输给基站;然后基站根据提出的基于可能性C均值聚类算法的多源定位方法估计声源的位置。通过在不同参数下的仿真验证所提算法的有效性,仿真结果表明:该算法能够较精确地估计多声源的位置,且对丢包率具有一定的鲁棒性。     

适于无线可充电传感网络的节点优化部署

针对现有无线可充电传感网络的节点优化部署方法中存在的收信能量估计模型未考虑实际商用天线的定向辐射特征、优化目标未考虑节点部署方式对定位精度和覆盖程度的影响、节点部署方法寻优精度有待进一步提升等问题,研究适于无线可充电传感网络的新型节点优化部署方法.以精确估计收信能量为目标,提出基于双偶极子天线的收信能量估计模型;提出传...