WSN中一种DV-Hop定位精度改进算法

提出了一种DV-Hop的改进算法(RHDV-Hop算法)。该算法引入接收信号强度指示器(RSSI)测距技术代替DV-Hop算法中到锚节点一跳距离测量并采用2-D Hyperbolic算法代替DV-Hop算法中三边测量法。通过NS2对RHDV-Hop算法和DV-Hop算法以及一些已经提出的对DV-Hop算法的改进算法进行了模拟实验对比,结果表明:RHDV-Hop算法定位精度要明显好于DV-Hop算法和其他改进的DV-Hop算法。     

WSN中一种改进的三维DV-Hop节点定位算法

本文在研究传统的DV-Hop3D算法基础上提出了一种新无线传感器网络定位算法。新算法在算法的第一阶段设置了跳数阈值参数以减小通信开销,并且在算法的第二阶段用可选择的平均跳距代替固定的平均跳距来计算未知节点到锚节点的距离,最后用Matlab7.1进行了仿真。仿真结果表明,该改进算法可明显提高节点定位精度,并且能有效降低网络通信量。     

改进的DV-Hop算法在节点定位中的应用

基于传统DV-Hop算法的定位技术,通过分析该算法误差产生的主要原因,提出了节点间跳数的修正方法。通过在广播通信中采用双通信频率,将节点间的跳数缩减为0.5R,减少了平均跳距的误差。通过matlab软件的实验验证,本算法可以提高节点定位精度,且提高网络通信频率,可进一步提高定位精度,定位结果达到了预期的目的。     

基于改进DV-Hop算法的无线传感器网络节点定位

传感器节点定位是整个无线传感器网络的基础。介绍了DV—Hop算法的节点定位过程，对该算法进行了改进。新算法给出了不良节点的定位求解并考虑了地形对节点定位的影响，对未知节点到信标节点的估算距离进行了修正。     

一种动态调整RSSI室内定位测距参数的改进算法

基于RSSI(接收信号强度)室内定位算法,其测距信号模型主要采用Shadowing模型,设计一种动态调整RSSI室内定位测距参数的改进算法,减小测算误差,从而提高基于RSSI室内定位的精度。     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

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。     

一种FCM聚类算法的改进

针对传统FCM聚类算法的不足,提出了具体改进的方法。通过对算法中聚类数c的选取、隶属度的修正等问题的讨论,有效地弥补了传统算法中存在的不足,取得了较理想的聚类效果。最后通过计算机仿真给出了两种算法的实验结果。     

无线传感器网络DV-Hop定位算法

定位技术在无线传感器网络应用中起着非常重要的作用,也是具有挑战性的一种技术。近些年来,为了解决节点定位不精确的问题,很多定位算法被相继提出。在无需测距的定位算法中,DV-Hop定位算法利用节点之间的跳距估计传感器节点的位置,受到了越来越多学者的关注,但是这种定位算法本身也存在着一定的不足。针对DV-Hop定位算法的不足,提出了先对未知节点平均跳距进行加权处理,再用修正算法修正节点位置的改进算法。仿真结果显示,改进后的定位算法在一定程度上提高了节点的定位精度,具有很强的应用性。     

一种基于能量均衡的WSN分簇路由算法

针对无线传感器网络节点能量有限的特征,在研究现有算法的基础上提出了一种基于能量均衡的分簇路由算法CRAE。新算法在簇首选择时引入了节点剩余能量与邻节点平均能量参数,同时在通信中综合考虑了最小跳数与中转节点的能量问题。实验结果表明,该算法有效均衡了网络能耗,延长了网络生命周期。     

一种改进的变步长恒模算法

对恒模算法加以改进,以提高其收敛速度和精度。将固定步长优化为基于高斯分布的变步长函数,并对相位偏移进行校正。选择电话信道和瑞利衰落信道,在保证均衡器收敛时均方误差近似的条件下,改进算法的迭代次数可分别减小至原恒模算法的40%和10%,且其收敛半径更小,相位偏移也不再明显。     

一种基于遗传模拟退火算法和RSSI的无线传感器网络定位算法

提出了一种基于遗传退火算法和RSSI的无线传感器网络的节点定位算法。首先利用RSSI测距技术收集网络中节点间的通信讯息和距离估计,并优选信标节点;其次通过将定位问题视为一种优化问题,采用遗传退火算法优化未知节点的定位结果。仿真实验结果表明,所提出的定位算法有较高的定位精度。     

一种用于家庭牧场的RSSI定位算法

针对家庭牧场对羊的定位需求,提出了一种用于草原环境的RSSI定位算法.该算法采用噪声模型处理原始数据,结合质心算法进行目标定位及路径距离计算.实验结果表明,该算法可较准确地计算出牧场内羊的位置坐标及活动的路径距离.     

一种基于改进LMS算法的MIMO-OFDM信道估计方法

最小均方(LMS)算法是一种典型的自适应滤波算法,基于该算法的信道估计算法具有不需要已知信道和噪声统计信息的特点,但是其收敛速度较慢。为此,提出一种基于改进LMS算法的MIMO-OFDM信道估计方法,该方法人为地引入一个时延,即将LMS算法固定自适应步长由随着输入信号功率自适应变化的收敛因子替代,大大降低了收敛时间,具有较好的信道估计性能。     

一种改进的冒泡排序算法

提出了一种冒泡排序的改进算法,并对其性能与传统的冒泡排序算法的性能进行了实验比较。     

无线传感器网络的定位改进算法

DV-Hop定位算法利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度.提出了改进算法,对每个信标节点的平均跳距误差进行mandist和dist跳距修正加权,然后用加权处理后的平均跳距误差修正全网平均每跳距离,使其更逼近实际距离,最后得到未知节点的坐标.通过仿真,证明该改进算法可以有效地降低节点分布不均引起的测距误差,提高算法的定位精度.     

一种改进的煤矿井下无线传感器质心定位算法

频繁的煤矿井下事故要求无线传感器网络能够更精确的对井下人员进行定位。利用修正加权质心算法进行定位存在较大的误差,针对该问题,在修正加权质心算法的基础上提出了一种改进的煤矿井下无线传感器质心定位算法,该算法将修正加权质心算法得到的质心作为新的锚节点,并通过多次选择、运行形成新的锚节点和质心的方法进行定位。仿真结果表明:不同的巷道宽度下,改变修正系数a的值就可以得到最佳的定位效果,同时可以通过仿真实验得到最佳定位效果下的修正系数a的值,从而使定位精度达到最好。通过比较两种算法的平均定位误差得到改进的煤矿井下质心定位算法在三种巷道宽度下分别将定位误差平均降低了0.792 6m,0.636 2 m,0.598 9 m。     

改进孪生支持向量机的一种快速分类算法

为了提高孪生支持向量机(TSVM)的泛化性能,基于结构风险最小化的原则重构TSVM的原始优化问题,提出改进的TSVM(ITSVM)分类模型。为了加快ITSVM的训练进程,将坐标下降算法和收缩技术相结合求解该模型。仿真实验和真实数据实验表明,该方法不仅具有良好的分类性能,而且具有很快的学习速度。     

神经网络图像复原算法的改进

分析了现有神经网络图像复原算法,指出了现有算法主要存在两方面的不足：仅适用于被移不变模糊函数和加性噪声降质的灰度图像,且运行时间较长;对规则化参数的选取缺乏自适应性。这些不足都是需要改进的,本文通过在神经元状态中加入一个修正因子,提出了一种运算时间较优的改进算法。     

一种改进的蚁群算法

蚁群算法是一种新的进化算法,其基本思想是模拟蚂蚁的合作行为.蚁群算法已成功地应用于许多优化问题,成为求解组合优化问题的新的进化算法.最新研究表明蚁群算法是一种基于群体的强鲁棒性的进化算法.但是,蚁群算法也有收敛速度慢,容易陷入局部最优的缺点.为了克服这些缺点,吸取微粒群算法的优点,提出了一种改进的蚁群算法.实验结果表明改进算法是有效的,与标准的蚁群算法相比,算法性能得到了明显改善.