WSN中一种改进的边界盒定位算法

边界盒算法利用通信范围内锚节点的区域位置信息实现自身定位.基于此,提出一种适用于无线传感器网络的改进边界盒定位算法,待定位节点利用边界盒算法得到初始区域位置信息后,广播该区域位置信息,并结合通信范围内其他待定位节点的区域位置信息实现二次定位.实验结果表明,改进算法的运算量较小,定位精度较高.     

基于移动信标的改进DV-Hop算法

针对DV-Hop定位算法在网络节点密度减小时定位误差明显增大,定位精度严重依赖于网络的联通状况,提出一种新的基于移动信标动态选择的改进DV-Hop定位算法,利用一个移动信标在网络中漫游并广播定位分组信息,提出号位切换的思想对移动信标的位置进行优选,从而通过二次定位来提高节点定位精度.仿真显示,此算法有效的降低了定位成本,提高了定位的效率.     

基于局部信标选择的无线传感器网络定位算法

针对DV-hop算法定位精度低的问题,本文分析了节点间的位置拓扑关系对定位精度的影响,提出了一种基于局部信标选择的定位算法(RBS-DV-hop)。该算法权衡了定位精度和计算复杂度,从三方面寻找局部最优的信标节点组,包括信标节点的共线度、未知节点与信标节点的跳数以及信标节点相对于未知节点的分布。仿真结果表明,改进后的算法明显提高了定位精度和稳定性,为合理选择信标节点组进行定位提供了一种方法。     

无线传感器网络中一种移动节点定位算法

无线传感器网络中现有的大多数定位算法都是针对静态节点的,不能应用于节点移动的情况.本文提出了MCBE(Monte Carlo Localization Boxed Using Estimation)移动定位算法,该算法利用锚盒子(Anchor box),即包含待定位节点可能位置且平行于坐标轴的矩形以及非锚节点位置来帮助定位.锚盒子大小和定位误差存在正相关关系,算法根据待定位节点的一跳和二跳锚节点位置计算出锚盒子大小,当锚盒子大于一定值时,利用锚盒子小的非锚节点位置缩小锚盒子,最后在锚盒子范围内对位置采样,用蒙特卡罗MCL方法定位.理论分析和仿真结果表明,MCBE能有效地缩小采样区域,提高定位精度.     

无线传感器网络中一种精细距离控制定位算法

在Hop-terrain定位算法的基础上,提出了一个新的改进定位算法。新算法先利用由距离向量交换获得的普通节点与信标节点间的跳数距离进行传感器节点的初始位置估计;然后利用节点初始估计位置和节点直接邻居信息进行节点位置的迭代更新。在更新阶段,为了降低误差,引入了一种精细距离控制机制。该距离控制机制参考到高可信度权值邻居节点的距离约束关系,选择可能的最好节点位置作为最新迭代定位结果。仿真结果表明,与原算法相比,该算法能提高定位节点的比例,降低节点定位误差。     

无线传感器网络中的信标优化选择算法

针对无线传感器网络中节点定位精度的问题,提出了一种基于距离和Cramer-Rao下界的信标优化选择算法。该算法通过分析信标与节点间的距离和位置拓扑关系对定位精度的影响,选择CRLB值最小的信标子集进行位置估计,减少节点定位误差。仿真结果表明,该方法较大地提高了定位精度,降低了计算量,为合理选择信标子集提供了依据。     

基于鸡群优化的无线传感器网络三面定位算法

针对无线传感器网络空间定位问题进行了研究,为了提高未知节点的定位精度,提出一种基于鸡群优化的无线传感器网络三面定位算法。该算法结合了两种未知节点的求解方法,首先利用三面定位模型,通过求取三个面的交点来获取未知节点的坐标;再使用鸡群优化算法进行改进,根据三面定位法计算出的坐标值以及离未知节点最近信标节点的坐标进行初始化,迭代寻优。使用MATLAB进行仿真,改变算法的迭代次数、信标节点占比和通信距离,来对定位精度进行分析。结果表明该定位算法具有较高的定位精度与较快的收敛速度,且陷入局部最优的可能性低于粒子群定位算法。     

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。     

缩小采样区域的蒙特卡罗移动节点定位算法

针对无线传感器网络中移动节点定位问题,提出一种适用于未知节点移动而信标节点固定的改进蒙特卡罗定位算法,充分利用信标节点与未知节点间的测距误差来缩小采样区域,提高采样效率。仿真结果表明,改进算法在信标节点密度、连通度和节点最大运动速度等不同情况下均能提高定位精度,减少采样次数和计算量,延长网络的生存周期。     

无线传感器网络节点自定位算法

针对目前传感器网络的定位算法节点定位精度严重依赖节点分布密度的问题,提出一种有一个较大功率的中心节点的定位算法。该算法计算出所有待定位节点距离中心节点及其所有邻节点的距离,将距离信息和邻节点表传到控制中心进行集中计算,确定节点位置。依据仿真结果,在节点数较少时该算法的定位误差仅为DV-distance 算法的1/8,提高了定位精度。     

一种无线传感器网络的节点自定位方法

节点定位对许多无线传感器网络的应用来说是非常关键的,提出了一种基于移动锚节点的无测距的节点定位算法。此算法建立在Monte Carlo定位算法基础之上,通过利用节点收集到的信息来加速算法中样本的选取,从而提高定位的精度和效率。仿真结果表明,此节点定位技术平均定位精度能达到0.2个通信半径,与其他类似定位技术相比,能够明显提高节点定位精度。     

基于MCL算法的移动节点安全性研究

蒙特卡罗（MCL）算法对移动节点进行定位时没有考虑安全因素,针对该问题,在MCL流程中加入身份认证环节,即可实现定位又保证被定位移动节点的安全性。实验结果表明,在节点速度较小时,改进后的MCL算法定位偏差性良好。     

RoboCup四腿组比赛中定位算法的实验比较

针对RoboCup四腿组比赛场地结构对称和特征不唯一的特点，在场地模型中对带数据校验的扩展卡尔曼滤波(EKF V)、多假设定位(MHL)、蒙特卡洛定位(MCL)和自适应蒙特卡洛定位(A MCL)四种算法的全局定位精度和对噪声的鲁棒性进行了仿真实验比较．实验结果表明，四种算法在噪声可估计的条件下都能达到较高的全局定位精度，而MCL和A MCL对噪声有较高的鲁棒性，更适合应用于RoboCup四腿组比赛．     

基于锚节点连通性的移动WSN定位优化算法

为提高传统移动无线传感网络非测距方式定位算法的节点定位精度、降低算法对锚节点密度的要求,提出一种基于网络中锚节点连通性的蒙特卡洛优化定位算法,并分析了其节点定位性能.算法首先引入平均锚节点连通度的概念来评价网络锚节点连通性,然后提出根据节点实时分布情况进行采样区域划分,并实时控制移动锚节点分布,提升网络的整体定位精度.仿真结果表明,相较于传统的移动无线传感网络中基于蒙特卡洛方法的节点定位算法,所提出的算法有效提升了整体的定位精度,并有效降低了算法对于锚节点密度的要求,提升了算法节点定位性能.     

一种基于蒙特卡罗法的无线传感器网络移动节点定位算法研究

定位技术是无线传感器网络中关键的基础支撑技术。文章研究无线传感网中信标节点静止、定位节点随机运动情况下的节点定位方法。在传统MCL算法基础上,提出一个改进定位算法,通过构建节点运动模型,进行运动预测、位置滤波,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、不同的连接度、不同的节点运动速度等情况下,均表现出了良好的性能。     

无线传感器网络中移动节点定位算法研究

提出一种利用临时锚节点的蒙特卡罗箱定位算法.该算法是基于蒙特卡罗定位方法之上,通过引入节点平均速率来获取临时锚节点,并利用一跳范围内的临时锚节点构建最小锚盒、增强样本过滤条件,从而加速了采样和样本过滤.此外,在样本的获取上采用了非随机采样的均衡采样方法,有效地降低了采样次数.仿真结果表明:该算法同蒙特卡罗定位算法等相比,提高了节点的定位精度,降低了节点的能耗.     

基于测距的蒙特卡罗盒传感网定位算法研究

针对以蒙特卡罗算法为基础的无线传感器网定位算法普遍存在定位精度和采样效率低的问题,提出了一种基于测距的蒙特卡罗盒（R-MCB）定位算法。通过测距信息构造修正的包含有约束条件的方形边界框,使用从强约束条件中除去弱约束条件的启发法来提高采样效率,然后进行样本过滤和加权处理,并通过校准减少距离误差实现精确的定位。该R-MCB定位算法允许节点是静止或移动的,并且能够与可进行测距的节点和没有测距能力的节点协同工作。通过在传感器硬件上进行真实模拟定位算法证明,在多数情况下该R-MCB算法的定位误差,均要比WMCL算法（加权蒙特卡罗定位算法）的定位误差低10%左右。     

基于RSSI等级的蒙特卡罗定位算法应用研究

感知节点的定位是无线传感网应用的基础。现有的静态定位算法无法应用于动态传感网。针对一类目标节点移动而锚节点静止的传感网应用,提出了一种RRMCL（RSSI Rank Monte Carlo Localization）定位算法。该算法以蒙特卡罗算法为基础,利用RSSI（Received Signal Strength Indication）值与距离的单调递减关系划分通信域,减少采样区域大小。为了避免锚节点共线出现定位失效的情况,引入共线影响角度,提出了一种约束策略。仿真结果表明,提出的RRMCL与现有的MCL和MCB定位算法相比,能有效缩小采样区域,提高了定位精度和速度。     

基于Bayes滤波的移动机器人定位方法

对基于贝叶斯滤波原理的机器人定位方法提出了一个通用框架,进行了贝叶斯滤波方法的推导,理顺了贝叶斯总体框架以及卡尔曼滤波定位、多假设定位、马尔可夫定位、蒙特卡罗定位方法之间的内在逻辑关系。回顾了基于概率推理框架的各种机器人定位方法的发展过程、目前发展水平,并针对各自的利弊进行了比较。基于采样的蒙特卡罗定位算法能够描述多峰分布,可近似大范围的概率分布,能够有效解决定位过程中出现的歧义情况以及绑架情况等,因此重点对蒙特卡罗定位算法的实现过程以及存在的问题进行了详细的阐述,同时对研究难点和未来的发展趋势做了展望。     

相似度优化的无线传感器网络移动节点定位

针对无线传感器网络中移动节点的定位特性,提出了一种利用序列相似度改进的蒙特卡洛定位算法.该算法先利用各信标节点的信号强度值对移动节点初定位,优化原算法的采样区域.同时将信号值存储为目标序列,通过比较信标节点和样本点间序列与目标序列的相似度过滤样本点,并以相似度值作为加权标准计算移动节点坐标.仿真结果表明,与其他算法相比,在不同的信标节点密度下,定位误差减少了1%~10%,在不同的节点最大移动速度的情况下,定位误差减少了30%~40%.