基于RSSI和改进MCL算法的移动节点定位跟踪设计

由于传统节点定位方法大多针对静止传感器网络,不能适用于网络结构和节点位置动态变化的移动传感器网络,提出了一种基于RSSI测距和改进的MCL(Monte Carlo Localization)算法的移动传感器节点定位跟踪方法;首先描述了经典MCL算法和接收信号强度RSSI测距方法,然后设计了一种改进的MCL算法,将传统的MCL方法预测粒子位置的过程即预测和滤波两个阶段,更新为锚节点TTL受控泛洪方式广播自身位置、采用拉格朗日插值法预测节点下一时刻的位置和速度、求取锚盒采样区域、k跳锚节点粒子滤波和根据预测下一时刻的节点位置和速度与当前时刻的位置信息确定各粒子权重的5个阶段;采用仿真器MCL-Simulator进行仿真,结果证明:文中方法能有效实现移动节点的定位,与其它方法相比,具有较小的平均定位误差,具有很强的可行性。     

无线移动传感器网络节点自定位控制仿真研究

研究移动节点确认自身位置信息的节点自定位问题,传感器节点的移动部署和数据通信容易受外界环境的干扰,造成网络节点自定位精度低。为解决上述问题,提出了一种改进的灰色系统预测移动节点定位技术。改进方法采用跨层设计,利用灰色系统预测移动节点及其相邻节点移动状态和距离来实时地根据自身及相邻节点位置重新成簇进而实现移动节点自定位控制。仿真表明,提出的灰色系统预测模型能够有效地提高了移动节点位置计算精度,在算法时空复杂度和能效上可以实现合理的自定位控制。     

一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

基于VWMC的传感器网络移动节点定位算法

为了解决无线传感器网络移动节点定位精度低、计算方法复杂以及响应时间长的问题,提出了一种基于VWMC的传感器网络移动节点定位算法(VWMCL).该算法利用Monte Carlo算法作为移动节点的基本定位算法,并在预测阶段加入航位推算方法,通过减少预测角度的误差来提高粒子位置预测的精度;并把Voronoi图和权值融合在MCL算法的粒子过滤阶段,采用Voronoi图和权值的双重筛选的机制,提高粒子过滤的准确性.仿真结果表明,该算法可以显著改善定位精度,减少算法的计算量,从而提高定位的效率.     

水下传感器网络移动节点定位问题研究

针对水下传感网中研究较少的移动节点定位问题,基于传统定位中常用的Chan算法,提出了一种改进的M-Chan算法。该算法通过曲线拟合进行运动轨迹预测,并利用节点的移动特性修正估计位置,从而提高了水下移动节点的定位精度。仿真结果表明,在不同的移动速度、通信半径、锚节点密度情况下,改进算法与传统的Chan算法相比,精度提高5%～10%。     

小波变换预测移动节点定位算法

针对无线传感器网络移动节点定位精度不高的问题,提出一种基于小波变换预测的移动节点定位算法。根据历史运动轨迹通过小波变换预测节点当前位置,精确采样区域,应用自适应采样方法减少采样次数,通过加权滤波增大高质量样本点以及降低低质量样本点对定位结果的影响,提高定位精度。仿真结果表明,在锚节点数目、通信半径、最大样本点数目等条件变化的情况下,该算法与传统算法相比提高了定位精度,在低锚节点密度环境下表现出良好的效果。     

基于IMM-IKF的无线传感器网络非视距节点定位方法

针对非视距(NLOS)环境下的移动定位问题,提出一种基于交互式多模型-改进卡尔曼滤波(IMM-IKF)的无线传感器网络NLOS节点定位算法.算法在IMM算法框架下估计移动节点位置,采用两个平行的改进卡尔曼滤波算法对多个移动节点候选位置进行滤波处理,通过Markov链实现LOS状态与NLOS状态的转换,根据似然概率对两个滤波结果进行加权融合,从而获得移动目标位置.仿真实验结果表明,所提出算法可以有效抑制NLOS误差,实现精确定位.     

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的后验信号滤波定位法

无线传感器网络中移动节点定位面临着高精度和实时性的要求,针对蒙特卡洛定位算法MCL的不足,提出了一种信号滤波改进算法:后验信号滤波法PSFM.通过跟踪未知节点,有效利用最新观测信号,PSFM提取前后时刻共能感知的锚节点的信号范围,并筛除仅前一时刻的锚节点信号范围的样本点,重新设置并优化滤波区域,提高了定位算法的精度.新算法还提出了运用最大似然估计法对样本信息处理,推导移动节点的位置坐标.理论分析和仿真表明新算法和传统MCL算法相比,对节点的部署密度和移动速度有较低的敏感度,表现出良好的算法稳定性.在不同的锚节点密度下定位误差减少了46％～ 65％,运行时间减少了26％～45％.     

基于改进的洪泛广播和粒子滤波的无线传感器网络节点定位

针对目前移动无线传感器网络定位问题存在的不足,提出了一种基于改进的洪泛广播机制和粒子滤波的节点定位算法。对于一个给定的未知节点,首先采用改进的洪泛广播机制,从离它最近的锚节点得到的有效平均跳距来计算出它到它的所有邻居节点的距离。然后采用一种差分误差校正算法,以减小平均跳距中由于多跳累积造成的测量误差;其次,采用粒子滤波和虚拟锚节点来减小预测区域,得到更有效的粒子预测区域,从而进一步减小对未知节点位置的估计误差。仿真结果表明,所提算法与定位算法DV-Hop、蒙特卡罗Baggio（MCB）和基于测试的蒙特卡罗定位（MCL）相比,能够有效地抑制冗余广播和减小与节点定位相关的消息开销,以较低的通信成本实现较高精度的定位性能。     

基于MDS技术与MCL方法的无线传感器网络移动节点定位算法

在MCL算法的基础上,结合改进的基于多维定标MDS(Multidimensional Scaling)的定位算法引进新的滤波条件,提出了一种移动节点定位算法.该算法通过在循环滤波部分引入新的限定条件,可以保留更靠近真实距离的预测样本,减小定位误差.仿真实验表明,该算法具有更好的定位精度.     

室内环境下基于IMM-EKF算法的移动目标定位

如何在视距(line-of-sight,LOS)与非视距(non-line-of-sight,NLOS)混合的室内环境中提高移动目标定位的精度,这是一项富有挑战性的工作.移动目标在室内环境移动时,其与传感器网络节点之间的信号传播在LOS与NLOS之间随机切换,导致移动节点定位精度下降.提出一种交互式多模型-扩展卡尔曼滤波(interactive multiple model-extended Kalman filter,IMM-EKF)定位算法.根据LOS?NLOS环境下不同的测距误差特性,在IMM框架中采用2个平行的卡尔曼滤波器(Kalman filter,KF)模型对测量距离同时进行滤波,根据滤波结果和测量值计算2个模型的似然概率,模型间的转换通过Markov链实现,2个KF滤波结果加权融合后获得IMM距离估计值.在EKF定位阶段,通过位置预测和更新估计出移动目标位置.仿真结果表明,IMM-EKF算法能够有效抑制NLOS对目标定位的影响,其定位精度优于单模型算法.     

移动传感器网络节点快速一致性滤波定位

针对移动传感器网络拓扑结构的动态特性,提出了一种快速卡尔曼一致性滤波定位算法。该算法依据Mc- tropolis准则,仅利用通信节点之间的RSSI值快速调整融合步长。在网络拓扑结构未知的情况下,利用卡尔曼一致性 滤波定位算法实现位置求精。仿真结果表明,与Saber算法相比,该方法能够在降低通信量的同时,提高节点的定位 精度,适合移动传感器网络。     

基于移动预测的航空GPSR-TAMP路由协议

在CSM自适应滤波算法的基础上提出了一种适合民用航空环境的改进滤波算法MFACS,并基于此提出了航空节点的移动(位置)预测算法.鉴于GPSR协议周期性信标交换算法存在的不足,结合两跳自适应信标交换算法和对应的直接、间接邻居表维护机制,按照是否使用移动预测算法,提出了改进的路由协议GPSR-TAMP和GPSR-TA.NS2的仿真结果表明,使用移动预测算法的GPSR-TAMP比仅使用两跳自适应信标交换算法的GPSR-TA协议更适合高动态的民用航空环境.     

无线传感器网络移动未知节点的混合定位算法

针对无线传感器网络中移动节点定位问题,提出一种移动未知节点的混合定位算法。该算法在预测和过滤阶段均作了改进。在预测阶段,根据未知节点在t时刻接收到的锚节点信息个数区分四种情况进行讨论,选择最适合的方法来缩小采样区域;在过滤阶段,针对预测阶段四种不同的可能情况判断是否需要过滤。仿真结果表明,该算法在显著地缩小了采样区域的同时,提高了采样成功率和定位精度;减少了采样次数和计算量,降低了能耗,延长了网络的生存周期。     

基于粒子滤波的移动传感器网络节点定位算法

根据移动传感器网络中节点定位的特性,对经典粒子滤波的采样策略、粒子加权策略和重采样策略进行改进和优化,提出一种新的移动节点定位算法PFNL.该算法克服了经典粒子滤波算法存在的粒子退化、采样枯竭等缺陷,从而降低节点定位过程中的计算开销和存储开销.仿真实验结果表明,PFNL算法在同等参数条件下的定位精度高于典型定位算法.     

基于蒙特卡罗算法煤矿井下人员定位研究

对比分析几种常用的无线传感器网络节点定位方法.针对煤矿井下节点移动性可能导致普通的定位算法变得不精确,提出了蒙特卡罗定位(Monte Carlo Localization)算法.该方法利用物体运动的连续性,通过选取合适的模型完成移动节点位置预测与定位.经仿真验证在低密度锚节点环境下,蒙特卡罗方法位置估计误差明显低于其它方法,提高了移动节点定位算法的准确性.     

基于Steffensen迭代和模糊信息的节点定位算法

为了提高无线传感器网络节点定位精度,提出了一种基于Steffensen迭代和模糊信息的节点定位算法.算法在模糊信息定位方法的基础上,通过引入Steffensen迭代求精提高节点定位精度.算法将锚节点分为静态锚节点和移动锚节点,利用移动锚节点不断的运动来辅助静态锚节点进行定位.首先利用节点间的模糊信息实现未知节点位置的粗略定位,然后利用Steffensen迭代对节点位置进行不断迭代求精,以实现未知节点的精确定位.通过仿真实验证明,相比3D-ADAL算法和改进的TOF测距算法,本文算法不仅降低了定位误差率,减小了网络的通信开销,还提高了节点定位效率.     

基于Kullback-Leibler分歧的变分滤波WSNs贝叶斯移动定位跟踪西

为了在降低资源能耗和带宽占用情况下,提高无线传感器网络WSNs移动目标定位跟踪的精度,提出了基于Kullback-Leibler分歧的变分滤波的WSNs贝叶斯移动目标定位跟踪算法。首先,利用高斯和Wishart分布在不考虑速度限制和方向移动限制情况下,构建WSNs移动定位的贝叶斯状态演化模型,并基于路径损耗模型构建移动目标定位的观测模型;其次,利用Kullback-Leibler分歧构建变分滤波的误差计算模型,通过周围激活节点实现移动节点目标的位置估计,设计了递归概率计算过程综合预测和更新两个过程,并实现了定位和目标跟踪的同步化;最后,通过仿真验证了所提模型在跟踪精度和资源节约上的优势。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。