基于节点三角形选择方法的无线传感器网络定位算法

本文提出了一种分析锚节点之间位置关系的方法,并给出一种基于三角形算法的定位方案。在二维平面上,定位一个目标节点需要三个位置已知的锚节点。其中三个锚节点的选取非常重要,如果选取的锚节点不合理,将无法定位出节点位置。因此,节点在定位前根据所提出的方案选出最优的锚节点组合,然后再进行定位可以提高定位的准确性。三角形定位算法为锚节点的选取提供了可靠依据,从而达到了提高定位精度和定位覆盖率的效果。实验表明此定位算法的精度比APS算法中经典的Dv-Hop定位算法更加准确。     

无线传感器网络中一种改进的DV-Hop定位算法

针对无线传感器网络中DV Hop定位算法在未知节点到信标节点距离计算中的不足，提出了一种改进算法。该算法考虑了未知节点到信标节点路径中相邻三个节点A, B, C组成的夹角∠ABC对距离的影响，根据与B相邻的A, C节点的邻节点集重叠度估算夹角的大小，从而更精确计算出距离，提高定位精度。     

基于角度阈值的改进型DV-Hop定位算法

针对DV-Hop定位算法中部分参与定位的锚节点位置近似成直线而引起的定位性能较低的问题,提出一种基于角度阈值的锚节点选择策略,通过设置角度阈值来筛选锚节点以提高DV-Hop的定位性能。仿真结果证明,ATDV-Hop算法在可定位节点比例上比DV-Hop算法提高了24.05%,在定位精度上降低了8.79%。     

基于三角形外接圆覆盖的改进APIT定位算法

在无线传感器网络( WSN)中,传感器节点定位在整个WSN体系中占有重要地位。 APIT( Approximate Point-In-Trian-gulation Test近似三角形内点测试法)相对于其他定位算法,具有硬件要求较低,定位性能较好等优点。该算法在节点密集的网络中,可以得到比较合理的定位精度,性能也相对稳定。然而,在节点随机分布的网络中,其定位误差是不容忽视的,且定位覆盖率也相对较低。针对此问题,分析了APIT测试中的典型错误———三角形内外覆盖判断错误以及产生的原因,提出了一种基于三角形外接圆覆盖的改进APIT算法———APICT( Approximate Point-In-Circumcircle Test)算法,并将此算法与APIT算法的仿真结果进行比较,证明了此算法的定位精度具有显著优势。     

基于甫度阈值的改进型DV-Hop定位算法

针对DV-Hop定位算法中部分参与定位的锚节点位置近似成直线而引起的定位性能较低的问题,提出一种基于角度阈值的锚节点选择策略,通过设置角度阈值来筛选锚节点以提高DV-Hop的定位性能。仿真结果证明,ATDV-Hop算法在可定位节点比例上比DV-Hop算法提高了24．05％,在定位精度上降低了8．79％。     

无线传感器网络近似三角形内点测试定位算法改进

作为重要的共性支撑技术之一,无线传感器网络的定位问题极具研究价值。分析了近似三角形内点测试算法,对该算法进行了改进。仿真分析表明:较之原算法,改进算法降低了错判发生的概率。     

基于三角形理论的无线传感器网络定位算法

针对基于垂直平分线的区域定位算法(MBLA)存在定位精度低、迭代次数多的缺点,提出了基于三角形理论的区域定位算法(TBLA)。该算法以参与定位的两个锚节点连线作为一条边,以待定位节点与这两个锚节点的RSSI测距值作为另两条边构造三角形,然后根据三角形的形状进行定位。仿真结果表明,在相同通信半径下,TBLA定位误差只是MBLA的1/5,迭代次数减少了2/3以上,具有较高的应用价值。     

无线传感器网络近似三角形内点测试定位算法

无线传感器网络作为一种全新的信息获取和处理技术,可以在广泛的应用领域内实现复杂的大规模监测和跟踪任务,而网络自身定位是大多数应用的基础。传感器节点自身定位就是根据已知位置的节点,按照某种定位机制确定自身的位置。该文分析了近似三角形内点测试算法,对该算法进行了改进,分析表明：较之原算法,改进算法增大了anchor节点的覆盖度,降低了In-To-Out Error与Out-To-In Error发生的概率。     

基于DV-hop的无线传感器网络定位算法研究

DV-hop算法是无线传感器网络中一种典型的定位算法.系统分析了DV-hop算法中对定位误差有较大影响的节点通信半径、锚节点个数、总节点个数等几个重要参数,并进一步给出仿真结果.通过仿真结果分析得出上述参数的较优值,降低使用DV-hop算法时无线传感器网络的定位误差.理论分析和仿真结果表明,参数优化后的算法有效的降低了...     

基于RGM算法的锚节点布点算法

目前所有的定位算法都将研究的重点放在如何提高定位精度上面却很少研究如何布置锚节点,只是在算法中随意的选取满足条件的锚节点,然而算法并没有明确的对锚节点的布置提出要求,所以想要随时都能获取合适的锚节点只能随机布置大量的锚节点.然而大量的增加锚节点的数量势必极大地提高系统的成本并且在实际的布置操作中也是不现实的.针对以上问题,文章在RGM算法的基础上提出一种优化布点的算法.算法通过细致的分析每组定位单元在定位区域的覆盖情况,在满足定位精度条件的基础上计算出每一个锚节点的布置坐标并对锚节点的数量进行精简.仿真实验表明,按照该算法来布置锚节点不会降低定位精度.     

无线传感器网络DV-hop定位改进算法

提出了一种改进的DV-Hop定位算法,通过对DV-Hop算法的局部优化,减小了定位计算量,并使得改进的DV-Hop算法对不规则形状的节点分布网络具有较强的适应性,克服了原算法只适用于各向同性网络的不足。仿真结果表明,改进的DV-Hop算法减小了用于定位的通信开销,提高了定位精度,从而验证了改进的DV-Hop算法能够适用于节点不规则分布的异性网络。     

基于无线网络节点相似度的室内定位算法

针对RSSI测距定位技术在室内环境中受到的随机干扰大,干扰变化情况不确定,定位结果误差较大的问题,提出了一种基于无线传感器网络节点相似度的室内定位算法。首先通过无线传感器网络的连通特性确定位于网络盲节点周围的几个信标节点,利用数据拟合的方法确定节点工作电压对RSSI距离测量的影响,然后根据拟合结果对不同工作电压下测得的RSSI值进行修正,利用修正后得到的RSSI值计算得到网络节点之间的相似度值,并利用该相似度值作为距离测量和定位结果的自校正系数,对定位结果进行修正,从而获得精度较高的定位效果。实验结果表明该定位算法具有较高的定位精度。     

无线传感器网络中能量敏感感知节点选择算法

如何保证在满足系统QoS需求的同时延长网络的生命周期是无线传感器网络面临的最重要问题之一。提供高质量感知数据是无线传感器网络的目的,感知节点是网络能否实现这个目标的关键因素。为了节省感知节点的能量并实现负载均衡,该文提出一种能量敏感、负载均衡并与物理位置无关的感知节点选择算法EASNS,综合考虑感知能力和剩余能量两因素对感知节点进行选择,用TOSSIM仿真工具对算法EASNS进行了仿真。仿真实验结果表明,采用EASNS算法与选择所有节点得到的平均温度之间的误差为0.3%,能够有效地减少能量消耗,能量消耗约为选择所有节点方法的25%,并能实现感知节点能耗负载均衡,延长系统生命周期。     

无线网络节点区域定位系统的设计与实现

采用无线网络实现区域内未知节点的定位在军民用领域具有广泛的应用前景。基于带有RSSI定位引擎的无线网络芯片CC2431,建立了无线网络节点的区域定位系统,介绍了定位原理以及硬件电路、软件流程的具体实现方法。区域定位测试实验表明,所提出的定位方案可获得较满意的定位效果。     

一种改进的无线自主传感器网络定位算法

节点定位技术是无线自主传感器网络中的关键技术之一。为了提高定位精度,提出一种基于几何斜率的无线传感器网络（WSN）定位算法。网络区域中的节点分为锚节点和未知节点,利用几何学斜率的方法选取合适的锚节点,能够更精确地确定未知节点的位置。在三边测量法上运用最小平方误差方法求解,能够提高算法的精度。在新算法的基础上建立Matlab仿真。仿真结果表明改进的DV-HOP算法,在相同的锚节点数量的情况下,节点定位精度有明显的提高。     

基于三链混合遗传算法的WSNs 中 Sink节点布局优化

对无线传感器网络的设计和布局中,多Sink 节点的布局是其拓扑设计的关键,对网络通信的能量控制至关重 要。本文通过分析其Sink 节点布局模型,提出一种改进的三链混合遗传算法对Sink 节点布局求取最优解。实验表明,三链混 合遗传算法在针对Sink 节点的布局算法中相对于枚举算法,具有较优解,并且算法效率高,可降低无线传感器网络的能耗,改 善网络性能。     

改进的混沌否定选择算法

针对检测器集生成速率不高的问题,提出一种改进的混沌否定选择算法。由于Logistic映射折叠次数有限,采用自映射产生的混沌序列,改进混沌二值序列的产生方法。实验结果表明,该算法具有较好的混沌特性,能有效提高检测器集的生成速度,较好地覆盖检测空间,安全性较强。     

水下声学传感器网络节点定位算法及自组织过程研究

针对水下声学传感器网络中锚节点稀少的问题,给出了一种分布式的水下节点自定位算法.为配合定位算法的完成,提供定位过程所需的邻接信息表等信息,提出了一种分布式的并发数据传播算法,并针对该数据传播算法中存在的通信冲突问题,给出了冲突解决策略.仿真试验验证了上述两种方法配合完成水下节点定位的可行性和有效性.     

传感器网络节点选择的分布式在线算法

大型传感器网络部署的关键是在能量消耗最小的前提下激活传感器节点以获取有价值信息,这要求在效用函数事先不可知的情况下通过分布式方式选择正确的传感器节点。为此,提出一种分布式在线贪心算法。以效用函数满足子模性的自然报酬递减特性为前提,在模型未知的情况下,通过在线学习方式优化目标函数。实验结果表明,该算法的收敛性近似于传统的集中式方法,且在运行中所需的通信消息量较少,适用于大型网络传感器节点的部署。