城市移动无线传感器网络协同定位算法

随着无线传感器网络研究和应用的发展,城市规模的无线传感器网络开始出现,然而,其大规模、低成本、移动性和节点稀疏性等特性都给定位带来了困难.基于城市移动无线传感器网络的一种典型应用,研究了不依赖全球定位系统的无线传感器网络的定位问题,在曼哈顿环概率移动模型的基础上设计定位算法,并从理论和仿真两方面分析了该算法的收敛性和稳定性.     

移动无线传感器网络中节点自定位算法研究

移动无线传感器网络(MWSN)是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追踪任务,而移动节点的位置信息则是其应用的基础。针对这一特征,文章深入探讨了移动节点自定位算法的研究现状,介绍了移动无线传感器网络节点定位的基本方法,讨论了定位算法的性能评价指标,并对各种算法性能进行了比较,最后指出了算法存在的问题和解决办法。文章认为三维全节点移动的定位算法将成为以后的研究趋势。     

基于蒙特卡罗的无线传感器网络中的移动节点定位算法

针对信标节点固定、待定位节点移动的应用场景,在传统MCB算法的基础上,文章提出一种改进的蒙特卡罗盒子定位算法。该算法利用节点的历史估算位置,构建节点运动模型,采用灰色预测理论预测待定位节点可能到达的区域;并利用待定位节点与邻居信标节点以及非邻居信标节点的相对位置信息定义扩展锚箱,增加过滤条件,提高样本有效性,从而提高定位精度。仿真结果表明,改进方案在不同的信标节点密度、不同的节点运动速度等情况下,均表现出良好的性能。     

移动无线传感器网络节点的定位

文中在MCB（Monte—Carlo Localization Boxed）定位算法的基础上提出了一种新的移动无线传感器网络（Mobile Wireless Sensor Networks）节点的定位算法——权重MCB算法。MCB算法在定位过程中,在采样和滤波阶段用到了一阶锚节点和二阶锚节点的位置信息,而没有应用到邻居节点的位置信息。权重MCB在定位过程中不仅用到了一阶锚节点和二阶锚节点的位置信息,还应用到了一阶邻居节点的采样集合里的采样点（即一阶邻居节点的估计位置）,从而改进了定位精度。对比MCB算法,权重MCB算法对定位精度的改进为13％～18％。     

基于移动信标节点的无线传感器网络定位算法研究

对移动信标节点的无线传感器定位路径进行研究分析,分析规律性折线路径,随机路径和虚拟力方法路径的缺陷,结合两者优点,提出改进的自适应的动态路径。采用matlab仿真工具,结合RSSI测距方法以及无线传输模型,对改进算法进行仿真验证,得到更高的覆盖率和更小的误差率,从而减小了网络硬件成本,更能满足无线传感器网络定位的实际应用。     

一种降低定位误差的无线传感器网络节点定位改进算法

本文针对无线传感器网络节点的定位精度问题,提出了一种采用误差修正的方法来降低累积距离误差和定位误差的传感器网络节点定位改进算法,给出了该算法的基本原理与实现方法.该算法在不增加原算法通信量及计算复杂度的基础上提高了定位精度.仿真结果显示,在同等条件下,本文提出的算法定位精度提高了5～10%.     

一种新型无线传感器网络分布式定位算法

针对无线传感器网络(Wireless Sensor Networks,WSN)的低成本、低耗能以及准确定位的需求,提出了一种射频干涉与测量多普勒频偏相结合的节点定位方法。该方法中移动锚节点通过2次交叉运动,产生多普勒效应并与静止锚节点形成射频干涉场;未知节点通过测量自身低频干涉信号的瞬时频率的变化规律,获得定位相关信息进而实现节点定位。仿真实验结果表明该方法可以实现预期的定位,且定位精度较高;同时,定位算法简单,运算量小,能耗小,尤其适用于大范围分布的大量节点进行定位。     

移动无线传感器网络定位算法研究

为了解决移动无线传感器网络中节点的自身定位问题,提出了一种基于运动预测的定位算法。该算法利用节点运动的连续性和接收信号强度测距方式,保存其最近两组历史位置信息,并结合节点当前的状态来估计自身位置。它不需要额外的硬件支持与较高的信标节点密度,满足复杂传输环境的应用要求。仿真结果表明,该算法具有较好的鲁棒性和较高的定位精度,节点随机运动时的定位误差约为15%,而直线运动时只有12%。     

无线传感器网络一种改进的convex定位算法

以convex(凸规划)定位算法为基础,针对range-free定位算法中anchor(已知节点)比例低带来的定位精度低、网络覆盖率低的问题,提出了二跳信息改进定位算法。该算法中,未知节点在通信中加入自身邻居anchor的ID和位置信息并发送给邻居节点,相应的邻居节点从中确定自己的二跳邻居anchor,并利用二跳邻居anchor的二跳通信范围来减小未知节点的可能存在区域,进而提高未知节点的定位精度。仿真表明,二跳信息改进定位算法在anchor节点比例较低情况下能有效提高定位精度,而在anchor节点比例较高时接近原convex算法定位精度,并且网络规模越大这种提高越显著。     

一种基于移动锚节点的静态无线传感器网络定位算法构建和分析

随着网络技术在深入的发展,静态无线传感器网络主要是通过引入网络技术中具有数据采集能力、信息处理能力以及无线通信的能力的传感器节点进行相互交换信息,并且协调控制有机相结合。该技术的已经被广泛的应用于生活中的各个领域中,在移动锚节点的使用中,改变了静态无线传感器网络在发展中遇到了环境恶劣、不可到达区域最终实现了监测和跟踪的任务,有效的控制了节点位置的具体信息。     

WSN中局部采样滤波的新颜色移动节点定位法

针对无线传感器网络(WSN)移动节点定位技术中的定位不精和实时性差的问题,该文提出一种局部采样、借助RGB差值序列滤波的新颜色移动定位LSF-CDL(Local Sampling and Filtering-Color Dynamic Localization)法。该算法利用收集的信号,在与移动节点能直接通信的信标节点的信号交叠区域内局部采样;引入距离比例因子,对平均跳距权值化,优化了CDL中跳距的计算公式;借助RGB差值序列对样本点滤波并将差值序列绝对值作为加权标准计算移动节点的坐标。仿真结果表明与E-CDL(Efficient-Color-theory based Dynamic Localization),MCL(Monte Carlo Localization)等经典的移动节点定位算法比较,新算法定位误差减少了33%以上,具有较好的定位效果。     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

三维无线传感器网络节点的序列垂心定位

针对无线传感器网络的节点自定位技术提出了一种三维序列垂心算法,该算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的垂心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

基于定位导航系统的改进无线节点空间定位算法

提出了一套针对无线节点空间定位的修正算法.首先提出了一种抽样后求点估计的方法,消除了GPS信息误差造成的影响,然后通过分治法的策略来选取锚节点,保证锚节点的可靠性,普通节点可以通过锚节点与本身进行定位求概率分布,继而修正拓扑,最后通过一个竞争机制来进行有序的网络拓扑坐标修正.实际测试达到了预期的效果.通过该算法,可以在较低功耗下将无线传感网络的定位精度提高,使得无线传感网络能够适应高定位精度的要求.     

基于移动代理的WSN数据融合的研究

移动代理已广泛用于无线传感器网络并进行数据融合。该文将移动代理用于簇成员节点间进行数据收集并进行数据融合,并提出了基于精度的量化编码的数据融合算法。该算法有效减少了冗余数据,提高了传输速率,延长了无线传感器网络的寿命,并将其应用到森林防火中去。     

A Systematic Review of Localization in WSN: Machine Learning and Optimization-Based approaches

In recent years, wireless sensor networks (WSNs) have been widely used in various applications. The localization problem has been identified as one of the biggest problems faced by WSNs. The traditional localization techniques may not be able to handle the issues during the scenario to estimate the location of sensor nodes due to anchor mobility, mobile WSNs, latency, energy harvesting, unfavorable environmental states, and many more issues. However, these issues open the door for the amalgamation of machine learning (ML) and optimization techniques with localization techniques. Motivated by the earlier discussion, we explored various ML and optimization techniques to estimate the location coordinates in a sensor network in this paper. Finally, a comparison of existing ML algorithms concerning optimization techniques has been presented, highlighting their improved outcomes. This research offers a detailed survey by exploring the various parameters for location estimation through tabular forms by incorporating ML and optimized localization techniques. A survey of surveys is also presented to identify the key limitations of existing surveys and to introduce the novelty in the comprehensive study done in this paper. A year-wise evaluation of ML Techniques with localization (2011–2022) is also discussed and presented over various performance parameters, including energy-efficiency, accuracy, error, and complexity. This discussion concluded that Hybrid Techniques are least explored for using optimized localization machine learning. Further, a summarized discussion of the various comparison tables paves the path for future research in the area of localization in WSN.     

Very Low Energy Consumption Wireless Sensor Localization for Danger Environments with Single Mobile Anchor Node

In wireless sensor networks (WSN), it is very important for sensor nodes to locate with low energy consumption and high accuracy, especially in a dangerous environment. This paper describes a range-free layered localization scheme using one mobile anchor node which can transmit gradient signals, and whose moving track is a straight-line along the x-axis. And this paper proposes a sleep/wake mechanism called sensor sleep-time forecasting to save energy consumption during localization. The relationship, between the key factors in localization algorithm and the average location error, is analyzed in detail. Simulation results show that the scheme performs better than other range-free mechanisms—the average location error is less than 0.7 m, and it is independent on sensor nodes density or sensor nodes radio range, the accuracy of the algorithm can be adjusted in different occasions, and the algorithm beacon overhand is small and average localization time is short.

A Power Control Scheme for Target Localization in WSN

In this paper, we focus on the target tracking problem in sensor networks and propose an Power-saving target localization scheme （PSTL） based on a conjec- ture model that reflects the moving pattern ofa target, and also a corresponding two-step communication protocol be- tween Base station （BS） and sensors. BS executes a query mechanism to determine which sensors should be used for detailed information according to a limited amount of data received from sensors. This scheme reduces both energy consumption and communication bandwidth requirement, prolongs the lifetime of the wireless sensor networks. Simulation results indicate that it can achieve a high accuracy while saving a large amount of energy.     

松弛迭代多维定标 WSN 分布式定位算法改进﹡

在无线传感器网络的很多应用场景中,传感器节点的自定位都是非常关键的。传感器节点的分布是随机散布的,有规则的和不规则的两种。经典的 MDS 定位算法,在大尺度传感器网的节点数较多时定位精度较低。基于大尺度无线传感网络提出了基于松弛迭代随机扩散消息的分布式定位算法。仿真表明经过大约18次左右的局部地图扩散与合并,基本上能完全覆盖一个在规则的方型区域内200个节点随机分布的网络,算法的复杂度低为 O(n(n-1)),在8个锚节点的情况下,仿真得平均连通度为30.114,平均定位误差仅为3.188%。仿真表明基于松弛迭代多维定标的节点的定位精度比经典的多维定标算法定位精度高,误差小。     

基于位姿评估的无线传感器网络自主移动节点定位技术

 本文在研究自主移动节点运动特性的基础上,提出一种基于位姿评估技术的自主移动节点定位算法.该算法适用于可以获取速度信息以及具有射频定位功能的移动节点.该算法利用移动节点速度信息计算相对定位轨迹;然后对相对定位轨迹进行平移,旋转变换,使变换后的相对定位轨迹与射频定位轨迹的结果差别最小来修正累积误差;最后从修正后相对定位轨迹上获取最终定位结果.仿真实验结果表明,所提出的算法在参数取值合理的条件下,能够有效地提高移动节点定位精度.