一种基于N-最优阶次序列的无线传感器网络节点定位方法

基于阶次序列的无线传感器网络(Wireless sensor networks, WSN)定位方法是一种新颖的高精度定位方法, 该方法将定位空间划分为不同的子区域, 每个子区域用一条阶次序列唯一标识. 但该方法存在区域边界节点定位误差较大且不能保证平均定位误差最优. 提出了一种基于N-最优阶次序列的节点定位方法. 首先基于无线信号衰减模型产生虚拟测试点, 以参考点为样本, 通过随机采样确定最优N值,然后选择阶次位于前N位的序列所表示的子区域, 对目标进行加权定位. 文中完成了100个节点的仿真实验、15个ZigBee网络硬件节点的室外实验以及10个ZigBee硬件节点的防空洞模拟矿井应用实验. 结果表明, 本文方法有效地降低了平均定位误差, 并改善了边界节点的定位精度.     

无线传感器网络中APIT-HR定位算法

针对无线传感器网络(WSNs)中近似四面体内点(APIT)质心定位算法计算复杂度高、定位精度差的问题,提出一种基于RSSI值折半的APIT (APIT-HR)质心定位算法.该算法以未知节点与三角形中的两个锚节点同时感知第三个锚节点的RSSI值进行比较并确定未知节点的存在区域,再以该区域质心作为定位结果.以面积规则和圆交域质心法改善APIT算法中存在的一些缺陷.仿真实验表明:相对于原始的APIT质心定位算法,APIT-HR算法降低了计算复杂度,提高了定位覆盖率和定位精度,定位误差缩小了22.8％.     

一种改进的APIT定位算法

针对无线传感器网络中APIT定位算法定位误差大的问题,提出了一种改进的APIT定位算法。该算法针对APIT测试易产生InToOut和OutToIn错误而影响定位精度的问题,提出了新的内点测试方法;算法进一步通过中位线来缩减传统APIT算法中的三角形定位区域,提高定位精度。改进算法复杂度低,不需要任何额外硬件的支持。仿真结果表明,改进算法在不同锚节点密度和通信半径的网络中都具有较高的定位精度,满足于大多数无线传感器网络的定位需求。     

基于连通性的传感器网络节点定位算法

针对已有定位算法在区域边界定位误差大的问题,提出一种仅仅基于连通性的定位算法(RMBC)。通过加入功能简单的冗余节点来改进算法在区域边界附近的定位精度,并对冗余节点的通信半径和摆放形式进行分析。设计了一种新的定位算法评价标准——定位覆盖度。实验结果证明RMBC算法在定位覆盖度方面优于质心算法和APIT算法。与质心算法相比,平均定位误差降低了32.7%,最大定位误差降低了44.8%。     

无线传感器网络APIT定位算法研究

针对无线传感器网络无需测距定位算法中典型的APIT算法在参数设置不同时,定位误差及定位时间差异较大的问题,具体分析并仿真了对定位误差和定位时间影响较大的因素,通过仿真结果分析得出,网络平均连通度和节点个数分别对APIT算法的定位精度及定位时间起主导作用.理论分析与仿真结果表明,在不同监测区域内,在确保APIT算法低能量消耗的基础上,参数优化后的算法有效降低了节点的定位误差.     

无线传感器网络中APIT--VP三维定位算法

在研究APIT—3D定位算法思想基础上,提出了一种改进的定位算法APIT—VP。新算法解决了APIT—3D算法在节点分布不均匀的情况下定位精度和定位覆盖率较低的问题;在一定程度上避免了PIT—3D测试中出现的OutToIn和InToOut误判错误;并且利用基于中垂面分割法代替原先的网格扫描算法,降低定位运算复杂度,减少能耗。仿真实验结果表明:在无线传感器网络环境理想、300个节点随机部署在100 m×100 m×100 m的三维区域情况下,APIT—VP算法定位覆盖率可达90%,定位误差控制在25%左右,并且与APIT—3D算法相比有效降低了计算复杂度。     

基于联合分步APIT定位算法的改进

本文研究了无线传感网络( Wireless Sensor Network,WSNs)的节点定位问题,并针对APIT由于锚节点在低密度环境下的节点误判和节点失效等问题给出了改进,在APICT定位算法的基础提出了联合分步定位算法UNION-APICT(Union Approximate Point-In-Circumcircle Test),该算法是结合连通性的测距技术,RSSI测距技术以及质心定位和APICT等技术,来联合解决对未知节点定位问题。通过仿真实验结果表明,改进后的UNION-APICT在APICT算法的基础之上平均定位误差减少了10%-25%,定位性能有了明显的提升;随着通信半径R和最大探测距离rmax的增加,定位误差也在逐渐减小,该算法较APIT和APICT定位算法在锚节点密度、节点覆盖率和定位精度上都有所提高。     

WSN定位算法APIT的改进型设计

APIT算法是WSN中应用广泛的一种定位算法,在定位中要求有较高的信标节点密度和网络连通度,而现实中未知节点的分布是随机分布的.为了提高定位精度,针对传统 APIT 定位算法在节点分布不均匀和信标节点较少时定位误差较大的问题,对原算法进行改进.仿真结果表明,改进后的 APIT算法定位精度和网络覆盖率相比于原算法都有明显的提高.     

基于DBSCAN与KNN的室内定位算法

针对位置指纹室内定位算法中定位精度不足、计算量大、实时性较差的问题，提出了一种将聚类算法（DBSCAN）应用于传统定位算法的解决方案。离线阶段通过各参考点的接收信号强度进行聚类，将定位区域划分为多个子区域，在每个子区域选择一个中心节点，构造新型位置指纹数据库存储数据。在现阶段，通过各个子区域中心节点进行粗定位，根据参考标签所在的子区域对传统定位算法进行权重优化。实验结果表明，平均定位误差为1.63 m。该算法在提升定位精度的同时，提升了定位的实时性。     

基于三角形重心扫描的改进APIT无线传感器网络自定位算法

传感器节点的自定位问题是无线传感器网络的重要研究内容之一.APIT是一种主要的非基于测距的定位算法.相对于其他非基于测距定位算法,APIT具有定位精度高、通信开销小等优点.但是,APIT要求有较高的锚节点密度,而且在APIT测试过程中,边界效应以及低邻居节点密度容易增加InToOut和OutToOn测试错误的发生次数.另外,APIT算法中的网格扫描算法对于OutToIn错误的容错性较差且其执行效率低.针对以上问题,提出了一种基于三角形重心扫描的改进APIT算法.首先,分析了APIT测试中的两种典型错误InToOut和OutToIn错误产生的原因,引入了对APIT测试方法的两处改进;然后,分析了网格扫描算法对节点定位精度和算法执行效率的影响,提出了一种三角形重心扫描法,有效改进了算法的定位精度和执行效率;最后,通过仿真实验验证了改进后的算法不但可以有效地减少InToOut和OutToIn两类错误发生的次数,提高平均定位精度,改善算法的性能,而且对OutToIn错误的容错性更强,执行效率更高,能够显著地提高节点的平均精度.     

基于APIT的无线传感器网络混合定位算法

针对近似三角形内点测试法(Approximate Point-In-Triangulation Test,APIT)定位精度与覆盖率不足的问题,提出了一种基于APIT与遗传算法混合的无线传感器网络定位算法.该算法通过比较分割法优化APIT算法提高定位精度,并通过遗传算法提高定位覆盖率.通过仿真对比分析,该算法相较于APIT算法定位精度提高21.62％,定位覆盖率提高4.87％.     

稀疏节点下APIT算法的一种改进

APIT定位算法对硬件要求不高,定位较精确,易于实现,被广泛应用于无线传感器网络定位系统,但存在因锚节点稀疏而带来的定位精度低的问题;对APIT算法进行了深入分析,通过引进新的算法(设置一个计数器比较判内判外的次数,然后比较其权重提高判别的准确率;或者利用计数器计算跳数最后用三边测量法估算位置)对其在节点稀疏环境下边缘地区无法定位的问题进行改进,并从节点比例方面比较了两种算法的定位精度和覆盖范围;在1000m*1000m范围内设置160个未知节点与80个锚节点并逐次改变锚节点个数进行仿真定位;结果表明,在锚节点稀疏情况下,改进的APIT算法定位精度和覆盖率均远高于传统APIT算法。     

基于网格扫描的无线传感器网络定位算法

分析典型的测距无关定位算法APIT与API2T,指出其存在定位精度低与覆盖率低的缺陷。针对该问题,提出一种基于网格扫描的无线传感器网络定位算法——API3T。重新定义邻居节点,改进网格扫描策略,从而减少In-To-Out错误和Out-To-In错误。仿真实验结果表明,该算法的定位精度与覆盖率较高。     

无线传感器网络中基于移动锚节点的APIT的改进定位算法

针对APIT定位算法定位误差大,覆盖率低等缺点,提出了一种基于移动锚节点的改进的定位算法.在网络中引入移动锚节点,通过移动覆盖算法尽量使节点均匀分布,并提出了一种基于异构传感器网络的最佳节点数量的计算方法,另外引入了RSSI量化模型对APIT算法进行修正,解决了用APIT算法不能进行定位的问题.仿真结果表明,其与传统方...     

基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

无线传感器网络精度优选RSSI协作定位算法

针对目前无线传感器网络（WSN）定位算法中未知节点间接收信号强度指示（RSSI）冗余信息利用不足以及信息无筛选利用问题,提出一种新的精度优选RSSI协作定位算法。首先,利用RSSI阈值,从大量粗定位的未知节点中筛选出定位精度相对较高的节点;接着,利用subset子集判断方法从经过RSSI阈值筛选的节点中提取出受环境影响较小的节点,作为次选协作骨干节点;然后,使用锚节点置换准则,根据置换锚节点的定位误差,从次选协作节点中进一步提取出高精度的节点作为优选协作骨干节点;最后,以协作骨干节点为协作对象,根据精度优先级参与协作求精,对未知节点进行未知修正。仿真实验表明,该算法在100 m×100 m网格区域内的平均定位精度小于1.127 m。在定位精度方面,相同条件下,相较于改进的采用RSSI模型的无线传感器网络定位算法,该算法平均定位精度提高了15%;在时间效率方面,相同条件下,对比传统RSSI协作定位算法,该算法在时间效率上提高了20%。可见,所提算法可以有效提高节点定位精度,减小计算复杂度,提高时间效率。     

无线传感器网络区域混合感知的APIT定位算法

针对无线传感器网络的特点,在深入分析现有近似三角形内点测试(APIT)定位算法的基础上,提出一种改进机制,即区域混合感知的近似三角形内点测试(RMA_APIT)定位算法。该算法根据网络的部署情况,自动调整未知节点的定位区域并引入辅助节点对未知节点进行定位,从而提高定位精度。仿真结果表明,采用RMA_APIT定位算法,节点的定位精度和有效定位比都有较大提高。     

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。