一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

移动网络相对定位算法研究

节点的相对定位是移动网络路由中一个重要的问题.定位算法的优劣直接关系到基于位置的路由算法性能.在引入三角定位算法和伪距定位算法的基础上,对节点的相对定位进行了研究,并提出了将两种算法相结合的定位思想.它以三角定位算法为基础,辅以伪距定位算法,从而提高了定位的精度.     

节点分区与平均跳数加权的三维DV-Hop定位算法

针对三维DV-Hop定位算法的两个重要定位因素——网络锚节点的平均跳距与未知节点到锚节点的跳数存在的固有缺点,提出一种改进的三维DV-Hop定位算法3DPHW-DVHop（Partial HopSize Weighted）。改进算法在求网络平均跳距时,利用区域划分和节点跳数加权进行算法综合优化,最后用极大似然法估算未知节点的位置,经过对理论的分析和仿真实验的证明,得出基于区域划分的跳数加权的三维DV-Hop定位算法在同等环境条件下比传统DV-Hop定位算法定位精度明显提高。     

基于Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

基于网格扫描的WSN节点定位算法

现有的非测距定位算法无法准确获取未知节点的估计区域。针对该问题,提出一种基于网格扫描的分布式无线传感器网络(WSN)节点定位算法。计算每个被定位节点的初步估计区域,将该区域划分成网格阵列,通过逐个扫描得到有效网格,并将该有效网格区域的质心作为节点的估计位置。实验结果表明,在不同锚节点比率和不同节点总数的情况下,该算法的定位精度比DLE算法提高20%以上。     

一种改进的无线传感器不规则网络节点定位方法

针对无线传感器不规则网络中PDM定位算法存在的问题,提出了一种改进的定位算法(IPDM-AST).在信标节点密度稀疏时,在PDM基础上结合模拟退火算法进行未知节点的位置估计.在信标节点密度较大时,剔除无益信标节点,优化定位的局部区域,减少了不规则网络的影响.实验结果表明:在不规则C型和O型网络中,与PDM算法相比,IPDM-AST算法在不同的信标节点密度中都具有较高的定位精度.     

基于线性参数加权评估机制的无线传感器网络节点定位

为解决无线传感器网络节点定位过程中拓扑计算复杂,且因随机误差因素导致定位精度不高等问题,提出一种新的无线传感器网络节点定位算法。评估接收到的锚节点信息,根据线性参数评估机制对待定位网络节点的位置进行初步估计,计算线性参数数值,搜寻到最佳的锚三角,使用加权评估方式,利用不同锚节点的三角定位参数进行多次加权平均计算,以获取节点的准确位置信息。仿真结果表明,与DV-hop算法、DV-distance算法相比,该算法的定位精确度更高,其定位过程中的误差更低。     

基于超声波时延的无线传感器网络定位算法设计及仿真

通过在每个无线传感器节点配置一个超声波发送接收装置,然后利用超声波的时延估计算法计算出探测区域内定位节点的位置状态信息;文章利用无线传感器网络设计一个基于超声波的定位系统,先通过超声波到达不同参考节点的时延估计出定位节点的位置,然后再利用插值算法计算出定位节点的准确位置,最后利用MATLAB仿真平台对设计的算法和传感器网络进行仿真;仿真结果表明利用超声波的定位明显比传统测距的三角定位算法精确,定位误差为0.010321。     

基于跳数的WSN加权中垂线定位算法

针对无线传感器网络(WSN)中的节点定位问题,提出一种基于跳数的加权中垂线定位算法。该算法使用已知位置的锚节点到未知节点的跳数作为判断依据,通过多次做线段加权中垂线划分区域的方法来最终确定未知节点所处的多边形区域,最后通过计算多边形的质心的方法得到未知节点的位置。在不需要额外增加硬件设备的情况下,提高了定位精度。仿真实验结果表明,该定位算法较DV-Hop算法有更高的定位准确率。     

基于自适应射频指纹地图的WSN室内定位算法研究

针对目前基于无线传感器网络进行室内定位时由于节点间收发信号的强时变特性而造成的定位精度不高、自适应性差的问题,提出了一种基于自适应射频指纹地图的WSN室内定位算法。该算法利用固定位置处信标节点间的信号强度来实时刻画环境的动态变化,从而构建出自适应环境变化的射频指纹地图;实时定位阶段,利用贝叶斯估计法计算目标初始位置,通过有限状态自动机滤除目标移动过程中出现的不可能跳变位置。实验结果表明,该方法在增加环境自适应性的同时大大提高了定位精度。     

协同定位中的坐标配准策略研究

坐标配准是协同定位的重要组成部分,一个合理的坐标配准体系可以体现协同定位算法的性能,否则可能会放大定位算法的误差。本文详细比较了基于最小二乘 (least square, LS)与基于普氏分析(Procrustes analysis, PA)的配准方法的设计思想、适用条件,并给出了基于普氏分析的坐标配准算法的详细步骤。利用协同定位算法(经典MDS和Levenberg–Marquardt算法)得到的实验数据,详细分析了锚节点数量、测距误差、网络节点平均连通度对配准精度的影响。实验表明,在2D和3D环境中,基于普氏分析的配准算法,其配准精度和稳定性都优于最小二乘法,配准误差降低约为20%。     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

.基于多级神经网络的被动声定位算法研究*

为了解决精确数学模型难以建立且求解位置方程时的非线性问题和多阵列数据融合问题,提出基于多级神经网络的被动声定位算法。该算法通过第一级RBF神经网络对声源进行初次定位,并剔除无效数据;再将有效数据输入第二级RBF神经网络,得到置信度更高的声源坐标。仿真结果表明,基于多级神经网络的被动声定位算法定位精度高、速度快,鲁棒性好,其定位性能优于单RBF神经网络和常规算法,甚至在个别传感器失效时,仍然能够取得较好的定位效果。     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。     

改进的无线传感器网络DV-Hop定位算法

为了解决DV-Hop算法定位精度低的问题,提出一种分轮优化的改进DV-Hop定位算法。首先通过跳数阈值限制锚节点广播信息的范围;其次用每轮锚节点的平均每跳距离误差来修正锚节点的平均每跳距离;然后通过共线度检测区域,找出适合定位的锚节点组;再用三边测量法计算出参与定位的每组锚节点组的定位结果,用所有锚节点组定位结果的均值作为未知节点的估计位置;最后把本轮定位的未知节点升级为新的锚节点,进行下一轮定位。仿真结果表明,改进算法在不增加额外硬件开销的基础上,减小了定位误差,有效地提高了定位精度。     

基于空间角度传递的多跳AOA三维定位算法研究与在地形建模上的应用

节点定位是无线传感器网络的关键支撑技术之一,目前三维定位算法的研究较少。本文在针对地形建模的应用场景上,将APS多跳AOA定位算法的思想移植到三维定位中,提出了基于空间角度传递的多跳AOA三维定位算法MSAT3DAOA(Multi-Hop Three Dimentional AOA with Space-Based Angle Transmission),使得能够利用一跳通信范围外的信标节点信息进行定位,并且与Delaunay三角剖分算法结合起来,应用在部署环境的地形建模。仿真实验数据显示,随着信标节点的比例、通信半径的变化,MSAT3D AOA定位误差率在7%到27%不等,相比DV-Hop降低了将近30%,保证了59%到98%的定位覆盖率,而且在保证定位覆盖率的同时具有较好的地形建模定位精度。     

基于渐进对抗学习的弱监督目标定位

针对实际应用中大量数据集缺乏精细位置标注的问题,提出了一种基于渐进对抗学习的弱监督目标定位算法。具体来说,针对数据集噪声造成训练困难的问题,引入自步学习对训练数据按由简到难的原则进行排序。在网络设计上,将弱监督目标定位网络设计为多标签分类网络,并提出了相应的对抗损失函数适应目标定位任务。为了解决现有方法往往只关注最具辨别力的部分,无法定位整个目标的问题,提出一种金字塔对抗擦除机制以此在最后的定位图中发现完整的目标。在数个标准的数据集的实验表明,该算法具有较高的定位精度,与最先进的弱监督目标定位的方法相比具有一定的竞争力。     

基于ZigBee心电监护网络定位方法的研究*

提出了一种利用TDOA技术和bounding box算法相结合的节点定位方法。通过对ZigBee心电监护网络模型的分析,利用超声波测距方法实现了心电监护网络内未知终端节点与路由器节点的有效距离测量,并利用bounding box算法计算出终端节点的坐标值。给出了定位方法实现过程的具体描述并进行了系统测试实验。结果表明该方法定位精度较高,可以满足心电监护网络定位要求,有较好的推广价值。