基于移动锚节点的WSN节点定位方法

为提高WSN定位精度,提出一种带定向天线的移动锚节点定位算法。首先对WSN进行分层,锚节点可沿x轴和分层线移动实现对未知节点的遍历,在移动过程中等间隔距离旋转定向广播位置信息,未知节点根据接收到的锚节点坐标、方位角等信息确定自身位置。定位算法简单,无需测距,完全使用锚节点信息实现定位,仿真结果表明,该算法比典型的采用单个移动锚节点的SLWL算法具有更高的定位精度和定位稳定性。     

基于矢量和粒子群优化的传感器网络节点定位

在DV-Hop基础上设计了一种综合算法。利用节点间估计距离和测量距离的差异构建位置校正矢量,以锚节点为簇头对节点分簇,建立距离误差总和的目标函数。由锚节点利用改进的粒子群优化方法求解最小化问题,得到所有成员节点的校正步长。节点将其与位置校正矢量的乘积作为自身位置的校正值。再利用相邻簇的边缘节点之间相对位置进行附加位置校正。仿真结果证明,该算法可以将DV-Hop的定位误差下降75%,并且适用于稀疏网络。     

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.     

Delaunay三角剖分的节点模糊信息三维定位方法

为了有效提高三维空间中无线传感器网络节点定位算法的效率,提出了一种基于简单Delaunay三角剖分的模糊信息节点定位方法(Fuzzy Information Node Localization on Delaunay Triangulation,FINL-DT),该方法在定位前先对网络中的锚节点实现Delaunay三角剖分,然后通过测量各三角形中锚节点与未知节点的方向角和俯仰角实现节点定位。每一轮定位结束后,判断并更新无效锚节点的位置。网络中的节点被定位后充当二级锚节点辅助定位其他节点。通过实验仿真,与SLPM-FI算法和3D-ADAL算法相比,FINL-DT算法提高了节点定位精度,降低了网络能耗。     

一种单移动锚节点的无线传感器网络定位算法

研究了无线传感器网络的节点定位算法,提出了一种利用一个移动锚节点来实现定位的新算法。该算法利用一个移动锚节点,按照规划好的路径遍历整个网络,当移动锚节点移动到未知节点的通信半径以内,未知节点就可以接收锚节点的位置信息。当未知节点接收到三个以上的处于其通信半径上的位置信息,就可以计算出未知节点的坐标。最后,通过仿真研究了该算法的特性,仿真结果表明该定位方法在定位误差、能耗等方面均表现出良好的性能。     

虚拟分层三维空间节点模糊信息定位方法

为了有效提高三维空间中无线传感器网络节点定位算法的效率,提出了一种基于虚拟分层的节点模糊信息定位方法(Nodes’Fuzzy Information Localization algorithm on Virtual Stratification,NFIL-VS),该方法在定位前对网络实现虚拟分层,分层后测量各平面上节点之间的方向角和俯仰角等模糊信息实现节点定位。每一轮定位结束后,判断并更新无效锚节点的位置。网络中的节点被定位后充当二级锚节点辅助定位其他节点。通过实验仿真,与SNLSFAMC算法和MANLFI算法相比,提出的NFIL-VS算法提高了节点定位精度,降低了网络能耗。     

一种基于动态锚节点的改进加权定位算法

在无线传感器网络中,大多数定位算法性能取决于锚节点数量以及分布位置,所以定位误差相对较大。在此前提下,提出基于动态锚节点的改进加权定位算法(IWLA-DAN)。首先证明能与未知节点通信的三个锚节点构成的三角形三边相等时定位误差最小,根据该结论得出权值公式,然后通过三边测量法和加权算法求得未知节点位置,同时升级该节点为伪锚节点继续参与网络中其他节点的定位。最后通过Matlab对算法进行仿真,实验结果表明改进后算法定位误差减小,节点定位精度得到提高。     

基于AOA降维和同心圆定位的三维传感器网络节点自定位方法

本文在三维同心圆定位方法的基础上引入AOA测距技术,提出了一种基于AOA降维的同心圆定位方法(AC-RL)。该方法中,未知节点通过锚节点发射的测距信息测出未知节点与锚节点之间的AOA信息,再利用AOA信息将对应锚节点发射的分级广播信息进行降维处理,最后按同心圆定位算法,将未知节点在锚节点所处水平面上的投影点位置求出,最后得出未知节点位置信息。仿真结果表明了AC-RL算法与同心圆算法相比提高了定位精度,提高了整个无线网络的适应性,但在低能耗方面不够理想。     

确定无线传感器网络节点位置的一种算法

无线传慼器网络是一门获取和处理信息的新兴技术.文章针对无线传感器网络节点定位问题进行了研究,提出了一种新的节点定位算法.方法是在传感器网络中预先部署十分少量已知位置信息的伪节点,然后通过时钟定位算法,实现对节点位置的估计.仿真显示该算法具有较好的实用性.     

锚节点稀疏的传感器网络节点自定位算法

针对Euclidean算法中定位精度及覆盖率受锚节点密度影响较大的问题,提出一种改进的分布式节点自定位算法。该算法将初始定位精度较高的节点升级为锚节点,未知节点根据更新的锚节点位置信息循环求精,并通过估计坐标值的方差来控制循环求精过程中的循环次数。仿真实验显示,改进定位算法在锚节点密度较低的情况下能有效提高定位精度和覆盖率,明显降低了对锚节点密度的依赖程度。     

无线传感器网络中移动节点定位算法研究

提出一种利用临时锚节点的蒙特卡罗箱定位算法.该算法是基于蒙特卡罗定位方法之上,通过引入节点平均速率来获取临时锚节点,并利用一跳范围内的临时锚节点构建最小锚盒、增强样本过滤条件,从而加速了采样和样本过滤.此外,在样本的获取上采用了非随机采样的均衡采样方法,有效地降低了采样次数.仿真结果表明:该算法同蒙特卡罗定位算法等相比,提高了节点的定位精度,降低了节点的能耗.     

基于方向决策的移动锚节点动态路径规划方法

在基于移动锚节点的无线传感器网络定位过程中,移动锚节点的路径规划问题对定位性能有着重要的影响,但现有的路径规划方法没有充分考虑到网络内未知节点的密度以及分布情况,定位效率低且成本大,因此提出了一种基于方向决策的移动锚节点动态路径规划方法CWDP(Dynamic Path Planning Based on Orientation Decision-Classed Weighted).首先网络内的未知节点根据连通度阈值对自身进行分级处理,当移动锚节点进入网络区域后,根据通信范围内未知节点的反馈信息,再利用分级权重系数实时决策下一目标的移动方向.仿真结果表明,该方法有效地提高了网络内未知节点的定位覆盖率和降低了定位误差,并节约了定位成本.     

Grid-Scan定位算法的虚拟锚节点策略改进

针对无线传感器网络中Grid-Scan算法定位精度较低的问题,提出了一种基于虚拟锚节点策略的Grid-Scan定位算法。具体做了三个方面的工作：对未知节点设置可定位阈值,邻居锚节点数大于可定位阈值的未知节点使用Grid-Scan算法进行定位,定位后的节点升级为虚拟锚节点;邻居锚节点数小于可定位阈值的未知节点利用极大似然法完成定位,定位后的节点升级为虚拟锚节点;锚节点及虚拟锚节点共同参与对剩余未知节点的定位。仿真结果表明,改进算法在不同锚节点密度、不同通信半径和不同栅格大小的网络中以及通过不规则传播模型后都具有较好的定位精度。     

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...     

基于射频识别和无线传感网融合技术的仓储定位方法研究

针对射频识别在大规模仓储定位环境下节点数量要求过高,有效覆盖面积较小问题,提出一种基于移动锚节点的二次定位方法。传统质心算法必须在节点的3度覆盖下才能有效定位,造成节点浪费。综合射频识别和无线传感网融合技术,构造一种新的锚节点,将传统定位过程中的节点划分为固定锚和移动锚,首先利用固定锚进行初步定位获得未知标签位置范围,然后利用定位向量判定移动锚的停止位置。最后,采用基于信号强度的加权质心定位算法,进行二次精确定位。仿真结果表明,该方法能有效减少锚节点数量,弥补射频信号覆盖不完全区域的定位,提高定位精度和覆盖范围,具有一定的实际应用价值。     

Node localization algorithm for wireless sensor networks using compressive sensing theory

In recent years, localization has been recognized as an important supporting technology for wireless sensor networks (WSNs). Along with the increase in WSN indoor applications, indoor localization has become a hot research topic and many localization algorithms have been studied. Among these algorithms, the localization method based on compressive sensing theory emerges as a popular approach to indoor localization. In this approach, the nodes are sparse when compared to the number of grids utilized to represent the locations of the nodes, so the locations are considered as sparse signal and can be reconstructed using the compressive sensing techniques. The localization problem is formulated as the sparse reconstruction of sparsifying matrix which is comprised of measurement of received signal at grids. In order to improve the localization accuracy and meet the real-time requirement of localization applications in large indoor area, an indoor localization algorithm based on dynamic measurement compressive sensing for wireless sensor networks is proposed. Using the bounding-box method, we firstly identify a potential area that possesses the independent features. Instead of using the entire node deployment region as the measurement area, our method can decrease the number of meshing and also the dimension of measurement matrix. Meanwhile, we assume that only the anchor nodes which have communication relationship with the unknown nodes can be used as the measuring nodes; the measurement matrix of unknown nodes which need to be localized can be dynamically constructed according to the potential area and the received anchor node information, and the maximum number of measurement is decided by the number of grids of potential area. The proposed algorithm can mitigate the measurement redundancy and improve the real-time feature. Simulation results indicate that the proposed algorithm can reduce the time complexity and also maintain good localization accuracy and localization efficiency.     

锚节点优化选择的最小二乘定位方法

在最小二乘定位过程中,由于环境噪声、无线信号的多径、反射和非视距传输等复杂传输环境,以及距离估计过程中存在的缺陷等负面因素,引起在未知节点与各个锚节点间的距离估计结果中存在不同程度的误差,导致最小二乘定位精度较低.基于此,提出了基于最小标准差的锚节点优化选择的最小二乘定位方法（least square localization method based on anchor nodes optimization selection through minimum standard deviation,简称LS-ANOS）.首先,采用基于nanoLOC的双边对等测距方法多次重复测量未知节点到各个锚节点间的距离,并对这些距离估计值进行统计计算.然后,从输入测量误差对定位结果的影响机理出发,采用动态滑动窗口单遍扫描的策略,优化选择出高质量的距离估计值,从而确定优选的锚节点.最后,基于最小二乘定位计算实现了高精度的定位,为后续导航等应用处理方法提供先验和决策信息.实验及评估结果表明,基于最小标准差的锚节点优化选择的最小二乘定位方法能够有效地提高定位精度.     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

无线传感器网络局部协同定位算法

针对无线传感器网络中距离定位算法精度和覆盖率低的问题,提出了局部协同定位算法(LCLA)。该算法通过对节点路径损耗指数的局部计算,将通信中受到环境或者障碍物影响的锚节点判定为无效锚节点;同时引入协同定位思想,将满足误差要求的已定位节点升级为锚节点,并参与其他未知节点的定位,以提高定位的覆盖率。节点定位时,若收到多个锚节点信号,优先选取初始的有效锚节点对其进行定位;当有效锚节点个数不足以定位时,再选取升级后的锚节点,以减少累积误差,提高定位精度。仿真结果表明,局部协同定位算法在定位覆盖率和精度方面优于改进的接收信号强度指示(RSSI)定位算法、多维尺度分析(MDS-MAP)算法和协作定位算法。