基于虚拟力的单个移动锚节点无线传感器网络定位算法

提出一种基于单个移动锚节点的定位算法,该算法采用网格中心作为虚拟节点,与锚节点产生虚拟力,锚节点的状态受节点间虚拟力影响.锚节点的初始状态变量随机生成,在虚拟力的作用下,锚节点移动到新的位置.为有效避免发生锚节点移动的终止移动和局部死循环,在锚节点更新自身状态变量时,采用卡尔曼滤波,结合虚拟力的控制量和前一刻的状态量,形成锚节点的当前状态量.最后,分别在未知节点全定位和移动锚节点能量受限的条件下,进行了定位精度、节点能量损耗以及网络覆盖率的仿真,仿真结果表明:该定位算法有效地避免了发生锚节点移动的终止和局部死循环,同时,很大程度上提高了节点的定位精度,且网络能量消耗很低.     

基于虚拟锚节点的序列定位算法研究

为解决无线传感器网络中现有序列定位算法存在的定位精度差、复杂度较高等问题,本文提出一种基于虚拟锚节点的序列定位算法。该算法根据未知节点与已有锚节点、虚拟锚节点(锚节点间连线的中点)间的RSSI值建立定位序列来获取未知节点的位置。仿真结果表明,基于虚拟锚节点的序列定位算法比原有算法在定位精度上有较大提高,且降低了算法的硬件代价和时间代价。     

基于移动锚节点无线传感器网络定位的算法

无线传感器网络应用在很多场合中,监测目标进行定位和跟踪是最基本的应用。在无线传感器网络中基于移动锚节点的定位算法进行设计仿真,网络部署成本显著减少。节点能耗减少,运行时间延长,而且在网络边缘上的节点100％都能获得节点位置．该设计算法能得到完整的网络信息,即使在网络节点出现故障后,通过移动锚节点来重新确认所有无故障节点的位置,进行重新定位。     

基于移动锚节点的模糊信息三维定位算法

为有效抑制复杂环境对无线传感器网络节点定位精度的影响,在三边定位的基础上,基于移动锚节点和节点之间的模糊信息,提出一种三维空间中的节点定位算法( MANLFI)。该算法通过测量锚节点和未知节点的方向角、俯仰角实现节点定位,每轮定位结束后更新锚节点的速度和方向,节点被定位后充当静态锚节点对其他节点定位。仿真实验结果表明,与APIT-3D和Bounding cube算法相比,MANLFI算法可提高节点定位精度和网络稳定性,且时延短、能耗低。     

基于锚节点连通性的移动WSN定位优化算法

为提高传统移动无线传感网络非测距方式定位算法的节点定位精度、降低算法对锚节点密度的要求,提出一种基于网络中锚节点连通性的蒙特卡洛优化定位算法,并分析了其节点定位性能.算法首先引入平均锚节点连通度的概念来评价网络锚节点连通性,然后提出根据节点实时分布情况进行采样区域划分,并实时控制移动锚节点分布,提升网络的整体定位精度.仿真结果表明,相较于传统的移动无线传感网络中基于蒙特卡洛方法的节点定位算法,所提出的算法有效提升了整体的定位精度,并有效降低了算法对于锚节点密度的要求,提升了算法节点定位性能.     

基于RSSI与移动锚节点运动轨迹的定位算法

无线传感器网络获取消息节点的位置需进行实时定位,但由于传感器节点存在能量有限、可靠性差等不足,考虑到能耗和硬件的限制,提出一种基于接收信号强度指示(RSSI)的定位算法。利用未知节点从锚节点处接收到的RSSI值序列估计未知节点的位置,锚节点在监测区域中按照特定的轨迹运动,以覆盖区域内所有的点。仿真结果表明,该算法是可行的,且具有较高的定位精度。     

基于移动锚节点的加权多维标度节点定位算法

针对无线传感器网络节点定位精度不足等原因,提出了一种基于移动锚节点的加权多维标度度节点定位算法,首先通过对移动锚节点的轨迹进行采样,添加虚拟锚节点,增加拓扑约束关系,将虚拟锚节点收集的信息与实际节点之间的信息构成距离矩阵,然后利用奇异值分解计算节点相异性矩阵的逼近阵,通过加权多维标度对节点进行定位.仿真实验表明:与MDS-MAP和MDS-MAP(P)算法相比,该算法具有良好的定位精度.     

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。     

WSN中一种基于移动锚节点的节点定位算法

在无线传感器网络的定位过程中,随着锚节点的使用数量增多,整个网络的开销也会增大,从而会造成较大的浪费.因此,为了实现利用较少的锚节点完成较精确定位的目标,提出了一种仅基于3个移动锚节点的Range-free无线传感器网络节点定位算法.该算法能够保证每个未知节点都选择与其距离在一定范围内的锚节点进行定位,同时,通过建立优化模型以最大化网络中的二重覆盖区域范围,从而进一步提高定位的精确度.仿真实验结果表明,该算法能够在一定程度上提高节点的定位精确度.     

基于移动锚节点的加权质心定位算法研究

针对加权质心定位(WSL)算法所需锚节点数目较多,定位精度低,定位成本高等问题,采用单个移动锚节点沿着既定的轨迹在监测区域移动,并在规定位置广播数据包;未知节点根据接收的信号强度(RSSI)比值以及邻居节点间的最小跳数确定权值,进而估算未知节点自身的坐标位置.仿真结果表明:算法有效地提高了定位精度和稳定性,降低了定位成本.     

多功率锚节点辅助的DV-Hop定位算法

在无线传感器网络中,DV-Hop定位算法在计算未知节点到锚节点的距离以及通信半径之内相邻节点跳距时存在较大误差,提出了一种锚节点辅助的分布式定位算法。此算法不需要任何测距技术支持。它是利用锚节点的功率控制,即以不同的发射功率发射信标信号,接收到信标信号的未知节点将这些信标信息记录。此外还考虑了用全网锚节点来修正单独锚节点的平均每跳距离,用极大似然法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,可适合实际定位情况且具有较高的定位精度。     

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。     

基于虚拟节点的BP无线传感器网络定位算法

无线传感器网络中节点的准确定位是网络应用的支撑技术之一.针对网络中锚节点比例因素,提出了基于BP神经网络的次锚节点的定位算法,虚拟地增加网络中用于定位的锚节点的个数,并提出了引人虚拟节点的方法寻求较佳的次锚节点,从而提高了定位精度.该方法不依赖于节点间的距离,并利用了神经网络的并行性,因而算法简便快速,硬件结构实现简单.仿真结果证明了利用虚拟节点确定次锚节点的有效性,同时表明BP神经网络定位算法和次锚节点的引人可大大提高网络未知节点的定位精度,减少无线传感器网络的成本.     

锚节点稀疏环境下蒙特-卡罗盒定位算法

提出一种适用于锚节点稀疏环境下的蒙特—卡罗盒定位(SDANMCB)算法。算法在定位过程中将定位精度高的节点转换为虚拟锚节点来辅助其他待定位节点进行定位;同时根据采样箱的面积和附近锚节点数量调整定位所需要的样本数;滤波后根据样本的后验分布调整样本权重。仿真结果表明:算法在定位精度、采样效率上都有明显提升,并且在锚节点密度较低时定位效果有较大改善。     

一种最优锚节点集合上的两重粒子群优化DV-Hop定位算法

当前粒子群优化的DV-Hop定位改进算法,网络中所有的锚节点都参与优化,但是一部分到未知节点估算距离误差较大的锚节点会引入大的定位误差。针对这种情况,首先提出了最优锚节点集合的概念;然后在定位过程中,应用离散粒子群算法构造了最优锚节点集合;最后在最优锚节点集合上应用连续粒子群算法对定位结果进行了优化。仿真实验表明,最优锚节点集合上的两重粒子群优化DV-Hop算法比DV-Hop和一次粒子群优化的DV-Hop明显提高了定位精度。     

基于聚集共线度和节点连通度的无线传感器网络定位算法

为进一步提高无线传感器网络（WSN）的定位精度,对锚节点分布与网络定位精度之间的关系进行研究,提出一种新的基于“聚集-共线度”（DAC）和“节点度”（ND）的锚节点选择算法——DAC-ND。首先,通过实验分析得出锚节点在共线分布和集中分布时对定位精度影响较大;然后,经过对基于共线度的锚节点选择算法进行分析和比较,发现现有的基于最小角和最小高的两类锚节点共线度算法（DC-A和DC-H）均存在不足;最后,综合这两类算法的优势提出一种新的基于“聚集-共线度”的概念,并结合“节点度”提出DAC-ND锚节点选择算法。通过Matlab仿真实验得出,与锚节点随机选择算法相比,DAC-ND算法可大幅降低平均定位误差（54%~73%）;与基于最小角和最小高的共线度选择算法等相比,采用DAC-ND算法平均定位误差可分别降低15%~23%和12%~23%。实验结果表明,DAC-ND算法相比DC-A和DC-H能够获得更高的定位精度,从而验证了DAC-ND算法的有效性。     

基于超级节点的分布式传感器节点定位算法

针对无线传感器网络中数目庞大的传感器节点难以进行有效定位的问题,提出一种分布式的传感器节点迭代定位算法.基于整个网络中相互重叠的子图,该算法的每一步迭代涉及两个步骤:一是每个子图内的高效定位,二是相邻子图之间的局部一致.对于每个子图,采用共轭梯度法对节点进行局部定位;之后,对相邻子图重叠区域内节点的局部位置进行融合平均.这两个步骤持续进行,直至满足迭代终止条件.仿真实验表明,与现有分布式算法相比,所提出算法的定位误差降低了一个数量级,能够对大规模的无线传感器网络进行高效定位.     

基于虚拟力的群机器人围捕算法

启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标（稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数）。分析了围捕性能与机器人数量、虚拟力的关系;提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量;提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。设计了一个简单的实体机器人实验证实了围捕算法的可行性,指出了今后的研究方向。