WSN中基于多功率移动锚节点的智能定位算法

针对无线传感器网络节点定位,提出一种基于多功率移动锚节点的改进鸡群定位算法。移动锚节点按照移动模型遍历定位区域,通过功率控制发射信标信号,未知节点接收到信标信号后,利用测距模型建立距离方程并采用最小二乘法计算节点坐标,再使用鸡群算法对节点坐标进行修正。仿真结果表明,改进鸡群定位算法的定位精度和收敛速度皆有所提高。     

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。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,提高定位精度。     

基于最优锚节点的无线传感器网络节点定位算法

由于传感器节点能量受限,定位算法需要综合考虑定位误差、通信和计算开销等多方面的因素。分析了DV-Hop算法定位过程并总结出误差产生的主要原因,针对不同位置锚节点对定位误差的影响,提出了一种基于最优锚节点的定位算法—DV-Hop_Bon(DV-Hopbased on optimal nodes),最后使用Matlab进行了仿真实验,结果表明:新提出的定位算法在拥有较小通信半径情况下,能有效提高定位精度,并可广泛应用于无线传感器网络中。     

基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

WSN中一种改进的三维DV-Hop节点定位算法

本文在研究传统的DV-Hop3D算法基础上提出了一种新无线传感器网络定位算法。新算法在算法的第一阶段设置了跳数阈值参数以减小通信开销,并且在算法的第二阶段用可选择的平均跳距代替固定的平均跳距来计算未知节点到锚节点的距离,最后用Matlab7.1进行了仿真。仿真结果表明,该改进算法可明显提高节点定位精度,并且能有效降低网络通信量。     

基于RSSI定位算法的无线传感器网络研究

为减少定位硬件成本和提高定位效率,提出一种与最小二乘法、加权平均法相结合的测距方法。通过信标节点间的相互协作,将测量得到的数据使用最小二乘曲线拟合和加权求平均值的方法处理,求得路径衰减指数和损耗模型,以达到精准的节点定位效果。实验结果表明,这种方法获得改进后的损耗模型不仅受环境因素影响减小,而且测距精度与传统RSSI测距模型相比更加精确。     

一种改进的煤矿井下无线传感器质心定位算法

频繁的煤矿井下事故要求无线传感器网络能够更精确的对井下人员进行定位。利用修正加权质心算法进行定位存在较大的误差,针对该问题,在修正加权质心算法的基础上提出了一种改进的煤矿井下无线传感器质心定位算法,该算法将修正加权质心算法得到的质心作为新的锚节点,并通过多次选择、运行形成新的锚节点和质心的方法进行定位。仿真结果表明:不同的巷道宽度下,改变修正系数a的值就可以得到最佳的定位效果,同时可以通过仿真实验得到最佳定位效果下的修正系数a的值,从而使定位精度达到最好。通过比较两种算法的平均定位误差得到改进的煤矿井下质心定位算法在三种巷道宽度下分别将定位误差平均降低了0.792 6m,0.636 2 m,0.598 9 m。     

一种基于WSN的目标跟踪节点唤醒策略

针对基于无线传感器网络的目标追踪应用提出了一种节点唤醒策略。对于目标是否进入网络监测范围,提出了巡逻监测法。对于已经进入监测范围的目标,提出了基于传感器节点自身的唤醒方法。理论分析与仿真表明该方法相对基于目标位置预估计的节点唤醒方法,提高了节点唤醒效率,减少了能量消耗。     

一种利用声音能量的两步SDR定位算法

针对基于声音能量定位具有高度非线性、非凸特性而难以直接求解的问题,提出了一种两步半正定松弛定位算法。该算法将非线性定位方程转化为关于目标位置和信号发射能量的加权最小二乘估计问题,然后分成两步进行求解:第1步根据最小二乘准则将未知的信号发射能量表示成目标位置的函数,并将其从代价函数中消除;第2步利用凸松弛技术,将非凸的代价函数转化成半正定规划问题,并优化求解出目标位置。从理论上证明了该方法对代价函数的凸松弛变换是紧的。仿真实验表明,与现有的方法相比,该方法具有较高的定位精度,尤其在测量误差较大时具有明显的优势。     

WSN中基于虚拟网格的分簇路由算法

为了延长无线传感器网络生命周期,降低通信时延,提出一种基于虚拟网格的分簇路由算法CRVB。该算法将监测区域划分为若干虚拟网格,同一网格内节点自组织成簇,分布式地构建生成树进行路由,从而减小簇内通信代价。根据节点剩余能量启动计时器选取本地簇首,采用多跳的方式完成与基站通信,可避免能耗的不均衡。同时,均衡的网格分簇,能保证较低的通信时延。实验结果表明,CRVB算法在延长网络生存时间和降低通信时延方面优于LEACH和PEGASIS算法。     

WSN中基于虚拟网格的LEACH改进算法

针对传统分簇算法(LEACH)在选取簇头时,网络能耗消耗过快的问题,提出一种改进的分簇算法(U-LEACH)。该算法在簇头选取阶段,新增节点与传感器网络重心的距离和节点的剩余能量两个影响因子,优化LEACH算法中簇头节点的选取函数,保证簇头选取的合理性。仿真结果表明,改进的U-LEACH算法相比于原算法减少了网络的能量消耗,延长了网络生命周期。     

基于节点间覆盖关系的改进DV-Hop算法

针对经典DV-hop算法在估计跳数时所引起的定位误差,提出了基于覆盖比例的定位算法. 根据两节点间的通信覆盖率引入跳数系数,降低了每跳距离产生的误差,精确未知节点距参考节点的位置. 仿真结果表明,改进的算法能使节点的定位精确度提高,使误差比原始算法降低10%左右.     

基于锚节点间距离的改进RSSI测距方法

节点定位是无线传感网络的核心支撑技术之一。为提高接收信号强度指示(RSSI)法的定位精度、消除路径散逸指数,提出一种基于锚节点的模糊C-均值(FCM)校正算法。该算法利用FCM模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,并将已知2个锚节点之间的距离与测量得到的RSSI值作为参考,校正被测RSSI值对应的距离,消除路径散逸指数。仿真结果表明,该算法比统计均值模型具有更好的估计精度。     

基于节点间连通性差异的DV-Hop定位算法

提出一种基于节点之间的连通性差异的算法(CDA DV-Hop). 首先通过锚节点的逆向位置估计,对锚节点的平均跳距重新进行计算,减少累计误差;然后再根据相近位置具有相似的连通性这一特性,对同一未知节点的不同估计位置进行最大最小值的限定,限定超出感知区域的位置,并计算它们的连通性差异;最后从候选估计位置中找出连通性差异值较小的位置作为最终的估计位置. 实验结果表明,在相同的条件下,CDA DV-Hop算法相比已有的距离向量-跳距算法具有更高的精度.     

基于信任匹配机制的WSN主备节点更新算法

在无线传感器网络(WNS)的分区过程中,主备节点的更新过于频繁,使得网络传输的稳定性受到影响.为此,从减少WSN网络主备节点更新频率、强化网络传输稳定性的角度出发,提出了一种基于信任匹配机制的WSN主备节点更新算法.首先,引入聚类机制并结合剩余能量、拉氏距离、最短跳数等参数,建立基于动态维度判决方法的信任匹配机制,以减...     

基于罚函数与水波优化的WSN定位算法

为了提高启发式定位算法的搜索效率和定位精度,提出了基于罚函数和水波优化的无线传感器网络（WSN）定位算法.首先利用bounding-box方法构造罚函数,提高算法搜索的效率和定位精度;然后利用动态学习策略对传统水波优化算法的传播阶段进行改进,促使个体对周围优秀个体的学习,并通过动态波高提高个体在后期局部搜索的概率,进一步提高搜索效率和求解精度.仿真结果表明,罚函数策略与改进水波优化算法能提高搜索效率和定位精度,所提出的算法在WSN节点定位上有较好的可行性和有效性.     

基于IRVFA算法的无线传感器网络节点部署

针对无线传感器网络节点再部署中网络覆盖率和节点的有效利用率低问题,提出基于IRVFA算法的无线传感器网络节点部署策略,建立了节点分布最佳模型,同时在RVFA算法的基础上,引入虚拟引力线,使得网络节点能够快速均匀的分布在整个目标区域内,该策略可以实现同时提高网络覆盖率和节点的有效利用率。实验中通过将IRVFA算法与VFA算法、RVFA算法相比较,其在网络覆盖率和节点的有效利用率方面有明显优势,网络性能得到很大提升。     

基于计算几何方法的WSN节点部署研究

将一种计算几何学方法θ(即n log n)应用于无线传感网络中能量保有量较低的节点.通过检测网络中节点的分布密度,传感覆盖面的相关信息来有效的添加节点,以获取节点采集的数据信息.与此同时,还将这种算法与随机添加节点的算法在临界态节点状态下的部署网络中做了对比,不断寻找定位新节点的这种部署方式使得传感网络中节点数量的不断有效增加,延续了整个网络的生命周期.实验结果表明,该算法很接近理论值,并且超过随机增加节点算法的2.5倍.