一种基于测距的无线传感器网络智能定位算法

提出了一种基于测距的无线传感器网的智能定位算法.建立了RSSI的理论计算模型;通过引入加权因子改进了DV-Distance定位算法(IDV-Distance).实验结果表明:改进后的定位算法提高了定位精度,改善了系统的稳定性.     

无线传感器网络节点定位的仿真研究

研究无线传感器网络(WSN)节点定位精度问题,针对当前单一节点定位算法的定位误差大的难题,更好的满足WSN的低成本、低功耗要求,提出一种DV-Hop算法和粒子群优化算法相结合的WSN节点定位方法。首先采用DV-Hop算法对未知传感器节点与锚节点之间的距离进行估计,然后采用粒子群优化算法对未知传感器节点坐标进行校正,在不增加额外硬件的条件下,提高节点定位精度。在Matlab平台上进行仿真,结果表明,在相同条件下,改进的组合算法提高了传感器节点定位的平均精度,而且为WSN的节点定位优化设计提供了参考,是一种可行的WSN节点定位的解决方案。     

基于ZigBee 的WSN 定位系统

研究设计了基于ZigBee技术的无线传感器网络定位系统．该方案以TI公司的CC2430／CC2431为核心芯片,结合外围元器件设计网关、参考节点和定位节点模块．详细论述了定位系统的硬件原理和软件设计思想,给出系统原理图和软件设计流程图,以IAREmbeddedWorkbench为平台进行系统软件的开发．采用改进的DV-Distance定位算法,通过仿真比较改进的DV-Distance定位算法与传统算法,验证改进的DV-Distance定位算法可提高定位精度和效率．结果表明该方案是可行的,适合实际应用．     

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.     

基于最优跳距处理策略的无线传感器网络智能定位算法

针对传统DV-Hop算法存在较大定位误差及忽略锚节点自身误差的问题,提出了一种基于最优跳距处理策略(PSOHD)的智能定位算法。该策略充分考虑了网络拓扑结构和锚节点自身误差对定位精度的影响,首先对锚节点引入两个通信半径,并分别统计每个锚节点通信半径范围内的节点数;然后采用加权最小二乘估计修正锚节点间的平均跳距;最后对用于未知节点位置估计的平均跳距进行筛选并加权处理。另外在定位阶段引入了粒子群优化(PSO)算法对未知节点进行定位。仿真结果表明,在适当增加节点能量消耗的条件下,改进算法的定位精度有明显改善,是一种可行的无线传感器网络(WSN)节点定位的解决方案。     

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。     

无线传感器网络DV-Distance定位算法

针对DV-Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV-Distance算法。DV-Distance定位算法通过求未知节点到参考节点之间跳段距离之和来确定未知节点坐标,改进算法在原算法的基础上,将参考节点间的真实距离与这些参考节点间的跳段距离之和的比值作为修正权值,用这个修正权值来提高定位所需距离值的精确度,并利用RSSI测距技术限定可较为精确测距的有效未知节点,从而更进一步提高定位的精度。通过计算机的仿真和实验验证,结果表明此改进算法相对于原算法,较为明显的降低了定位误差,提高了定位的精度。     

两种距离无关的WSN定位算法仿真及分析

为了分析无线传感器网络(WSN)中几种距离无关的定位算法的定位性能,通过设定在相同的定位区域内随机分布不同的节点密度及信标节点比例的传感器节点,对DV-Hop、质心定位两种算法进行定位误差的计算及仿真。通过对MATLAB仿真结果的分析得出DV-Hop算法的网络节点密度越大,定位精度越高,而质心算法信标节点比例越高,定位精度越高从而导致网络成本增加算法特点。最后得出在同等条件下实现定位,采用DV-Hop算法可得到较好定位性能的结论。     

面向复杂山地环境的WSN节点三维定位算法

无线传感器网络(WSN)在复杂的山地环境中进行节点定位时,节点部署稀疏会造成定位误差。为此,提出一种WSN节点三维定位算法。根据节点的稀疏程度,融合三维近似三角形内点测试(APIT)算法和DV-Hop算法预估未知节点位置,并搜索邻近节点形成平面,经过未知节点的坐标向平面作垂线,得到垂点坐标的平均值作为未知节点的最终位置。实验结果表明,与APIT算法、DV-Hop算法相比,该算法提高了节点定位精度。     

基于自适应ABC/FOA融合定位算法研究

针对传统无线传感网络(WSN)节点定位算法定位慢、误差大的问题,提出了一种基于自适应ABC/FOA融合定位算法.该算法既吸收了ABC算法的全局寻优能力强的优点,又保留了FOA算法局部搜索能力强的特点;同时,引入自适应概念,对果蝇步长进行控制,提高种群多样性;接下来,对节点定位误差函数进行改进,提高了节点定位误差的区分度.仿真结果表明,利用自适应ABC/FOA融合定位算法以后,定位时间明显缩短,定位误差明显减小,能够满足工程领域对于定位精度的要求.     

一种优化的关联规则增量更新算法

针对PFUP算法存在扫描多次数据库这个瓶颈问题,提出一种优化的关联规则增量更新算法MIFUP(Mixed Improve Fast Updating).该算法提出了两种优化策略:借鉴事务压缩原理和用数组存放一阶非频繁项集个数.实验仿真说明,MIFUP算法效率明显优于PFUP算法.     

一种防火墙规则冲突快速检测算法

目前,在防火墙规则冲突检测算法中,效率问题一直没有很好的解决,当防火墙规则数目较大时,检测规则冲突的速度很难满足客户的需要。为了能够快速地检测出防火墙中的规则冲突,在目前使用较多的ASBV算法上提出一种规则冲突检测算法(DBBV算法)。该算法采用的方法是使用位向量和分治技术,该设计在检测规则冲突的时候,设计的算法只是进行了一次位运算。同时该算法采用的是范围形式的规则集。经过对算法详细的分析,以及通过实验方法的验证,改进的DBBV算法的规则冲突检测效率明显高于ASBV算法。     

基于遗传神经网络的MADA

宏观质量决策方案的评价与选择,需要能准确给出各影响因素的权重系数,文中在分析了多属性决策问题及现有方法之后,提出子用遗传神经网络建立权重分配模型,从而改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能,实践表明,效果良好。     

基于仿生理论的几种优化算法综述

简要介绍了目前比较流行的三种新型仿生优化算法,即人工鱼群算法、免疫算法和禁忌搜索算法,就这些算法的特点和异同进行了分析,并对它们的发展进行了进一步的阐述,提出了今后的研究方向。     

一种基于小波理论的LMS算法研究

基于LMS算法原理和MALLAT算法,提出了小波自适应算法,并对算法进行了理论分析和仿真研究,仿真结果表明,小波自适应算法在非线性系统辩识中表现出了良好的性能。     

加密算法在共享软件加密中的简单应用

在共享软件设计开发过程中,利用不同的加密算法实现对软件注册、软件系统文件、用户权限等进行加密保护,实现了简单的软件加密,有效保护了共享软件的传播和软件系统自身安全。     

改进的蝴蝶优化聚类算法

针对当前算法在求解聚类问题时存在精度低、速度慢及鲁棒性差等问题,提出一种改进的蝴蝶优化聚类算法,借鉴精英策略思想重新定义蝴蝶优化算法的局部搜索迭代公式,然后融合遗传算法的选择、交叉和变异操作.在1个人工数据集和5个UCI数据集上的测试结果表明所提出算法的性能,且与其他算法相比具有一定优势.     

一种关于蛋白质模体的自动识别算法

随着生物信息学的发展，模体识别已经成为一种能够从生物序列中提取有用生物信息的方法。文中介绍了有关模体的一些概念，讨论了模体识别算法(MEME)的基础，即EM(expectation maximization)算法，由于MEME算法是建立在EM算法的基础上的，所以又由此引出了MEME算法，并对MEME算法的一些基本问题比如时间复杂度、算法性能等进行了详细讨论，对算法的局限性和有待改进的地方作了说明。实践证明，MEME是一个较好的模体识别算法，它能够识别出蛋白质或者DNA序列中单个或多个模体，具有很大的灵活性。     

基于空间复用的信号检测算法研究

为了在接收端恢复出发送端的原始数据,需要在接收端进行信号检测。对几种经典的传统信号检测算法进行了详细阐述和分析,并对各种算法进行了Matlab仿真和性能比较。由此得出,改进型的V-BLAST算法可以用于TD-LTE无线综合测试仪的开发。     

浅谈几种智能优化算法

该文首先介绍介绍了几种典型的群体智能算法,具体包括遗传算法、蚁群算法和粒子群算法,并对它们进行了详细的分析。