基于前进跳距期望的异构WSNs非测距定位算法

无线传感网络(WSNs,wireless sensor networks)中传感节点的传输范围直接决定节点的通信区域,对定位精度有直接的影响.为此,针对异构WSNs,提出基于前进跳距期望的非测距定位算法.首先,分析传统推导前进跳距期望(EHP,expected hop progress)方法的不足,并证实了EHP值只依赖锚节点的传输范围是不准确的;然后,采用新方法推导了EHP,并结合泰勒级数展开以及加权最小二乘算法估计未知传感节点位置;最后,以降低误差为目的,迭代修正未知传感节点位置的估计值,从而提高定位精度.仿真结果表明,与传统的非测距定位算法相比,提出的算法的定位精度得到有效提升.     

基于Kalman滤波的无线传感网络的定位修正算法

针对无线传感网中的传感节点定位问题,提出了基于Kalman滤波的传感网络的定位修正LCKF(localization correction-based Kalman filter)算法.在LCKF算法中,锚节点位于感测区域的边界,传感节点利用来自两侧的锚节点的位置信息估计自己的位置,并取均值.然后,再利用Kalman滤波算法修正跳数长的一侧的位置估计.依据跳数短的一侧的位置估计数据修正跳数长的一侧定位精度.仿真结果表明,与同类算法相比,提出的LCKF算法的定位精度得到有效提高.     

基于改进的质心定位的LSSVR算法的设计

针对无线传感中基于质心算法的节点定位存在误差比较大,算法效率低的缺点,提出了一种基于加权的LSSVR的节点定位算法;首先,对未知节点构建节点序列相关度,采用Kendall的Tau指标来估计未知节点的位置,提高了未知节点的定位精度,其次引入了LSSVR概念,构建改进质心算法的LSSVR定位模型,降低了噪声影响,大幅度提高定位精度;仿真实验表明该算法与基本的LSSVR算法在定位精度上有了明显的提高,在锚节点,未知节点所占比例不断增大的情况下该算法定位精度具有很大的提高,降低了算法的计算复杂度,具有较高的应用价值。     

基于UKF区域交叉定位的WSNs Sink节点动态跟踪算法

为了提高无线传感器网络（ WSNs）使用寿命,对WSNs的目标跟踪方式进行研究,提出基于无迹Kalman滤波（ UKF）的WSNs Sink节点动态跟踪算法,以实现高效节能的资源管理和利用方式。首先利用UKF算法对目标节点的下一位置进行预测,然后通过四圆区域定位交叉定位算法对Sink节点的位置区域进行局部准确定位。实验结果表明：这种动态的Sink节点预测定位算法能够有效缩短数据发射传感器和Sink点之间的距离,减少跳数,从而实现负载均衡降低能耗的效果。     

基于PSO的无线传感网络节点定位算法

研究稀疏无线传感网络下异常节点的准确定位问题。在信息较少的空旷区域,无线传感网络的传感节点分布较为稀松,为方便计算,多采用多跳距离代替节点间的真实距离,导致距离计算存在较大误差,在传统的基于分布式加权距离定位算法建立的网络分布模型中,节点定位准确度低,导致节点定位误差较大。为了解决上述问题,提出了一种粒子群优化的多维标度节点定位算法。采用多维标度算法求得各未知节点的初始坐标,利用粒子群优化算法对其目标代价函数进行优化求得未知节点的真实距离坐标,准确定位节点。实验结果表明:改进算法在定位精度上有明显的提高。     

基于多通信半径和跳距加权的WSNs三维迭代定位算法 �

针对三维DV-Hop全局跳数划分不够精确,平均跳距与实际跳距偏差大导致定位误差大的问题,提出一种基于多通信半径和跳距加权的WSNs三维迭代定位算法。首先,参考锚节点比例设置跳数阈值进行迭代定位;其次,利用多通信半径和多跳跳数偏差对单跳和多跳节点跳数进行精确划分;最后,将估计跳距与最大通信半径的偏差设为平均跳距的权值,采用最小最大法计算节点位置。仿真结果表明,在锚节点比例较大和通信距离较短时,该算法与3D-DVHop、3D-WD-DVHop和基于三维球形分割定位算法相比,定位精度明显提高。     

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离.在实际网络定位环境中,未知节点和锚节点之间多数是折线连接.当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大.为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法.采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试.仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值.     

面向异构WSNs的基于能量感知的簇路由算法

有效地使用传感节点的能量,进而延长网络寿命成为设计无线传感网路由协议的一项挑战性的工作.为了延长网络,现存的多数簇路由是面向同构网络.为此,提出分布式能量感知的异构WSNs非均匀分簇路由DEAC(Distributed Energy Aware unequal Clustering)算法.DEAC算法是以EADUC(Energy Aware Distributed Unequal Clustering)为基础,并进行优化.与EADUC不同,DEAC算法从簇头竞选机制、簇间多跳通信中的下一跳转发节点的选择策略以及自适应的节点通信半径的设置三方面进行优化.在簇头竞选机制中,采用退避算法,利用节点的剩余能量以及邻居节点的平均能量设置延时时间;在选择下一跳转发节点时,建立节点的关于能量的度量函数,选择具有最大剩余能量的节点作为下一跳;而在设置节点通信半径时,考虑了距离、剩余能量以及邻居节点数信息.仿真结果表明,与EADUC协议相比,提出的DEAC算法能够有效地延缓第1个节点失效的时间,减少了能耗,扩延网络寿命.     

一种新的DV-hop定位算法

提出了一种新的基于非测距的DV-Hop高精度无线传感网节点定位算法。通过引入权重,改进计算未知节点平均跳距的方法,使计算出的平均跳距更加合理,用此平均跳距计算出的距离能更接近实际距离;通过引入共线性阈值NCD和跳数阈值THD,选择拓扑关系好的且距离未知节点较近的锚节点组进行位置估计得出一系列位置;最后通过质心算法得出最终的位置坐标。仿真结果表明新算法能在不需要任何额外硬件的支持下,在降低算法复杂度的同时,能提供比DV-Hop算法更精确的位置估计。     

基于分布式多跳误差估计目标位置感知算法

为了提高定位系统在目标定位上的精度,减少过多的硬件设施投入和能量成本,提出分布式多跳误差估计的能量高效目标位置感知算法(NFDV-Hop)。在定位精度上,DV-Hop算法采用每跳的平均距离来估计锚节点和未知节点之间的距离,导致估计距离与真实距离存在较大误差,而NFDV-Hop算法使用锚节点的平均跳数的大小以及锚节点间的平均跳距离,求得未知节点的位置坐标,并在得到坐标估计值后引入位置比值来减少定位误差。在能量优化上,DV-Hop算法需向节点多次广播信息,而NFDV-Hop算法所采用的锚节点只需向其他节点广播一次自身的位置坐标信息,从而大大减少节点的能量消耗。仿真结果表明,相比基于最小二乘法的DV-Hop算法以及基于改进粒子群优化的DV-Hop算法,NFDV-Hop定位算法的定位精度分别提高了12.1%和9%。     

基于DBSCAN-GRNN-LSSVR算法的WLAN异构终端定位方法

针对WLAN室内定位系统中异构终端(指纹库终端和测试终端)引起的定位偏差过大的问题,提出一种基于DBSCAN-GRNN-LSSVR算法的解决方案。该文使用最小二乘支持向量回归机(LSSVR)构建指纹库终端接收信号强度(RSS)和物理坐标位置的映射关系模型;列出校准点处异构终端采集的RSS值,得到散点图;用基于密度聚类方法剔除边界点和噪声点;用广义回归神经网络构建异构终端RSS的映射函数;通过LSSVR模型定位测试点的位置。实验结果表明,与只用LSSVR算法相比,测试终端定位精度提高18-40%,有效解决了定位偏差过大的问题。     

在线鲁棒最小二乘支持向量机回归建模

鉴于工业过程的时变特性以及现场采集的数据通常具有非线性特性且包含离群点,利用最小二乘支持向量机回归（least squares support vector regression,LSSVR）建模易受离群点的影响.针对这一问题,结合鲁棒学习算法（robust learning algorithm,RLA）,本文提出了一种在线鲁棒最小二乘支持向量机回归建模方法.该方法首先利用LSSVR模型对过程输出进行预测,与真实输出相比较得到预测误差;然后利用RLA方法训练LSSVR模型的权值,建立鲁棒LSSVR模型;最后应用增量学习方法在线更新鲁棒LSSVR模型,从而得到在线鲁棒LSSVR模型.仿真研究验证了所提方法的有效性.     

无线传感网络数据转发最佳权重选取算法仿真

为了有效提高无线传感网络数据转发的有效性和可靠性,针对传统的数据转发算法存在的数据转发率低、延时长等问题,提出一种基于蚁群优化的无线传感网络数据转发最佳权重选取算法。选择无线传感网络数据节点负载、剩余能量以及数据转发时延作为网络服务性能评价指标,利用熵权系数法自适应地确定评价指标的权重。引入数据转发链路容量和链路距离等因素建立数据转发时延最小的优化模型,利用蚁群算法的节点概率函数机制找出能同时满足时延带宽和数据转发链路容量要求的评价值最高的邻居节点,通过上述节点选取数据转发最优权重,完成数据转发。实验结果表明,所提算法在节点能量消耗、转发延迟、数据转发率等方面都优于现有无线传感网络数据转发算法。     

无线传感器网络中DV-Hop定位算法的改进

针对传统的DV-Hop定位算法在定位过程中,存在锚节点与未知节点之间的平均跳距估计的不足以及定位过程中出现的未知节点坐标超出既定区域的情况,提出一种改进的DV-Hop(Distance Vector-Hop)定位算法。在改进算法中,对平均跳距进行补偿,并对超出定位区域的未知节点的坐标进行重新修正。仿真结果表明,改进后的DV-Hop算法能够更准确地对平均跳距进行估计,有效降低了未知节点的定位误差。     

基于分类规则信息熵的报文处理算法

针对分类规则的预处理问题,提出离群属性检测分类算法。在报文分类规则属性域上计算离群属性子集,利用规则属性加权矢量计算加权距离,分析规则加权邻域的子空间离群影响因子,通过与离群因子阈值比较生成频繁匹配子集对规则进行预处理。实验结果表明,该算法能缩小后续报文的匹配范围,提高报文转发的匹配精度与速度。     

一种新的多路径自组网路由算法

传统的单路径路由使自组网路由性能一直不能获得太大的突破。因此,设计有效的和稳定的多路径路由成为最受关注的问题。为此提出了一种新的多路径路由算法,其在路由发现阶段使用了一种新的多路径转发策略。在基于稳定性因子的基础上,该算法计算路径间海明距离并据此选择多条相似的稳定不相交多路由,从而进一步提高该路由算法的性能。模拟结果显示,与经典的多路径路由相比较,该算法是一个有效的多路径自组网路由算法。     

WSN中基于区域划分的半自动DV-Hop定位算法

在WSN领域中有很多亟待研究和解决的关键问题,节点的自我定位是其中之一。在众多定位算法中,DV-HOP是广受讨论或引用的定位算法,但该算法使用跳数乘以网络平均跳距来代替节点间的实际距离,而平均每跳距离的计算精确度与网络的性状、节点密度、拓扑结构等有很大关系,直接影响到DV-HOP算法的定位精度。针对DV-Hop算法这一缺陷,从半自动获取平均每跳距离、划分定位区域和对边缘区域采用坐标贴边三个角度,提出命名为ADBSA DV-Hop的改进的DV-HOP算法。在MATLAB平台上对ADBSA DV-Hop算法与DV-Hop算法进行了对比仿真实验,结果表明,ADBSA DV-Hop算法运行性能好于DV-Hop算法,尤其满足贴边定位情景的需要。     

城市车载自组织网络中带有冲突估计的节点转发策略

针对目前城市环境中车载自组织网络车辆节点分布不均衡引起的消息传递冲突率高、传递效率低、路由可靠性差等问题,在IF(Irresponsible Forwarding)算法的基础上提出一种带有冲突估计的节点转发策略(NFCE算法)。收到消息的车辆节点首先确定自身的转发冲突概率,在不超过一定门限值的条件下,再根据节点的密度、通信半径大小以及到源节点的距离来确定自己的转发概率,最终概率大的节点优先转发消息。仿真结果表明,相比于其他算法,NFCE算法降低了节点传递冲突率,其路由有更高的效率和可靠性,特别在车辆密度较大时NFCE算法有明显的优势,更适合应用在城市环境中。     

A hybrid grid-GA-based LSSVR learning paradigm for crude oil price forecasting

In order to effectively model crude oil spot price with inherently high complexity, a hybrid learning paradigm integrating least squares support vector regression (LSSVR) with a hybrid optimization searching approach for the parameters selection in the LSSVR [consisting of grid method and genetic algorithm (GA)], i.e., a hybrid grid-GA-based LSSVR model, is proposed in this study. In the proposed hybrid learning paradigm, the grid method, a simple but efficient searching method, is first applied to roughly but rapidly determine the proper boundaries of the parameters in the LSSVR; then, the GA, an effective and powerful intelligent searching algorithm, is further implemented to select the most suitable parameters. For illustration and verification, the proposed learning paradigm is used to predict the crude oil spot prices of the West Texas Intermediate and the Brent markets. The empirical results demonstrate that the proposed hybrid grid-GA-based LSSVR learning paradigm can outperform its benchmarking models (including some popular forecasting techniques and similar LSSVRs with other parameter searching algorithms) in terms of both prediction accuracy and time-savings, indicating that it can be utilized as one effective forecasting tool for crude oil price with high volatility and irregularity.     

一种自适应智能三边定位算法的设计与实现

为了有效抑制室内复杂环境对无线传感器网络节点定位精度的影响,以及降低室内定位系统对环境的依赖性,提出了一种自适应智能三边定位算法.该算法通过测量移动节点与各信标节点的距离值的波动情况,生成相应的自适应因子.该变化因子控制三边定位算法中距离半径的微调量,使3个定位圆的重叠部分的面积小于一定的数量级,然后在重叠区域中作最大内接圆,将圆心作为移动节点的位置.仿真结果表明该算法比加权三边定位算法具有更高的定位精度,鲁棒性好,能适应不同规模和类型的定位系统.