基于GDOP加权的TOA/AOA混合定位算法

现有基于无线传感器网络(WSN)的到达时间/到达角度(TOA/AOA)定位算法在锚节点位置存在误差的条件下定位精度不高。针对该问题,融合几何精度因子(GDOP)加权,提出一种改进的TOA/AOA混合定位算法。根据单个锚节点对定位参量的测量误差及其自身位置误差,得出基于单节点的TOA/AOA混合定位算法的GDOP计算公式。依据WSN中所有锚节点的测量误差及其分布与盲节点的相对位置关系,推导加权融合算法的GDOP计算公式。仿真结果表明,与基于平均加权的定位算法相比,改进算法具有更高的定位精度。     

基于Beta信誉系统的鲁棒安全定位算法

针对存在恶意节点情况下的无线传感器网络(WSN)节点定位问题,提出基于Beta信誉系统(BRS)的鲁棒安全定位算法。在BRS基础上建立信任评估框架,传感器节点在多跳通信范围内将锚节点的最终信任值与所存储的阈值进行比较,从而降低WSN中恶意攻击的影响。采用基于泰勒级数展开的加权最小二乘法估算普通传感器节点的坐标,以识别WSN中的恶意锚节点,并提高节点定位精度。仿真结果表明,与RMLA2,RMLA1,Bilateration,t-TLS定位算法相比,该算法在恶意锚节点不存在串通的情况下定位精度分别提高约10%,15%,55%,110%,在恶意节点串通的情况下定位精度分别提高约15%,20%,65%,150%。     

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。     

无线传感器网络节点定位加权校正模型

为了降低定位算法本身和接收信号强度指示(RSSI)所产生的误差对定位精度的影响,在以往的定位算法(如利用高斯—马尔可夫模型定位)中加入校正机制,并将移动锚节点和固定锚节点定位技术相结合,提出了一种基于加权的校正模型和算法。仿真结果表明,采用加权校正模型有效地提高了节点定位精度,与采用高斯—马尔可夫模型定位相比较,定位精度提高了36.2%。     

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。     

基于改进单锚节点的无线传感器网络节点定位算法

节点定位是无线传感器关键技术之一。针对固定多锚节点方法定位精度低的缺陷,为了提高无线传感器的定位精度,提出一种基于改进单锚节点的无线传感器网络节点定位算法(SFOA-SVM)。首先采用单移动锚节点在无线传感器网络中移动,构建无线传感器定位模型的学习样本,然后采用SVM构建节点定位模型,并采用渔夫捕鱼算法模拟渔夫捕鱼行为找到最优SVM参数,最后采用仿真实验测试节点的定位性能。结果表明,相对于其他定位算法,SFOA-SVM提高了无线传感器节点的定位精度,具有一定的实际应用价值。     

基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法.改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标.仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小.     

基于正方形区域的WSAN节点定位算法的研究

在WSAN中,执行器节点可根据传感器节点感知的数据做出决策并执行相关操作,因此其对感知到事件的传感器节点的准确定位对于实施精确的控制策略至关重要.区别于现有WSN中的非测距定位方式,利用移动的执行器节点代替WSN中的锚节点,提出了一种基于正方形区域的WSAN节点定位算法.首先通过执行器节点的移动确定待定位传感器节点所在区域,然后通过迭代不断缩小该区域,当满足定位精度要求时计算区域的质心作为待定位节点的坐标.仿真实验证明,算法能够在存在RSSI误差和GPS误差干扰的情况下取得较好的定位精度,且使用少量的执行器节点完成定位不仅能节省网络部署成本,还可以克服传统WSN中非测距定位算法严重依赖锚节点密度的不足.     

基于画图算法的WSN节点定位算法

针对无线传感器网络的节点定位问题,提出一种新的基于类Kamada Kawai画图算法的无线传感器网络节点定位算法,将无线传感器网络节点定位问题转化成画图问题,用经典的画图算法求得问题的最优解,从而实现对节点的定位。仿真实验结果表明,该算法收敛速度快、定位精度高、能够获得较好的效果。     

一种基于插值的室内指纹定位系统设计与实现

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想.本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法.该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用K-中心点聚类算法提取目标节点的实际位置.实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度.     

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。     

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.     

改进的无线传感器网络DV-Hop定位算法

为了解决DV-Hop算法定位精度低的问题,提出一种分轮优化的改进DV-Hop定位算法。首先通过跳数阈值限制锚节点广播信息的范围;其次用每轮锚节点的平均每跳距离误差来修正锚节点的平均每跳距离;然后通过共线度检测区域,找出适合定位的锚节点组;再用三边测量法计算出参与定位的每组锚节点组的定位结果,用所有锚节点组定位结果的均值作为未知节点的估计位置;最后把本轮定位的未知节点升级为新的锚节点,进行下一轮定位。仿真结果表明,改进算法在不增加额外硬件开销的基础上,减小了定位误差,有效地提高了定位精度。     

一种基于分簇蚁群策略的无线传感器网络路由算法

如何最大化地延长网络的生存时间是无线传感器（WSN）网络研究的核心问题.基于分簇策略,提出一种能量有效的路由算法（EEA）.该算法利用分簇原理减少了参与寻找最优路径的节点数,从而降低了系统的能耗.同时设计一种改进的最优路径评价标准,该标准兼顾了传输路径上各节点的剩余能量和最优路径上总的能量消耗.仿真结果表明,与其他蚁群策略的路由算法（如：基于蚁群算法的路由算法（ARA）和EEAWSN）相比,该算法能在寻找最优路径时避开剩余能量少的节点,使最优路径上各节点的能量呈整体性衰落,从而沿长了网络的寿命.     

基于差分演化的无线传感器网络节点定位

针对无线传感器网络（WSN）节点的定位问题,提出一种基于差分演化的WSN节点定位算法。根据相邻节点间估计距离和测量距离之间的偏差构造目标函数,利用差分演化算法求出函数的最优解,达到最优解时的节点坐标即为未知节点的估计坐标。实验结果表明,该算法在锚节点比例为10％,节点无线通信半径R为1．8r的情况下,平均定位误差不超过5％,与带梯度搜索的半定规划定位算法相比,其定位精度更高。     

基于最小二乘法的RSSI 测距环境参数修正方案

节点定位是无线传感器网络中的重要应用之一。为了抑制RSSI测距技术的误差对无线传感器节点定位精度的影响,通过对RSSI测距模型进行分析,提出了一种基于最小二乘法的RSSI测距环境参数修正方案。该方法使用最小二乘法拟合方法对环境参数进行修正,以消除各种干扰对测量数据的影响,以提高RSSI测距的精度,为高精确定位打下基础。实验和仿真结果表明,采用环境参数修正方案后,明显提高了测距的精度。     

基于反向学习的群居蜘蛛优化WSN节点定位算法

针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.