基于区域分割的二次质心定位算法

为了解决锚节点分布不均匀时质心定位算法会产生较大误差这一问题,提出一种改进的质心定位算法。用初次质心定位结果来取代未知节点通信半径内距未知节点最远的信标节点,再进行二次定位来减小由于信标节点分布不均匀而导致未知节点的估计位置偏向距离较远的信标节点的现象。仿真结果表明,相比传统的一次质心定位算法,二次质心定位算法在定位精度方面有较大的提高。     

基于OMNeT++平台的DV-Hop定位算法改进

无线传感器网络中经典定位的DV-Hop算法进行了研究.针对该算法定位误差较大的问题,提出了改进方法:利用RSSI测距来确定与信标节点距离较近的未知节点的位置,将其升级为信标节点,从而增加信标节点的数目,在一定程度上改善因远离信标节点定位误差较大的现象;在计算未知节点坐标时,采用自由搜索的算法代替误差较大的三边测量法.通过OMNET仿真证明:改进后的算法性能稳定,在相同信标节点比例下,算法的定位误差相较于传统的DV-Hop算法减小了13.5％左右.     

一种基于预测的无线传感器网络节点自定位算法

针对现在存在定位机制中定位误差较大和无线传感器网络低成本、低功耗的特点,在TDOA技术的基础上,提出了一种基于测离的节点自定位算法.该算法优先选取定位较精确的信标节点用于未知节点的定位,同时通过几何精度因子进一步缩小信标节点的选择范围,以提高未知节点的定位精度.最后通过Matlab仿真对算法进行评估,仿真结果表明该算法...     

基于局部信标选择的无线传感器网络定位算法

针对DV-hop算法定位精度低的问题,本文分析了节点间的位置拓扑关系对定位精度的影响,提出了一种基于局部信标选择的定位算法(RBS-DV-hop)。该算法权衡了定位精度和计算复杂度,从三方面寻找局部最优的信标节点组,包括信标节点的共线度、未知节点与信标节点的跳数以及信标节点相对于未知节点的分布。仿真结果表明,改进后的算法明显提高了定位精度和稳定性,为合理选择信标节点组进行定位提供了一种方法。     

基于鸡群优化的无线传感器网络三面定位算法

针对无线传感器网络空间定位问题进行了研究,为了提高未知节点的定位精度,提出一种基于鸡群优化的无线传感器网络三面定位算法。该算法结合了两种未知节点的求解方法,首先利用三面定位模型,通过求取三个面的交点来获取未知节点的坐标;再使用鸡群优化算法进行改进,根据三面定位法计算出的坐标值以及离未知节点最近信标节点的坐标进行初始化,迭代寻优。使用MATLAB进行仿真,改变算法的迭代次数、信标节点占比和通信距离,来对定位精度进行分析。结果表明该定位算法具有较高的定位精度与较快的收敛速度,且陷入局部最优的可能性低于粒子群定位算法。     

一种分布式无线传感器网络节点定位算法

基于接收信号强度(RSSl)的无线传感器网络节点定位算法由于无需额外测距硬件的支持而受到广泛的应用.但无线信号传输受到环境的影响,使得基于RSSI的定位算法存在较大的定位误差.针对上述不足提出了一种基于概率的无线传感器网络节点定位方法.首先根据信标节点发送信号强度与未知节点接收信号强度差来计算未知节点到其一跳范围内所有信标节点的估计距离,然后根据这些估计距离,通过计算未知节点在某个位置概率密度函数的最大值来确定未知节点自身的位置坐标.通过仿真表明,该方法在较低的信标节点密度和节点通信半径条件下,具有较高的节点定位精度和定位覆盖率.     

煤矿井下无线传感器网络节点三维定位算法

现有煤矿无线传感器网络节点定位存在定位精度差、功耗高等问题,提出一种基于信标节点规则部署的煤矿井下无线传感器网络节点三维定位算法,根据井下巷道特征成对部署信标节点,在定位估算时先将信标节点投影到与未知节点同一高度的水平面,再利用三边测量法进行平面定位,然后结合未知节点与信标节点的高度差即可实现三维定位。理论分析和仿真结果表明,该算法具有计算量小、通信量小、定位精度较高以及稳定性较好等特点。     

一种基于迭代投票的无线传感器网络安全定位算法

绝大多数的定位算法都是基于信标节点的坐标信息计算未知节点的坐标信息,因此,信标节点的可信性至关重要.无线传感器网络在敌对环境中易受攻击,由此提出了一种安全定位算法.在算法中,节点间无需坐标交换,可直接迭代投票选出可信的信标节点进行定位,并通过仿真验证算法有效性.     

无线传感器网络DV-HOP定位算法的改进

节点定位在无线传感器网络的应用中起着重要作用,一直备受学术界和工业界的关注.在深入研究分析无线传感器网络DV-Hop定位算法和部分已有改进算法的基础上,提出了一种新的改进算法.针对DV-Hop算法在未知节点到信标节点距离计算中的不足,该算法对信标节点的平均每跳距离做出改进;并对可参考信标节点数小于3的未知节点进行估计定...     

缩小采样区域的蒙特卡罗移动节点定位算法

针对无线传感器网络中移动节点定位问题,提出一种适用于未知节点移动而信标节点固定的改进蒙特卡罗定位算法,充分利用信标节点与未知节点间的测距误差来缩小采样区域,提高采样效率。仿真结果表明,改进算法在信标节点密度、连通度和节点最大运动速度等不同情况下均能提高定位精度,减少采样次数和计算量,延长网络的生存周期。     

无线传感器网络节点定位的移动信标节点路径规划

为了进一步提高无线传感器网络节点定位精度和覆盖率,本文在采用移动信标节点来对未知节点进行定位方面,提出了信标节点向最大覆盖未定位节点方向移动的路径规划算法,解决了信标节点的移动路径规划问题.仿真实验表明,和信标节点随机方向移动算法相比,该算法具有较好的定位性能,能很好地适应大规模随机不均匀撒布节点的应用需求.     

WSN中信标节点移动情况下的定位方法研究

定位技术是无线传感器网络的基础理论和关键技术之一.在实际应用中,一些信标节点在部署以后其位置由于各种原因而会发生漂移,由此就使得依赖于这些信标节点来定位的其他节点将无法准确定位,或者产生很大定位误差.本文针对信标节点产生漂移情况下的节点定位问题,提出了一种基于区域划分的信标节点移动检测算法(AD-BMD),在区域划分的基础上,通过两次判定过程将移动的信标节点检测出来,并为每个信标设置了坐标可信度值.为合理利用移动的和未移动的信标节点,提出一种基于信标移动检测的信标择优定位算法(BMD-BOS),通过合理选择信标节点来对其它未知节点进行定位.实验结果证明,AD-BMD算法具有很高的检测正确率和较低错误率,检测效果好于LB和SSV方法.BMD-BOS算法的定位精度远远高于没有进行移动信标检测的定位算法(N-BMD)和将移动信标丢弃的定位算法(D-BMD).     

WSNs中一种基于移动信标检测的定位算法

信标节点在无线传感器网络(WSNs)定位技术中起着重要的作用,它作为参考节点决定着被定位目标的位置。在WSNs的实际环境应用中,信标节点可能会因为各种原因发生移动成为不可靠的信标节点,此时依赖不可靠信标节点来定位的未知节点将可能产生较大的定位误差,甚至失去了利用价值。针对信标节点发生移动的问题,提出了一种定位前期的基于可用信标的移动信标检测(BAB—BMD)方案。在节点定位之前,对定位节点收到的所有信标进行检测,并对移动信标重定位计算其可靠度。然后,依据信标可靠度选择可用信标节点进行定位,即基于可用信标的信标择优(BAB—BOS)算法。实验结果表明:BABBMD具有较好的检测准确度,同时采用BAB—BOS定位算法定位准确度要高于未进行移动信标检测的定位准确度和丢弃移动信标的定位准确度。     

基于最优信标组的扩展卡尔曼定位算法

节点定位是无线传感网的关键技术之一.针对传统的基于RSSI的定位算法精度低的问题,提出一种基于最优信标组的扩展卡尔曼定位算法(BBG-EKF).该算法分析影响定位精度的两个因素:未知节点与信标节点的距离和信标节点间的共线性,提出一种最优信标组选择机制,进一步通过扩展卡尔曼滤波实现精确定位.新算法复杂度低,定位过程中节点...     

基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。     

基于可靠信标和节点度估计距离的无线传感器网络定位算法

针对经典的DV-Hop、Amorphous等免测距无线传感器网络（WSN）定位算法信标节点选择不可靠、距离模糊和距离估计不准确等问题导致定位精度低,难以适应传感器节点分布不均匀应用的情况,提出了基于可靠信标和节点度估计距离的无线传感器网络定位算法（RDLA）。首先,通过跳数阈值和定位三角可靠度计算来选择引入误差小的信标节点;然后,利用节点度感知的距离估计方法计算单跳距离以解决距离模糊问题,在累积最小跳数路径（SHP）距离并修正使估计的最小跳数路径距离更准确;最后用双曲线定位方法提高定位精度。Matlab R2012a仿真结果表明：在节点均匀分布的应用中,RDLA的平均定位误差（ALE）比DV-Hop算法及其改进算法小;在节点非均匀和具有覆盖洞的C型分布的应用中,与DV-Hop算法及其改进算法相比,RDLA的ALE显著降低,几乎控制在28%以下。     

无线传感器网络中的信标优化选择算法

针对无线传感器网络中节点定位精度的问题,提出了一种基于距离和Cramer-Rao下界的信标优化选择算法。该算法通过分析信标与节点间的距离和位置拓扑关系对定位精度的影响,选择CRLB值最小的信标子集进行位置估计,减少节点定位误差。仿真结果表明,该方法较大地提高了定位精度,降低了计算量,为合理选择信标子集提供了依据。     

混合SVM结合信息熵检测ICMP隐通道*

攻击者可以将生成的任意信息隐藏在ICMP的有效负载中传递出去,构成了ICMP负载隐通道。在分析ICMP数据流熵标准差和熵值分布特性的基础上,提出了基于信息熵的样本集缩减策略。为提高采用标准支持向量机(SVM)的学习能力与推广能力,建立了若干选取规则,构造出一种有效的混合核函数。最后采用混合SVM结合信息熵的方法检测ICMP隐通道,取得了较快的分类速度和较高的检测率。实验结果表明,采用混合SVM结合信息熵检测ICMP隐通道的方法,是有效的、可行的。     

A localization algorithm for large scale mobile wireless sensor networks: a learning approach

Localization is a crucial problem in wireless sensor networks and most of the localization algorithms given in the literature are non-adaptive and designed for fixed sensor networks. In this paper, we propose a learning based localization algorithm for mobile wireless sensor networks. By this technique, mobility in the network will be discovered by two crucial methods in the beacons: position and distance checks methods. These two methods help to have accurate localization and constrain communication just when it is necessary. The proposed method localizes the nodes based on connectivity information (hop count), which doesn’t need extra hardware and is cost efficient. The experimental results show that the proposed algorithm is scalable with a small set of beacons in large scale network with a high density of nodes. The given algorithm is fast and free from a pre-deployment requirement. The simulation results show the high performance of the proposed algorithm.