基于临近锚节点修正的DBSCAN聚类加权定位算法

为了提高无线传感器网络节点的定位精确度,给出一种基于临近锚节点修正(CAAN)的具有噪声的基于密度的聚类(DBSCAN)加权定位算法.首先,在未知节点通信范围内的锚节点中选择三个构成三角形,证明当未知节点处在此三角形外接圆圆心位置时定位误差最小,然后据此选择合适的锚节点,结合滤波后的接收信号强度指示(RSSI)值进行定...     

Ad-hoc网络的大步进节点发现算法

主要研究采用了定向天线的Ad-hoc网络中的节点发现策略,针对Ad-hoc网络中邻节点发现的阶段中,使用随机扫描算法带来的性能缺陷,提出了一种基于TDMA MAC协议的大步进节点发现扫描算法。该算法通过预先划分场景的区域,安排不同区域内的节点在不同扫描周期内扫描的顺序和方式,从而达到了加快邻节点发现的速度,减少建网时间,提高网络的性能。并通过理论推导、OPNET仿真和数据结果分析比较,验证了算法的性能。     

基于节点密度的改进型DV-Hop算法

DV-Hop定位算法是无线传感器网络中一种常用的基于非测距定位技术,该算法使用平均跳距表示实际距离,在实际应用中造成很大的误差和节点能耗。为此,分析了加权的DV-Hop定位算法,提出了基于节点密度的定位算法,根据未知节点的邻居节点数,修正了平均跳距。仿真结果证明,加权DV-HOP在定位精度上比DV-HOP算法提高了5.3%,基于节点密度的定位算法在功耗上比DV-HOP算法减少了20.7%。     

基于Graphlab的网络图关键节点发现算法研究

针对桥接中心度的计算特点设计了一种分布式的网络图关键节点发现算法（DABC）,并基于Graphlab进行了实现。算法具有良好的扩展性,由于能够利用集群的内存资源,算法能处理的图规模与集群的大小成正比,并且该算法利用并行处理大幅度提升了计算速度。实验表明,与传统的基于单机实现的关键节点发现算法相比,算法可以获得高达4倍的性能提升。     

城市轨道交通车辆网络节点重要性分配优化算法研究

随着城市轨道交通复杂网络的发展,其拓扑结构也在不断发生变化,节点的重要性也需要重新动态分配.然而,在对节点重要性进行动态排序时,单一度量网络、未加权网络或静态网络均存在较多不足,但节点重要性随网络发展的演化机制较少被研究.针对这一问题,文中在城市轨道交通网络的演化过程中,对6种未加权和已加权的复杂网络进行了建模,提出了...     

基于连通度和加权校正的移动节点定位算法

移动节点定位问题是无线传感器网络中的研究重点。针对移动节点定位误差大的问题,提出一种基于连通度和加权校正的移动节点定位算法。在未知节点移动过程中,根据节点间连通度大小选取参与定位的信标节点,利用加权校正方法修正RSSI测距信息,然后用最小二乘法对未知节点进行位置估计。仿真分析表明,节点通信半径和信标密度在一定范围内,该算法表现出良好的定位性能,定位精度明显提升。     

一种计算网络加权可靠度的新算法

提出了一种计算网络加权可靠度的新算法,提出了空量饱和状态的概念,给出了最小路展开为限定子集之和和递推公式,基于该递推公式最小的展开将不再生成与网络加权可靠度无关的限定子集,省去了不必要的展开计算,因此本算法较以往算法具有较小的计算量。     

基于蚁群算法的传感器网络节点部署设计

传感器网络节点的人工部署是一类重要的应用方式,为了解决传感器网络节点部署位置的优化问题,提出了基于蚁群算法的传感器网络节点部署设计算法Easidesign.针对蚁群算法在解决传感器节点部署的扩展性问题,提出了贪婪策略、额外信息素蒸发机制等改进方法.Easidesign算法最大特点是充分考虑到当sink节点处于不同位置时对传感器节点部署设计的影响,并且能保证每个部署的节点与sink的连通性,因此Easidesign具有很大的实用价值.通过大量仿真与实验,不仅证明了算法的有效性,而且给出了如何设计算法中的关键参数等问题.     

基于谱分析的复杂网络脆弱节点发现算法

未来以网络为中心的信息化战争,节点打击、毁点瘫面成为攻击敌方信息网络、夺取信息优势的重要手段。针对寻找敌方网络弱点进行攻击、提升我方体系抗毁能力拒止攻击等问题,在复杂网络拓扑连接矩阵的基础上,引入Laplacian谱分析方法,提出拓扑连接度概念,通过计算网络中各节点的拓扑连接度,发现脆弱节点并给出脆弱性排序,为信息网络的健壮性与抗毁性研究提供了一种有效的全新思路。     

无线传感器网络节点定位算法研究

研究无线传感器网络节点定位的方法。首先介绍了节点定位的基本原理,在总结节点定位原理的基础上,对节点定位方法的分类依据进行了归纳。在对无线传感器网络节点定位方法的研究中,主要对是否基于测距的节点定位方法进行具体分析,介绍了2种类型的定位方法的基本原理,并对2种类型的定位方法中的典型算法做了具体说明,最后介绍了定位算法的评价标准。     

WSN中基于最佳指数的加权DV-Hop算法

DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。     

基于变量节点更新的LDPC码加权比特翻转译码算法

该文提出一种改进的低密度奇偶校验(Low Density Parity-Check, LDPC)码的加权比特翻转译码算法。该算法引入了变量节点的更新规则,对翻转函数的计算更加精确,同时能够有效弱化环路振荡引起的误码。仿真结果表明,与已有的基于幅度和的加权比特翻转译码算法(SMWBF)相比,在加性高斯白噪声信道下,该文算法在复杂度增加很小的情况下获得了误码率性能的有效提升。     

无线传感器网络节点的三维质心定位算法研究

无线传感器网络可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而节点的自定位技术是传感器网络的关键技术。文章以二维质心定位算法为基础,提出了三维质心定位算法,用C＋＋仿真结果表明,二维质心定位算法升级为三维质心定位算法没有明显增加算法的复杂性,也不影响覆盖率、通信报丈量和二维定位误差,但却能提供三维定位坐标信息。     

基于优化结构洞的无向加权网络关键节点发现方法

针对目前大多数关键节点发现算法没有兼顾桥节点与其他类型关键节点,造成评价结果存在片面性的问题,使用加权网络模型结合结构洞理论,提出一种优化结构洞的无向加权网络关键节点发现方法。综合考虑了节点的邻居数量及其与邻居间的拓扑结构,首先通过定义节点的邻接度和二次邻接度来衡量邻居节点对其的重要程度,在此基础上测量网络中的结构洞约束系数并通过排序发现网络中处于重要位置的关键节点。该方法既反映出节点局部连接的特性,又可在全局拓扑未知的情况下发现其中的关键节点,解决了全局方法计算复杂度高的问题。实验结果表明,该方法比基于介数、节点强度、接近度方法更准确、有效地发现无向加权网络中的关键节点。     

基于RSSI的节点定位算法的研究

在无线传感器网络的节点定位中,原RSSI定位算法利用接收信号强度的对数正态模型,其存在计算量大、功耗大等问题。由于物体运动不会突变,可以利用以前的轨迹与速度,预测当前时刻的位置信息,采用改进的神经网络算法,对当前时刻的位置做了很好的预测。实验结果表明,该算法与传统的RSSI算法相比,减小了采样范围,提高了定位精度,降低了无线传感系统的功耗。     

基于训练集聚类的加权KNN算法研究

针对传统K-最近邻(K-Nearest Neighbor,KNN)算法在数据量较大时分类效率较低的问题,提出一种基于训练集聚类的加权KNN算法,通过模糊C均值(Fuzzy c-means,FCM)算法将训练集聚类,当有待测样本需要分类时,根据待测样本与各个类的位置关系快速查找k个最近邻,缩减了计算量,提出的算法还通过加权来减小k值的选择对分类结果的影响,经过数值实验验证了算法分类的准确性更好。     

基于DV-HOP无线传感器的网络节点定位算法

作为一种新型传感器系统,无线传感器网络具备感知、采集、处理能力,其传递给用户的信息价值直接受到传感器节点定位精度影响,本文研究的DV-HOP便属于该领域应用最为广泛算法,基于此,本文详细论述了基于人工鱼群算法的DV-HOP定位算法,并结合仿真证明了改进后算法具备较为优秀的性能。     

SENMA网络加权质心定位算法

移动代理传感器网络(SENMA)由移动代理节点负责数据处理、接入、转发、传输和路由等工作,更加节能。通过分析指出SENMA网络进行节点定位最适于采用基于距离定位算法,依据网络特点基于接收信号强度指示(RSSI)测距技术较为可行。依据信道RSSI特点,提出了一种加权质心定位算法,并利用Matlab编程进行了仿真验证,证明了其性能优于极大似然估计定位算法,更为适用于SENMA网络。