无线传感器网络分布式节点定位算法研究

无线传感器网络在众多领域有着重大的应用价值,而网络的节点定位技术是这些应用的基本支撑技术.本文针对无线传感器网络节点的定位精度问题,提出一种新的分布式节点定位算法.介绍了算法的基本原理和实现方法.算法使用位置误差参数选择参与定位的节点,避免使用奇异信标节点信息,可以有效抑制定位误差的累积.仿真结果显示,这种算法具有定位精度高,计算复杂性和通信开销低等优点.     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。     

基于Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

无线传感器网络改进型节点定位算法的研究

无线传感器网络节点位置信息对于事件监测起到至关重要的作用,节点定位技术是无线传感器网络应用的支撑技术之一。为了提高无线传感器网络节点定位的精度,同时减少定位计算过程中的能耗,在RSSI,HCRL定位机制分析的基础上提出了一种改进型的节点定位算法:接收信号强度比定位算法(RSS-RL),通过仿真试验显示:RSS-RL定位算法不仅降低了节点定位复杂度,而且,提高了定位精度。     

基于加权质心的无线传感器网络移动节点定位算法

提出一种基于加权质心的无线传感器网络移动节点定位算法(WCentriod-M),使其较好地适用于无线传感器网络移动节点定位。算法将采样时间分成若干个时间窗,在节点运动时维护一个过去记录,基于这些历史记录来选择信标节点。利用未知节点接受到的信标节点信号强度的比值作为加权因子,在定位的过程中考虑信标节点的权重。仿真实验表明,该算法具有计算简单、节点能量消耗小、定位精度较高等特点。     

WSN中一种基于重叠区域的蒙特卡罗定位算法

随着传感器网络的发展,其定位技术的研究引起了人们极大的关注.但由于无线传感器网络在电源、计算能力及内存容量等方面的局限性,大部分定位算法消耗太多能量.文中在传统Monte Carlo Localization (MCL)算法基础上提出对其改进的定位算法,构建节点运动模型,并结合sample-adaptive Monte Carlo Localization Boxed (AMCB)算法,减少采样区域,并在维持定位精度的前提下减少能耗.最后分析模拟结果表明改进的算法在无线传感器网络中是可行的和有效的,且表现出了良好的性能     

基于网格划分的递增式定位算法*

针对现有无线传感器网络中递增式定位算法累积误差较大、基于移动锚节点的定位能耗较高和全网定位速度较慢的问题,提出一种基于网格划分的递增式定位算法(ILBM)。算法将大规模无线传感器网络划分为若干个独立的网格,在每个网络中对移动锚节点进行路径规划,将部分已定位节点转换为静态参考节点,根据累积误差需求进行优化递增式定位。通过仿真,验证了本算法能够有效地解决累积误差和能耗问题,提高全网定位的效率。     

一种改进的DV-Hop无线传感器网络定位算法

基于DV-Hop的无线传感器网络定位算法采用三边测量法计算位置,具有能量消耗大的问题,采用了一种MIN-MAX 方法计算节点位置.通过减少计算开销,降低能量消耗,从而延长无线传感器网络的生存周期.实验表明改进后的算法能够大量减少计算开销,而且还能略微提高定位精度.     

一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

无线传感器网络移动未知节点的混合定位算法

针对无线传感器网络中移动节点定位问题,提出一种移动未知节点的混合定位算法。该算法在预测和过滤阶段均作了改进。在预测阶段,根据未知节点在t时刻接收到的锚节点信息个数区分四种情况进行讨论,选择最适合的方法来缩小采样区域;在过滤阶段,针对预测阶段四种不同的可能情况判断是否需要过滤。仿真结果表明,该算法在显著地缩小了采样区域的同时,提高了采样成功率和定位精度;减少了采样次数和计算量,降低了能耗,延长了网络的生存周期。     

一种无线传感器网络的节点自定位方法

节点定位对许多无线传感器网络的应用来说是非常关键的,提出了一种基于移动锚节点的无测距的节点定位算法。此算法建立在Monte Carlo定位算法基础之上,通过利用节点收集到的信息来加速算法中样本的选取,从而提高定位的精度和效率。仿真结果表明,此节点定位技术平均定位精度能达到0.2个通信半径,与其他类似定位技术相比,能够明显提高节点定位精度。     

一种基于蒙特卡罗法的无线传感器网络移动节点定位算法研究

定位技术是无线传感器网络中关键的基础支撑技术。文章研究无线传感网中信标节点静止、定位节点随机运动情况下的节点定位方法。在传统MCL算法基础上,提出一个改进定位算法,通过构建节点运动模型,进行运动预测、位置滤波,提高定位精度。仿真结果表明,改进方案在不同的信标节点密度、不同的连接度、不同的节点运动速度等情况下,均表现出了良好的性能。     

联合TDOA-AOA无线传感器网络半定规划定位算法研究

在无线传感器网络定位中,TDOA和AOA联合定位可有效利用多种位置信息提高定位精度.由于传统联合加权最小二乘(WLS)的目标函数非线性,在应用于无线传感器网络定位时,会产生多个局部最优解.因此,针对该问题本文将约束加权最小二乘问题转化为二次约束二次规划问题,之后通过引入半定松弛(SDR)方法将联合定位问题转换为低复杂度的半定规划问题(SDP),进而寻找全局最优解.并且针对实际应用中参考节点带误差的情形分析和推导了定位算法.与已有算法相比,提出的算法在参考节点无误差和有误差时都有更高的精度.此外,提出的SDP算法还能够实现只有两个参考节点下的目标定位.     

Adaptive clustering in wireless sensor networks by mining sensor energy data

Clustering has been well received as one of the effective solutions to enhance energy efficiency and scalability of large-scale wireless sensor networks. The goal of clustering is to identify a subset of nodes in a wireless sensor network, then all the other nodes communicate with the network sink via these selected nodes. However, many current clustering algorithms are tightly coupled with exact sensor locations derived through either triangulation methods or extra hardware such as GPS equipment. However, in practice, it is very difficult to know sensor location coordinates accurately due to various factors such as random deployment and low-power, low-cost sensing devices. Therefore, how to develop an adaptive clustering algorithm without relying on exact sensor location information is a very important yet challenging problem. In this paper, we try to address this problem by proposing a new adaptive clustering algorithm for energy efficiency of wireless sensor networks. Compared with other work having been done in this area, our proposed adaptive clustering algorithm is original because of its capability to infer the location information by mining wireless sensor energy data. Furthermore, based on the inferred location information and the remaining (residual) energy level of each node, the proposed clustering algorithm will dynamically change cluster heads for energy efficacy. Simulation results show that the proposed adaptive clustering algorithm is efficient and effective for energy saving in wireless sensor networks.     

移动无线传感器网络采样区域自调整的MCL定位算法

定位技术是无线传感器网络中关键的支撑技术之一。现有的无线传感器网络定位算法大多是针对静态场景的,不能直接应用于移动无线传感器网络。针对移动无线传感器网络的特点,在深入分析现有蒙特卡洛算法的基础上,提出一种改进机制,即采样区域自调整的蒙特卡洛节点定位(SA_MCL)算法。该算法通过对节点历史位置信息插值模拟获得节点的运动速度和方向,目的是为了自动调整采样区域,从而提高定位精度。仿真结果表明,采用SA_MCL算法,节点的定位精度有较大提高。     

抵御虫洞攻击的无线传感器网安全定位算法

节点定位技术是无线传感器网络的支撑技术之一,节点位置信息是很多基于无线传感器网络的应用的基础.无线传感器网络是一个动态的网络,每隔一段时间需要进行重新定位,并且在重定位过程中易受到攻击节点攻击.针对无线传感器网络中无需测距的定位技术,分析虫洞攻击对DV-Hop定位的影响,提出了一种基于信誉模型的抵御虫洞攻击的分布式轻量级DV-Hop安全定位算法TMDV-Hop(Trust-Model-based DV-Hop Localization Against Wormhole Attack).仿真表明,在无需额外硬件辅助下,TMDV-Hop算法能有效降低虫洞攻击对定位过程的影响,验证了该算法的有效性.     

基于比较信号接收强度的传感器定位算法研究

定位技术是传感器网络的重要技术,分析了几种Rangefree定位算法的特点,提出基于比较信号接收强度的传感器定位算法（LBRSSI）。其基本思想是通过比较接收到的信号强度大小来产生圆环,最后通过圆环的交集来确定节点的位置,并加入了角度阈值条件以适应无线信号的不规则性。研究了系统参数对于算法定位精度所造成的不同影响,结果发现无线信号损耗越不规则,算法定位精度越小,同时增加锚节点个数有利于提高算法的定位精度,而增加锚节点的传播距离也可以有限度地提高算法定位精度。     

Meta-heuristic approaches for minimizing error in localization of wireless sensor networks

Sensor node localization is considered as one of the most significant issues in wireless sensor networks (WSNs) and is classified as an unconstrained optimization problem that falls under NP-hard class of problems. Localization is stated as determination of physical co-ordinates of the sensor nodes that constitutes a WSN. In applications of sensor networks such as routing and target tracking, the data gathered by sensor nodes becomes meaningless without localization information. This work aims at determining the location of the sensor nodes with high precision. Initially this work is performed by localizing the sensor nodes using a range-free localization method namely, Mobile Anchor Positioning (MAP) which gives an approximate solution. To further minimize the location error, certain meta-heuristic approaches have been applied over the result given by MAP. Accordingly, Bat Optimization Algorithm with MAP (BOA-MAP), Modified Cuckoo Search with MAP (MCS-MAP) algorithm and Firefly Optimization Algorithm with MAP (FOA-MAP) have been proposed. Root mean square error (RMSE) is used as the evaluation metrics to compare the performance of the proposed approaches. The experimental results show that the proposed FOA-MAP approach minimizes the localization error and outperforms both MCS-MAP and BOA-MAP approaches.     

基于地理信息静态分簇的无线传感器网络路由算法

通过路由算法减少节点的能耗、延长网络的寿命是无线传感器网络的研究重点之一。探讨了能量高效的分层无线传感器网络路由算法,提出一个基于地理位置信息静态分簇,根据节点剩余能量及节点在簇内的位置选择簇头的分层路由算法(GSCH),适用于静态无线传感器网络。仿真实验结果表明该路由算法有效地减少分簇成形及簇首选择的能耗,延长了整个网络的寿命。     

无线传感器网络定位算法研究

定位技术是无线传感器网络的支撑技术之一.针对无线传感器网络低成本、低能耗的要求,在继承DV-Hop定位算法优点的基础上,提出根据跳数来调节节点定位过程中的数据包接收量即LDV-Hop定位算法.算法在局部范围内索取定位信息,并可以部分抵制MAC层冲突带来的错误信息.利用网络仿真工具Ns-2对算法进行仿真分析和比较,结果表明LDV-Hop定位算法有更高的定位精度,能有效降低数据通信量,并且对于不规则形状的节点分布具有较强的适应性.