基于粒子群优化的多维标度节点定位算法

针对无线传感网络节点定位易受外部环境影响的问题,提出一种基于粒子群寻优的多位标度定位算法。利用基于动态路径损耗指数的接受信号强度测距,建立距离矩阵,使用多维标度方法构建节点的相对坐标,通过四参数坐标转换模型得到绝对坐标,再用绝对坐标与实际坐标的差异度作为粒子群寻优的适应度函数,通过分群搜索,优化节点位置估计。仿真结果表明：改进算法对实际环境影响具有较好的鲁棒性,节点定位精度有了明显的提高,能够满足定位系统需求。     

基于非度量多维标度的无线传感器网络节点定位算法

把统计学中的多维标度技术应用到无线传感器网络节点定位是一种新的思路.提出了NMDSRSSI(nonmetric multidimensional scaling and received signal strength indication)定位算法,它利用非度量多维标度技术直接根据无线信号强度值来进行节点的定位,省去了以往利用无线信号强度的定位算法中先把强度转换为距离再进行定位所带来的计算误差和计算量.无线信号强度受实际环境影响存在反射、多径传播等问题,理论和实验分析表明算法对此具有较好的适应性.仿真与真实传感器节点的实验结果显示算法取得了较好的定位效果.     

基于虚节点的非度量加权多维标度定位算法*

提出一种基于虚节点的非度量加权多维标度定位算法,它利用矩阵截断奇异值分解计算节点相异性矩阵的逼近阵。仿真实验显示,该算法在网络节点密度较低或拓扑结构不规则时比以往算法有更好的定位精度。     

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。     

基于移动锚节点无线传感器网络定位的算法

无线传感器网络应用在很多场合中,监测目标进行定位和跟踪是最基本的应用。在无线传感器网络中基于移动锚节点的定位算法进行设计仿真,网络部署成本显著减少。节点能耗减少,运行时间延长,而且在网络边缘上的节点100％都能获得节点位置．该设计算法能得到完整的网络信息,即使在网络节点出现故障后,通过移动锚节点来重新确认所有无故障节点的位置,进行重新定位。     

一种基于动态锚节点的改进加权定位算法

在无线传感器网络中,大多数定位算法性能取决于锚节点数量以及分布位置,所以定位误差相对较大。在此前提下,提出基于动态锚节点的改进加权定位算法(IWLA-DAN)。首先证明能与未知节点通信的三个锚节点构成的三角形三边相等时定位误差最小,根据该结论得出权值公式,然后通过三边测量法和加权算法求得未知节点位置,同时升级该节点为伪锚节点继续参与网络中其他节点的定位。最后通过Matlab对算法进行仿真,实验结果表明改进后算法定位误差减小,节点定位精度得到提高。     

一种改进的传感器节点多维标度定位算法

传感器节点的位置信息在无线传感器网络的监测活动等应用中起着至关重要的作用,而实现节点定位较好的方法是采用定位算法进行估计,因此定位算法的研究是目前热门的研究课题之一.本文主要研究分析了分布式加权多维标度定位算法,针对其不能适应网络连通度变化、网络拓扑不规则且收敛速度较慢等不足,提出了一种改进算法.该算法采用的加权机制与邻居选择机制综合考虑1跳邻居数目、节点自身定位精度与测距误差,并且引入最速下降法优化其目标代价函数.实验结果表明:在相同的实验环境下改进算法与原算法相比,在定位精度提高的情况下对不规则、大规模网络有很好的适应性且有更好的鲁棒性.     

基于三边定位的WSN锚节点加权补偿算法

为了有效抑制复杂环境对无线传感器网络节点定位精度的影响,以三边定位算法为基础,提出了一种锚节点加权补偿定位算法.该算法利用锚节点自身的定位功能,通过加权质心方法获得定位系统在锚节点附近的区域定位误差,并对该误差进行补偿,从而提高该区域盲节点的定位精度.实验结果显示,该算法简单有效,具有普遍应用意义.     

基于移动锚节点的模糊信息三维定位算法

为有效抑制复杂环境对无线传感器网络节点定位精度的影响,在三边定位的基础上,基于移动锚节点和节点之间的模糊信息,提出一种三维空间中的节点定位算法( MANLFI)。该算法通过测量锚节点和未知节点的方向角、俯仰角实现节点定位,每轮定位结束后更新锚节点的速度和方向,节点被定位后充当静态锚节点对其他节点定位。仿真实验结果表明,与APIT-3D和Bounding cube算法相比,MANLFI算法可提高节点定位精度和网络稳定性,且时延短、能耗低。     

一种基于非度量多维标度的移动定位算法

稀疏无线传感器网络由于缺乏足够的距离和连通性信息,导致大多数定位算法无法有效工作.提出了一种非度量多维标度移动节点辅助定位算法--NMDS-LRA(M).该算法对移动节点运动轨迹抽样,添加拓扑约束关 系,然后利用奇异值分解计算节点相异性矩阵的逼近阵,从而有效解决了移动辅助定位问题,并且避免了以往移动定位算法中虚拟节点间距离误差较大对定位精度的影响.仿真分析表明,与以往算法相比,提出的算法有更好的定位精度,而且在较低网络连通度和不规则网络分布的条件下表现出更好的可靠性.     

使用移动锚节点的增量式自定位算法研究

无线传感网节点自定位技术是许多相关应用的前提和基础,目前已提出多种定位算法,但大多用于静态无线传感网。针对使用移动锚节点定位场景提出一种基于测距的算法PMAIL（PSO-based Mobile Anchor Incremental Localization）,将节点精度分级,选择高等级参考节点进行增量式定位,同时使用粒子群算法（PSO）求解加权误差方程,得到最优位置估计。算法不局限于特定测距方式,锚节点可同时支持常见的移动sink数据收集和网络管理等功能。仿真表明算法有较高的网络覆盖率,精度提高接近9%。     

基于虚拟力的单个移动锚节点无线传感器网络定位算法

提出一种基于单个移动锚节点的定位算法,该算法采用网格中心作为虚拟节点,与锚节点产生虚拟力,锚节点的状态受节点间虚拟力影响.锚节点的初始状态变量随机生成,在虚拟力的作用下,锚节点移动到新的位置.为有效避免发生锚节点移动的终止移动和局部死循环,在锚节点更新自身状态变量时,采用卡尔曼滤波,结合虚拟力的控制量和前一刻的状态量,形成锚节点的当前状态量.最后,分别在未知节点全定位和移动锚节点能量受限的条件下,进行了定位精度、节点能量损耗以及网络覆盖率的仿真,仿真结果表明:该定位算法有效地避免了发生锚节点移动的终止和局部死循环,同时,很大程度上提高了节点的定位精度,且网络能量消耗很低.     

移动锚节点定位WSNs中无标识节点算法研究

针对无线传感器网络(WSNs)无标识节点的定位问题,引入移动锚节点收集节点的接收信号强度(RSS)数据序列,利用无监督的聚类算法分析数据确定节点个数,依据锚节点运行的不同驻点,提取最强RSS信号进行圆环交叉搜索并标识覆盖网格重叠区域,再利用极大值(EM)算法筛选出可能含有未知节点的区域,最后用改进的粒子群优化(PSO)算法最终确定符合聚类个数的最优未知节点坐标.实验仿真结果表明:该算法在未知节点稀疏分布情况下,可以准确地估算未知节点个数和位置坐标.     

使用历史锚节点信息的改进MCB算法

针对MCB算法的采样效率及定位误差,在锚节点静止而未知节点运动的情况下,提出了一种新的改进算法MBHA,通过充分利用侦测到的历史及当前锚节点信息,来修正MCB算法的采样箱。大数据量仿真结果表明,修正后的采样区域相比修正前更接近节点的真实位置。MBHA算法最终使用优化修正后的采样区域进行采样,在绝大多数的对比仿真环境实验中,该算法既大幅提升了采样效率,又提高了定位精度。     

基于向量相似性的多维标度定位算法

为解决室内定位环境复杂、传播信号易受干扰,导致室内定位算法定位误差较大的问题,提出一种基于向量相似性的多维标度定位算法。将向量相似性特征和相关性修正模型融入多维标度算法框架,引入cosine指标表征信号向量间的相似度,为节点相关性提供度量标准,提出一种基于向量样本熵的相关性修正模型进一步优化节点间的相似性矩阵。仿真结果表明,该算法可以有效获得目标节点的位置信息,提高节点的定位精度,降低复杂室内环境对无线传感器信号的影响。     

一种高能效的煤矿监测WSN锚节点转化定位算法研究

针对目前无线传感器网络中缺乏合理的共享节点转化算法的问题,提出一种改进的锚节点转化算法。该算法以距离最远原则选择个别共享节点转化为锚节点来实现更多的节点定位,以达到能量消耗最小、最大延长传感器网络寿命的目标。算法简单、通信计算量及复杂度明显降低,且保持了较高的定位精度与覆盖率。结合煤矿环境中锚节点布设受限的实际情况,对高能效的算法进行了验证。     

基于ZigBee的动态WSN节点定位

针对因障碍物影响而无法实现动态无线传感网MWSN (mobile wireless sensor network)高精度定位的问题,提出了基于RSSI信号传播模型的α-驱动更新的质心定位算法α- drive renewing weighted centroid localization(α-DRWCL).根据WCL (weighted centroid localization)的距离计算公式,建立了路径衰减因子α的计算模型,利用边界探测装置的探测结果适时改变α的值,得到较接近实际情况的各参考节点权重,达到了减小定位误差的目的.在实验环境中对α-DRWCL算法进行定位仿真,仿真结果表明了该算法的精确性和有效性.     

基于分而治之的快速多维尺度定位算法

传统MDS-MAP算法通过同时提取网络中所有节点间距离信息的特征来实现定位,计算时间复杂度相对较高,影响了算法的定位速度。针对该问题,提出了基于分而治之的快速多维尺度定位算法DMDS-MAP,剔除参与转换的冗余数据,可有效提高原始MDS-MAP算法的定位速度。DMDS-MAP算法将距离矩阵进行划分,选取对角阵作为子矩阵以剔除冗余数据,通过奇异值分解从各子矩阵中提取指定维数的特征转化为相对坐标,融合由各子矩阵求得节点的相对坐标,得到所有节点的相对坐标,最后,根据锚节点坐标信息得到所有节点的全局绝对坐标。实验结果表明,在定位精度相似的情况下,随着参与运算的节点密度的增加,DMDS-MAP算法较MDS-MAP算法在运行时间上有明显的提升。     

基于Euclidean修正的分布式加权定位算法

传统的多维定标（MDS）算法由于采用多跳距离代替节点间的直接距离,生成的局部网络准确度低,在不规则网络中定位误差大。相对于现有的算法,引入Euclidean方法来产生多跳节点间的准确距离,并采用一种加权机制来改进协强系数,以抑制累积误差。仿真结果表明该方法在C型网络和低连通度的矩形网络定位中能取得更好的效果。     

基于量子遗传的蒙特卡洛节点定位算法

针对无线传感器网络(WSNs)节点定位的问题,提出了一种量子遗传算法与蒙特-卡洛相结合的定位算法(QGA-MCL).将QGA应用于MCL中的采样过滤阶段,通过合理的编码方案、译码方案以及量子旋转门对采样区域中随机产生的量子染色体进行操作,提高了样本寻优效率和定位精度,并加快了算法的收敛速度.仿真结果表明:与蒙特-卡洛定位算法相比,提出的QGA-MCL算法能够减少约10.2％的定位误差,同时,算法的收敛速度也得到了显著提升.