基于Voronoi图的WSN阶次序列定位算法

针对现有阶次序列定位算法复杂度高的问题,提出一种基于Voronoi图的无线传感器网络阶次序列定位算法。根据Voronoi图对定位空间进行划分,将多边形顶点和边界交汇点作为虚拟信标节点,建立虚拟信标节点到信标节点的阶次序列表。计算未知节点序列与最优序列的Kendall阶次相关系数,通过对系数的归一化处理实现未知节点位置的加权估计。仿真结果表明,与现有序列定位算法相比,该算法在保证较高定位精度的前提下降低了算法复杂度,并且未产生额外的网络成本与能耗。     

一种基于N-最优阶次序列的无线传感器网络节点定位方法

基于阶次序列的无线传感器网络(Wireless sensor networks, WSN)定位方法是一种新颖的高精度定位方法, 该方法将定位空间划分为不同的子区域, 每个子区域用一条阶次序列唯一标识. 但该方法存在区域边界节点定位误差较大且不能保证平均定位误差最优. 提出了一种基于N-最优阶次序列的节点定位方法. 首先基于无线信号衰减模型产生虚拟测试点, 以参考点为样本, 通过随机采样确定最优N值,然后选择阶次位于前N位的序列所表示的子区域, 对目标进行加权定位. 文中完成了100个节点的仿真实验、15个ZigBee网络硬件节点的室外实验以及10个ZigBee硬件节点的防空洞模拟矿井应用实验. 结果表明, 本文方法有效地降低了平均定位误差, 并改善了边界节点的定位精度.     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

三维无线传感器网络节点的序列重心定位算法

节点自定位技术是无线传感器网络的关键技术之一。三维序列重心算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的重心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

基于UAV的无线传感器网络加权质心定位算法

针对加权质心定位算法中,需要的固定锚节点数目较多导致定位成本较高,且定位误差较大等问题,将无人机作为移动锚节点,提出了一种基于信号强度比值并结合指数函数作为权值的加权质心定位算法(ERR-WCL).该算法采用无人机沿着既定的航迹在室内空间中飞行,在规定的航迹点上广播数据包;未知节点根据接收的信号强度(RSSI)确定权值,从而估算未知节点自身的坐标位置.仿真结果表明,该算法有效地降低了定位误差,同时结合无人机,解决了定位成本高,使用不灵活,受到空间约束的问题.     

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。     

无线传感器网络分布式定位算法研究

定位技术是传感器网络中的关键技术之一.重点介绍DV-Hop,ROCRSSI两种分布式非测距定位算法及具体实现过程,DV-Hop算法以增加网络通信开销为代价获得了较高的容错性和覆盖率;ROCRSSI算法简单、部署成本低,但对周围环境和锚节点密度依赖性较大.从开销、容错性、定位精度、覆盖率等方面对两种算法的具体性能做了评价比较.     

无线传感器网络网格定位算法

根据未知节点必定处于周围一跳锚节点通信半径范围内重叠区域内的基本事实,提出了基于非测距定位的分布式Intersection-Grid-Sector（IGS）定位算法。IGS算法以锚节点通信半径的10%作为网格大小来获取重叠区域,并把重叠区域的每个网格坐标求质心作为未知节点估计坐标的方法。仿真结果表明比Bounding Box精度明显提高,比经典质心提高近20%。     

无线传感器网络的节点定位算法

无线传感器网络作为一种全新的信息采集和处理方式,节点位置的确定是无线传感器网络应用的基础。结合无线传感器网络节点定位算法的性能评价以及分类方式,通过分析典型DV-Hop算法的误差产生,提出改进方案,并利用仿真环境验证。     

基于加权变尺度法的无线传感器网络定位

针对传统最小二乘法定位精度的不足,将工程控制优化中常用的变尺度法（DFP算法）应用到无线传感器网络定位问题中。该算法避免了计算二阶导数矩阵及其求逆计算,特别是对高维问题具有一定的优越性,从而实现对节点定位的优化计算。仿真实验结果表明,该算法能有效提高节点定位精度。     

基于声誉机制的传感器网络节点安全定位算法

针对传感器网络中的节点安全定位问题,提出一种基于声誉机制的安全定位算法。算法引入信标节点的相互监督机制,使用Beta分布来表示更新和整合信标节点的声誉值,通过簇头节点来收集并判断哪些信标节点是信誉值高的可信节点,并应用声誉模型来排除提供错误定位信息的恶意信标节点,提高了恶意信标节点的检测率,减少了定位误差,提高了定位系统的鲁棒性;通过仿真实验详细分析了定位算法的有效性和鲁棒性,所提算法适用于分布式传感器网络节点实现自身定位,且在定位精确性和安全性方面都有很大提升。     

无线传感器网络局部协同定位算法

针对无线传感器网络中距离定位算法精度和覆盖率低的问题,提出了局部协同定位算法(LCLA)。该算法通过对节点路径损耗指数的局部计算,将通信中受到环境或者障碍物影响的锚节点判定为无效锚节点;同时引入协同定位思想,将满足误差要求的已定位节点升级为锚节点,并参与其他未知节点的定位,以提高定位的覆盖率。节点定位时,若收到多个锚节点信号,优先选取初始的有效锚节点对其进行定位;当有效锚节点个数不足以定位时,再选取升级后的锚节点,以减少累积误差,提高定位精度。仿真结果表明,局部协同定位算法在定位覆盖率和精度方面优于改进的接收信号强度指示(RSSI)定位算法、多维尺度分析(MDS-MAP)算法和协作定位算法。     

无线传感器网络DV-Hop定位算法的改进

DV-Hop定位算法利用跳数乘以平均每跳跳距估算节点间距离,针对算法过程存在缺陷导致定位误差较大的问题,在不改变原算法的步骤,也不需要额外增加硬件设备的条件下,从两个方面对传统DV-Hop定位算法进行了改进:一是基于节点的通信半径对节点间的跳数进行修正;二是借助信标节点间的估计距离与实际距离的偏差对平均每跳跳距进行修正。仿真实验表明,在相同的网络环境下,改进后的算法与传统算法相比定位误差减少了15%左右;与另外一种利用估算出的理想跳数值对信标节点间的实际跳数值进行修正的改进算法相比,定位误差也有5%~7%的降低。实验结果表明所提出的改进算法能更有效地降低节点间的距离估算误差,提高定位精度。     

基于无线传感器网络的DV-Hop定位算法的改进

在无线传感器网络的定位算法中,距离向量-跳段(DV-Hop)是典型的无需测距算法之一,但其定位精度不高。为提高算法的定位精度,通过对DV-Hop算法的理论分析,找出该算法产生误差的主要原因。针对该算法存在的缺陷,新算法巧妙利用无线信号在同种介质中传播速度的不变性,用计数器来测量锚节点间的传送时间以及锚节点与未知节点间的传送时间,并利用该时间比例来修正未知节点的估计距离。通过仿真实验表明:新算法减少了定位误差,提高了定位精度。     

基于蝙蝠算法的无线传感器网络节点定位

节点定位是无线传感器网络的关键技术,针对最小二乘算法节点定位的不足,为了提高无线传感器网络节点定位精度,提出一种基于蝙蝠算法的传感器节点定位方法。首先将无线传感器节点定位问题转换成一个多约束优化问题,然后采用局部和全局搜索能力强的蝙蝠算法对其进行求解,最后在Matlab 2012平台上对定位性能进行仿真测试。结果表明,相对于其他节点定位方法,该方法提高了传感器节点的定位精度和定位效率。     

无线传感器网络节点近点加权质心定位方法

节点定位技术是无线传感器网络（WSNs）的基础技术,具有重要的研究意义。质心算法与基于RSSI的质心算法是目前常用的定位方法,但前者定位误差大,后者对每个信标节点进行加权定位,这在提高精度的同时也增加计算量和干扰因素（如路径衰减因子等）。基于此,提出一种利用距未知节点最近的若干个信标节点的位置修正其他信标节点的位置的近点加权质心算法,以提高初次定位的精度。进而,可以通过改变最近点、次近点、所有点位置之和三者的权值对初次定位进行校正。仿真结果表明了所提算法的有效性。     

基于蝙蝠拟牛顿混合算法的无线传感器网络节点定位

针对距离矢量-跳数(DV-Hop)算法第三阶段中最小二乘法定位精度低的问题,提出一种蝙蝠-拟牛顿混合算法与DV-Hop算法融合的定位算法.首先对蝙蝠算法进行两点改进:1)根据蝙蝠个体的适应度值自适应调节随机向量β,使得脉冲频率具有自适应能力;2)利用当前迭代之前所有最优个体的平均位置来引导蝙蝠移动,使得速度具有变异性能;然后在DV-Hop算法第三阶段采用改进蝙蝠算法得出节点的估计位置,再利用拟牛顿算法以估计位置为初始点继续搜索节点位置.仿真结果表明:相比传统DV-Hop算法和基于蝙蝠算法的DV-Hop改进算法(BADV-Hop),该算法的定位精度大约提高了16.5%、5.18%,且稳定性更好,适用于定位精度和稳定性要求较高的场合.     

基于协同预测的无线传感器网络全移动节点定位算法

节点定位技术是无线传感器网络的关键问题之一,分析了无线电的路径损耗模型,建立了基于信号接收强度（Received Signal Strength Indicator, RSSI）和距离的拟合关系模型,提出了一种基于协同预测的无线传感器网络全移动节点定位方法。该方法解决了当能够与未知节点通信的锚节点数量少于3个而不能定位的问题,算法利用未知节点历史时刻的位置信息辅助当前时刻的未知节点定位,即把未知节点历史时刻的位置作作为锚节点的位置,速度值作为通信半径对未知节点进行辅助定位。仿真结果表明,与传统RSSI定位算法相比,该算法的定位成功率提高了约30%,每轮的平均相对误差降低了约47%。     

WSN节点的粒计算网格化定位算法

接收信号强度作为一种低功率廉价的测距方式而用于估计无线传感器网络的节点位置,但定位精度会受到时空传播介质的影响,构造快速算法是解决该问题的主要方法之一。对定位区域网格化,提出了基于粒计算的快速网格化定位算法。将定位问题转化为分类问题,利用粒计算分类算法,得到定位参数,估计未知节点的位置。实验结果表明与支持向量机定位相比粒计算网格化定位算法降低了定位误差和时间。     

基于投影栅格扫描的无线传感器网络三维定位算法

针对现有无线传感器网络(WSN)三维定位算法在精度和复杂度方面的不足,提出了一种改进的三维空间定位算法。利用栅格扫描分别求解邻居锚节点在两个坐标平面的投影交域,得出未知节点在两坐标平面的对应位置,最终实现三维位置估计。仿真结果表明：在100m×100m×100m的空间里,随机投放200个传感器节点,锚节点数为45时,其覆盖率达到了99.1%,相对定位误差仅为0.5533。且平面投影的引入,有效地降低了算法复杂度。