基于TOA的三维无线传感器网络节点定位算法

随着无线传感器网络应用的发展,对三维定位研究的需求日益迫切,但目前这方面的研究却很少。在TOA测距的基础上,提出了一种三维无线传感器网络节点定位算法,并对其性能进行了分析,给出了算法的时间同步误差和定位误差。最后在现有仿真平台OMNET 的基础上构建三维仿真模块,对算法进行了仿真实现,给出了该算法的定位精度和覆盖率。     

基于迭代的无线传感器网络三维定位算法

针对目前无线传感器网络三维空间定位存在精度不高、计算复杂、传输数据量大等问题,提出了一种基于测距的分布式算法———高精度迭代三维定位算法(ILAH-3D)。该方法将经典二维算法AHLos(Ad-Hoc Localization System)扩展到三维空间,通过采用加权最小二乘法和加入定位节点升级锚节点的验证条件来减少累计误差,提高节点定位精度,并根据三维空间中节点的各种位置关系,给出了约束协作算法的执行条件,然后结合升级的锚节点再进行新一轮的定位运算。该方法计算简单、通信量小,与已有三维定位算法相比,在测距存在一定误差的情况下,依然可以达到很好的精度。     

无线传感器网络基于中垂线分割的APIT的改进定位算法

定位技术是无线传感器网络重要的共性支撑技术之一。在近似三角形内点测试APIT算法基础上提出了基于中垂线分割的改进算法PB-APIT。利用三条边的中垂线将APIT算法中的三角形分割为4个或6个可用小区域,并以检测信号的强弱进一步来判定未知节点的位置,即判断未知节点处于哪一个可用小区域,从而减小原APIT算法的定位区域,提高定位精度。仿真结果表明,与原APIT算法相比,所改进的算法精度上有较大提高。     

基于多维定标的无线传感器网络三维定位算法*

在森林防火、目标追踪、灾难预警、环境监测等应用中,需要通过定位算法对无线传感器节点进行三维定位。提出一种基于多维定标的无线传感器网络三维定位算法,结合RSS经验衰减模型和最短路径建立相异性矩阵,采用轻量级矩阵分解算法降低相异性矩阵分解的计算复杂性,并利用网络中存在的周期性消息将初始定位信息回送,在后台使用迭代优化算法对初始定位结果求精。仿真实验表明,在测距误差一定的情况下,该算法能够提高节点三维坐标的初始计算精度,经过集中式的优化求精后与MDS-MAP算法相比,能够明显地提高节点三维定位的精度。     

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法.DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描.介绍了 2种算法的原理,并进行仿...     

高精度无线传感器网络三维定位算法

无线传感器网络节点经常处于深海、丘陵、森林等三维空间场景中,需要提供节点的三维定位信息。为此,提出一种三维无线传感器网络节点定位算法。该算法前期基于TDOA测距技术,并设置单跳邻居节点间距离不大于节点通信半径的权重为“1”,其余为“0”,后期基于矩阵迭代优化算法对待定位节点进行定位。采用Matlab仿真软件进行实验,结果表明该算法能获得较高的定位精度。     

一种基于无线传感器网络的三维定位模型

分布式无线传感器网络节点的定位是一个重要而基本的问题,在诸如搜救、目标跟踪、供应链管理、减灾以及智能环境等领域具有重要的应用价值.将节点分布在具体的应用环境中,利用节点构成自组网,不需要特定的通讯设施,就可以感知和传送周围信息.在建筑项目的管理中,材料管理在管理成本中占有很大的比例,通过在建筑材料上安装RFlD,可以比较容易地实时检测它们的位置,甚至可以检测材料的状况.这样在很大程度上提高了生产效率,降低了建筑企业的成本.基于上述原因,提出了一个三维环境下的节点定位模型,并特别地对定位误差进行了分析.该模型已经成功地在建筑项目管理中得到了应用.     

基于PBIL算法的无线传感器网络三维定位方法

为了提高无线传感器网络节点的三维定位精度,提出了基于人口增量学习(population based incremental learning,PBIL)算法的无线传感器网络三维定位方法;算法首先通过RSSI技术进行测距,设立阈值消除包含误差较大的测量距离,然后使用人口增量学习算法对适应度函数进行求解,根据Heb规则更新概率向量并产生新的个体,最后经过循环寻优得到最优解;利用MATLAB进行仿真,结果表明:算法的定位精度和稳定性相较于最大似然法有了明显的提高。     

基于AOA和TDOA的无线传感器网络三维联合定位算法

结合二维空间中基于波的干涉的角度测量算法和基于到达时间差的定位算法,提出一种适用于三维空间的无线传感器网络定位算法。算法先测量信标节点和待测节点间的角度和距离,然后精确计算出待测节点坐标。该算法复杂度较低,最少只需三个信标节点,采用分布式计算,定位精度高。仿真表明,算法能够较精确地计算三维空间中传感器节点的位置。     

一种新的基于非测距的无线传感器网络三维定位算法

针对无线传感器网络在空间、海洋等三维场景下的应用,提出了一种基于非测距的分布式三维定位算法(DRFP-3D).该算法无需测量节点间的实际距离,只需要锚节点广播它们自身的信标信息,在锚节点一跳通信范围内的未知节点接收并存储监听到的信标信息,并根据这些信息估计自身位置.与现有的基于非测距的三维定位算法相比,该算法的通信开销和定位误差均比较小,且对网络拓扑结构具有一定的鲁棒性.仿真结果表明,在500 m×500 m×50 m的三维空间内,随机放置20个锚节点,ANR=4,就能对97%的节点进行定位,其平均定位误差仅为20%左右.     

基于无线传感器网络的节点自身定位技术研究*

为了在无线传感器网络中快递准确获取未知节点的位置信息,论文分析了不对称链路对距离矢量定位算法的影响,提出了一种新的定位方法,仿真表明：该算法具有定位精度高等优点。     

一种分布式无线传感器网络节点定位新算法

针对无线传感器网络节点自身定位问题，提出一种新的节点定位算法，介绍算法的基本原理和实现方法。算法假设网络中有一定比例的锚节点（位置已知的节点）。通过未知节点和其无线射程范围内的锚节点之阃的通信约束和几何关系，得出该未知节点所处的圆弧区域，将该圆弧区域的质心作为未知节点的估计位置。该算法是一种完全基于网络连通性的无需测距技术的分布式算法，算法设计简单，计算量小。节点间通信开销少。仿真结果显示，该算法适合于各种规模的无线传感器网络的节点定位。     

一种基于LEACH的改进WSN路由算法

针对无线传感器网络中网络能量损耗不均的问题,提出了一种基于LEACH的改进节能路由协议LEACH-PSOC.本文针对LEACH算法中的簇首选举方法进行了改进,首先利用粒子群算法良好的收敛性和全局优化能力将整个网络区域合理分割成多个子区域,然后在子区域内通过考虑节点剩余能量的因素进而选举出簇首.实验结果表明:与经典路由协议LEACH相比,该协议能够更加有效的平衡网络负载,提高了能量的利用率,延长了网络的生命周期.     

基于鸡群算法的无线传感器网络定位研究

针对无线传感器网络(WSN)节点定位精度不足的问题,提出一种改进鸡群算法与典型定位模型相结合的ICSO(Improve Chicken Swarm Optimization)算法。首先,提出基于pareto距离分级的分类算法,优化鸡群算法种群比例;然后,在母鸡位置公式中引入随机游走策略,增大搜索范围;最后,将净能量增益引入小鸡的位置公式,进一步提高定位精度。仿真结果表明,ICSO与改进后的粒子群算法(MPSO)和鸡群算法(BIDCSO)相比,在参考节点比例、节点密度、通信半径和定位区域面积等方面的平均定位精度分别提高了19.2%、22.1%、12.1%、8.5%和6%、10.5%、4.4%、4.7%。实验结果表明,ICSO算法能够有效提高定位精度。     

无线传感网络的3D粒子群定位算法

设计了一套基于粒子群算法的ZigBee无线传感网络3D定位算法。采用ZigBee节点JN5148进行测距,并对测距效果和误差进行分析。在设计粒子群算法目标函数时,根据测距距离远近赋予数据不同权重。仿真实验证明,本文定位算法性能良好。     

基于无线网络节点相似度的室内定位算法

针对RSSI测距定位技术在室内环境中受到的随机干扰大,干扰变化情况不确定,定位结果误差较大的问题,提出了一种基于无线传感器网络节点相似度的室内定位算法。首先通过无线传感器网络的连通特性确定位于网络盲节点周围的几个信标节点,利用数据拟合的方法确定节点工作电压对RSSI距离测量的影响,然后根据拟合结果对不同工作电压下测得的RSSI值进行修正,利用修正后得到的RSSI值计算得到网络节点之间的相似度值,并利用该相似度值作为距离测量和定位结果的自校正系数,对定位结果进行修正,从而获得精度较高的定位效果。实验结果表明该定位算法具有较高的定位精度。     

改进的无线传感器网络DV-Hop定位算法

在众多定位技术中,DV-Hop定位算法是应用最广泛的算法之一,它实现简单,对节点硬件要求较低,但该算法使用跳段距离代替实际距离,而平均每跳距离的计算精度受网络的连通度、节点密度等影响。针对DV-Hop定位算法的缺陷,提出修正平均每跳距离和估计距离来提高定位精度的改进算法,并在3种不同的节点分布环境下进行仿真。仿真实验结果表明,改进后的算法定位精度得到了有效的提高。     

基于距离重构的无线传感器网络多维定标定位算法

无线传感器网络中基于多维定标的定位算法通常采用最短路径代替距离矩阵中的未知项,会导致较大的定位误差。针对这一问题,提出一种基于距离矩阵重构的无线传感器网络多维定标定位算法DR-MDS。算法利用节点间的公共邻居信息对距离矩阵线性重构,计算距离矩阵中的未知项,然后对重构的距离矩阵运用双中心化并进行特征分解,从而求得网络坐标。由于算法能够更为准确的获得网络节点之间的空间相对关系,并充分利用其空间相关性计算节点相对坐标,可获得较好的定位效果。仿真结果表明,本文提出的DR-MDS算法与MDS-MAP、ISOMAP相比定位精度更高,误差范围更小。     

基于量子遗传算法的无线传感器网络路径优化

无线传感器网络作为一种有广泛应用前景的新型信息获取和处理技术,引起了国内外学术界和产业界的高度关注;文章采用量子遗传算法对无线传感器网络进行路径优化,将节点能耗和路由恢复时间等实际因素作为路径优化问题的约束条件,按照重要性考虑各种约束条件和多种目标的优先次序,并对量子遗传算法的各个环节进行了细致的分析与设计,包括量子比特编码、适应度函数设计、量子门更新、量子变异等;仿真实验表明,使用量子遗传算法能找到无线传感器网络有效的优化路径,并且优于相关算法。