基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于IMA-FPGA的电力传感器失调节点定位方法

为了解决动态测试系统中,由于电力传感器失调节点定位偏差,产生的测试数据失调现象,提出基于改进关联挖掘算法(Improved Mining Association Algorithm,IMA)及FPGA实现的电力传感器失调节点定位方法,对关联挖掘算法进行了详细的逻辑分析。利用该算法思路获取电力传感器失调节点间的关联规则,基于该关联规则,通过电力传感器失调节点的DV-Hop定位算法,将未知电力传感器失调节点到信标节点间的距离,用网络中节点平均每跳距离和到信标节点间的跳数乘积表示,采用三角定位获取电力传感器失调节点的位置。为了将最佳电力传感器动态定位器运用在在线检测中,在动态定位器的硬件结构中融入了分布式算法,给出了电力传感器动态定位器的高速并行FPGA实现过程。实验结果说明,所提方法进行电力传感器失调节点定位时的执行时间与内存使用量方面均优于传统方法,定位准确率方面比传统方法也有很大提高,有一定的实际应用价值。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

基于三角不等式的加权双曲线定位DV-HOP算法

针对DV-HOP算法中信标距未知节点越远其测距误差越大的问题,提出了一种基于三角不等式的加权双曲线定位DV-HOP算法。该算法在计算信标间的距离和未知节点到一跳信标距离的基础上,利用三角不等式对未知节点到多跳信标的距离进行约束,以减小测距误差。在双曲线定位过程中引入一个与距离成反比的权值,以降低测距误差对节点定位精度的影响。仿真实验表明,在相同的条件下,与DV-HOP及相关改进算法相比,定位精度分别提高了13%和7%以上,且稳定可靠、易于实现。     

基于多维尺度的矿山无线传感器网络定位算法

无线传感器网络(WSN)应用于具有复杂性,高度动态性以及无线信号的传播不确定性的矿井较为困难。为了获取地下矿井中大量矿工的位置,部署了无线传感器网络用于获取佩戴于矿工身上的无线移动节点的位置信息。引入了基于卡尔曼滤波估计以及弹性粒子的定位算法,用于节点间的距离测量,提高了动态环境下测距模型所获取的距离信息的精度;基于分簇机制减小网络计算复杂度,并使用了Ao A和余弦定理得到网络中无法直接连接的节点间的距离信息,通过簇之间的距离矩阵的整合得到最终网络的距离矩阵;使用多维尺度(MDS)定位算法重构出网络中所有移动节点的最终位置。实验结果表明,算法有效的减小了定位误差,适用于具有高度动态性与复杂结构的矿井无线传感器网络。     

融合跳距修正与麻雀搜索的改进DV-Hop算法

针对WSN节点定位中DV-Hop算法存在较大定位误差的问题,深入分析产生误差的原因,提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数,并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法,把无线传感器的定位问题转化为求解最优问题,进而得到未知节点的位置。通过仿真,在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%,证明ISSA-DH算法能够有效减少定位误差。     

基于蜣螂算法优化的 DV-Hop 定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。     

对跳距重估与最小跳数修正的DV-HOP算法

针对无线传感器网络DV-HOP算法中存在因平均跳距与最小跳数估计不准而引起的定位误差问题,提出了利用锚节点间距离对锚节点的平均跳距重估以及实现对待定位节点到锚节点最小跳数修正的DV-HOP算法。首先通过锚节点间实际距离与锚节点平均每跳距离与最小跳数乘积的误差值,来实现对待定位节点距离最近的锚节点平均跳距进行重估;并通过修正后的锚节点平均跳距来求出理论锚节点间最小跳数,求出理论最小跳数和实际最小跳数比值的修正系数,并通过修正系数实现对待定位节点的最小跳数修正,最后求出待定位节点到锚节点的距离,采用最小二乘法来计算出待定位节点的位置。仿真表明,改进的DV-HOP算法能降低节点定位的误差,提高定位的精度。     

基于序列加权的无线传感器网络定位算法

针对阶次序列定位算法的复杂度高和定位精度低的问题,提出了一种新的无线传感器网络阶次序列加权定位算法,给出了该算法的基本原理与实现方法。该算法首先采用Voronoi图对定位空间进行划分,将多边形的点、面的重心及其和边界交汇点作为虚拟信标节点,然后建立虚拟信标节点到信标节点的阶次序列表。最终,该算法计算未知节点序列与构建的最优序列表中各序列的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,新算法在降低算法复杂度的同时降低了边缘节点定位误差,定位精度也有所改善。     

路径相似度因子在DV-Hop改进中的应用

经典DV-Hop方法在非均匀分布网络中存在节点间距离估计误差较大以及节点定位精度低的问题。引入节点间多跳最短路径相似度因子的计算规则,用于在距离估计步骤中修正节点的每跳平均距离值,并在位置计算步骤中选择参与定位计算的信标节点;使用改进的模拟退火(SA)算法对节点初始位置进行优化。仿真表明,所述改进策略在随机生成的网络拓扑结构条件下,相对于经典DV-Hop算法平均可降低约20%的定位误差,相对于既有的先进改进方法平均可降低约4%的定位误差,表现出良好的定位性能。     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

基于测距修正和蝙蝠优化的改进DV-Hop定位算法

本文对DV-Hop算法定位误差大的问题进行研究。针对DV-Hop算法在求解平均跳距和未知节点位置两个阶段的缺陷，提出一种基于测距修正和蝙蝠优化的改进DV-Hop定位算法。首先，采用最小均方误差准则求解锚节点间的平均跳距，并添加校正因子减小测距误差；其次，利用混沌映射策略初始化种群并设置阈值M控制映射的次数，采用速度加权策略控制搜索的步长，增强蝙蝠算法跳出局部最优的能力；最后，使用改进蝙蝠算法确定未知节点的位置。仿真结果表明，提出的定位算法具有更高的定位精度，相比DV-Hop算法、BADV-Hop算法、PSODV-Hop算法分别提升了32.35%、18.80%、8.16%。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

RSSI信号滤波技术在机器人导航中的应用

针对RSSI方式对移动节点进行导航定位时会引入较大的模型误差的问题,提出了一种高效的硬件分组粒子滤波算法对节点间RSSI信号进行滤波预处理,确保RSSI值和节点间距离呈单调函数关系。直接利用RSSI信息和网络拓扑结构实现机器人定位,避免将RSSI值转换为几何距离时带来的模型误差。将滤波处理和导航计算分散到多个信标节点上执行以提高算法实时性,在导航实施之前无需精确已知各信标节点的几何坐标,免去了人工部署信标节点的步骤,可适合网络拓扑结构或环境参数频繁变化的场合,该方法在现场实验中导航控制精度可达到0.6 m。     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

基于麻雀搜索的协同定位算法研究

无线传感器网络的定位问题可以转化为适应度函数最优问题,并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据,从而导致定位精度的提升有限。为了解决这一问题,提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段：粗略搜索和精细搜索。在粗略搜索阶段,未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段,未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先,采用Cat混沌映射方法来保证初始种群的均匀分布,从而有助于确定最佳位置。其次,构建了两种不同的适应度函数,一种用于粗略搜索,另一种用于精细搜索。其中,用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后,提出了一种新的精细搜索方法,以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析,验证了所提方法的有效性。