基于离散萤火虫压缩感知重构的无线传感器网络多目标定位

研究了压缩感知（CS）理论在无线传感器网络（WSNs）多目标定位中的应用。提出一种基于离散萤火虫算法的压缩感知重构方法,并设计了具体算法实现流程,该算法摆脱了传统压缩感知重构算法对稀疏度K的依赖且能够准确地重构出原始信号。基于此,将新的压缩感知重构算法应用于WSNs目标定位,建立了WSNs系统模型,构造了合理的测量矩阵和稀疏矩阵,并分析了测量矩阵与重构结果之间的关系,最终实现了WSNs多目标定位。仿真结果表明该方法在稀疏信号重构性能及多目标定位精度方面具有较好效果,定位精度优于贪婪匹配跟踪（GMP）算法、正交匹配追踪（OMP）算法和最大似然估计（MLE）算法,且用于WSNs定位的传感器节点数目减少了20%,抗噪性达到了20dB。     

基于球面坐标的无线传感网络三维静态定位

针对当前提出的基于球面坐标的三维动态定位机制不适用于锚节点不能移动的情况,提出了一种静态的定位方法：在锚节点和未知节点都分布好的场景中,采用PIT（Point-In-Tetrahedron）方法选取用来定位的4个锚节,并将这4个锚节点构成球体的球心坐标作为该未知节点的估计坐标。通过仿真分析,结果表明定位精度比未采用该方法的情况有明显的改进。     

基于压缩传感理论的重构算法研究

针对国内压缩传感理论(CS)尚处于起步以及理论研究阶段,为深入阐述该理论及对其实践应用性进行探索,将压缩传感理论从信号的稀疏表示、编码测量以及重构算法3个方面展开了较为详细的论述,并深入地阐述了重构算法中具有代表性的匹配追踪、正交匹配追踪、正则化正交匹配追踪算法。并进一步介绍了最小均方差线性估计(MMSE)算法,通过与常用重构算法的仿真对比,突出了MMSE算法在低采样率下的优越性。研究结果表明,该算法在实践中具有较好的应用潜力。     

基于Bandelet稀疏的移动机器人环境视觉纹理图像的压缩传感与重构

压缩传感技术为移动机器人环境视觉的实时高效处理与传输提供了一种新的解决方法。结合Bandelet变换自适应跟踪图像正则方向的特点,进行了基于Bandelet稀疏和正交匹配追踪(OMP)算法的环境纹理图像压缩传感重构分析研究。结果表明：在较大观测值下,Bandelet稀疏重构与传统小波稀疏重构效果差别不大;在较小观测值下,传统sym8小波稀疏重构出现不稳定状态,出现块状信息缺失,不能有效重构,而Bandelet稀疏重构效果相对稳定;在给定观测值下,Bandelet稀疏重构的边缘细节表达能力优于sym8小波,说明Bandelet变换在压缩传感采样高压缩比下恢复重构具有有效性和稳定性。     

基于RSSI的无线传感网络协同定位算法及其应用

为了解决传统无线传感网络(WSN)中定位方法精度不高的问题,将协同定位的技术应用到无线传感网络的定位中。首先,通过对盲节点与参考节点的距离关系的分析,初步确定了盲节点区域;然后利用接收信号强度指示(RSSI)测距技术建立了盲节点之间的相对位置关系,并应用盲节点的相对位置关系多次迭代缩小盲节点区域,精确盲节点位置;在此基础上,提出了基于RSSI的无线传感网络协同定位算法。在Zigbee平台上对该算法进行了技术评价,与传统定位方法进行了对比实验,实验结果表明,基于RSSI的无线传感网络协同定位算法具有一定的精度优势,特别是当参考节点数目较少时,这种优势比较明显,具有良好的应用前景。     

智能无线传感网络关键技术及应用研究

智能无线传感网络是计算机、信息处理、嵌入式计算、通信和传感器技术相融合的产物，是一种全新的信息获取和处理方法。研究了无线传感网络的特点、传感网络的关键技术和近几年在军事、工业、日常生活中的应用。对其相关的协议和算法以及研究进展进行了介绍，随着理论研究及应用的深入，无线传感网络必将逐步进入人类生活的各个领域。     

无线传感器水下监测网络稀疏采样和近似重构

无线传感器网络在水下生态环境的监测方面有着广泛的应用,但是常常会碰到能量缺乏和生命周期较短的问题.为了克服这些问题,基于压缩感知理论,提出了一种网络节点调度和稀疏采样的优化方法,与传统的无线传感器网络节点调度方法不同,它采用随机概率采样模型,只对整个网络的一个子集进行采样,这是一种“物理静止,逻辑动态”的随机调度方案,节省了有限的带宽和能量.同时该方法在节点调度过程中,引入了状态转换图,对节点的状态进行分类控制,增加了网络覆盖要求和最小观测数等约束条件,使得设计的稀疏选择矩阵更为合理.同时研究了在满足最小l1范数的条件下,基于组合算法对稀疏信号进行重构的方法.实验的结果表明,与传统的无线传感器水下监测网络相比,基于上述节点调度方法所构建的无线传感器水下监测网络,具有较低的能耗和较长的网络生存时间,并且能对稀疏采样后的信号以较大的概率进行近似重构,使得重构信号逼近原始监测信号.     

无线传感网络测量系统关键技术

介绍无线传感网络测量系统的发展背景、系统组成及特点。从“低耗自组、泛在协同、异构互联“3个方面详细论述无线传感网络测量系统关键技术,并具体阐述低功耗无线传感网络测量系统硬件设计、协作信号处理、动态能量管理优化和测量代理技术等理论和关键技术。还介绍无线传感网络测量系统在工业过程及设备监测中的应用情况,体现无线传感网络测量系统的灵活性、高效性和稳定性,具有广泛的应用前景。     

无线传感网贝叶斯目标跟踪定位算法

提出一种贝叶斯目标跟踪定位算法。针对问题模型,进行网络拓扑结构建立,采用贝叶斯方法对目标下一位置区域进行预测,从而对目标进行跟踪优化,实现选取合适的定位参与节点。最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位。     

无线传感网络节点定位算法综述

节点定位技术是无线传感器网络的关键技术之一。文章介绍了无线传感器节点定位的原理、节点定位算法的评估标准,讨论了现有的节点定位算法的分类．对无线传感器网络距离相关和距离无关两大类的算法进行了分析对比,并对未来节点定位算法的发展进行了展望。     

基于无线传感器网络的室内定位系统

为解决已有室内定位系统精度低、成本高的问题,将无线传感器网络( WSN)技术应用到室内定位中.开展了对已有定位系统包括RADAR、Active Badge和Cricket等的分析,设计了一套基于无线传感器网络的室内定位系统.该系统使用GAINSJ无线传感器网络节点组网,整个系统由汇聚节点、参考节点和目标节点构成.汇聚节...     

无线传感器网络移动节点辅助定位算法

从目标跟踪(用多个静态已知位置的传感器跟踪和预测一个移动的目标)的逆向方法出发,提出一种采用可移动节点在未知节点布设区域上空进行行列扫描,同时向未知节点发射相应标识信号给未知节点的定位算法--LA-SCAN.它具有至少两个优势:1)由于未知节点只需接收第一次标识号,用于节点定位的通信能耗极低;2)未知节点只需要移动节点移动间距、布设区起点位置和接收到的标识号即可计算m估计坐标.理论分析和仿真结果表明LA-SCAN算法具有高的性能表现.     

无线传感器网络加权垂直平分线定位算法

针对APIT算法和基于垂直平分线的区域定位算法(MBLA)迭代次数多,定位精度低的缺点,提出了加权垂直平分线定位算法——WMBLA。该算法根据待定位节点接收到的2个锚节点的RSSI值的比值,移动两锚节点连线的垂直平分线,然后确定待定位节点在垂直平分线的哪一侧。仿真表明:WMBLA算法定位精度显著提高,定位误差是MBLA的一半,是APIT算法的1/4,迭代次数是MBLA的1/3。     

无线传感器网络节点定位算法的研究综述

作为一种全新的信息获取和处理技术,无线传感器网络（WSN）可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而节点定位是大多数无线传感器网络应用的基础。介绍了无线传感器网络节点定位的概念和原理、节点定位计算的一般过程,讨论了现有的传感器网络节点定位算法的分类方法,着重综述了近年来该领域具有代表性的算法的原理和特点,简要介绍了节点定位算法的最新发展。在对现有算法进行了分析比较的基础上,通过归纳和总结,提出了基于移动锚节点的定位算法将成为以后研究热点的看法。     

一种无线传感器网络分步求精节点定位算法术

传感器网络由于资源受限,定位算法需要综合考虑算法开销、网络构建成本、定位精度等多方面因素.本文针对Boun-ding Box定位算法定位精度过于依赖于锚节点密度的问题,提出一种锚节点数量适中的无线传感器网络分步求精定位算法(SRBB).该算法利用锚节点位置信息,结合多边测距定位方法分步求精,并町有效识别出网络中的孤节点,消除其对定位过程的影响.算法原理简单,便于实现,仿真实验表明,SRBB可利用适量的锚节点达到较高的定位精度,算法开销适中.     

基于测距定向的WSNs分步求精定位算法

针对现有算法无法满足在不同环境中对定位精度的要求,提出一种基于测距定向的分步求精定位算法(stepwise refine-ment localization algorithm based on ranging and orientation,SRLRO)。通过分析环境因素对RSSI(received signal strength indica-tion)测距的影响,算法首先建立RSSI测距定向模型,确定指向待定位节点所在较小区域的多条直线,通过质心算法求这些直线交点的质心。为了进一步提高算法精度,算法采取了一些优化规则。仿真和实验表明,在不同环境因素的影响下,算法都具有较高的定位精度。     

无线传感器网络动态加权DV-Distance算法

无线传感器网络DV-Distance定位算法,采用未知节点与锚节点间的累计跳段距离代替欧式距离计算节点位置,存在较大的定位误差.针对这一问题,提出一种动态加权DV-Distance改进定位算法,基于未知节点的修正模式,保证定位网络中每个未知节点具有不同的修正系数;通过动态加权修正模型,用锚节点间距离、跳数等信息计算修正系数,采用动态加权的方法将不同方向上的修正系数进行整合,修正未知节点与锚节点间累计跳段距离,提高算法的定位精度.通过仿真验证了算法具有更高的定位精度;并进一步通过实验验证了算法的有效性和可行性.     

链式无线传感器网络移动目标二元协同感知策略

对链式无线传感器网络中移动目标的感知是对运动目标跟踪定位的基础,如何在节点能量有限情况下准确感知移动目标是其主要技术之一.为此,提出了一种基于节点相邻步距间协作的二元协同感知策略.首先提出目标感知节点集求解算法和目标运动感知模型;其次,融合当前感知概率和历史感知经验,建立移动目标感知概率求解模式,并相应地提出了二元协同感知算法;以矿井巷道内的人员定位监测为工程仿真实例,进一步进行了二元协同感知策略、全节点感知策略与单节点感知策略的性能比较,结果表明,二元协同感知策略能有效解决单个感知策略易存在检测漏洞与全节点感知策略通信量大的缺点,提高移动目标的感知概率,延长了网络的生存寿命.最后,以建筑物楼道长廊中的人员定位监测作为实际环境测试平台,测试了二元协同感知策略的性能变化,其结果显示出实际环境测试结果与理论仿真值变化趋势基本相同,从而验证了二元协同感知策略的实际有效性.     

无线传感器网络的分布式目标跟踪研究

针对无线传感器网络节点计算能力和能量受限问题,提出一种分布式并行扩展卡尔曼粒子滤波算法.在网络动态分簇模型上,簇头将粒子集划分为多个子集,并分配到簇内各个传感器节点中并行运行,最后在簇头进行信息融合,得到目标状态估计.算法提高了粒子滤波效率,避免单个节点能量过度消耗,均衡了网络能耗.同时,算法利用扩展卡尔曼滤波器来产生粒子滤波的重要性密度函数,使得重要性密度函数抽样样本更加接近后验概率密度产生的样本.仿真结果表明,算法对运动目标能实现较好的预测和跟踪,跟踪精度高,并能有效平衡网络能耗.实验结果说明了提出算法的有效性和可行性.