近邻点联合测距修正粒子群优化定位算法

针对在信标节点随机分布的环境中传统测距差分修正定位算法对参考节点选取过于单一,导致测距修正系数误差较大的问题,提出了一种近邻点联合测距修正粒子群优化的定位算法.它利用一种近邻点联合测距修正算法得到未知节点到各信标节点的修正距离,然后通过一种改进的粒子群优化(pSO)算法对定位结果进行优化,得到未知节点的估计位置.仿真结果表明:改进定位算法与传统算法相比,有效地提高了定位精度和稳定性.     

距离误差加权与多通信半径的蝙蝠优化定位算法

传统DV-Hop定位算法存在明显的定位误差,改进的粒子群优化算法由于易陷入局部最优、局部收敛过慢等问题无法满足节点的定位精度要求.针对于此,通过设置跳数阈值优选锚节点以排除异常锚节点对定位精度的干扰;引入多通信半径广播方法修正最小跳数;采用距离误差和跳数归一化思想修正平均跳距;通过利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等三方面改进蝙蝠算法,并利用改进的蝙蝠算法定位未知节点.仿真结果表明,相比传统DV-Hop、BIDV-Hop、GAPSODV-Hop等3种算法,本文改进的定位算法有效降低了定位误差,提高了定位精度.     

无线传感器网络节点自定位技术

节点位置信息是许多无线传感器网络应用的基础，节点自定位技术在无线传感器网络中具有重要地位。目前已经出现了各种节点定位算法，其中的KPS算法不需要锚节点和复杂的测距技术，具有一定的优越性，但当网络部署在非理想的环境中时，存在定位精度较低的问题。该文针对这一问题，提出了利用运动学定位方法对KPS算法中的参考节点位置进行修正，从而提高节点定位精度。仿真结果表明，改进算法能够明显提高非理想环境中的节点定位精度。     

煤矿井下节点合作加权质心定位算法

针对煤矿井下长距离巷道内人员定位信号存在衰减大、定位精度低的问题,提出了一种节点合作加权质心定位算法。该算法在ZigBee通信环境下,通过参数寻优思想在长距离巷道内人员定位时选择近距离虚拟参考节点(已定位的未知节点)与参考节点合作使用,利用改进的小区域三角形加权质心定位算法对未知节点进行初始定位,然后通过坐标修正确定未知节点的位置。仿真与实验结果表明,利用参考节点与虚拟参考节点合作定位,减少了远距离参考节点的使用,可以解决因距离远导致的信号衰减大的问题,提高了井下人员定位的精度;该算法的平均定位误差为1.5 m,可满足煤矿井下长距离巷道内人员定位精度的要求。     

基于锚同心圆的改进加权质心WSN定位算法

研究无线传感器定位准确性问题,针对测量位置节点信息,为了提高无线传感器网络的定位精度,采用同心圆定位算法(CAB)是一种免测距的无线传感器定位算法,相比于传统的测距方法能降低节点的能量消耗,但是定位精度却不及传统的测距定位方法.提出在同心圆定位算法(CAB)的基础上,通过分析无线电传播路径损耗采用了一种加权同心圆定位算法.给出了算法的流程,仿真分析了通信半径对新算法定位精度的影响,比较了算法定位精度与现有的几种免测距定位方法的定位精度.仿真结果表明,改进算法有较高的定位精度而且对距离不敏感,对实际工程提供应用价值.     

基于最小误差平方和的无线传感器网络多边定位算法

多边定位算法是无线传感器网络节点定位中常用的定位算法。针对相关文献提出的多边定位算法中盲节点坐标估计值和节点编号有关的问题,提出了一种基于最小误差平方和的多边定位算法。不同的参考节点作为消元对象产生的误差平方和不同,通过选取误差平方和最小值来确定位置最优估计值。结合CC2430芯片,设计了定位实验,并在上位机进行了数据分析。实验结果表明：该定位算法可以有效地降低定位误差,最大定位精度提高达到3.6m。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。     

无线传感器网络中基于MDS的迭代定位算法优化

节点定位是无线传感器网络中的关键技术之一.介绍了定位算法的分类,论述了一种基于多维标度的迭代定位算法.该迭代定位算法的初始值一般为随机值,该算法定位精度较高,具有一定的优越性,但存在着迭代次数多,计算量大的问题,很难在硬件资源有限的无线传感器网络节点中实现.针对这一问题,对算法进行了改进,将参考节点的质心坐标设置为迭代初始值.仿真结果表明:改进后的MDS迭代定位算法,迭代次数大大减少,定位精度显著提高.改进算法可应用到实际的无线传感器网络的定位系统中.     

基于WSN路由节点度模型的楼宇走廊定位算法

针对现有的无线传感器网络(WSN)定位方法应用于结构复杂的楼宇走廊时,存在定位精度较低的问题,提出一种基于WSN路由节点度模型的楼宇走廊定位算法.该算法在路由节点度模型的基础上,先采用基于支持向量回归(SVR)的方法,用少量锚节点定位普通路由节点,达到间接增加锚节点覆盖率的目的;然后采用基于中垂线分割的方法定位随机分布在区域内的未知节点和移动终端.仿真表明:与传统SVR定位算法和核岭回归定位算法相比,所提出的算法精度提高了定位精度,满足室内定位精度要求(1 m~3 m),且降低了对锚节点数量的需求,可运用于楼宇走廊WSN定位.     

基于动态网格划分的移动无线传感器网络定位算法

定位技术是无线传感器网络中关键的基础支撑技术,目前提出了许多静态网络的节点定位算法,移动无线传感器网络的定位研究相对较少.针对定位节点和参考节点随机运动的网络模型,提出了一个基于动态网格划分的蒙特卡罗定位算法.算法中当接收的参考节点数超过一定阈值时使用最远距离节点选择模型,选出部分参考节点参与定位和信息转发,节约能耗.接着基于选择的或所有接收的参考节点构建采样区域,进行网格划分,使用网格单元数计算最大采样次数,在采样区域内采样并使用误差补偿的运动模型进行过滤,提高了采样效率,减少了计算开销,并保证了较好的定位精度.仿真实验表明算法在定位精度,计算开销、能耗等方面都具有较好的性能.     

基于改进变尺度法的超宽带定位新算法

针对传统定位算法收敛速度慢的问题,结合超宽带通信具有时间分辨率高的特点,在到达时间差(TDOA)定位模型的基础上,采用基于Armijo步长的变尺度法(DFP)对目标节点进行初始定位,进一步在初始位置处以泰勒级数展开算法得到目标节点的最终位置,实现超宽带(UWB)通信系统精确定位。实验结果表明,采用改进变尺度法的初始坐标修正算法,不仅能够降低定位优化算法对于初始坐标的要求,而且在测量时间准确的前提下,相比传统最速下降法平均定位精度有7倍的改进,整个算法具有好的定位精度和定位效率。     

一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

一种基于SBL和APIT的混合定位算法

由于子区域分割粒度的限制,基于阶次序列的定位算法(Sequence-based localization,SBL)存在边缘区域节点定位误差较大和不能保证平均定位误差性能的问题。针对这些问题,提出了一种基于SBL和APIT的混合定位算法,利用APIT信标三角形切割SBL算法子区域,减小子区域面积,实现了分割粒度的细化。通过预先进行系统训练,优化了混合算法的加权系数,进一步提升了算法的定位精度。仿真结果表明,相比于原算法,所提出的混合算法有效地提升了边界区域节点的定位精度,其平均定位误差降低了17.9%,使基于阶次序列的定位算法的定位精度得到了有效改善。     

无线传感器网络DV-Hop定位算法的研究

针对无线传感器网络中DV-Hop定位算法锚节点数的比例与节点定位精度以及覆盖率密切相关的问题,在分析原算法的基础上对其进行改进。改进后的算法未知节点只接收限定跳数内的锚节点的信息,当未知节点接收到3个或3个以上锚节点的信息时对其进行定位,然后将已定位的未知节点升级为锚节点,新旧锚节点共同参与剩下的未知节点的定位。仿真结果表明改进后的算法提高了节点的覆盖率和定位精度。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

基于改进双系统协同进化算法的无线传感器网络节点定位

为进一步提高无线传感器网络(WSN)中节点的定位精度,提出了一种双系统协同进化(BCO)算法。改进算法利用粒子群优化(PSO)算法快速收敛的特性和混合蛙跳算法(SFLA)较高的寻优精度的特性,在较少的迭代次数内快速收敛且实现深度搜索达到较高的精度。仿真实验结果表明:在应用双系统协同进化算法对测试目标函数进行求解时,能非常接近最优解;同时将该算法应用到基于接收信号强度值(RSSI)测距的节点定位中,预测位置与实际位置的绝对误差在0.05 m范围内;相比基于RSSI的分步粒子群算法(IPSO-RSSI),其定位精度至少提高了10倍。     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

压缩感知下的自适应声源定位估计

声源定位是一个应用非常广泛的研究课题。针对阵列定位精度不高的问题,提出一种基于压缩感知的声源定位算法。通过构建冗余字典,该算法将网络中的多个未知源节点的位置作为一个系数向量,然后采用稀疏贝叶斯学习算法估计声源位置。为了增快算法的运行速度,提出一种有效的多分辨率字典构建方法,并迭代地减小定位空间,提高定位精度。实验结果显示,基于压缩感知的声源定位算法可以改善多源节点的定位能力,且有效地减少所需的传感器节点。此外,与基于子空间的算法比较显示,该算法的性能更优越。