基于高斯校正模型的MDS-MAP定位算法

在无线传感器网络中,节点位置信息是很多应用的基础.对于基于RSSI测距的定位算法,其算法性能很大程度上依赖于RSSI的精度.文章提出一种基于高斯校正模型的改进MDS-MAP定位算法.改进算法在测距阶段利用高斯校正模型过滤掉受干扰的RSSI信号值,提高了RSSI测量值的精度.仿真实验结果表明,该算法定位精度比原始MDS-MAP算法有明显的提高.     

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.     

一种环境自适应的无线传感器网络定位算法

在目前无线传感器网络中,接收信号强度指示(RSSI)测距模型严重依赖于信号衰减因子。为解决该问题,提出一种环境自适应的无线传感器网络定位算法。该算法利用改进的RSSI测距方法,通过网络中边与边之间的量化关系,消去信号衰减因子对定位算法的影响,从而使算法能实现对环境的认知。仿真实验结果表明,与传统的MDS-MAP定位算法相比,该算法具有较强的环境自适应能力和较好的定位精度。     

改进的分布式无线传感器网络多维标度定位算法

为提高无线传感器网络集中式多维标度MDS-MAP算法的定位精度,提出了一种改进的基于MDS的分布式定位算法。该算法在构建距离矩阵时引入Euclidean算法距离估算思想,同时采用一种优化的基于最小二乘逼近的坐标转换方法实现节点由相对坐标到绝对坐标的转换。实验结果显示,与经典MDS-MAP算法相比,改进算法在多种网络拓扑结构下均能有效提高节点的定位精度。     

基于距离区间概率测距的无线传感器网络定位算法研究

基于经验的传播模型在实际应用中存在多值问题,导致RSSI 与距离并非一一映射。本文提出了一种改进的 MDS-MAP 定位算法,该算法利用基于距离区间概率的测距模型,消除多值问题对测距模型精度的影响,从而提高测距模型 的测量精度。通过仿真结果表明,改进的算法与传统的MDS-MAP 定位算法相比,算法具有更好的定位精度。     

基于超声波六元阵列测距的WSN节点定位技术研究

基于超声波测距的定位技术以其精度高、范围广和性能稳定等优点,在无线传感器网络中广泛应用。为了实现较大范围的高精度定位,利用自主实现的超声波六元传感器阵列进行TDOA测距,并进行测距误差分析,然后采用基于测地距离的多维定标算法(Geodesic Distance MDS)进行无线传感器网络节点定位。在MATLAB平台下与Cricket采用的迭代式三边定位和AHLoS采用的多点定位算法进行对比仿真实验,结果表明Geodesic Distance MDS算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

基于移动锚节点的加权多维标度节点定位算法

针对无线传感器网络节点定位精度不足等原因,提出了一种基于移动锚节点的加权多维标度度节点定位算法,首先通过对移动锚节点的轨迹进行采样,添加虚拟锚节点,增加拓扑约束关系,将虚拟锚节点收集的信息与实际节点之间的信息构成距离矩阵,然后利用奇异值分解计算节点相异性矩阵的逼近阵,通过加权多维标度对节点进行定位.仿真实验表明:与MDS-MAP和MDS-MAP(P)算法相比,该算法具有良好的定位精度.     

基于图刚性的无线传感器网络定位新算法

针对分布式 MDS-MAP 算法的不足,提出了一种基于图刚性理论的无线传感器定位新算法 MDS-MAP (GR)。算法利用图的刚性理论,确定网络中的所有刚性子区域,然后利用合并定理将刚性子区域进行扩展,最后对合并得到的刚性区域利用 MDS-MAP 算法和锚节点实现网络中节点的大规模定位。算法尽可能对刚性区域进行合并,节省了执行 MDS-MAP 算法的次数,提高了执行效率。通过在不同拓扑结构的无线传感器网络中进行了仿真实验,说明了提出的算法能有效定位不同半径下网络中90%以上的节点,另外,新方法比现有方法在定位成功率上提高了4%～5%,并且定位精度提高了2%～3．5%左右。算法适用于大规模无线传感器网络中的快速定位。     

基于改进拼合策略的分布式多维标度定位算法

本文基于多维标度定位（MDS-MAP）方法,研究了大规模无线传感器网络的分布式定位问题。在分布式MDS-MAP的算法框架下,本文通过对基本的拼合条件进行分析与扩展,提出了更一般化的拼合条件,并在此基础上通过引入一种新的MDS计算方法设计了一种改进的拼合策略。由于改进后的拼合策略能够适用于更一般化的拼合情况,因此,本文基于改进拼合策略所给出的分布式MDS-MAP算法具有拼合要求低、定位精度高及鲁棒性强的优点。通过仿真比较。本文所给出的分布式MDS-MAP算法的有效性及优点得以验证。     

水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

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。     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

基于不完全测距的移动传感器网络定位算法

采用基于二次规划的无迹卡尔曼滤波及多维标度方法,研究高精度的移动传感器网络定位算法,从传感器网络整体定位角度出发, 为移动传感器网络定位提供了新思路.首先对传感器网络单元建立符合实际的带约束的非线性相对运动模型;在此基础上重点考虑模型中的物理约束,采用基于二次规划的无迹卡尔曼滤波对节点间相对距离进行滤波估计;最后基于分布式的多维标度定位算法进行局部定位与拼合,给出不完全测距下的移动传感器网络定位算法.仿真结果表明,所提出的算法在相同测距误差下与其他定位算法相比定位精度更高,在不同连通度的传感器网络中,均能得到良好的定位效果.     

基于多粒度流形学习的无线传感器网络定位方法*

针对FastMDS-MAP定位算法存在对不规则无线传感器网络定位误差大,选取的框架节点不能很好的体现网络的拓扑结构实现不同粒层定位的问题,通过选择不同的筛选半径获得不同粒度的框架节点,结合绝对坐标变换加权策略提出了基于多粒度流形学习的无线传感器网络定位方法(MG-MDS)。仿真实验结果表明,不规则网络中MG-MDS算法定位精度比FastMDS-MAP算法有明显的提高;且定位误差随着网络节点粒度的变细而变小。     

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.     

基于分而治之的快速多维尺度定位算法

传统MDS-MAP算法通过同时提取网络中所有节点间距离信息的特征来实现定位,计算时间复杂度相对较高,影响了算法的定位速度。针对该问题,提出了基于分而治之的快速多维尺度定位算法DMDS-MAP,剔除参与转换的冗余数据,可有效提高原始MDS-MAP算法的定位速度。DMDS-MAP算法将距离矩阵进行划分,选取对角阵作为子矩阵以剔除冗余数据,通过奇异值分解从各子矩阵中提取指定维数的特征转化为相对坐标,融合由各子矩阵求得节点的相对坐标,得到所有节点的相对坐标,最后,根据锚节点坐标信息得到所有节点的全局绝对坐标。实验结果表明,在定位精度相似的情况下,随着参与运算的节点密度的增加,DMDS-MAP算法较MDS-MAP算法在运行时间上有明显的提升。     

最短路径距离矩阵修正的多维标度定位算法

为了减小最短路径距离矩阵与欧氏距离矩阵之间的差异,提高MDS-MAP(C)算法的节点定位精度,提出一种改进的多维标度节点定位算法.该算法对MDS-MAP(C)算法进行了以下改进:采用启发式的搜索策略对最短路径距离矩阵进行修正,以减少最短路径距离矩阵与实际的欧氏距离矩阵之间的误差;利用smacof算法迭代误差函数代替SVD分解来求解节点的定位问题,以优化和改善节点定位的求解过程.实验结果表明,与MDS-MAP(C)算法相比,改进算法能够减少最短路径距离的误差,有效提高节点的定位精度,并且对不规则网络具有更好的适应性.