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。     

基于粒子群优化的多维标度节点定位算法

针对无线传感网络节点定位易受外部环境影响的问题,提出一种基于粒子群寻优的多位标度定位算法。利用基于动态路径损耗指数的接受信号强度测距,建立距离矩阵,使用多维标度方法构建节点的相对坐标,通过四参数坐标转换模型得到绝对坐标,再用绝对坐标与实际坐标的差异度作为粒子群寻优的适应度函数,通过分群搜索,优化节点位置估计。仿真结果表明：改进算法对实际环境影响具有较好的鲁棒性,节点定位精度有了明显的提高,能够满足定位系统需求。     

基于改进粒子群优化算法的无线传感器网络定位

针对经典DV-Hop定位算法第3阶段计算未知节点位置存在较大误差的问题,提出一种基于改进粒子群优化算法的无线传感器网络定位方法。首先分析DV-Hop算法误差大的原因,并将定位问题转换成未知节点坐标的优化问题,然后采用改进粒子群算法对问题进行优化,并引入收缩因子加快搜索速度和精度,找到全局最优未知节点坐标,最后在Matlab 2012平台上进行仿真实验。仿真结果表明,本文算法提高了传感器节点的定位精度,大幅度降低了定位误差。     

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离.在实际网络定位环境中,未知节点和锚节点之间多数是折线连接.当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大.为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法.采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试.仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值.     

基于分布式多跳误差估计目标位置感知算法

为了提高定位系统在目标定位上的精度,减少过多的硬件设施投入和能量成本,提出分布式多跳误差估计的能量高效目标位置感知算法(NFDV-Hop)。在定位精度上,DV-Hop算法采用每跳的平均距离来估计锚节点和未知节点之间的距离,导致估计距离与真实距离存在较大误差,而NFDV-Hop算法使用锚节点的平均跳数的大小以及锚节点间的平均跳距离,求得未知节点的位置坐标,并在得到坐标估计值后引入位置比值来减少定位误差。在能量优化上,DV-Hop算法需向节点多次广播信息,而NFDV-Hop算法所采用的锚节点只需向其他节点广播一次自身的位置坐标信息,从而大大减少节点的能量消耗。仿真结果表明,相比基于最小二乘法的DV-Hop算法以及基于改进粒子群优化的DV-Hop算法,NFDV-Hop定位算法的定位精度分别提高了12.1%和9%。     

无线传感器网络中基于RSSI的质心定位算法的改进

无线传感器网络关键问题是节点定位,通常将定位算法分为基于测距与无需测量的定位算法两大类,质心算法作为无需测量的经典算法因其算法实现简单而被普遍应用。本文针对无线传感网络节点分布不均匀的情况下,按照锚节点与未知节点的距离来对锚节点重新分组,求得多个质心点,通过加权质心,求出未知节点的估计坐标。     

基于改进的粒子群算法在WSN节点定位中的研究

如何能够减小无线传感中的节点定位误差一直都是研究的热点。提出一种基于改进的粒子群优化算法以修正DV-Hop误差的传感器节点定位方法,通过分析粒子间距离、双变异因子和权重设置改进了粒子群算法,改进后的粒子群算法减少了未知节点与锚节点间距离的估计误差。仿真实验表明,相对于DV-HOP算法,本文的算法可以有效地提高传感器节点定位精度。     

无线传感器网络中改进粒子群优化 ＤＶ-Ｈｏｐ 算法的研究

针对DV-Hop算法在节点处于不规则区域导致较大定位误差的问题,本文提出一种无线传感器网络中改进粒子群优化DV-Hop算法。首先,根据跳数值判断是否存在曲折路径。其次,利用每个未知节点的最大跳数值校正锚节点和未知节点间的平均一跳距离。最后,将禁忌搜索算法与粒子群算法结合代替最小二乘法对定位进行优化。仿真结果表明,在不规则区域下,改进算法与经典DV-Hop算法和其他文献中的定位算法相比,定位精度得到了有效提高。     

改进型粒子群优化在WSNs节点定位中的应用

针对无线传感网络(WSNs)在测距误差影响下存在的节点定位精度问题,提出一种基于改进型粒子群优化的自定位方法。该方法利用未知节点与邻近锚节点之间的距离信息,通过具有跳出局部最优能力的改进型粒子群优化算法取得未知节点的位置。仿真结果表明,该算法与最小二乘估计法相比,具有较高的定位精度和较快的定位速度,且性能稳定,是一种可行的WSNs节点定位解决方案。     

无线传感中的WPSO-DVHOP算法在节点定位中的研究

节点的定位一直都是无线传感网中的重要研究对象，针对使用传统算法定位节点容易出现估算不准确，定位精度低，算法自身局部收敛速度快等缺点，提出一种基于权值粒子群优化(WPSO)算法,首先分析了采用锚节点估算未知节点的距离与真实距离误差,采用最小二乘法的距离修正值策略,其次针对粒子群算法的收敛速度不足，提出了采用权值来调节粒子的速度，改进后的算法对节点定位误差进行修正。在仿真平台Matlab上的实验说明WPSO算法相对于基本的定位算法，粒子群定位算法相比提高了传感器节点定位精度,从算法的收敛性,节点定位的精度以及能量消耗等方面说明该算法具有一定的有效性，如何能够更好进行权值的设置使之能够更加有效提高算法的效率是下一步研究的重点。