无线传感器网络的定位改进算法

DV-Hop定位算法利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度.提出了改进算法,对每个信标节点的平均跳距误差进行mandist和dist跳距修正加权,然后用加权处理后的平均跳距误差修正全网平均每跳距离,使其更逼近实际距离,最后得到未知节点的坐标.通过仿真,证明该改进算法可以有效地降低节点分布不均引起的测距误差,提高算法的定位精度.     

基于双通信半径的传感器网络DV-Hop定位算法

为了减少传统的DV-Hop算法对未知节点定位时产生的较大误差,分析了影响传统DV-Hop算法定位精度的两个因素,继而提出了一种改进算法。改进算法在进行未知节点定位时,信标节点先后使用两个通信半径广播自身位置信息,从而获得未知节点与信标节点间更精确的跳数,并计算出它们之间更精确的距离,得到未知节点更精确的坐标。仿真结果显示,改进算法相比于传统DV-Hop算法相对定位误差减少了13%~15%,并且减少了由于网络拓扑结构不同带来的定位误差的差异性。     

基于ISSA-GRNN的无线传感器网络定位优化算法

为了减少无线传感器网络(WSN)节点在传统方法上的定位误差,增强定位的准确度,提出了一种融合改进的麻雀搜索算法和广义回归神经网络(ISSA-GRNN)的节点定位优化算法。首先,对普通DV-Hop算法和Centroid定位算法的节点信息分别优化,利用加权优化思想和节点信号强度修正DV-Hop算法的跳距与Centroid算法的质心。然后将修正后的跳距、质心特征和节点其他特征相融合,作为GRNN的输入向量进行训练。为了解决网络调节参数随机设置的问题,通过ISSA改进网络参数,并得到未知节点的最优预测位置。仿真结果表明,与其他优化算法相比,该算法平均定位误差较小,定位精度得以提升。     

WSN中一种改进的三维DV-Hop节点定位算法

本文在研究传统的DV-Hop3D算法基础上提出了一种新无线传感器网络定位算法。新算法在算法的第一阶段设置了跳数阈值参数以减小通信开销,并且在算法的第二阶段用可选择的平均跳距代替固定的平均跳距来计算未知节点到锚节点的距离,最后用Matlab7.1进行了仿真。仿真结果表明,该改进算法可明显提高节点定位精度,并且能有效降低网络通信量。     

遗传-禁忌搜索优化的三维DV-Hop定位算法

为进一步提升无线传感器网络的定位精度和稳定性,提出了一种利用遗传-禁忌搜索法改进的三维distance vector-hop （DV-Hop）定位优化算法（TDGT）.首先利用最优跳数、跳数调整因子以及锚节点距离误差加权值对DV-Hop中的节点间跳数和平均跳数进行改进和修正,降低了算法的定位误差;其次将具有快速搜索能力的禁忌搜索引入遗传算法中进行寻优,提升了算法的搜索效率和定位准确性.仿真结果表明,TDGT与现有的无线传感器网络定位算法相比,具有更佳的寻优搜索能力、定位精度和稳定性.     

改进的DV-Hop算法在节点定位中的应用

基于传统DV-Hop算法的定位技术,通过分析该算法误差产生的主要原因,提出了节点间跳数的修正方法。通过在广播通信中采用双通信频率,将节点间的跳数缩减为0.5R,减少了平均跳距的误差。通过matlab软件的实验验证,本算法可以提高节点定位精度,且提高网络通信频率,可进一步提高定位精度,定位结果达到了预期的目的。     

无线传感器网络的DV-Hop定位算法改进

针对传统DV-Hop算法存在定位精准度低这一缺陷,分析了影响传统DV-Hop算法定位精度的三点主要因素:锚节点分布密度、平均跳距误差、极大似然法扩大误差。从算法的平均跳距计算和节点坐标计算两个阶段入手,引入RSSI(Receive Signal Strength Indicator)技术对平均跳距计算过程进行优化处理,同时对未知节点坐标计算过程采用最小二乘法进行修正。仿真结果表明:改进后的算法在测距精度上比原始算法提高了约30%;在相对定位精度上提高了约35%。     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

基于BP神经网络和多元Taylor级数的混合定位算法

针对多元Taylor级数算法定位精度严重依赖初始值的问题,提出一种新的混合定位算法。通过BP神经网络定位算法提供初始值,提高多元Taylor级数展开法的收敛速度;通过多元Taylor级数展开法,充分利用未知节点之间的距离信息,减小测距误差造成的定位误差。仿真结果表明:混合定位算法的精度更高,并且减少了网格间距对定位精度的影响。     

基于人工蜂群算法的双目标节点定位的研究

针对无线传感器网络中直接使用接收信号强度指引RSSI(Received Signal Strength Indicator)定位会出现节点翻转歧义问题,提出了双目标定位算法,把定位问题转化为求两个适应度函数的最优解问题。同时将收敛速度快且全局寻优性能优异的人工蜂群算法引入到双目标定位算法中。仿真实验表明,与基于模拟退火算法的定位算法相比,在相同锚节点个数,相同节点连接半径情况下,定位精度和精度稳定性都有明显提高。     

基于节点间覆盖关系的改进DV-Hop算法

针对经典DV-hop算法在估计跳数时所引起的定位误差,提出了基于覆盖比例的定位算法. 根据两节点间的通信覆盖率引入跳数系数,降低了每跳距离产生的误差,精确未知节点距参考节点的位置. 仿真结果表明,改进的算法能使节点的定位精确度提高,使误差比原始算法降低10%左右.     

基于煤矿井下WSN的RSSI加权质心定位算法研究

针对井下传统无线网络RSSI加权质心定位算法精度不高的问题,首先提出了一种基于接收信号强度值作为加权因子的加权质心定位算法。算法以动态获取未知节点当前区域的路径衰减系数为基础,通过挑选出未知节点当前活动区域最优参考节点,计算出彼此之间的距离,确定当前未知节点的最优通信半径范围。算法中还选取参考节点和未知节点之间的信号强度RSSI值作为加权因子,一定程度上又减少了传统上通过计算得到节点间距离作为加权因子算法带来的误差。仿真结果表明,改进的定位算法更加适合煤矿井下未知节点具有移动性的特点,在相同测试条件下,比传统加权质心算法精度有了很大的提升。     

基于锚圆交点加权质心的无线传感器网络定位算法

针对无线传感器网络节点能量有限,基于距离的定位算法有时并不适用的问题,在研究了未知节点与其无线射程范围内的3个锚节点之间的通信约束和几何关系的基础上,提出了一种基于锚圆交点加权质心的定位算法。该定位算法仅基于网络连通性而不需要测量距离,算法计算量小,节点通信开销小。仿真结果表明,当在100m×100m的区域范围内随机部署100个传感器节点,通信半径为30m、锚节点密度为16%时,相对定位误差为22.7%。     

基于多元变量泰勒级数展开模型的定位算法

传统Taylor级数展开模型只考虑未知节点和锚节点之间的距离,没有考虑未知节点之间的距离,定位信息不够全面,从而导致定位精度不高。为了进一步提高定位精度,该文提出了一种新的基于多元变量Taylor级数展开模型的定位算法。首先考虑未知节点之间的距离信息,建立新的基于多元变量Taylor级数展开的定位模型。然后,在对新的定位模型求解过程中,采用粒子群算法对未知节点进行定位,获得其位置的初始值。再根据加权最小二乘法求出新模型的解,作为未知节点的估计位置。最后,为评价该算法的性能,对定位结果的克拉美罗界（CRLB）进行推导。仿真结果表明基于多元变量Taylor级数展开模型的定位精度更高,定位误差接近CRLB。     

基于混沌麻雀搜索算法的TDOA/FDOA定位

针对在实际定位场景中,接收站常被安装在运动平台上,导致其运动状态信息存在随机误差,而目标源定位精度对接收站的位置信息非常敏感,接收站位置的微小误差会导致目标源位置估计存在较大误差的问题,本文在考虑接收站位置信息存在随机误差的情况下,提出了一种使用到达时间差和到达频率差测量值定位移动源的解决方案。该方法通过在麻雀搜索算法中引入Logistic混沌映射对目标进行定位跟踪,Logistic混沌映射可以降低算法收敛到局部最优的风险,用以解决站址误差较低的情况下定位精度差的问题。仿真结果分析表明：在低站址误差的情况下,本文算法的定位精度比半定规划-重构线性化技术（SDP-RLT）、遗传算法、麻雀搜索算法和蚁群算法更接近克拉美罗下界。     

WSN中基于多功率移动锚节点的智能定位算法

针对无线传感器网络节点定位,提出一种基于多功率移动锚节点的改进鸡群定位算法。移动锚节点按照移动模型遍历定位区域,通过功率控制发射信标信号,未知节点接收到信标信号后,利用测距模型建立距离方程并采用最小二乘法计算节点坐标,再使用鸡群算法对节点坐标进行修正。仿真结果表明,改进鸡群定位算法的定位精度和收敛速度皆有所提高。     

超宽带通信系统加权移动三角形到达时间精确定位算法

提出了一种可用于超宽带通信系统的加权移动三角形到达时间定位算法,该算法具有解析解,且只需要一个参考点就可以计算出移动台的位置,有效解决了对移动台初始位置估计不准确造成算法不收敛的问题。仿真表明,该算法比传统的超宽带系统直接定位算法定位精度高,算法复杂度低,并且可以消除距离测量值中非视距误差对定位精度的影响。     

DV-HOP三重定位算法

针对传统DV-Hop定位算法在计算未知节点到锚节点的距离存在较大误差,提出了一种DV-Hop三重定位算法(TDV-Hop).首先,使用DV-Hop算法得到未知节点的估计坐标.然后,根据未知节点的估计坐标运用DV-HOP算法来估计信标节点的参考位置,同时将信标节点的估计位置和实际位置之间的差值以及权重进行误差修正,然后将它们的差异广播发送给未知节点,未知节点再重新估算其位置.MATLAB仿真实验结果表明,在相同网络环境下,TDV-HOP定位算法能有效减小定位误差并有一定的稳定性.     

无线传感器网络三维节点的插值规划定位

针对无线传感器网络中传感器节点的初始位置未知的问题,提出一种基于插值和规划算法的无线传感器网络三维节点定位算法.该算法利用锚节点坐标将节点所在空间曲面建立,并利用接收信号强度指示（RSSI）值和无线信号传播模型推导出所有可通信节点间相对距离.最后,利用0-1规划在空间曲面上选出满足距离约束且与未知节点数量相同的插值节点,从而估计出未知节点的空间位置.该算法设计简单,通信开销少.仿真结果表明,该算法具有较小的节点定位误差,并具有良好的稳定性和扩展性.     

无线传感器网络中免测距的节点自定位算法

无线传感器网络定位技术的显著特点,是利用有限的锚节点信息从而实现对全网内所有节点的定位.而同心圆定位方法是精度较高的免测距定位算法,通过将一些与锚节点通信半径最接近点的距离范围形成不同程度的圆环,然后彼此相交增加对未知节点的几何约束关系并对其进行位置估计.仿真结果表明,该算法获得较高的定位精度,同时计算和通信开销适中,不需要节点具备测距能力,是一个可扩展的算法,适用于各向同性的密集网络.