DV-Hop无线网络定位算法研究

针对无线传感器网络定位的DV-Hop定位算法定位精度不足,文中提出了一种改进后的DV-Hop算法。改进后的算法在原基础上引入了均匀量化模型来提高每段跳距的精度和最小二乘法以解决定位过程中造成的累积误差。仿真结果证明,改进后的算法显著的提高了未知节点的定位精度。     

改进的DV-Hop无线传感网络节点定位算法

针对传感器部署密度大、分布不均匀,DV-Hop定位算法误差大等问题,提出了一种改进DV-Hop的无线传感器节点定位算法.首先采用DV-Hop算法对未知传感器节点位置进行计算,然后在采用遗传算法对DV-Hop定位的误差进行修正.仿真结果表明,改进DV-Hop算法提高了节点的定位精度,降低定位的误差,更能真实地反映传感器网络节点的实际分布情况.     

基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

一种无线传感器网络中 DV-Hop定位的改进算法

针对无线传感器网络中经典定位算法 DV-Hop 存在定位精度低的缺陷,提出了一种改进算法。在传统 DV-Hop 算法的基础上,首先采用最小均方误差准则校正信标节点的平均每跳距离,然后对各未知节点到参考信标节点的平均每跳距离进行加权处理,最后通过参数分析,对未知节点进行位置修正。仿真实验结果表明,改进算法相比于传统的 DV-Hop 定位算法以及已有的改进算法具有很高的定位精度,并且无需增加额外的硬件设施。因此在工程上具有很好的实用性。     

无线传感器网络中平均跳距修正的DV-Hop定位算法

针对基本无线传感器网络DV-Hop定位算法中,计算平均跳距时产生偏小误差的原因,提出了基于平均跳距修正的DV-Hop算法。改进算法中,引入信标节点个数比例、所有信标节点平均跳距的最大值以及所有信标节点平均跳距的平均值三个因子,并采用它们对平均跳距进行修正。通过Matlab软件对算法进行仿真验证,结果表明,改进后的DV-Hop算法有效降低了未知节点的定位误差,是一种可行的无线传感器网络节点定位解决方案。     

WSN中一种改进的DV-Hop节点定位算法

DV-Hop算法是一种经典的距离无关的无线传感器网络节点定位算法.详细分析了DV-Hop算法的定位过程,针对其局限性提出一种改进的DV-Hop算法.该改进算法在传统DV-Hop算法的第一阶段采用分簇策略以减小通信开销和分组冲突概率,并且用拟牛顿优化算法代替传统的最小二乘法计算节点位置,最后用Matlab7.0进行仿真....     

基于修正型果蝇优化算法改进地铁运行定位系统研究

为实现地铁运行列车的精确和实时定位,确保列车运行的安全性,针对传统定位算法存在定位误差大、能耗大和复杂程度高的缺点,提出一种基于修正模型果蝇优化算法改进DV-Hop算法的列车定位算法。通过锚节点比例、节点数和平均定位误差之间关系实验结果可知,MFOA算法、FOA算法和DV-Hop算法的平均定位误差随着节点数和锚节点比例的增加总体呈现下降的趋势,MFOA算法的平均定位误差小于FOA算法和DV-Hop算法的平均定位误差,定位精度优于FOA算法和DV-Hop算法,从而验证了所提算法的优越性和可靠性。     

一种无需测距的无线传感器网络定位算法研究

定位信息是在无线传感器网络许多应用中不可缺少的,并且越来越重要。DV-Hop是一种典型的无需测距的定位算法。通过对DV-Hop算法的理论分析,找出其产生误差的主要原因,提出了一种改进的DV-Hop定位算法。增加锚节点数量及减少每条平均距离误差,有效提高节点定位精度。不用额外的硬件支持能够得到更接近实际位置的估算位置。仿真结果表明,提出的改进算法性能比原来的算法显著提升。     

一种基于信任度的DV—Hop改进定位算法

针对DV-Hop算法在网络中存在障碍物形成弯曲路径时不能进行正确定位这一局限性,引入了信任度概念,提出了一种改进的DV-Hop定位算法——基于信任度的DV-Hop改进算法(TDDV-Hop),通过对信任度值的判断筛选出合适的平均每跳距离值.仿真结果表明,TDDV-Hop算法能够减小由于路径弯曲而产生的定位误差,提高定位的精确性.     

基于跳距修正加权DV Hop的WSN定位算法

针对DV Hop算法在估算平均每跳距离时存在较大的误差,提出一种跳距修正的加权定位算法。改进后算法是通过引入平均每跳距离误差修正值,进行加权处理,从而减少了跳距误差,避免了后续计算过程中误差的累积。仿真结果表明,改进的DV Hop算法在不增加硬件开销的基础上,能有效提高定位精度,降低定位误差,具有较好的稳定性,是一种实用的无线传感器网络(WSN)节点定位方案。     

基于改进灰狼优化算法的DV-Hop定位算法

针对无线传感器网络节点DV-Hop定位算法由于节点分布不均,距离估计不准确,导致定位精度较低的问题,提出了一种基于改进灰狼优化算法的DV-Hop定位算法,采用先进的灰狼优化算法以寻找最优值的方式得到未知节点、坐标。同时,为进一步提高优化算法的寻优能力,克服可能出现局部最优的情况,将优化算法与免疫算法相结合,提高优化算法中灰狼种群的多样性,进而提高对最优解的搜索能力,达到提高定位精度的目的。实验结果表明,相对于普通的DV-Hop定位算法和普通的灰狼优化算法,改进之后的定位算法精度更高。     

无线传感器网络中分阶段的无需测距定位算法

为了提高无线传感器网络中基于无需测距算法定位精度,改进质心算法和DV-Hop算法,定位过程分为两个阶段:第一阶段在最佳通信半径与最佳阈值下,用基于阈值的优先质心算法定位部分节点;第二阶段在最佳通信半径与最佳指数值下用DV-Hop算法定位剩余节点。将算法应用在一种锚节点人工部署环境下,并与其他算法对比。MTLAB仿真结果表明,改进的算法在不增加泛洪次数、计算量和网络硬件成本下能提高定位精度,同时实现100%定位。     

一种基于场强差的移动台定位改进算法

为了解决传统的移动台定位过程中信号的传播误差对定位精度的影响,提出了一种基于移动台与服务基站之间的场强差来确定移动台位置的改进算法。小波变换在信号消噪处理中可以取得良好的效果,通过选择合适的小波函数和分解层数,对测量得到的场强差进行分解和重构,然后用经典Chan算法确定移动台位置,大大降低了传播误差对定位精度的影响。仿真表明,该算法能很好地抑制传播误差,其定位效果比直接使用Chan算法更加稳定。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.115 8 m,而利用差分进化算法优化后的系统平均定位误差为0.001 2 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。     

一种改进的分布式多维定标算法的研究

无线传感器网络中节点间通信容易受到环境因素和传输衰减因素等的影响,从而造成节点的定位不准确.为减小节点定位误差,在分布式多维定标算法基础上提出了改进的WMDS-MAP(P)算法.采用加权算法求出每个锚节点的环境影响参数和传输衰减参数对,并在构建局部空间的节点矩阵时考虑这两个因素;采用最小二乘算法选出锚节点中最优的环境影响参数和传输衰减参数对,从而使节点间的一跳距离估计值更逼近真实值.仿真结果显示改进的算法相对于经典的MDS-MAP(P)算法节点平均定位误差减少了17％左右,可以有效提高节点的定位精度.     

基于改进爬山算法的微小零件亚像素级定位

为提高微小零件亚像素级定位效果,采用改进爬山算法。将目标区域向外扩展获得调焦窗口跟踪漂移图像,边界由像距和视角决定;然后优化爬山搜索算法得到最优收敛解,二维图像信息熵构成调焦图像评价函数;改进Zernike矩算法,通过高阶矩的模代替边缘参数,减少了计算量,卷积窗口矩阵构成Zernike矩的差值,提高定位精确度;最后给出了算法流程。实验结果显示,改进Zernike矩偶模板比奇模板边缘亚像素定位误差小,相比空间矩算法、多项式拟合算法、Zernike矩算法、区域生长算法和模板匹配算法,对规则形状定位误差均值分别减少了43.24%,21.62%, 32.43%,27.03%和56.76%;对不规则形状定位误差均值分别减少了39.02%,20.15%,26.83%,24.39%和51.22%。本文算法定位精确度较高。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播(BP)神经网络相结合的算法.BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化.为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能.试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目.实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27 m.     

基于ZIGBEE的自适应动态区域误差因子算法

为了进一步完善ZigBee定位技术,减少多径效应对室内定位的影响,在接收信号强度指示算法（RSSI）的基础上,提出了一种自适应动态区域误差因子算法,通过将最小二乘法与自适应动态区域误差因子相结合的方法,来计算盲节点的位置坐标,以达到提高定位精度的效果。Matlab中的仿真结果证明,在节点处于静态和动态两种情况下,该算法在定位精度上都有显著的提升。