基于BPSDV-Hop的无线传感器网络节点定位算法

为了尽量避免误差的扩大化,定位更加准确,增强无线传感器网络节点的灵敏程度,混合粒子群在BA校正的基础上,不断优化无线传感器网络定位,充分利用BPSDV-Hop定位算法,这一算法先通过优化混合粒子群对一些未知节点精细计算,计算出跳距范围,其次在应用DV-Hop算法计算未知节点的自身位置时摒弃以往常用的最小二乘法,对于那些未知节点的坐标的判断要利用好蝙蝠算法,通过这一特性不断优化定位方法,确定精度,最后要充分发挥Matlab平台的作用,利用这一平台,对算法细致化分析与探究。据可靠分析显示:BPSDV-Hop定位算法远远优越于DV-Hop定位算法,它对未知坐标的判断和定位准确度非常之高,在WSN中具有广泛的应用前景。     

基于粒子群优化的NLOS环境的节点定位算法

无线传感网络的非视距NLOS(non-line-of-sight)环境是影响测距定位精度的重要因素。本文提出了基于粒子群优化PSO(particle swarm optimization)的NLOS环境的节点定位NLOS+PSO算法。NLOS+PSO算法采取惯性权重的非线性调整策略,提高了算法的收敛速度。同时,对目标值进行排序,摒弃性能差的粒子,可降低计算量。实验数据表明,在非视距环境中,所提出的NLOS+PSO算法可提高定位精度,抑制NLOS测距误差,提高收敛速度。     

基于改进蚁群算法的无线传感器网络优化

本文通过对无线传感器技术的阐述,提出了一种最大流量算法,用于研究静态无线传感器网络中K势垒的高覆盖率问题。     

一种DBSCAN聚类点密度的加权质心定位算法

加权质心定位算法是无线传感器网络中最常用的定位算法,为了进一步提高其定位精度,本文将聚类算法引入到无线传感器网络定位中,提出了一种具有噪声的基于密度的聚类算法(DBSCAN)聚类点密度的加权质心定位算法。该算法根据共线度理论选择参数,构建定位三角形的集合。选择集合中定位效果较好的一部分三角形对未知节点进行定位,并对所得的初始定位结果进行DBSCAN聚类。在排除误差较大的定位坐标后,将聚类后每个簇的核心点个数视为权值,采用加权质心定位算法得到未知节点的最终定位位置。仿真结果表明:该算法与传统加权质心定位算法相比,平均定位误差减小80%以上,有效提高了无线传感器网络定位精度。     

基于KSOM-PSO算法的无线传感器网络入侵检测研究

针对无线传感器网络中的入侵检测机制对拒绝服务(denial of service,DoS)攻击检测精度不高的问题,提出了基于核自组织映射(kernel self-organizing map,KSOM)和粒子群优化(particle swarm optimization,PSO)聚类算法融合的KSOM-PSO神经网络算法作为无线传感器网络的检测机制。首先在传统SOM算法中引进核函数进行聚类;其次使用SOM聚类获得的获胜神经元权值对PSO粒子的初始位置初始化;最后在PSO算法中将传统的线性减小权值的方法改为非线性减小权值的方法,以提高PSO算法的全局搜索效率和局部搜索精度。实验结果表明,KSOM-PSO与传统的PSO聚类算法和SOM算法比较,检测精度有较大的提高,且收敛速度更快。     

基于粒子群算法的大跨度空间结构监测系统中应变传感器最优布点研究

以网壳结构为对象,利用粒子群算法研究了其环向和径向杆件上传感器的最优布点。首先讨论了粒子群算法的基本原理和优点以及在结构健康监测系统中为探测累积损伤用的传感器最优布点;接着,以凯威特型网壳为例讨论了用粒子群算法求大跨度空间网壳结构最优测点。针对应变传感器提出了相应的适应度由曲率模态表示,根据该适应度采用粒子群算法搜索了凯威特型网壳上的应变传感器最优布点。研究结果表明,采用粒子群算法搜索网壳结构监测系统中应变传感器最优布点方法,计算结果稳定可靠,收敛速度迅速。     

物联网感知层网络拓扑结构可靠性研究

对物联网感知层(无线传感器网络)的拓扑结构可靠性进行研究,提出了网络连通度、可靠度和可用度随时间演进的无线传感器网络可靠性仿真模型,将网络连通度、可靠度和可用度计算算法应用于无线传感器网络的可靠性评估。通过仿真验证与分析,给出了物联网感知层无线传感器网络可靠性、连通度和可用度随时间变化趋势。结果表明,该模型可快速地实现对WSNs各种拓扑结构的网络可靠性灵活准确分析,为物联网感知层网络拓扑结构的可靠性快速分析提供了有效手段。     

《无线传感器网络》实验课程教学改革探析

物联网技术的快速发展使得《无线传感器网络》这一物联网本科专业学生必修的专业课程的重要性日渐突出。《无线传感器网络》是一门复杂的交叉学科,涉及计算机、微电子,传感器、网络、通信、信号处理等诸多学科和领域,其教学内容如果仅仅依靠授课教师在课堂上进行理论课程的讲解,学生对本学科知识的理解和接受存在很大困难,无法调动学生的学习兴趣。所以无线传感器实验课程是其教学内容的重要组成部分。本文对无线传感器网络实验课程的教学进行分析和探讨,提出了几点意见和建议。加强学生对课程理论的理解和实践能力,以提高《无线传感器网络》的教学效果。     

一种差速器壳体形位误差评定及测量方法

为了满足差速器壳体的快速检测,对差速器壳体形位误差的在线测量方法进行了研究。在基本粒子群优化算法的基础上,引入了自适应惯性因数来改进粒子群优化的过程,并用于形位误差的计算。运用最小二乘法和最小区域法描述了圆柱度、同轴度等形位误差的评定算法。利用改进粒子群优化算法对误差目标函数进行求解。根据实际工程需要确定测量方案,搭建了测量平台。研究结果表明:该方法能够准确测得差速器壳体形位误差,并且减少了人为因素引入的误差。     

无线传感器网络中AODVjr路由算法改进

无线传感器网络的前身是传感器和无线传感器,它不仅很好地继承了它们的优点,又具有其自身的新特点。目前世界上无线传感器网络通用的协议为ZigBee协议,ZigBee协议网络层主要有Cluster-Tree和AODVjr两种路由算法。本文中笔者对无线传感器网络中AODVjr路由算法改进进行初步探讨,对AODVjr路由算法改进做出简要设计,以供广大同仁借鉴参考。