结合极大似然距离估计的MDS-MAP节点定位算法

基于多维定标的定位算法通常利用节点间的最短路径长度代替欧式距离构建距离矩阵,当网络拓扑结构不规则时,会导致较大的定位误差。针对这一问题,提出了一种结合极大似然距离估计和多维定标的节点定位算法MDS-MAP（MLE）。算法将待测节点的一跳邻居节点信息作为极大似然方法的输入,利用与邻居节点的距离信息计算待测节点的相对坐标,然后根据已知锚节点的坐标,将所有节点的相对坐标映射为绝对坐标。实验结果表明,针对规则网络和不规则网络,MDS-MAP （MLE）算法均可取得较好的定位精度,且当网络连通度在一定范围内变化时,定位误差可保持在较低的稳定区间内。     

基于分簇多节点协作规划的无线传感器网络定位算法

为了提升无线传感器网络的定位精度,减少网络在进行定位运算时节点能量消耗过大等问题,提出一种基于分簇的多节点协作规划的无线传感器网络定位算法,该算法先通过将网络形成多个分簇,计算簇内节点间的相对距离,再通过协作规划的方法来提升节点坐标定位的准确度。得到簇内节点相对簇头的位置坐标后,再求出簇头相对于汇聚节点的位置坐标,从而实现在网络中对任意节点的精确定位。实验仿真结果表明,与基于加权质心和参考节点序列的定位算法相比,基于分簇的多节点协作规划的定位算法可以得到更好的定位精度。     

基于综合预测算法的无线传感器网络移动节点定位策略

结合测距定位方法和移动节点历史定位信息,提出历史定位算法。在此基础上,引入移动节点相对运动角度测量,提出了基于综合预测算法的无线传感器网络移动节点定位策略。首先,根据测距结果选择较近的三个信标节点,并且加入移动节点的前一时刻坐标,应用最小二乘法,得到当前时刻的坐标;另一方面,由移动节点相对运动角度同样可以计算节点当前时刻的坐标;最后,将两种方法得到的坐标求平均值,作为综合预测算法给出的节点当前定位位置。仿真结果表明,所提出的定位策略能够高性能的实现移动节点定位,并且成本较低。     

基于优化策略的混合定位算法

针对无线传感器网络(Wireless sensor network, WSN)的应用需求提出一种基于优化策略的混合节点定位算法. 选择1-hop节点最多的点作为初始点, 利用多维标度(Multi-dimensional scaling, MDS)方法计算初始节点及其1-hop节点的相对坐标, 并将这些节点的坐标发送给周围未定位节点; 未定位的节点根据接收到的坐标与节点间的距离, 利用极大似然法估算自身的坐标; 最后通过坐标变换计算所有节点的绝对坐标. 在此基础上, 进一步提出将本文节点定位算法与集中式和分布式优化策略相结合来优化网络节点的估计坐标, 以提高节点定位精度. 仿真结果表明本文提出的算法是有效的, 能够较好地完成无线传感器网络节点的定位.     

基于人群搜索优化的无线传感器网络三点定位算法

为进一步提高无线传感器网络节点的定位精度,提出一种基于改进人群搜索优化的无线传感器网络三点定位算法.首先设计一种三点估计未知节点坐标模型;然后利用该模型求取未知节点的坐标,并将计算出的节点位置作为人群搜索的初始位置;最后采用改进的人群搜索算法优化未知节点的位置.仿真结果表明,通过与已有的相关定位算法相比较,所提出算法具有更高的定位精度.     

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。     

基于OMNeT++平台的DV-Hop定位算法改进

无线传感器网络中经典定位的DV-Hop算法进行了研究.针对该算法定位误差较大的问题,提出了改进方法:利用RSSI测距来确定与信标节点距离较近的未知节点的位置,将其升级为信标节点,从而增加信标节点的数目,在一定程度上改善因远离信标节点定位误差较大的现象;在计算未知节点坐标时,采用自由搜索的算法代替误差较大的三边测量法.通过OMNET仿真证明:改进后的算法性能稳定,在相同信标节点比例下,算法的定位误差相较于传统的DV-Hop算法减小了13.5％左右.     

基于差分演化的无线传感器网络节点定位

针对无线传感器网络（WSN）节点的定位问题,提出一种基于差分演化的WSN节点定位算法。根据相邻节点间估计距离和测量距离之间的偏差构造目标函数,利用差分演化算法求出函数的最优解,达到最优解时的节点坐标即为未知节点的估计坐标。实验结果表明,该算法在锚节点比例为10％,节点无线通信半径R为1．8r的情况下,平均定位误差不超过5％,与带梯度搜索的半定规划定位算法相比,其定位精度更高。     

基于无线传感网的海洋监测节点定位算法

针对应用于海洋监测的无线传感器网络,提出了一种基于蒙特卡罗算法的节点定位算法。该算法根据海洋中洋流在某一时间段内线性运动的特性,通过引入符合海水运动规律的角度来提高节点在位置预测阶段的精度;并根据节点感知压力的大小来确定预测坐标的置信度,以对预测坐标进行修正,进而得到最终的预测结果。仿真结果表明,该算法比传统的定位方法在不同的锚节点密度、节点密度、节点运动速度和时间等条件下都表现出更好的性能。     

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。     

DTN网络中Ferry节点的MSSL路由算法研究

在节点移动规律无法预知、连通性较差的延迟容忍网络中,针对DTN网络的Ferry节点自定位方案,能够有效提高网络中数据信息采集效率.该方案能够在节点移动过程中根据一个修正因子不断对Ferry的移动节点坐标进行调整,最后使坐标收敛到一个可用的范围.通过概率路由算法对Ferry节点的移动路线优化,使得Ferry节点能够在有限时间内最大限度地收集信息.实验证明,该方案通过合适的修正因子调整节点坐标,使路由算法具有良好的稳定性,在节点信息传输率、公平性和延迟性方面有良好的表现.     

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。     

粒子群离散算法在无线传感网络中的应用

无线传感器网络通过少数确定锚节点计算到其他节点距离,确定节点坐标。其中DV-Hop定位算法通过最小二乘法求解坐标,累计误差随节点平均距离误差呈指数增长,定位精度较低。提出了用粒子群PSO离散算法替代DV-Hop中的最小二乘法,既发挥PSO全局搜索能力,又避免标准PSO算法过早收敛的问题。实验结果表明,新算法定位精度很高,受距离误差影响不大,能很好地应用于无线传感器网络的定位过程。     

基于移动锚节点的无线传感器网络圆心定位

文章提出了一种利用无线传感器网络无线信号接收强度（RSSI）和移动锚节点轨迹来获得待定节点位置的算法。该算法在有多个可移动锚节点的情况下,定位将会更加高效。在定位阶段,通过RSSI测得锚节点到待定节点的距离,并利用三个以上移动锚节点的坐标（包括三个）来求解圆的方程,计算出待定节点的位置。     

求解无线传感器网络定位问题的线性规划算法

传感器节点的定位问题是无线传感器网络中的基础性问题之一.提出了一种线性规划算法用于求解无线传感器网络定位问题.该算法利用RSSI值和经验的无线信号传播模型推导出所有可通信节点间距离的相对关系,利用节点的通信半径估算出可通信节点间的距离,并以此为约束条件利用矩形近似圆形,将二次约束的规划问题转化为线性规划问题;求解该线性规划问题便可得未知节点坐标.通过仿真实验,证明了当锚节点分布在网络边缘时该算法能得到较好的定位效果,分析了锚节点分布、锚节点个数、网络连通度等实验参数对定位结果的影响.相比凸规划定位算法,该算法大大降低了求解规划问题的次数,且在相同的实验条件下定位误差更小.     

基于洋流模型的水下传感器网络实时定位算法

针对近海监控领域内水下传感器网络的节点随着海洋运动具有流动性的问题,提出了基于洋流模型的水下传感器网络实时定位算法(RTLC).利用洋流模型表示节点的运动模型消除流动性对定位造成的影响,成功模拟了节点在水中的移动速度.通过卡尔曼预测方法结合观测值与估计值优化运动模型,使其更贴近节点运动规律.采用信息记录机制及列表更新机制保证信息的时效性从而提高了定位准确度.通过仿真分析,RTLC算法性能优于基于移动预测的大规模水下传感器网络可扩展定位算法(SLMP),具有较高的定位覆盖度,较低的平均定位误差及平均通信能耗.     

传感器网络中一种基于迭代流形学习的节点定位算法

无线传感器网络(WSN)作为一种全新的信息处理平台,在各种应用领域有着广阔的应用前景,而网络自身定位技术是这些应用的基本支撑技术.首先,简要介绍了流形学习算法的基本概念和WSN节点自身定位模型,提出了一种基于流形学习算法的迭代MDS定位算法(IMDS).该算法中节点应用MDS技术从节点自身及其邻居节点的距离关系提取2维空间上的局部映射(map),并计算邻居节点在局部映射上的相对坐标,通过对局部映射的拼接可以获得网络的全局相对映射,再根据参考节点的坐标来对参考节点进行坐标匹配,从而通过平移,旋转以及镜像等几何方法来估计未知节点的绝对坐标.仿真试验表明,采用IMDS算法定位误差比dwMDS要降低大约15%,运算速度提高大约20%.     

移动异构传感器网络分布式部署算法

针对移动异构传感器网络中的最大覆盖问题,论文提出了一种分布式部署算法.该算法依据节点坐标及其感知范围而更新目标划分子区间,使子区间内的各个节点能结合自身及其delaunay邻居节点当前的几何位置和剩余能量值确定速度向量,同时利用节点的移动特性,使调整后的网络最大化覆盖目标区域.仿真结果表明,该算法在提高网络覆盖率和协调速度的同时,能兼顾网络节点剩余能量的均衡.     

基于方向预测的移动自组网概率转发算法

移动自组网中传统的路由算法大多采用拉网式的盲搜索,导致路由开销较大,针对这一问题,提出一种基于方向预测的概率转发算法。该算法通过监听网络中传输的各种数据包,从中提取节点ID和时间信息,这些信息反映了到目的节点的距离;在此基础上,计算节点的转发概率,并根据网络的变化自适应地调整,使得路由过程始终沿着目的节点所在方向进行,限定了搜索区域。仿真结果表明,该算法的路由开销比洪泛降低了70%,比经典概率转发算法降低了20%,提高了网络性能。     

基于信号相位搜索的WSN节点定位算法

节点定位是无线传感器网络（wireless sensor network,WSN）研究的热点问题之一,基于信号相位信息与物理距离间的关系提出了基于信号相位搜索的WSN节点定位算法。该算法首先根据节点间信号相位信息,基于余弦相似性算法原理构建目标函数,将WSN节点定位问题转换为目标函数最优解搜索问题;然后基于质心定位算法原理确定搜索初始像素单元;最后利用梯度下降法替代逐像素单元的遍历搜索,在不影响定位精度情况下进一步提高定位效率,减小定位功耗。仿真实验结果表明,该算法的各项指标良好,适用于WSN的节点定位。