WSN中基于稀疏观测和异步传输的分布式实时定位算法

针对无线传感器网络（WSN）中现有集中式多维标度（MDS-MAP）节点定位算法在定位精度和分布式方面的不足,提出一种基于稀疏观测和异步传输的分布式实时定位算法。首先在传统MDS-MAP算法中融入稀疏观测机制,使其能够更好地符合实际观测场景;然后提出一种异步传输序列,使节点能够分布式计算距离观测,并通过分布式计算结果给出位置估计;最后通过提出的位置估计精化操作减小估计误差,最终实现节点的精确定位。实验结果表明,该算法具有较高的定位精度。     

松弛迭代多维定标 WSN 分布式定位算法改进﹡

在无线传感器网络的很多应用场景中,传感器节点的自定位都是非常关键的。传感器节点的分布是随机散布的,有规则的和不规则的两种。经典的 MDS 定位算法,在大尺度传感器网的节点数较多时定位精度较低。基于大尺度无线传感网络提出了基于松弛迭代随机扩散消息的分布式定位算法。仿真表明经过大约18次左右的局部地图扩散与合并,基本上能完全覆盖一个在规则的方型区域内200个节点随机分布的网络,算法的复杂度低为 O(n(n-1)),在8个锚节点的情况下,仿真得平均连通度为30.114,平均定位误差仅为3.188%。仿真表明基于松弛迭代多维定标的节点的定位精度比经典的多维定标算法定位精度高,误差小。     

基于RSSI的WSN定位算法的研究

为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图.系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12％.     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

基于接收信号强度的WSN概率定位算法

定位对无线传感器网络的应用、操作和管理发挥着至关重要的作用.针对传感器节点的定位,提出了一种基于接收信号强度的概率定位算法.介绍了算法原理及实现过程,讨论了信标节点分布对该算法性能的影响,最后比较了本概率定位算法和最小二乘定位算法在传感器节点定位性能上的优劣.仿真结果表明,信标节点分布对未知节点的定位误差具有较大的影响,本定位算法的性能要优于最小二乘定位算法.     

基于分布式模糊逻辑推理的WSN分簇算法

针对无线传感器网络(WSN)中均衡分簇问题,提出一种基于模糊逻辑推理的WSN分布式分簇算法(DFLC)。利用分布式模糊逻辑控制器选择根节点,以能量大小、中心性、距基站的距离、跳数和节点密度5个参数作为分布式模糊逻辑控制算法的输入。为网络中的中间节点分配模糊逻辑推理引擎,根据自身和相邻节点的信息进行判断,选择发送质量最高子节点的回复消息给根节点,减少了消息传输数量。仿真实验表明,在产生消息数量、能源消耗、存活节点数、容错性、负载平衡等方面,DFLC算法都优于LEACH,ACAWT,Gupta和CHEF算法。     

基于模糊逻辑的WSN节点自定位算法

对无线传感器定位方法进行了研究,为节约成本、提高算法实用性和准确性,提出一种基于RSS和模糊逻辑的WSN节点自定位方法。该方法中一个移动未知节点采集信标节点广播的自身定位信息及其对应的RSS信号,构成已知条件,结合对信标节点的六边形网格划分、RSS向量唯一性定理和模糊数学中的测度贴近度计算方法设计实现了基于模糊逻辑的WSN节点自定位算法。理论分析表明,该算法能够以较低的计算开销满足WSN节点常规精度的定位要求,具有较好的实用性和准确性。     

基于移动WSN的分布式漏洞检测与修复算法

针对无线传感器网络在实际监测中因节点损坏使得网络出现覆盖空洞,无法实现原本功能的关键问题,文中提出一种基于移动传感器网络的分布式漏洞检测与修复算法。在覆盖漏洞出现时,该算法能够动态检测并准确估计其位置与大小;在修复阶段,算法从漏洞附近选择合适节点,通过数据传输和移动协调使覆盖最大化和能量消耗最小化,选定节点重新定位恢复监测漏洞区域,且不会中断现有覆盖连接。仿真结果表明,与同类型经典算法相比,分布式漏洞检测与修复算法能在故障率为50%以上的网络内具有良好的覆盖性,节点通信连接与能耗也具有较大优势。     

基于协同资源管理的分布式定位算法

定位准确度和定位时间是衡量目标定位算法最重要的两个因素。目前,有关目标定位算法的研究多是以提高定位准确度为目标,对于定位时间的缩短则鲜有涉及。针对该问题,从缩短定位时间的角度出发,提出一种基于协同资源管理的分布式定位算法,将多点间松散的数据以资源的形式有效组织,根据目标定位算法能够快速获得所需信息,进而计算得到目标实际位置。最后,通过仿真验证了该方法的有效性。结果表明,提出的新方法能有效缩短目标定位时间且准确度良好。     

无线传感器网络定位的分布式求精算法

通过对WSN中基于测距的定位进行误差分析提出一种求精算法。该算法每次迭代中首先根据“磁极”思想确定“误差节点”和“有效节点”;然后在误差节点的邻居节点中选择2个相对偏差最小的节点作为圆心,以它们到误差节点的测距值为半径分别作圆,得到两个交点;最后在它的当前定位位置和这2个交点之中选择误差较小的作为本轮的求精位置。仿真结果表明,该算法能够降低多边定位模型产生的节点位置误差,有效提高网络的定位精度。     

基于跳距修正粒子群优化的WSN定位算法

针对DV-Hop算法在节点随机分布的网络拓扑环境中存在较大误差的问题,提出了一种基于跳距修正粒子群优化的定位算法WPDV-Hop(weight PSO DV-Hop)。本算法通过对锚节点广播的数据分组结构进行了改进,对参考锚节点的平均每跳距离的误差进行加权处理以及用改进的粒子群(PSO)算法对定位中的迭代过程进行优化,实现WPDV-Hop定位算法的全面改进,以提高定位精度。仿真结果表明,改进的算法与原始算法相比,定位精度和算法的稳定性有明显提高。     

一种基于虚拟锚节点策略改进的Bounding Box定位算法

针对Bounding Box算法定位误差大、覆盖率低的缺点,提出了一种采用虚拟锚节点策略的改进定位算法。首先未知节点利用其通信范围内的锚节点进行定位;其次,已定位的节点根据升级策略有选择性的升级为虚拟锚节点;最后,无法定位的节点利用虚拟锚节点实现定位。另外,在离散网络模型的基础上,通过建立双半径网络节点模型从而进一步约束了未知节点的位置。理论分析及仿真结果均表明,该算法在显著提高定位覆盖率的同时,有效地提高了定位精度。     

无线传感器网络中中位数查询近似算法研究

提出一种基于WSN的中位数查询近似算法——AAMQ。在AAMQ中,节点分别统计出每个感知值出现的不重复次数,从而抽取节点的K%个最常用感知值作为子样本,然后将子样本传递给父节点,最终在根节点形成全网的样本。最后使用这个远小于全网数据集规模的、可用于代表全网数据集结构的全网样本迅速获得中位数的近似结果,从而避免了将各节点的数据都传输至根节点。实验结果显示,该算法能较大减少网络通信量、具有较小的误差,能有效地延长网络的生存期。     

无线传感器网络节点的三维质心定位算法研究

由于无线传感器网络中的节点初始位置并不固定,所以需要利用合理的定位算法进行无线传感器网络的节点位置的确定。而利用三维质心定位算法,可以通过假设锚节点和利用三维坐标系来进行曲面三维体的确定,从而将三维体的质心当做是未知节点进行位置的计算。因此,基于对这一算法的认识,本文对无线传感器网络节点的三维质心定位算法进行了研究,并对其性能进行了分析,从而为关注这一话题的人们提供参考。     

基于二次质心的无线传感器网络定位算法

节点的定位是无线传感器网络中的一种重要技术。提出了一种新的无线传感器网络定位算法——基于二次质心算法的定位算法,与以往的基于三边测量的加权质心方法不同,该算法改进了对未知节点位置的估算方法,一定程度上避免了因多次估算质心而产生的累积误差,提高了定位精度。仿真表明,该算法的定位精度较之前的三边测量方法提高了约19%。     

基于空间信息与梯度的WSN分簇路由算法

针对LEACH算法在准备阶段出现的簇头分布不均匀、整个网络能耗不均衡,以及传输距离受限等不足,综合考虑空间信息和梯度、节点剩余能量、簇头能耗等因素,用于簇头的选举与数据的传输过程中,实现了LEACH算法的改进。仿真结果表明,改进后的算法与原LEACH算法相比,使网络中节点的能耗更加均衡,且推迟了网络中第一个消亡节点出现的时间,轮数增加了1倍,提高了整个网络中能量利用率以及网络性能,使网络寿命延长50%~69%。     

无线传感网中基于DPAM-MD算法的恶意节点识别研究

随着无线传感器网络的不断发展,恶意节点对其安全造成了极大的威胁。传统的基于信誉阈值的模型无法准确的识别亚攻击性等恶意节点,而且会出现低识别率和高误判率等问题。为了解决这些问题,引入了基于DPAM-MD算法的新型恶意节点识别方法,在传统信誉阈值判断模型的基础上,通过结合曼哈顿度量和DPAM算法识别出亚攻击性节点。算法中提出一种新型的基于密度的聚类算法,并结合簇间和簇内距离均衡化的目标函数,将所有的节点进行分类。该算法可以提高聚类质量,有效缩短聚类时间,提高了恶意节点识别的效率。经仿真实验结果验证,改进后的算法对识别特征不明显的恶意节点效果十分显著。     

WSN中基于RSSI的加权质心定位算法的改进

自身节点定位是无线传感器网络的关键技术之一。本文对距离无关定位算法中的质心定位算法进行了分析,在基于RSSI的质心定位算法的基础上提出了一种新的校正RSSI测距值的加权定位算法。测距阶段将信标节点之间的距离和信号强度信息同时考虑在内进行RSSI值校正,权值选择阶段采用了修正传统权重的计算方法,权值取距离倒数之和。通过仿真证明,本文提出的算法相对于传统的加权质心定位算法有明显改进,获得较好的定位精度。     

基于加权的DV-Hop算法在WSN中的应用与研究

定位在无线传感器网络中非常重要,在DV-Hop定位算法中,平均每跳距离的计算误差过大.提出了改进的DV-Hop定位算法,结合较少跳数范围内加权的思想求解平均每跳距离,再乘以跳数,使其结果更加接近真实值.MATLAB仿真结果显示,改进的DV-Hop算法定位在不需要增加硬件开销的基础上增加了定位精度,定位误差明显减少.