WSN多跳稀疏锚节点迭代定位算法

在无线传感器网络中,针对多跳稀疏节点网络导致定位性能较差的问题,文章提出多跳稀疏节点迭代定位算法。首先提取两个信号强度最大的单跳邻居锚节点,通过单跳邻居锚节点将未知节点与多跳锚节点建立数值关系,再对未知节点在单跳和多跳锚节点组成的三角形内进行内点判决,并采用锚节点的翻转点与质心迭代得到位置估计。对迭代算法设置预设精度,当终止迭代时,判定位置估计的性能。当低于预设精度时,对未知节点采用锚节点的翻转点与质心迭代求精以满足预设精度,并使得迭代收敛。数值结果表明稀疏锚节点迭代定位算法相对于相关定位算法提高了定位精度,并降低了算法的计算耗时。     

BP神经网络在无线传感器网络三维定位中的应用

为了减小多跳距离估计误差对三维无线传感器网络节点定位的影响,提出了一种结合BP神经网络的多跳定位(BPL)算法.建立了BP神经网络模型,用来修正不相邻节点间的多跳距离估计值;根据锚节点间的位置关系提取样本对其进行训练,使其能够反映三维无线传感器网络几何结构的主要特性,未知节点利用训练好的BP神经网络估计出自身到一定跳数...     

卡尔曼滤波在无线传感器网络节点定位中的应用

为了减小无线传感器网络节点定位中节点测距误差和定位算法自身引入误差的积累对定位精度的影响,建立了适用于无线传感器网络的卡尔曼滤波模型.采用渐消自适应卡尔曼滤波对基于距离的初始定位算法进行求精,通过一跳节点间的相互制约,在全局范围对未知节点进行定位;基于卡尔曼滤波模型,对无线传感器网络的分布式算法和集中式算法的计算量进行了研究,得出计算量与节点数目的关系.研究结果表明,卡尔曼滤波能够有效提高节点的定位精度,尤其适用于网络节点密度小、信标节点比例低的情况.     

基于遗传算法的三维无线传感器网络定位新算法

针对三维无线传感器网络节点自身定位问题,提出了一种基于遗传算法的新定位算法。该算法通过分析未知节点与它的无线射程范围内的已知节点之间的通讯约束和距离测量,对未知节点建立数学模型;针对此数学模型利用遗传算法求解,把该解作为未知节点的估计位置。理论分析和试验结果表明,该算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位。     

基于RSSI测距的三维无线传感网络萤火虫定位算法的研究

研究了三维空间无线传感器网络(WSN)未知节点的定位。针对目前三维空间无线传感网络定位算法精度低的问题,提出一种基于接收信号强度指示(RSSI)测距的萤火虫定位的算法。该算法首先利用RSSI进行测距,建立信号强度随传播距离衰减的模型,然后在已知一定数量的锚节点的情况下,通过萤火虫算法寻找目标函数最优值,进而对未知节点进行定位。仿真验证结果表明,该定位算法相比其他算法定位精度有很大提高,在30m×30m×30m的空间内定位误差仅为0.59m。     

基于DV-Hop的无线传感器网络定位算法

针对无线传感器网络中DV-Hop经典算法定位精度低的不足,提出了一种改DV-Hop定位算法;改进后的算法对锚节点的选取进行了优化,并改进节点跳数,还采用平均计算方法计算节点平均每跳距离。仿真表明,改进的DV-Hop算法对未知节点的定位精度有显著提高。     

非视距信号路径返回的栅格迭代扫描定位算法

针对无线传感器网络在非视距环境下的节点定位问题,提出信号路径返回和栅格扫描迭代定位算法。在非视距环境下,通过增强未知节点和锚节点的发射信号相互搜索非视距节点,通过标记节点的相关信息区分节点。结合增强信号系数和路径返回信号强度得到锚节点接近理想通信信号传播模型下的信号强度。在Grid-Scan算法和路径返回得到信号强度的基础上,提出栅格迭代定位算法。通过Grid-Scan算法初步缩小定位区域并得到初始位置估计。通过栅格迭代扫描,不断缩小定位区域,直到区域内的栅格数量趋于稳定,从而估计未知节点的位置。仿真结果表明,通过信号路径返回,非视距环境下的节点邻居关系和信号强度得到优化,定位精度在栅格迭代扫描算法下进一步提高。     

改进混合蛙跳算法在无线传感网定位中的应用

提出了一种改进混合蛙跳优化算法,用于改善无线传感网中距离矢量跳段定位算法的精度。首先根据锚节点与未知节点的位置关系利用DV-Hop算法进行初始定位, 然后分析误差来源,将目标定位机制转化为求解非线性总体最小二乘问题。同时合理选择加权因子和适应度函数,并利用带有混沌映射与柯西变异的改进混合蛙跳算法对未知节点坐标进行优化。在实验中,比较了最小二乘法、粒子群算法和改进混合蛙跳算法在定位中的性能。结果显示该智能算法简单可靠,而且有效提高了定位精度。     

基于信号衰减经验模型的移动节点定位算法研究

随着无线传感器网络在国防、安全等领域的快速发展,节点定位算法作为它的主要技术之一,也逐渐的被更多的人所重视、研究。为了提高定位技术在无线传感器网络中的应用效率和计算速度,提出了基于信号衰减经验模型的定位算法。该算法通过大量抽取节点在移动路线上的位置及其信号强度,迅速缩小锚点所在的范围,快速缩小节点所在区域,减少搜寻时间。     

蚁群循环定位算法在WSNs节点定位中的应用

针对无线传感网络中测距和定位算法复杂、精度不高的问题,提出了一种基于蚁群算法的循环定位算法。首先,利用接收信号强度指示(RSSI)方法测量距离,并建立信号衰减模型来计算测距公式。然后,利用循环定位算法对8个锚节点进行循环定位,将定位结果的平均值作为盲节点的最佳位置。最后,将该算法与加权质心定位算法和三边测量法进行对比,实验结果表明,循环定位算法的定位精度和稳定性更佳。