一种基于模糊推理的改进加权KNN定位算法

针对UWB定位性能易受障碍物遮挡、非视距干扰的问题,提出了一种新的UWB指纹匹配定位算法。该算法利用基站与各定位标签之间的距离信息建立指纹库,并在KNN定位算法的基础上,引入了模糊推理方法,通过模糊规则处理得到待定位节点与k个参考节点的匹配度,把该匹配度作为权值对KNN算法进行加权,获得初始定位,同时,创新性地提出了位置优化阈T,根据阈值T和初始定位结果与k参考节点的欧式距离大小,判断是否进行二次模糊加权处理。测试显示,该算法定位误差保持在10cm左右,并且和一次模糊推理的加权KNN算法比较,优化算法定位精度提高了17.8%,提高了UWB室内定位的精确度和稳健性     

无线传感器网络节点定位方法

针对无线传感器网络中定位精度低等问题,设计并实现一套基于贴近度的定位系统(ADLS)。利用内测点法初步估计未知节点所在区域,利用最大最小贴近度计算出最佳虚拟节点,通过求质心来确定未知节点位置。利用虚拟节点一定程度上降低多径、绕射等信号强度的干扰和网络成本,利用贴近度将未知节点与虚拟节点结合起来,避免一些算法中存在的误差累积等问题。实验结果表明,ADLS具有良好的性能,适用于无线传感器网络应用。     

回溯搜索优化改进矩阵填充的高效位置指纹库构建

针对基于信号强度指示（RSSI）的位置指纹定位过程中用于其离线位置指纹库构建的全采法采集工作量较大、位置指纹库构建效率较低、而插值法通常精度有限等问题,提出一种基于回溯搜索优化算法改进奇异值阈值（SVT）矩阵填充（MC）算法的离线位置指纹库高效构建方法。首先,利用定位区域内采集到的部分参考点的位置指纹数据建立低秩矩阵填充模型;然后通过基于奇异值阈值的低秩矩阵填充算法来求解该模型,进而快速准确重构出完整的位置指纹数据库;同时,针对传统矩阵填充算法最优解模糊及平滑性欠佳的问题,引入回溯搜索优化算法,以核范数最小建立适应度函数,对矩阵填充算法的寻优过程进行改进,进一步提高了求解精度。实验结果表明,利用所提方法构建的位置指纹库与实际采集的位置指纹库之间的平均误差仅为2.7054 dB,平均定位误差仅相差0.0863 m,但却节约了近50%的离线采集工作量。上述结果表明所提算法用于离线位置指纹库构建可以在保证精度的基础上,有效降低离线采集阶段的工作量,显著提高位置指纹库构建效率,在一定程度上提高位置指纹定位方法的实用性。     

一种基于离群点检测的定位算法

DV-Hop算法在无线传感器网络节点分布不均匀时定位误差较大。针对上述问题,利用离群点检测算法提高计算未知节点坐标的精度。在采用多边测量算法估计未知节点的坐标位置时用离群点检测算法LOF对未知节点的估计坐标进行分析和筛选,最终确定未知节点位置。仿真实验表明,该方法能提高节点的定位精度,减小定位误差。     

基于多维高斯的无线传感器网络定位算法

目前无线传感器网络定位算法在定位精度、运算复杂度之间往往顾此失彼,针对该问题提出一种多维高斯近似指纹定位算法。该算法根据信号接收强度地图建立参考点与未知节点间的模糊属性矩阵,然后构造理想点并计算其属性坐标,基于多维高斯模型估测理想点与不同参考点间的距离关系,引入调节函数修正理想点和未知节点在位置上的偏差,进而计算不同参考点与未知节点的相似度进行定位。该算法的运算简单,且实验结果表明定位结果的准确性高,误差波动范围小。     

基于WiFi和IMU结合的室内定位方法的研究

针对单一的WiFi定位误差较大的问题,提出了利用IMU人体姿态传感器来辅助WiFi进行室内定位的方案。首先在实验场所建立合适的WiFi位置指纹库,然后利用改进的K-NN算法对终端进行实时定位。同时利用IMU所测得的角度变化和终端前一个位置的坐标来判断终端处于哪一个象限,再和该象限的WiFi指纹库进行匹配计算出终端的坐标,从而不仅缩小了算法的复杂度,也提高了室内定位的精确度。     

基于方差滤波的动态自适应室内指纹定位算法

目前常用的室内定位算法在构建指纹库时,因为在参考点处接收到的信号强度值存在噪声值,传统的欧式距离计算公式忽略信号发射器的稳定程度从而造成定位误差,以及K近邻算法无法根据实际情况动态的确定参与定位的参考点个数,从而造成定位算法缺乏拓展性和稳定性。针对上述情况,本文设计了一种经过方差滤波的动态自适应室内指纹定位算法。该算法首先在离线阶段利用方差滤波去掉噪声值,之后在在线阶段利用新的基于方差的相似度计算公式计算待定位点与各个参考点之间的相似度,然后动态自适应的确定距离较小的K个点来参与定位计算,最后利用确定的K个点加权估计待定位点的位置。实验结果证明,该算法较对比算法能够有效的提高定位精度和定位的稳定性。     

遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

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DV-Hop测距修正的遗传模拟退火定位算法

为了提升传统DV-Hop算法对无线传感网络WSNs(Wireless Sensor Networks)中未知节点的定位精度,提出基于DV-Hop测距修正的遗传模拟退火定位算法IDV-Hop-GSAL(Improved DV-Hop Ranging-based Genetic-Simulated Annealing Localizatio).IDV-Hop-GSAL算法引入节点相近度概念,进而修正DV-Hop测距值,再利用最小二乘法求解未知节点的初始解.然后,建立基于未知节点位置为参数的数学模型,再利用遗传模拟退火算法优化初始解,从而得到获取未知节点的最优位置.仿真结果表明,与传统的DV-Hop+LS算法相比,提出的IDV-Hop-GSAL算法降低了平均定位误差.     

基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法.改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标.仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小.     

WSN中DV-Hop节点定位算法的改进

为降低传统DV-Hop算法对未知节点估算距离的误差,提升WSN中的未知节点定位精度,提出一种基于未知节点估算距离修正的DV-Hop改进算法.该改进算法首先对节点的平均每跳距离进行修正,并根据节点分布和节点间邻居关系的特点引入节点远离度的概念,以区分未知节点和邻居锚节点的距离,降低估算距离的误差;然后对最小二乘法的误差进行修正,并利用邻居节点的通信范围限制关系对未知节点估算坐标的误差进行修正,以进一步减小未知节点的定位误差.实验结果表明,与传统DV-Hop算法及相关文献相比,改进算法可以有效减小未知节点估算距离的误差,提升未知节点定位的精度.     

基于RSSI的自适应分段曲线拟合室内定位算法

针对室内环境因素对定位结果影响较大的情况,提出了一种基于接收信号强度指示（ RSSI）的自适应分段曲线拟合定位算法来提高室内定位的精度。在对原始RSSI数据预先进行高斯滤波处理的基础上,针对环境参数利用自适应分段曲线拟合的方法建立信号传播模型,最后采用最小二乘法计算出未知节点的坐标。实验结果表明：提出的算法定位精度更高,定位结果更稳定可靠,能够适应不同的室内环境。     

基于三维坐标修正的改进型3DDV-Hop定位算法

针对传统3DDV-Hop算法对未知节点定位误差较大的问题,研究人员提出了各类基于跳数、跳距计算方法进行改进的定位算法,但这些算法中对跳数、跳距计算的改进方法有待优化且未二次求精未知节点坐标;为此,提出一种基于三维坐标修正的改进型3DDV-Hop定位算法,该算法通过为节点设定3类通信半径以及跳距加权以减少跳数、跳距计算误差,并构建正方体交叉区域对未知节点坐标进行二次求精。通过实验结果对比分析可知：本文所提基于三维坐标修正的改进型3DDV-Hop定位算法对未知节点平均定位误差确有显著降低。     

基于最优跳距和改进粒子群的DV-Hop定位算法*

针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题,提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法首先利用节点的通信半径对锚节点间跳数进行修正;然后根据全局和局部范围对锚节点的影响,选择最优平均跳距来估算距离;最后用改进的粒子群算法来优化未知节点坐标。仿真结果表明,OPDV-Hop算法相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法,定位误差分别减小16%、11%和5%左右,其能够有效的降低估算距离误差,提高定位精度。     

基于改进AP选择和K最近邻法算法的室内定位技术

针对复杂的室内环境和在传统K最近邻法（KNN）算法中认为信号差相等时物理距离就相等两个问题,提出了一种新的接入点（AP）选择方法和基于缩放权重的KNN室内定位算法。首先,改进AP的选择方法,使用箱形图过滤接收信号强度（RSS）的异常值,初步建立指纹库,剔除指纹库中丢失率高的AP,使用标准偏差分析RSS的变化,选择干扰较小的前n个AP;其次,在传统的KNN算法中引入缩放权重,构建一个基于RSS的缩放权重模型;最后,计算出获得最小有效信号距离的前K个参考点坐标,得到未知位置坐标。定位仿真实验中,仅对AP选择方法进行改进的算法平均定位误差比传统的KNN算法降低了21.9%,引入缩放权重算法的平均定位误差为1.82 m,比传统KNN降低了53.6%。     

一种基于坐标改正的改进DV-Hop定位算法

为有效提高DV-Hop算法在拓扑随机网络中的定位精度,提出一种利用锚节点定位误差修正未知节点坐标的新方法(PEDV-Hop).首先定义伪距误差因子剔除对平均跳距计算产生较大误差的锚节点,从而有效抑制网络拓扑随机分布影响,提高平均跳距计算精度;其次,视锚节点为未知节点,在计算平均跳距的同时,运用三边或多边测量法评估自身定位坐标,从而可计算得到锚节点坐标改正值,并将平均跳距与坐标改正值向网络广播;最后,未知节点根据接收到各锚节点的坐标改正值来修正自身定位误差,从而有效提高节点定位精度.仿真结果表明,PEDV-Hop算法实现简单,有效提高了节点的定位精度.     

一种改进的无线传感器网络DV-Hop定位算法

针对DV-Hop定位算法以平均跳段距离代替实际直线距离而导致定位误差较大这一问题,提出了一种改进的DV-Hop定位算法.在改进算法中,锚节点通过实际距离和估计距离的误差来修正每跳平均距离.改进DV-Hop节点坐标计算方法,摒弃传统的三边定位算法而采用新的二维双曲线定位算法计算节点坐标.最后求得包含误差修正值的最终节点坐...     

基于进化算法的多通信半径DV-Hop改进定位算法

定位是无线传感器网络中最重要的问题之一。针对DV-Hop算法定位精度低问题，提出基于进化算法的多通信半径DV-Hop改进定位算法。该方法在多通信半径定位算法基础上，使用蛙跳算法对锚节点跳距进行优化，并对其适应值函数进行改进，让跳距值更接近真实值，然后在DV-Hop算法最后阶段利用遗传算法求解未知节点坐标。实验仿真结果表明，改进算法在不增加额外硬件情况下，大大降低了定位误差，相比于传统DV-Hop算法，定位精度提高了大约69%，相比其他文献，定位精度提高了大约21%。     

基于SVM的WSN移动节点定位算法

针对现有移动传感器网络定位存在错误率较高的问题,提出一种基于向量机技术的网络定位算法。该算法通过向量机技术建立节点测量向量与其位置的关系,节点根据新观察到的信息过滤掉不符合要求的取值范围。使节点持有其之前的运动轨迹样本点集,通过牛顿插值的方法计算其位置方向并更新节点样本点集,样本点通过向量机计算和纠正其坐标位置,从而实现节点的预测定位。仿真实验结果表明,与传统算法相比,该算法在锚节点较少、节点运动速度较快的情况下能保持较低的定位错误率。