基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

基于随机游走的无线传感器网络节点定位方法

为提高无线传感器网络中的节点定位精度,提出一种自适应随机游走模型的节点定位算法.首先将随机游走应用于网络拓扑结构连通性中,构建节点间相对距离模型,并设计自适应算法,提高该模型有效性;然后通过将该模型嵌入经典定位算法distance vector-hop（DV-Hop）中实现系统节点定位工作.仿真和实验结果表明,该算法具有良好的鲁棒性和定位精度,误差比DV-Hop算法减少了20%~30%.     

无线传感器网络的定位改进算法

DV-Hop定位算法利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度.提出了改进算法,对每个信标节点的平均跳距误差进行mandist和dist跳距修正加权,然后用加权处理后的平均跳距误差修正全网平均每跳距离,使其更逼近实际距离,最后得到未知节点的坐标.通过仿真,证明该改进算法可以有效地降低节点分布不均引起的测距误差,提高算法的定位精度.     

大规模无线传感器网络快速定位算法

针对大规模无线传感器网络(WSN)定位算法普遍存在时间复杂度过高的问题,实现了WSN邻近节点间逐对"比较关系"矩阵到位置坐标的快速可视化映射.算法首先引进快速映射(FastMap)计算过程,把参考节点作为定位的轴点,选择距离最长的对角线作为轴线,避免了相对坐标到绝对坐标的转换过程;将FastMap运算的概略坐标作为MDS(multi-dimensional scaling)的输入,提高了定位精度.在MATLAB软件中设置600m×600m的定位区域,利用无线信号衰减模型产生虚拟测试点,分别针对包含3 600,1 600,900,576,400个节点的无线传感器网络进行仿真实验.结果表明:与随机型和经典MDS算法相比,所提出的算法在保持高的定位精度的前提下,大大降低了时间复杂度.算法被应用于智能超市导购系统,21辆购物车的平均定位误差为0.158 5m.     

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。     

室内可见光定位算法研究

针对室内场所定位精度低的问题,提出一种基于改进粒子群算法的RSSI(Received Signal Strength Indication:接收信号强度指示)可见光定位方法.采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度.在5 m×5 m×3 m的室内环境下,经过仿真测试,改进后的粒子群算法结合RSSI定位方法定位精度可以达到0.038 241 m,算法稳定度上升,定位精度更高,更适合在室内定位中使用.     

无线传感器网络的DV-Hop定位算法改进

针对传统DV-Hop算法存在定位精准度低这一缺陷,分析了影响传统DV-Hop算法定位精度的三点主要因素:锚节点分布密度、平均跳距误差、极大似然法扩大误差。从算法的平均跳距计算和节点坐标计算两个阶段入手,引入RSSI(Receive Signal Strength Indicator)技术对平均跳距计算过程进行优化处理,同时对未知节点坐标计算过程采用最小二乘法进行修正。仿真结果表明:改进后的算法在测距精度上比原始算法提高了约30%;在相对定位精度上提高了约35%。     

基于双通信半径的传感器网络DV-Hop定位算法

为了减少传统的DV-Hop算法对未知节点定位时产生的较大误差,分析了影响传统DV-Hop算法定位精度的两个因素,继而提出了一种改进算法。改进算法在进行未知节点定位时,信标节点先后使用两个通信半径广播自身位置信息,从而获得未知节点与信标节点间更精确的跳数,并计算出它们之间更精确的距离,得到未知节点更精确的坐标。仿真结果显示,改进算法相比于传统DV-Hop算法相对定位误差减少了13%~15%,并且减少了由于网络拓扑结构不同带来的定位误差的差异性。     

DV-HOP和接收信号强度指示结合的改进算法

由于DV-HOP算法易受网络拓扑的影响,定位精度不高,以及噪声和障碍对RSSI算法影响较大,由此会导致估计误差的产生,为提高定位精度以及鲁棒性,本文提出了一种DVHOP和RSSI结合的改进算法。首先,计算未知节点和锚节点间的距离,再将其输入到单隐层前馈神经网络训练好的网络模型,实现完整的拓扑训练集,取代网络拓扑结构,进而得到未知节点的位置信息。在MATLAB中做仿真实验,结果表明:与传统的DV-HOP算法和改进的DV-HOP算法相比,DV-HOP和RSSI结合的改进算法具有良好的定位效果和一定的抗干扰性,而且定位误差相对较小。     

WSN中基于多功率移动锚节点的智能定位算法

针对无线传感器网络节点定位,提出一种基于多功率移动锚节点的改进鸡群定位算法。移动锚节点按照移动模型遍历定位区域,通过功率控制发射信标信号,未知节点接收到信标信号后,利用测距模型建立距离方程并采用最小二乘法计算节点坐标,再使用鸡群算法对节点坐标进行修正。仿真结果表明,改进鸡群定位算法的定位精度和收敛速度皆有所提高。     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

基于密度分簇的无线传感器网络定位算法

针对MDS-MAP(P)算法存在节点间最短路径距离计算误差、合并误差及算法复杂度过高等问题,提出了一种基于密度分簇的算法MDS-MAP(DB)。该算法选择邻居节点数最多的节点作为分簇机制的开始节点,一跳邻居节点组成的簇域内利用三角不等式法则测距,两跳内节点组成的簇域内利用最短路径法测距,且每个簇域内只有簇头节点执行测距算法,降低了测距误差及算法计算复杂度,提高了算法的性能。仿真实验结果表明,该算法具有更小的定位误差。     

一种基于主成分回归的DV-Hop定位方法

DV-Hop定位算法是一种被广泛运用的定位算法。在各向同性的密集网络中,DV-Hop可以得到比较合理的定位精度,然而在实际分布的网络中,它的精度受到噪声和信标节点之间几何关系的限制。主成分回归方法利用主成分分析方法对原先数据进行重新构造,删除部分主成分,从而消除部分噪声和多重共线性对回归精度、稳定性的影响。根据DV-Hop算法定位过程,在节点位置估计阶段运用主成分回归的方法对定位数据进行重新综合与提取,仅利用有效定位信息进行位置估计。仿真实验结果证明该改进后的算法同样具有原先算法优良特性,且定位精确度有所提高。     

山区复杂地形的无线传感器网络节点定位算法

针对在山区地形上非测距三维基于距离向量的定位算法存在定位误差较大的问题,提出了山区复杂地形的无线传感器网络节点定位算法（NLA-MT）.该算法有效地利用了山区地形环境的特点,用局部平面拟合山区地形表面,并将三维空间定位运算降为二维平面的定位运算来进行节点定位,有效提高了节点的定位精度.不同通信半径、不同锚节点比例、不同节点总数的多角度仿真实验结果显示,NLA-MT定位算法在山区地形场景中表现良好,有效提高了无线传感器网络非测距定位算法精度.     

基于Bregman散度的无线传感器网络定位

现有算法难以处理脉冲噪声,导致无线传感器网络（WSN）中节点定位精度较低,为此提出基于Bregman散度的WSN定位算法. 该算法分为2个阶段：欧氏距离矩阵（EDM）恢复阶段和坐标映射阶段. 基于EDM的自然低秩性,将EDM恢复问题转化为噪声环境下的矩阵补全问题;采用L_1,2范数显式平滑脉冲噪声,建立正则化矩阵补全模型;为了有效求解该模型,定义多元函数Bregman散度,将分裂Bregman迭代拓展到矩阵空间,结合交替最小化算法,得到EDM的估计;在此基础上,基于多维标度法对节点位置进行估计. 实验结果表明,在不同噪声条件下,该算法在保证高效性的同时,在定位精度和鲁棒性方面优于其他算法,特别是当采样率达到一定程度时,定位误差不到其他算法的1/4.     

基于罚函数与水波优化的WSN定位算法

为了提高启发式定位算法的搜索效率和定位精度,提出了基于罚函数和水波优化的无线传感器网络（WSN）定位算法.首先利用bounding-box方法构造罚函数,提高算法搜索的效率和定位精度;然后利用动态学习策略对传统水波优化算法的传播阶段进行改进,促使个体对周围优秀个体的学习,并通过动态波高提高个体在后期局部搜索的概率,进一步提高搜索效率和求解精度.仿真结果表明,罚函数策略与改进水波优化算法能提高搜索效率和定位精度,所提出的算法在WSN节点定位上有较好的可行性和有效性.     

基于网格分布的加权质心定位算法研究

提出了基于网格分布的自适应校正的加权质心定位算法。针对算法存在的RSSI测距误差,可利用由离未知节点最近的信标节点确定的误差修正因子,使得未知节点适应自身所处的节点分布环境,从而对权值进行修正。仿真结果表明,该算法在不增加硬件成本的情况下降低了RSSI测距误差,提高了算法的定位精度。     

遗传-禁忌搜索优化的三维DV-Hop定位算法

为进一步提升无线传感器网络的定位精度和稳定性,提出了一种利用遗传-禁忌搜索法改进的三维distance vector-hop （DV-Hop）定位优化算法（TDGT）.首先利用最优跳数、跳数调整因子以及锚节点距离误差加权值对DV-Hop中的节点间跳数和平均跳数进行改进和修正,降低了算法的定位误差;其次将具有快速搜索能力的禁忌搜索引入遗传算法中进行寻优,提升了算法的搜索效率和定位准确性.仿真结果表明,TDGT与现有的无线传感器网络定位算法相比,具有更佳的寻优搜索能力、定位精度和稳定性.