基于蛙跳算法的无线传感器网络节点定位

为减小测距误差对无线传感器网络定位精度的影响,将蛙跳算法应用到距离式定位算法的位置计算阶段中,提出了蛙跳定位算法。该算法在适应度函数设计中,根据节点间的测距信息对锚节点进行了加权处理,以降低测距误差对定位结果的影响。结合最小最大法构造初始种群,使其包含更多可行解,从而提高算法效率。仿真结果表明,与采用极大似然估计法或总体最小二乘法来进行位置计算的距离式定位算法相比,该算法有效降低了距离误差对定位精度的影响,具有较高的定位精确度和稳定性,是一种实用的无线传感器网络节点定位方法。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

基于圆盘散射体的非视距定位算法

针对无线传感器网络目标定位中的非视距问题,为了抑制非视距误差,提高定位精度,提出一种基于圆盘散射体的非视距定位算法.新算法根据基站收到的多径到达时间,计算加权测量均值,与圆盘散射体模型理论均值进行匹配,建立目标函数,同时引入圆盘半径约束,通过对目标函数求取极值,解出含有目标位置的最优解.仿真实验结果表明,与其他目标定位算法相比,该算法能够得到全局最优解,提高非视距环境下的定位精度.     

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离.在实际网络定位环境中,未知节点和锚节点之间多数是折线连接.当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大.为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法.采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试.仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值.     

基于遗传算法WSN节点定位算法研究

研究无线传感器网络节点定位问题.针对无线传感网络由于位置信息等原因而造成节点定位误差较大,精确度不高等问题缺陷,提出了一种改进的基于遗传算法优化DV-hop定位算法,并将算法应用在无线传感网络节点定位中,算法首先利用节点间的距离和锚节点的位置,在距离无关定位算法的最后一个阶段,采用遗传优化算法对DV-hop算法定位得到位置进行校正,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围,仿真结果表明,改进的网络节点定位算法定位误差小和定位范围广等性能,与原始的DV-Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

基于人工神经网络的无线传感器定位算法

在无线传感器网络定位中,距离向量-跳数(DV-Hop)算法定位误差较大;为了提高定位准确性,结合径向基函数(RBF)神经网络与节点跳数理论,提出RBF-Hop的定位算法;该算法中需要随机生成虚拟节点以满足神经网络的训练,此算法为首先对距离各锚节点均较近的优先定位节点进行定位,然后将已经定位的节点作为下一轮定位的锚节点,循环定位直至所有未知节点定位出来;仿真实验表明,在同样的节点分布下,RBF-Hop比DV-Hop算法的平均定位误差降低29.11%;在锚节点比例、通信半径不同等情况下,RBF-Hop比DV-hop算法的定位精度有了明显的提高。     

基于空间锥体模型WSN节点定位算法研究

研究无线传感器网络节点在空间定位精度问题,针对无线传感器无法获取特定的节点的位置,传统的定位算法受到外界因素、测量距离误差和部署节点不合理性以及节点能量过快消耗,使定位和测距存在定位精度不高和计算量大等弊端。为解决上述问题,提出一种空间锥体模型下的WSN节点定位算法。通过仿真对目标参数测距量化和锚节点与求知节点空间几何关系的计算,对其求解结果进行迭代求解,从而降低了测距误差,提高了节点定位精度,避免了因距离误差和节点能量过早耗尽。仿真结果表明,算法有效地减少网络节点间通信开销,延长了网络生存周期,增强了定位精度的鲁棒性和稳定性。     

基于SimpliciTI协议的无线传感器网络设计

针对GPRS、ZigBee、WiFi等国际标准无线传感器网络通信协议价格高、对硬件要求高等问题,提出采用适用于小型射频网络的低功耗SimpliciTI协议设计无线传感器网络的方案。首先介绍了SimpliciTI协议的基本原理;然后给出了一种采用CC2500射频收发芯片和MSP430超低功耗微处理器芯片的无线传感器节点的电路设计方案,并介绍了基于SimpliciTI协议的无线传感器网络的组网及通信过程;最后介绍了基于距离的无线传感器网络定位算法,并针对常用的多边定位算法误差较大的问题,提出了一种改进的定位算法,即通过实际距离和估算距离的误差平方最小化来计算节点坐标的误差修正值,并采用二维双曲线算法修正未知节点的初始定位坐标,从而提高定位精度。     

基于?? 均值聚类的二进制传感器网络多目标定位方法

针对存在错误报警的二进制传感器网络,提出基于K均值聚类的二进制传感器网络多目标定位方法。在目标和节点间距离信息未知的条件下,提出基于K均值聚类的改进加正减负算法(KMC-ISNAP)对目标位置进行估计,引入影响因子降低分类过程中模糊节点对多目标定位误差的影响。仿真实验表明,K均值聚类方法在多个目标随机分布情况下能够对报警节点进行准确分类,与质心估计算法和加正减负算法相比, KMC-ISNAP多目标定位方法具有较高的定位精度和较好的容错性。     

基于多元变量Taylor级数展开模型的定位算法*

为了进一步提高无线传感器网络的定位精度,通过考虑未知传感器之间的距离信息,构建了多元变量Taylor级数展开的定位模型。在对该模型求解过程中,首先利用三边测距法得到未知传感器的初始位置,再采用加权最小二乘法计算其最优值作为未知传感器的估计位置。为评价该算法的性能,对定位结果的Cramer-Rao下界(CRLB)进行了推导。仿真测试了不同距离测量误差和已知传感器数目对定位误差的影响,以及算法的累积分布函数(CDF)。仿真结果表明,该算法有效地提高了定位精度,且定位误差非常接近CRLB。     

关于无线传感器网络定位算法仿真

针对无线传感器网络(WSNs)节点定位的问题,提出了一种通过构建粒子群机制的量子神经网络模型优化距离矢量跳跃(DV-HOP)的定位算法(PSO-QNN),根据传统DV-HOP所得到的平均距离和实测节点距离构建量子神经网络模型,并通过粒子群算法对平均距离进行训练,从而得到较优平均值,实现了对DV-HOP算法的优化.算法缩短了传统人工神经网络的训练时间,并且加快了收敛速度.仿真结果表明:与传统DV-HOP算法相比,所提出的PSO-QNN算法能够减少约20%的定位误差,定位精度显著提高.     

基于跳距优化的改进型DV-Hop定位算法

DV-Hop定位算法是无线传感器网络节点定位的关键技术之一.传统DV-Hop定位算法节点定位,因跳数计算和跳距估计产生偏差,影响定位误差,为了提高定位精度,提出一种改进型定位算法.改进算法引入多通信半径方法细化节点间的跳数,计算未知节点平均跳距时,剔除孤立节点,并对利用锚节点得到的平均跳距进行加权归一化处理,使得未知节点定位精度提高.仿真结果显示,改进算法在不明显提高算法复杂度与通信量的基础上大大提高了定位精度.     

节点分布对无线传感器节点定位性能的影响

为了提高无线传感器节点的定位准确性,针对当前算法没有考虑节点分布对无线传感器节点定位性能的影响,提出一种考虑节点分布的无线传感器节点定位算法。分析节点分布对无线传感器节点定位性能的影响,估计锚节点之间的实际距离和估算距离的误差,并采用DV-Hop算法进行初步定位,综合学习粒子群算法对DV-Hop算法的定位误差进行修正,采用多个实验对算法性能测试。实验结果表明,无论在节点分布均匀或分布不均匀条件下,该算法可以较好地修正DV-Hop算法定位误差,均明显提高了未知传感器节点的定位精度。     

基于布谷鸟搜索算法的无线传感器网络节点定位

无线传感器网络的节点定位实际上是解决测量距离和测距误差的多维约束优化问题。针对最小二乘方法对测距误差敏感的不足,提出一种基于布谷鸟搜索算法的无线传感器网络节点定位算法。该算法利用全局和局部寻优能力强的布谷鸟算法求解定位过程中的多维约束优化问题;通过设定相应的约束适应度函数来减小定位过程的搜索范围,加快了收敛速度,能够快速地确定未知节点的位置。仿真结果表明：相较于粒子群算法和最小二乘算法,该算法能有效地抑制测距误差对定位的影响,提高节点的定位精度,具备很好的实用性。     

基于BP神经网络的蜂窝无线定位算法

为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于BP神经网络的蜂窝无线定位算法。该算法融合了移动基站提供的AOA、TOA和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境。同时充分利用了定位的冗余和互补信息有效地减小了非视距传播的影响。对基于BP神经网络的定位系统性能进行了仿真,结果表明,基于BP网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在复杂的多径环境下能够有效地提高定位精度。     

基于DV-hop算法的楼宇内三维投影质心定位算法研究

针对DV-hop定位算法在无线传感器网络中非测距定位时存在的精度不高的缺点,提出将其与投影技术及加权质心算法相结合的算法.该算法利用投影测距技术将楼宇三维空间转化为二维,将平均跳距算法改进为全网平均节点跳距算法,并利用数学方法中均分的思想将计算公式进行优化.在DV-hop算法的最后阶段利用三边加权质心算法建立目标函数.仿真结果表明,改进的楼宇三维投影质心定位算法在不增加硬件开销的前提下,减小了定位误差及不可定位节点比例,提高了定位精度.     

一种改进的煤矿井下无线传感器网络定位算法

针对煤矿井下巷道狭长,传感器节点分布不均匀,环境恶劣,井下人员定位不明确。传统算法定位精度不高。为此,提出一种改进DV-Hop的煤矿井下节点定位方法,利用无线信号同种介质中传播速度不变性,并利用节点间数据包传送时间对未知节点的估计距离进行修正。实验结果表明,改进算法有效地提高了无线传感器网络节点的定位精度,减少了定位误差,更加适合于类似于煤矿井下场景的定位需求。     

无线传感器网络节点OSFL-TLBO定位算法

定位技术对于无线传感器的应用是至关重要的,没有位置坐标的传感器节点信息是没有意义的。针对非测距的DV-Hop算法定位精度不高的问题,提出了一种新的基于反向蛙跳-教学优化(OSFL-TLBO)定位算法,以改进DV-Hop用平均跳距来代替欧式距离时的累积误差问题和利用最小二乘法求解非线性方程时对初值敏感,受测量误差影响较大的问题。把无线传感器网络节点的定位问题转化为求解最优解的问题。仿真结果表明,所提算法的定位准确度提高大约10%~25%,有效的提高了定位精度。     

NLOS环境中的拉格朗日乘子改进约束最小二乘定位算法

无线通信中的非视距误差是影响传统定位算法精度的主要因素.因此本文针对存在锚节点与移动节点的无线传感网络,提出了一种利用拉格朗日乘子法改进的约束最小二乘定位算法.算法核心思路在于运用拉格朗日乘子法修正约束最小二乘代价函数来构建新的目标函数,同时也提出一种分组定位组合的思想以进一步提高定位性能.仿真结果表明在非视距误差较大或网络中固定节点较多时,提出的算法可以有效消除非视距误差引起的定位精度损失,同时本文算法还具有随节点数目增加而提升优势的特性.