基于MDS和SDP的分布式节点定位算法

提出一种新的节点定位算法,基于MDS和SDP的分布式节点定位算法(DLMS)。该算法的主要思想是将整个无线传感器网络划分成若干个局部定位区域,在每个局部定位区域选择MDS定位算法或SDP定位算法建立一个局部相对定位图,然后将所有的局部相对定位图合并成全局相对定位图,最后利用锚节点的信息得到节点的估计位置。实验仿真结果表明,该算法能够提高节点的定位精度,尤其是在节点分布不均匀的情况下,同时该算法还能够节约锚节点数量。     

Distributed Node Localization Algorithm Based on MDS and SDP

提出一种新的节点定位算法,基于MDS和SDP的分布式节点定位算法(DLMS).该算法的主要思想是将整个无线传感器网络划分成若干个局部定位区域,在每个局部定位区域选择MDS定位算法或SDP定位算法建立一个局部相对定位图,然后将所有的局部相对定位图合并成全局相对定位图,最后利用锚节点的信息得到节点的估计位置.实验仿真结果表明,该算法能够提高节点的定位精度,尤其是在节点分布不均匀的情况下,同时该算法还能够节约锚节点数量.     

基于几何特性的非直达波定位算法

现有的无线传感器网络定位算法未考虑非直达波误差,由于无线传感器网络中任意两节点之间都可能存在通信,因此其定位问题比无线蜂窝通信系统更为复杂.为了解决现有节点定位算法未考虑非直达波误差的问题,依据分布式节点定位体系结构,提出非直达波环境下的基于几何特性的节点定位算法.该算法将不等式约束、非直达波统计特征和稳健代价函数等非直达波抑制准则,与无线传感器节点定位手段如距离测量矩阵相结合,仿真结果表明,它在无线传感器网络定位应用中要优于其他的定位算法.     

无线传感器网络抗欺骗的节点定位算法

节点位置定位是无线传感器网络应用的基本要求之一。针对无线传感器网络在开放性环境中应用容易遭受恶意节点欺骗攻击的问题,设计了一种抗欺骗的节点安全定位算法。算法将参考节点进行分组划分,并通过不同分组之间定位结果的比较,排除其中可能存在的恶意节点。在分组过程中,算法同时考虑了参考节点的优选问题,避免不良拓扑结构造成的定位偏差。仿真试验分析表明,算法能够有效地抵抗恶意节点的定位信息欺骗,大大提高了网络节点的定位精度。     

基于无线电相干的传感器网络节点定位

目前无线传感器网络节点定位算法中,能够兼顾高精度和远距离定位的算法只有RIPS方法,然而该方法利用汇聚节点进行集中定位。提出了一种基于无线电相干的角度估计算法,并分布式定位节点,在高精度、远距离定位节点的同时,可大规模应用该算法,且定位速度快。实验表明,该方法平均方位估计误差是3.20,90%的测量值误差在6.4度以内。     

无线传感器网络中基于区域通信覆盖的节点定位投放算法

针对无线传感器网络中传感器节点投放分布对投放区域有效通信信号覆盖的影响,该文提出了一种基于通信覆盖的分布式投放概率覆盖(DDCP)算法。在保证投放精度的前提下,该算法根据传感器节点在投放区域中位置的不确定性以及信号衰减特性,建立信号覆盖模型,并通过概率优化获取传感器节点的最佳投放位置和投放数目。这样改善了区域通信覆盖,同时提高了投放效率和节省网络资源。通过仿真比较了在不同定位投放方法下的各相关性数据,验证了该算法实现高效投放的优越性和正确性。     

一种新的无线传感器网络中异常节点检测定位算法

无线传感器网络中异常节点检测是确保网络数据准确性和可靠性的关键步骤。基于图信号处理理论,该文提出了一种新的无线传感器网络异常节点检测定位算法。新算法首先对网络建立图信号模型,然后基于节点域-图频域联合分析的方法,实现异常节点的检测和定位。具体而言,第1步是利用高通图滤波器提取网络信号的高频分量。第2步首先将网络划分为多个子图,然后筛选出子图输出信号的特定频率分量。第3步对筛选出的子图信号进行阈值判断从而定位疑似异常的子图中心节点。最后通过比较各子图的节点集合和疑似异常节点集合,检测并定位出网络中的异常节点。实验仿真表明,与已有的无线传感器网络中异常检测方法相比,新算法不仅有着较高的异常检测概率,而且异常节点的定位率也较高。     

改进的无线传感器节点定位算法

由于无线传感器网络具有其它网络不可比拟的各种优势,使得它在很多领域都有广泛的应用。对于无线传感器网络中的未知节点本身的定位工作是网络的各项应用的基础。本文主要分析无线传感器网络的节点定位技术,研究已有的定位算法,并根据现有算法提出一种改进的分布式的节点定位算法。该算法使用RSSI方法测距,无需增加新的硬件设备,通过分布式的算法来提高效率降低能耗,利用多次定位的平均值提高定位精度,降低了网络中的能量消耗,延长网络寿命。     

无线传感器网络中移动sink节点的路径规划

在无线传感器网络中,大量感知数据汇集到sink节点的采集方法会导致sink节点附近的节点能量耗尽,造成能量空洞。针对该问题,利用移动的sink节点进行数据收集是一种解决方法,其中移动sink的路径规划成为一个重要的问题。提出了一个移动sink路径规划算法,将无线传感器中随机分布的节点划分为不同的子区域,寻找sink节点移动的最佳转向点,最终得到最优的移动路径,以实现无线传感器网络生命周期最大化。仿真实验表明,与现有方案相比,该算法能显著延长网络的生命周期。     

基于无线电相干的传感器网络节点定位

目前无线传感器网络节点定位算法中，能够兼顾高精度和远距离定位的算法只有RIPS方法，然而该方法利用汇聚节点进行集中定位。提出了一种基于无线电相干的角度估计算法，并分布式定位节点，在高精度、远距离定位节点的同时，可大规模应用该算法，且定位速度快。实验表明，该方法平均方位估计误差是3.20，90%的测量值误差在6.4度以内。     

Positioning using local maps

It is often useful to know the positions of nodes in a network. However, in a large network it is impractical to build a single global map. In this paper, we present a new approach for distributed localization called Positioning using Local Maps (PLM). Given a path between a starting node and a remote node we wish to localize, the nodes along the path each compute a map of their local neighborhood. Adjacent nodes then align their maps, and the relative position of the remote node can then be determined in the coordinate system of the starting node. Nodes with known positions can easily be incorporated to determine absolute coordinates. We instantiate the PLM framework using the previously proposed MDS-MAP(P) algorithm to generate the local maps. Through simulation experiments, we compare the resulting algorithm, which we call MDS-MAP(D), with existing distributed methods and show improved performance on both uniform and irregular topologies.     

Range‐free intersecting chord‐based geometric localization scheme for wireless sensor networks

Recent advancement in wireless sensor network has contributed greatly to the emerging of low‐cost, low‐powered sensor nodes. Even though deployment of large‐scale wireless sensor network became easier, as the power consumption rate of individual sensor nodes is restricted to prolong the battery lifetime of sensor nodes, hence the heavy computation capability is also restricted. Localization of an individual sensor node in a large‐scale geographic area is an integral part of collecting information captured by the sensor network. The Global Positioning System (GPS) is one of the most popular methods of localization of mobile terminals; however, the use of this technology in wireless sensor node greatly depletes battery life. Therefore, a novel idea is coined to use few GPS‐enabled sensor nodes, also known as anchor nodes, in the wireless sensor network in a well‐distributed manner. Distances between anchor nodes are measured, and various localization techniques utilize this information. A novel localization scheme Intersecting Chord‐Based Geometric Localization Scheme (ICBGLS) is proposed here, which loosely follows geometric constraint‐based algorithm. Simulation of the proposed scheme is carried out for various communication ranges, beacon broadcasting interval, and anchor node traversal techniques using Omnet++ framework along with INET framework. The performance of the proposed algorithm (ICBGLS), Ssu scheme, Xiao scheme, and Geometric Constraint‐Based (GCB) scheme is evaluated, and the result shows the fact that the proposed algorithm outperforms the existing localization algorithms in terms of average localization error. The proposed algorithm is executed in a real‐time indoor environment using Arduino Uno R3 and shows a significant reduction in average localization time than GCB scheme and similar to that of the SSU scheme and Xiao scheme.     

基于局部分布式优化的无线传感器网络定位算法

针对在不规则的无线传感器网络中锚节点分布稀疏,对某些节点定位造成较大误差的情况,在Anchor Selection算法的基础上提出一种局部分布式优化定位算法,采用先局部后整体的定位思想,通过几何关系优化对节点之间跳距的处理,并在定位过程中将合理估计出来的节点晋升为锚节点,为后续未知节点的定位带来更多的信息参考。实验结果表明,该算法在处理不规则网络时有较强的容错性,能得到较好的定位效果。     

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。     

基于压缩感知的室内多目标无线定位算法

针对现存无线传感器网络定位算法中需要采集、存储和处理大量数据导致运算量较大与能耗过高的问题,提出了一种改进的基于贝叶斯压缩感知的多目标定位算法.该算法利用锚节点对监控区域的划分,结合贝叶斯压缩感知理论将多目标定位问题转换为稀疏信号重构的问题.针对传统观测矩阵难以实现的缺陷,该算法中改进观测矩阵的设计可实现且与稀疏变换基相关性较低,进而使得算法的重构性能较高,从而降低了定位的误差.仿真结果表明,与现有的一些方法相比,所提算法在保证较低的计算复杂度的情况下更加充分地利用了网络节点,有效提高了定位精度,同时具有较强的鲁棒性.     

视觉传感器网络中基于RANSAC的顽健定位算法

视觉传感器网络由于节点故障或环境变化将导致节点对目标的观测数据出现错误,而基于最小二乘的多视觉信息融合定位方法将因此造成较大的定位误差。针对此问题提出一种基于集中式RANSAC的顽健定位算法,将错误数据进行筛选剔除,从而提高定位精度,进一步针对集中式 RANSAC 将会导致单个节点的计算复杂度过高而导致网络节点能耗不平衡问题,提出基于分布式 RANSAC 的顽健定位算法,从而将大量的迭代计算平均分布在各个节点中并行处理,在保证定位过程顽健性的同时保证了网络的计算能耗平衡性。最后通过实验对no-RANSAC、cen-RANSAC 和 dis-RANSAC算法的定位性能进行了比较,验证了该算法能够依照预定的概率获得良好的定位结果,并对算法的时间复杂度进行了分析。     

DV-Hop定位算法在随机传感器网络中的应用研究

DV-Hop节点定位算法是一种重要的与距离无关的定位算法。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,然而在随机分布的网络中,节点定位误差较大。该文根据DV-Hop算法定位过程,在平均每跳距离估计、未知节点到各参考节点之间距离的计算和节点位置估计方法等3个方面进行了改进,分析和仿真了不同改进措施和综合改进的定位性能。结果表明,与有关方法相比,该文提出的改进措施可极大地提高节点定位精度。此外,该文改进措施不改变DV-Hop算法的定位过程,因此不需要增加网络通信量和额外硬件支持,是理想的与距离无关算法。     

基于相关性测序的TD-LTE分布式系统室内定位算法

在分时长期演进(TD-LTE)室内分布式网络中,不同位置上的信号差异性不明显,仅利用标定参考点不能实现准确位置估计。该文针对TD-LTE室内分布式网络下不同位置处的信号相似性问题,提出基于相关性测序的定位算法。首先,利用相邻位置的信号信息构建运动序列数据库。其次,通过相关性测序算法,得到在线接收信号参考强度(RSRP)序列与运动序列间的匹配度,确定备选定位序列集。然后,计算备选定位序列与在线RSRP序列间的相关系数及平均欧氏距离。最后,根据匹配度、相关系数及平均欧氏距离,选取最优备选定位序列,实现对目标的位置估计。实验结果表明,该文所提定位算法有效提高了室内分布式天线系统下的定位精度。     

水下光无线传感器网络的连接性分析与定位技术

针对水下光无线传感器网络(UOWSN)节点的传输范围受限和间歇性连接的问题,利用多跳通信扩大传输范围来增强网络连接性,提出一种网络节点定位算法.首先,将UOWSN建模为三维(3D)随机缩放模型图,并根据网络节点数、通信范围以及光发散角推导了该模型下网络节点的连接性概率表达式;然后,利用接收信号强度(RSS)定位算法修正...     

无线传感器网络中基于接近度的无需测距定位算法

针对当前无需测距定位算法存在定位误差大的问题,本文提出了一种基于接近度的无需测距定位算法,接近度是本文定义的一个用来表示邻居节点距离远近的值.首先根据邻居节点之间的几何特征和邻居关系推导出一个线性函数,函数输出是接近度.然后用锚节点之间的距离和接近度计算一个矫正值,矫正值和邻居节点之间接近度的乘积作为邻居节点之间的估计距离.最后根据估计距离计算未知节点的估计位置.仿真结果表明,本文算法的估计距离误差和定位误差都要低于当前同类型定位算法.