基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

A soft computing approach to localization in wireless sensor networks

In this paper, we propose two intelligent localization schemes for wireless sensor networks (WSNs). The two schemes introduced in this paper exhibit range-free localization, which utilize the received signal strength (RSS) from the anchor nodes. Soft computing plays a crucial role in both schemes. In the first scheme, we consider the edge weight of each anchor node separately and combine them to compute the location of sensor nodes. The edge weights are modeled by the fuzzy logic system (FLS) and optimized by the genetic algorithm (GA). In the second scheme, we consider the localization as a single problem and approximate the entire sensor location mapping from the anchor node signals by a neural network (NN). The simulation and experimental results demonstrate the effectiveness of the proposed schemes by comparing them with the previous methods.     

基于最优跳距处理策略的无线传感器网络智能定位算法

针对传统DV-Hop算法存在较大定位误差及忽略锚节点自身误差的问题,提出了一种基于最优跳距处理策略(PSOHD)的智能定位算法。该策略充分考虑了网络拓扑结构和锚节点自身误差对定位精度的影响,首先对锚节点引入两个通信半径,并分别统计每个锚节点通信半径范围内的节点数;然后采用加权最小二乘估计修正锚节点间的平均跳距;最后对用于未知节点位置估计的平均跳距进行筛选并加权处理。另外在定位阶段引入了粒子群优化(PSO)算法对未知节点进行定位。仿真结果表明,在适当增加节点能量消耗的条件下,改进算法的定位精度有明显改善,是一种可行的无线传感器网络(WSN)节点定位的解决方案。     

融合正余弦优化与跳距优化的DV-Hop定位算法

针对DV-Hop定位算法中跳距计算不精确以及最小二乘法求解不能达到最优无偏状态导致定位不准确的问题,提出一种融合正余弦优化与跳距优化的DV-Hop定位算法,并给出了最优化锚节点的概念。该算法首先选取每个未知节点周围所有锚节点中平均跳距最小的锚节点作为最优化锚节点;然后选取其余任一锚节点与未知节点构成三角形,将最优化锚节点到未知节点的边作为三角形中的最优化边;其次利用余弦定理计算其余锚节点到未知节点的距离,达到优化跳距的目的;最后利用正余弦优化算法改进最小二乘法,利用正余弦函数的波动性寻找未知节点的最优位置。实验结果表明,该算法相比于传统DV-Hop定位算法和DV-Hop改进算法,定位误差明显降低。     

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法.DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描.介绍了 2种算法的原理,并进行仿...     

基于WSNs中距离函数和指数函数的三维质心定位算法

将无线传感器网络中二维定位扩展到三维定位,并针对三维空间定位精度低的问题,分别提出了基于距离函数和指数函数的三维加权质心定位算法.仿真结果表明:基于这两种函数的加权定位算法的精度较传统三维质心算法有了显著提高,平均定位误差均降低了8%.同时,在锚节点比例为15%时其网络覆盖率可达92%以上.     

一种基于狼群优化的改进DV_Hop定位算法

DV_Hop算法是经典的无需测距的无线传感器网络节点定位算法之一,但由于节点分布不均匀,由平均跳距计算出的未知节点与锚节点的距离跟实际距离差距较大,导致其定位精度不高.针对这一问题,借助于狼群算法需要的计算参数较少以及具有良好的寻优精度的特点,提出一种基于优化狼群算法(IWCA)的DV_Hop算法(IWCADV_Hop).首先将DV_Hop算法的估计距离进行优化,对于距离锚节点跳数为1的未知节点,用RSSI方法直接求出它与锚节点的距离,从而减小估计距离的误差;其次,由于狼群算法容易陷入局部最优,提出优化狼群算法(IWCA),采用模拟退火的思想在探狼k次迭代未改变位置时,允许以一定概率向效果差的方向游走,游走方式采用混沌映射的方式;最后,将IWCA算法应用到节点定位的计算阶段,从而减小DV_Hop算法计算节点位置时产生的误差.理论分析与仿真实验表明,与同类算法相比,本文提出的IWCADV_Hop算法能提高无线传感器网络节点定位的准确性.     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

无线传感器网络中非测距混合定位算法

节点定位是无线传感器网络中的关键技术。针对质心定位算法和DV-Hop算法的不足,提出了一种非测距混合定位算法,采用DV-Hop算法得到节点之间的距离和粗略的未知节点估计坐标以作为质心定位算法的权重,经过两次加权质心定位算法得到未知节点更为精确的坐标。仿真实验结果表明：在不同情况下,该混合算法均能获得比两种原始算法更高的定位精度;与其他混合定位算法相比,计算量小,耗能更低。     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

混沌粒子群鸡群融合优化的RSSI质心定位算法

针对传统接收信号强度指示（RSSI）定位算法定位精度低及粒子群优化（PSO）算法容易陷入早熟和局部最优解的问题,提出一种RSSI质心定位算法。通过RSSI测距技术计算各传感节点之间的距离,选择离未定位节点最近的3个锚节点和已定位节点,建立以未知节点坐标为参数的数学模型。在PSO算法的基础上运用混沌优化思想避免搜索过程陷入局部极小,并利用鸡群算法进行优化从而得到质量更好的解。实验结果表明,与原始质心定位算法、加权RSSI质心定位算法和PSO-RSSI质心定位算法相比,该算法具有较快的收敛速度和较高的定位精度。     

一种基于移动坐标系的新型节点定位算法

提出一种与距离无关的基于移动坐标系的分布式定位算法,以移动锚节点为原点建立坐标系,未知节点以邻居锚节点信息在临时坐标系中确定自身位置区域,通过在不同坐标系下确定的位置区域取公共集不断缩小自身未知区域,最后利用质心算法求出节点位置坐标。仿真结果表明:新算法拥有较高的定位精度和适度的开销。     

Voronoi-based localisation algorithm for mobile sensor networks

Localisation is an essential and important part in wireless sensor networks (WSNs). Many applications require location information. So far, there are less researchers studying on mobile sensor networks (MSNs) than static sensor networks (SSNs). However, MSNs are required in more and more areas such that the number of anchor nodes can be reduced and the location accuracy can be improved. In this paper, we firstly propose a range-free Voronoi-based Monte Carlo localisation algorithm (VMCL) for MSNs. We improve the localisation accuracy by making better use of the information that a sensor node gathers. Then, we propose an optimal region selection strategy of Voronoi diagram based on VMCL, called ORSS-VMCL, to increase the efficiency and accuracy for VMCL by adapting the size of Voronoi area during the filtering process. Simulation results show that the accuracy of these two algorithms, especially ORSS-VMCL, outperforms traditional MCL.     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

一种三维传感执行网络节点位置感知算法

传感执行网络是由一组通过有线或无线通信方式连接起来的,并完成感知与执行功能的传感器与执行器节点组成的面向应用的分布式网络。位置感知是指确定节点在网络中的坐标值。已提出的算法中大部分是针对二维布置网络,提出了一种基于循环组合四边测量法的用于三维传感执行网络的节点位置感知算法,这种算法依据信标节点相对于未知节点的几何位置并利用权重多面体和权重重心法估算未知节点的几何位置。它的主要特点是:可明显提高感知精度,且对测距误差具有很好的鲁棒性。     

一种基于动态跳数距离的有洞无线传感器网络定位方法

在无线传感器网络中,与距离无关的定位技术一直是一项挑战性的工作。尤其是在有洞的各向异性网络中,多}L节点之间的距离估算更是一个难点。针对有洞的无线传感器网络,提出一种新的距离无关定位方法,该方法可以较好地估算未知节点到参考节点之间的距离。其主要思想是,先佑算各信标节点对之间的平均单跳距离,然后选择平均单跳距离较大并且最短路径通过未知节点的信标节点对作为参考节点来估算未知节点的位置。新算法能够较好地滤除距离估算误差较大的信标节点作为参考节点。实验表明,新算法比以前的算法定位更准确。     

Efficient and accurate sensor network localization

Wireless sensor networks (WSN) have great potential in ubiquitous computing. However, the severe resource constraints of WSN rule out the use of many existing networking protocols and require careful design of systems that prioritizes energy conservation over performance optimization. A key infrastructural problem in WSN is localization—the problem of determining the geographical locations of nodes. WSN typically have some nodes called seeds that know their locations using global positioning systems or other means. Non-seed nodes compute their locations by exchanging messages with nodes within their radio range. Several algorithms have been proposed for localization in different scenarios. Algorithms have been designed for networks in which each node has ranging capabilities, i.e., can estimate distances to its neighbours. Other algorithms have been proposed for networks in which no node has such capabilities. Some algorithms only work when nodes are static. Some other algorithms are designed specifically for networks in which all nodes are mobile. We propose a very general, fully distributed localization algorithm called range-based Monte Carlo boxed (RMCB) for WSN. RMCB allows nodes to be static or mobile and that can work with nodes that can perform ranging as well as with nodes that lack ranging capabilities. RMCB uses a small fraction of seeds. It makes use of the received signal strength measurements that are available from the sensor hardware. We use RMCB to investigate the question: “When does range-based localization work better than range-free localization?” We demonstrate using empirical signal strength data from sensor hardware (Texas Instruments EZ430-RF2500) and simulations that RMCB outperforms a very good range-free algorithm called weighted Monte Carlo localization (WMCL) in terms of localization error in a number of scenarios and has a similar computational complexity to WMCL. We also implement WMCL and RMCB on sensor hardware and demonstrate that it outperforms WMCL. The performance of RMCB depends critically on the quality of range estimation. We describe the limitations of our range estimation approach and provide guidelines on when range-based localization is preferable.     

基于阶次序列加权的无线传感器定位算法

针对WSN中节点的定位误差的问题,提出了一种阶次序列加权的无线传感器定位算法。首先根据节点定位中的信号传输采用Shadowing模型,其次根据锚节点建立Voronoi图,将Voronoi多边形的顶点作为参考点,然后建立参考点与锚节点之间的阶次序列,通过选择N个未知节点序列与最优序列加权估计未知节点的位置,仿真结果表明,相对于参比算法,算法不仅提高了传感器节点的定位精度,而且降低了算法的计算复杂度,在WSN节点定位方面具有较高的应用价值。