一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

无线传感器网络中一种移动节点定位算法

无线传感器网络中现有的大多数定位算法都是针对静态节点的,不能应用于节点移动的情况.本文提出了MCBE(Monte Carlo Localization Boxed Using Estimation)移动定位算法,该算法利用锚盒子(Anchor box),即包含待定位节点可能位置且平行于坐标轴的矩形以及非锚节点位置来帮助定位.锚盒子大小和定位误差存在正相关关系,算法根据待定位节点的一跳和二跳锚节点位置计算出锚盒子大小,当锚盒子大于一定值时,利用锚盒子小的非锚节点位置缩小锚盒子,最后在锚盒子范围内对位置采样,用蒙特卡罗MCL方法定位.理论分析和仿真结果表明,MCBE能有效地缩小采样区域,提高定位精度.     

移动无线传感网中的迭代蒙特卡罗定位算法研究

研究移动无线传感网中的节点定位问题,分析影响蒙特卡罗定位精度的两个因素:观测值和前一时刻的位置样本集,提出一种迭代蒙特卡罗定位算法。该算法中,信标节点的位置信息在每个时间段只被它的邻居节点转发一次,但是接收到该信息的其他节点会保存它们,并在下一时间段将它们与待发送/转发的信息融合成一个数据包进一步转发,增加待定位节点用于估算前几个时间段位置样本集的观测值。待定位节点再利用蒙特卡罗算法迭代计算前面时间段的位置样本集,并充分利用观测值滤除较差样本,从而提高当前时刻的定位精度。仿真实验表明改进算法提高了定位准确度。当信标节点密度较低时,更能体现改进算法的优越性。     

基于Steffensen迭代和模糊信息的节点定位算法

为了提高无线传感器网络节点定位精度,提出了一种基于Steffensen迭代和模糊信息的节点定位算法.算法在模糊信息定位方法的基础上,通过引入Steffensen迭代求精提高节点定位精度.算法将锚节点分为静态锚节点和移动锚节点,利用移动锚节点不断的运动来辅助静态锚节点进行定位.首先利用节点间的模糊信息实现未知节点位置的粗略定位,然后利用Steffensen迭代对节点位置进行不断迭代求精,以实现未知节点的精确定位.通过仿真实验证明,相比3D-ADAL算法和改进的TOF测距算法,本文算法不仅降低了定位误差率,减小了网络的通信开销,还提高了节点定位效率.     

无线传感器网络中移动节点定位算法研究

提出一种利用临时锚节点的蒙特卡罗箱定位算法.该算法是基于蒙特卡罗定位方法之上,通过引入节点平均速率来获取临时锚节点,并利用一跳范围内的临时锚节点构建最小锚盒、增强样本过滤条件,从而加速了采样和样本过滤.此外,在样本的获取上采用了非随机采样的均衡采样方法,有效地降低了采样次数.仿真结果表明:该算法同蒙特卡罗定位算法等相比,提高了节点的定位精度,降低了节点的能耗.     

动态无线传感器网络的改进蒙特卡罗定位算法

针对于无线传感器网络中移动节点的定位问题,在传统蒙特卡罗定位算法的基础上,提出了一种改进算法。该算法通过构建接收信号强度指示测距模型来限制样本区域以求提高采样效率。仿真结果表明,与MCL、MCB等其他蒙特卡罗定位算法相比,改进算法在不同的时间、不同的锚节点密度、不同的节点移动速度等情况下,都具有更好的定位精度。     

基于移动锚点的三维无线传感网节点定位算法研究

考虑在三维环境下移动锚点辅助定位传感节点的场景,提出一种基于移动锚点的三维无线传感网节点定位算法(NLA_3D).在NLA_3D算法中,移动锚点在随机移动探测的过程中,获知未定位传感节点所在连接树的所有传感节点信息,建立最小化移动路径长度和定位误差的优化模型,并引入遗传算法思想,提出一种混合海洋捕食者算法求解优化模型,即将遗传算法的变异操作认为是布朗运动,将遗传算法的交叉操作认为是莱维运动,并计算移动锚点的最优移动路径.移动锚点在最优移动路径上提供不共面的参考位置信息.因此未定位传感节点能够根据移动锚点或已定位传感节点位置信息,采用极大似然估计算法计算自身位置坐标.仿真结果表明:NLA_3D算法可定位监测区域内所有传感节点,增加传感节点的平均锚点位置个数和降低平均节点定位误差,比RAND、GREED和LMPS算法更优.     

基于MCL算法的移动节点安全性研究

蒙特卡罗（MCL）算法对移动节点进行定位时没有考虑安全因素,针对该问题,在MCL流程中加入身份认证环节,即可实现定位又保证被定位移动节点的安全性。实验结果表明,在节点速度较小时,改进后的MCL算法定位偏差性良好。     

基于蒙特卡洛方法的移动传感网节点定位优化算法

无线传感器网络正在被应用到各种各样的监测环境中,在这些应用场景中,传感器节点的位置信息大都是至关重要的.目前对传感器节点定位方面的研究大都只针对静态WSN的情况,对于移动WSN节点定位的研究仍然十分有限.该文提出了移动WSN中节点间互相优化定位的新思路,通过判断式筛选出定位精度高的节点,并协助其他节点进行定位条件的优化.所提出的算法TSBMCL通过更精确的裁剪待定位节点的蒙特卡洛盒,并增加节点的粒子滤波条件来实现节点的精确定位.大规模的仿真结果表明,该算法可精确的锁定节点位置区域,高效的采样得到节点的位置样本,相比于传统的移动WSN蒙特卡洛定位方法,大大提高了节点的定位精度.     

一种单移动锚节点的无线传感器网络定位算法

研究了无线传感器网络的节点定位算法,提出了一种利用一个移动锚节点来实现定位的新算法。该算法利用一个移动锚节点,按照规划好的路径遍历整个网络,当移动锚节点移动到未知节点的通信半径以内,未知节点就可以接收锚节点的位置信息。当未知节点接收到三个以上的处于其通信半径上的位置信息,就可以计算出未知节点的坐标。最后,通过仿真研究了该算法的特性,仿真结果表明该定位方法在定位误差、能耗等方面均表现出良好的性能。     

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。     

Secure localization and location verification in wireless sensor networks: a survey

The locations of sensor nodes are very important to many wireless sensor networks (WSNs). When WSNs are deployed in hostile environments, two issues about sensors’ locations need to be considered. First, attackers may attack the localization process to make estimated locations incorrect. Second, since sensor nodes may be compromised, the base station (BS) may not trust the locations reported by sensor nodes. Researchers have proposed two techniques, secure localization and location verification, to solve these two issues, respectively. In this paper, we present a survey of current work on both secure localization and location verification. We first describe the attacks against localization and location verification, and then we classify and describe existing solutions. We also implement typical secure localization algorithms of one popular category and study their performance by simulations.     

抵抗恶意信标的安全优化DV-Hop算法

信标节点在无线传感器网络定位算法中起着关键作用,然而信标节点的安全常常被忽视.针对恶意信标节点发送虚假位置信息这种较常见且破坏性较强的攻击方式,在DV-Hop定位算法的基础上提出了一种抵抗恶意信标的安全Dv-Hop定位算法.该算法利用信标之间的距离约束来隔离恶意信标节点,同时采用多信标校正值权衡的策略克服了信标比例下降...     

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。     

无线传感器网络节点定位算法的研究与改进

针对无线传感器网络中DV-Hop定位算法的不足,在其基础上提出三种改进的定位算法,并介绍每种算法的基本原理和实现方法。在同一仿真平台上进行比较,分析三种改进算法在锚节点比率不同的情况下,对定位误差和覆盖率的影响。仿真结果证明了改进算法的有效性。     

Range-free 3D node localization in anisotropic wireless sensor networks

In this paper, we propose two computationally efficient ‘range-free’ 3D node localization schemes using the application of hybrid-particle swarm optimization (HPSO) and biogeography based optimization (BBO). It is considered that nodes are deployed with constraints over three layer boundaries, in an anisotropic environment. The anchor nodes are randomly distributed over the top layer only and target nodes distributed over the middle and bottom layers. Radio irregularity factor, i.e., an anisotropic property of propagation media and heterogenous properties of the devices are considered. To overcome the non-linearity between received signal strength (RSS) and distance, edge weights between each target node and neighboring anchor nodes have been considered to compute the location of the target node. These edge weights are modeled using fuzzy logic system (FLS) to reduce the computational complexity. The edge weights are further optimized by HPSO and BBO separately to minimize the location error. Both the proposed applications of the two algorithms are compared with the earlier proposed range-free algorithms in literature, i.e., the simple centroid method and weighted centroid method. The results of our proposed applications of the two algorithms are better as compared to centroid and weighted centroid methods in terms of error and scalability.     

基于典型相关回归的多跳非测距定位方法

多跳非测距定位方法是一种有效的、简单的节点定位方法,然而其一般仅适用于各向同性,节点密集网络。针对在各向异性网络中,多跳非测距定位方法定位性能低的问题,提出了基于典型相关回归非测距定位方法。该方法通过典型相关回归获得节点间跳数与欧氏距离精确的映射模型,并利用该映射获得未知节点到已知节点估计距离。仿真实验表明,该方法与现有算法相比具有更高的定位精度和定位稳定性。     

On the interaction between localization and location verification for wireless sensor networks

Secure wireless sensor networks (WSNs) must be able to associate a set of reported data with a valid location. Many algorithms exist for the localization service that determines a WSN node’s location, and current research is developing for location verification, where the network must determine whether or not a node’s claimed location is valid (or invalid). However, the interaction of these two services creates another challenge, since there is no method to distinguish between benign errors, e.g., errors that are inherent to the localization technique, and malicious errors, e.g., errors due to a node’s deceptive location report. In this paper, we study the problem of inherent localization errors and their impact on the location verification service. We propose a localization and location verification (LLV) server model, and define categories of LLV schemes for discrete and continuous resolution. We then designate two metrics to measure the impact of inherent localization errors—the probability of verification (for the discrete location verification schemes) and the CDF of the deviation distance (for the continuous location verification schemes)—to analyze the performance of each LLV category. Numerical results show that a proper tuning mechanism is needed to tolerate even small inherited estimation errors, otherwise the location verification can result in the rejection of almost all nodes. In addition, we propose several location verification feedback (LV-FEED) algorithms to improve the localization accuracy. Analysis of these algorithms shows that a significant improvement in localization accuracy can be accomplished in a few iterations of executing the location verification feedback schemes.     

无线传感器网络中导标节点共线的解决策略

节点的位置信息在无线传感器网络的很多应用中扮演重要的角色。已经提出的基于测距的定位算法几乎都用到了三角测量原理,但当所参考的导标节点共线或接近共线时,较小的测距误差都会带来很大的定位误差。针对这种情况,本文引入共线度概念,只有当所参考的导标节点的共线度大于某阈值时才进行位置估计。仿真结果表明,共线度的引入对
减小定位误差有明显效果。