改进的分布式无线传感器网络多维标度定位算法

为提高无线传感器网络集中式多维标度MDS-MAP算法的定位精度,提出了一种改进的基于MDS的分布式定位算法。该算法在构建距离矩阵时引入Euclidean算法距离估算思想,同时采用一种优化的基于最小二乘逼近的坐标转换方法实现节点由相对坐标到绝对坐标的转换。实验结果显示,与经典MDS-MAP算法相比,改进算法在多种网络拓扑结构下均能有效提高节点的定位精度。     

基于距离区间概率测距的无线传感器网络定位算法研究

基于经验的传播模型在实际应用中存在多值问题,导致RSSI 与距离并非一一映射。本文提出了一种改进的 MDS-MAP 定位算法,该算法利用基于距离区间概率的测距模型,消除多值问题对测距模型精度的影响,从而提高测距模型 的测量精度。通过仿真结果表明,改进的算法与传统的MDS-MAP 定位算法相比,算法具有更好的定位精度。     

基于分布式的多维定标定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的MDS定位算法.该算法通过采用测定距离量化的方法,得到节点的近邻向量(CNV),然后通过一定的估算算法得到距离矩阵D,从而实现节点定位的分布式计算.通过理论分析和仿真实验表明,这种改进算法能够实现高精度节点定位.     

无线移动自组网络节点优化定位算法

针对MDS-MAP算法计算复杂度高的问题,提出一种改进的MDS-MAP定位算法。给出节点相对坐标的计算与优化以及局部网络融合的方法,分析算法的计算复杂度并进行定位精度仿真,结果表明,该算法的计算复杂度低、定位精度高、可扩展性好,能够较好地完成无线移动自组网络节点的定位。     

基于图刚性的无线传感器网络定位新算法

针对分布式 MDS-MAP 算法的不足,提出了一种基于图刚性理论的无线传感器定位新算法 MDS-MAP (GR)。算法利用图的刚性理论,确定网络中的所有刚性子区域,然后利用合并定理将刚性子区域进行扩展,最后对合并得到的刚性区域利用 MDS-MAP 算法和锚节点实现网络中节点的大规模定位。算法尽可能对刚性区域进行合并,节省了执行 MDS-MAP 算法的次数,提高了执行效率。通过在不同拓扑结构的无线传感器网络中进行了仿真实验,说明了提出的算法能有效定位不同半径下网络中90%以上的节点,另外,新方法比现有方法在定位成功率上提高了4%～5%,并且定位精度提高了2%～3．5%左右。算法适用于大规模无线传感器网络中的快速定位。     

WSN中改进的分布式多维定标定位算法

针对无线传感器网络经典集中式多维定标MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的ADMDS-MAP定位算法.该算法通过采用测定距离量化,得到节点的近邻向量(CNV),然后通过相关的估算算法得到距离矩阵D和节点的初始估值,加入适当的求精计算得到节点的精确位置.理论分析和仿真实验表明,改进算法能够提高节点的定位精度.     

改进的无线传感器网络中多维定标定位算法

由于经典多维定标MDS-MAP算法在不规则网络区域中进行定位时存在较大的误差,结合以往算法的经验,一种改进的基于多维定标的算法MDS-MAP（I,E）被提出,该算法根据锚节点的位置信息,来确定各个节点采用最佳的线性变换,并由此获得定位坐标,仿真结果显示该算法在各种拓扑结构下都能取得较好的定位结果,并且比之前算法取得了明显的改进。     

双层探测卫星网络半分布式资源调度方法

对具有高轨和低轨双层星座的探测卫星网络资源调度问题进行研究,提出一种半分布式调度方法.给出一种基于高轨星覆盖域的低轨星分群算法,在此基础上建立半分布式资源管理机制与对应的资源调度问题多主体求解框架.设计了群间分布协商策略--基于改进合同网的两级协商策略和群内集中调度方法--粒子群调度算法.实验结果表明,同完全分布式和集中式算法相比,该方法具有更优的求解性能和处理动态任务的能力.     

基于高斯校正模型的MDS-MAP定位算法

在无线传感器网络中,节点位置信息是很多应用的基础.对于基于RSSI测距的定位算法,其算法性能很大程度上依赖于RSSI的精度.文章提出一种基于高斯校正模型的改进MDS-MAP定位算法.改进算法在测距阶段利用高斯校正模型过滤掉受干扰的RSSI信号值,提高了RSSI测量值的精度.仿真实验结果表明,该算法定位精度比原始MDS-MAP算法有明显的提高.     

分布式预测控制算法的性能分析

分布式求解策略是为了降低大规模预测控制系统实施的计算量和计算复杂性而提出的一种有效算法，在算法收敛的条件下，分析了分布式求解和集中求解两种方法在单步时域上的性能偏差，给出了标称情况下分布式预测控制系统名义稳定的充分条件，为更好地理解所提出的分布式预测控制算法和算法的实施提供了理论依据。     

最短路径距离矩阵修正的多维标度定位算法

为了减小最短路径距离矩阵与欧氏距离矩阵之间的差异,提高MDS-MAP(C)算法的节点定位精度,提出一种改进的多维标度节点定位算法.该算法对MDS-MAP(C)算法进行了以下改进:采用启发式的搜索策略对最短路径距离矩阵进行修正,以减少最短路径距离矩阵与实际的欧氏距离矩阵之间的误差;利用smacof算法迭代误差函数代替SVD分解来求解节点的定位问题,以优化和改善节点定位的求解过程.实验结果表明,与MDS-MAP(C)算法相比,改进算法能够减少最短路径距离的误差,有效提高节点的定位精度,并且对不规则网络具有更好的适应性.     

基于不完全测距的移动传感器网络定位算法

采用基于二次规划的无迹卡尔曼滤波及多维标度方法,研究高精度的移动传感器网络定位算法,从传感器网络整体定位角度出发, 为移动传感器网络定位提供了新思路.首先对传感器网络单元建立符合实际的带约束的非线性相对运动模型;在此基础上重点考虑模型中的物理约束,采用基于二次规划的无迹卡尔曼滤波对节点间相对距离进行滤波估计;最后基于分布式的多维标度定位算法进行局部定位与拼合,给出不完全测距下的移动传感器网络定位算法.仿真结果表明,所提出的算法在相同测距误差下与其他定位算法相比定位精度更高,在不同连通度的传感器网络中,均能得到良好的定位效果.     

基于多粒度流形学习的无线传感器网络定位方法*

针对FastMDS-MAP定位算法存在对不规则无线传感器网络定位误差大,选取的框架节点不能很好的体现网络的拓扑结构实现不同粒层定位的问题,通过选择不同的筛选半径获得不同粒度的框架节点,结合绝对坐标变换加权策略提出了基于多粒度流形学习的无线传感器网络定位方法(MG-MDS)。仿真实验结果表明,不规则网络中MG-MDS算法定位精度比FastMDS-MAP算法有明显的提高;且定位误差随着网络节点粒度的变细而变小。     

改进的距离重构三维定位算法

针对三维定位算法中节点坐标转换精度低的问题,在距离重构多维定位算法DR-MDS的基础上,提出了改进的距离重构三维定位算法。该算法在距离重构和MDS-MPA算法的思想下,采用优化的最小均方根偏差几何中心修正算法RMSDGCC(Root Mean Square Deviation-Geometric Center Correction),先计算出坐标转换矩阵,然后利用锚节点的几何中心对所有节点进行修正,实现节点从相对坐标向绝对坐标较高精度的转换。算法可以实现有效的坐标转换,获得较好的定位效果。实验结果显示,与原多维定位算法相比,在不引入测距误差的情况下,改进算法在测距半径为15 m时定位精度提高14%,定位误差缩小至0.63 m,测距半径为35 m时,定位精度提高87%,定位误差几乎为0。该改进算法在三维空间中有更高的节点定位精度。     

一种基于MDS的无线传感器网络快速定位算法

定位是无线传感器网络的重要问题.为了减少资源有限的传感器节点的响应时间和能量消耗,提出了Fast MDS-MAP算法.基于多维尺度分析(Multi-dimensional Scaling, MDS)的MDS-MAP定位算法虽有较好的精度,但计算量过高成为其运算速度瓶颈.针对此问题通过结合LMDS(Landmark MDS)算法,并加入对测距信息的利用策略后,该算法经Matlab仿真分析证明在达到所需定位精度的同时,充分利用了测距信息提高定位精度,显著提高了MDS-MAP的运算速度.     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

传感器网络中基于多维标度定位算法的改进

针对基于经典多维标度的MDS-MAP算法在定位精度方面的不足,为提高传感器定位精度,提出一种基于Euclidean算法的改进型多维标度定位算法(Euclidean-based MDS-MAP(P,C))。算法与经典多维标度算法的区别在于,Euclidean算法能够算出每个节点与其两跳邻居节点间的欧氏距离,然后用这个欧氏距离来进行多维标度,显然能提高精度。仿真实验表明基于Euclidean算法的改进型多维标度算法与经典多维标度算法相比具有很低的定位误差以及很高的定位精度。     

一种环境自适应的无线传感器网络定位算法

在目前无线传感器网络中,接收信号强度指示(RSSI)测距模型严重依赖于信号衰减因子。为解决该问题,提出一种环境自适应的无线传感器网络定位算法。该算法利用改进的RSSI测距方法,通过网络中边与边之间的量化关系,消去信号衰减因子对定位算法的影响,从而使算法能实现对环境的认知。仿真实验结果表明,与传统的MDS-MAP定位算法相比,该算法具有较强的环境自适应能力和较好的定位精度。