无线传感器网络中改进的多目标定位和跟踪算法

基于无线传感器网络的目标定位与跟踪技术是目前研究的热点,传统的目标跟踪算法均需要明确的目标定位系统观测模型,如无法获得该模型,则算法失效。为此,利用移动机器人客户端,提出一种分布式移动多目标定位和跟踪算法。该算法将所有机器人分为负责目标跟踪的领袖机器人与负责网络阵型和连接性维护的从属机器人,对收敛误差和系统参数间的关系进行分析,并通过仿真实验验证了该算法的有效性。     

基于垂直平分线的无线传感器网络定位改进算法

针对传统基于垂直平分线的区域定位算法定位精度低、迭代次数多等缺点,提出一种改进的垂直平分线算法IMBLA。根据未知节点接收到的两锚节点接收信号强度指示( RSSI)值的比值,移动两锚点的垂直平分线,再确定待定位节点与垂直平分线的位置关系。该算法应用基于参考锚节点的高斯校正模型进行RSSI测距,包括有障碍物时的模型,不但适合各种环境,还能有效防止恶意攻击。仿真结果表明,与MBLA和IPAIT算法相比,IMBLA算法的定位精度和网络覆盖率较高。     

改进的基于能量的声源定位算法

为提高基于能量的两步加权最小二乘声源定位算法（two‐step WLS）的定位精度,提出一种改进算法。通过引入广义矩阵,将有噪数据中的噪声项分离出来作为约束条件,将加权最小二乘问题转化为带约束条件的最小化代价函数的求解问题,采用拉格朗日乘子法求得代数解。仿真结果表明,该算法在噪声较小时,逼近CRLB （Cramer‐Rao lower bound）下限;高噪声时,相对two‐step WLS算法,提高了定位精度,提高了突然偏离CRLB的噪声阈值,是一种高效可行的定位算法。     

基于贝叶斯过滤法的CSI室内定位方法

无线信号多径效应导致基于接收信号强度指示（RSSI）的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息（CSI）室内定位方法（BCL ）。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法, BC L有效提高了定位准确度和稳定性。     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.     

基于动态PSO的WSNs发音节点定位研究

发音节点定位是无线传感器网络(WSN)一项重要的监控任务.为定位发音节点位置的极大似然估计解(MLE),通过分析栅格策略,基于此提出了动态粒子群优化(PSO)的算法,该算法在降低计算量的同时,减少了损失函数局部最优解的影响.另外,相对于原始数据,节点仅仅将信号的能量量测发送到融合中心,大大降低了对通信带宽和能量的消耗.在多种场景下进行了对比仿真,实验结果验证了该算法的优越性能.     

蜂窝网无线定位技术在铁路场景下的应用

针对蜂窝网络定位技术定位精度不高和在铁路实际中难以应用的缺点,提出一种新的列车定位方法.方法的核心是将速度传感器和蜂窝网的定位参数处理为若干列车可能的位置区域,并计算区域中列车位置出现的概率,以所有位置中出现概率最大为优化目标,建立列车定位的误差优化模型.在此基础上进一步引入遗传粒子群优化算法对模型进行求解,并用Matlab仿真.仿真结果表明:在复杂的铁路环境中,该定位方法对不同来源的误差有很好的吸收作用,是一种有效的定位方法.     

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。     

基于RSSI的无线传感器网络迭代安全定位算法

分析了无线传感器网络节点定位过程中的安全性问题,针对接收信号强度指示(RSSI)测距技术,提出了一种结合梯度下降法和离群检测技术的安全定位算法.仿真和实验结果表明:使用该算法的无线传感器节点在存在攻击的环境下依然能够正常定位,当平均测距误差为0.7m时,定位误差为1m.     

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。