基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

无线传感器网络中免测距的节点自定位算法

无线传感器网络定位技术的显著特点,是利用有限的锚节点信息从而实现对全网内所有节点的定位.而同心圆定位方法是精度较高的免测距定位算法,通过将一些与锚节点通信半径最接近点的距离范围形成不同程度的圆环,然后彼此相交增加对未知节点的几何约束关系并对其进行位置估计.仿真结果表明,该算法获得较高的定位精度,同时计算和通信开销适中,不需要节点具备测距能力,是一个可扩展的算法,适用于各向同性的密集网络.     

多边算法在无线传感器网络目标定位中的应用

目标定位是无线传感器网络最基本的功能之一.多边算法是三边算法的改进算法,该算法的目的是减少目标和节点间距离的误差,以提高定位精度.算法采用更多的传感器节点对目标定位,通过最小二乘算法减小了测距误差,进一步通过加权最小二乘算法减小了监测节点位置误差,实现了无线传感器网络对单个目标的定位.最后将三边算法与多边算法进行比较,仿真结果表明,多边算法降低了测距误差和位置误差,定位精度更高.     

基于CFR的角度/距离联合单站定位

单站定位在室内定位中起着至关重要的作用。大多数室内定位算法都是联合多个Wi-Fi接入点（AP）进行定位,在只有w单个AP时定位精度很低甚至无法定位。针对室内环境中普遍存在的单AP定位情况,该文首先利用现有的三天线商用Wi-Fi网卡采集无线信道频率响应信息（CFR）进行信号到达角（AOA）估计。其次利用CFR幅值信息通过信号传播模型进行距离估计。提出了一种基于AOA和信号到达时间（TOA）二维聚类信息的直射路径识别算法。最后,利用现有的三天线Wi-Fi设备在室内进行了测角、测距以及定位测试,实验结果表明该文提出的单站定位系统在室内环境下中值误差可以达到1.3 m的定位精度,满足室内定位的需求。     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

山区复杂地形的无线传感器网络节点定位算法

针对在山区地形上非测距三维基于距离向量的定位算法存在定位误差较大的问题,提出了山区复杂地形的无线传感器网络节点定位算法（NLA-MT）.该算法有效地利用了山区地形环境的特点,用局部平面拟合山区地形表面,并将三维空间定位运算降为二维平面的定位运算来进行节点定位,有效提高了节点的定位精度.不同通信半径、不同锚节点比例、不同节点总数的多角度仿真实验结果显示,NLA-MT定位算法在山区地形场景中表现良好,有效提高了无线传感器网络非测距定位算法精度.     

无线传感网络基于协作模式节点定位研究

提出了一种新的基于刚性图理论和遗传算法的节点定位算法,以无线传感器网络节点的有效定位为基础,利用刚性图理论形成局部定位协作体,采用遗传算法实现节点位置的估算。该算法的特点是在形成定位协作体阶段利用节点多跳信息实现高定位率,利用节点间的测距信息实现高定位精度和高定位率。仿真实验表明,所提出算法的定位率比仅利用单跳信息时的定位率提高一倍,当测距误差Re=0.05R时,平均绝对定位误差为0.073R;当测距误差Re=0.1R时,平均绝对定位误差为0.14R。     

基于高斯滤波的三维水声无线传感网络节点定位算法

针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法.该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,首先对传输损耗值(transmis-sion loss,TL)进行采样,其次进行高斯滤波处理,并将处理后的数据代入改进后的测距模型进行距离估计,最后结合多边定位方法,得到最小二乘解即未知节点的估计坐标.将位置方程组求解结果代入拟牛顿算法进行最优值逼近,得到接近实际值的解.仿真结果表明:该方法降低了节点测距的误差,测距结果优于传统测距方法以及基于PF、RF和KF等滤波的测距方法;在定位精度上,与ASTL-GWO、ASTL-SAPSO和ASTL-RQ-PSO定位算法相比,分别提高了约49％,31％和9％.     

锚点稀疏的无线感知网络定位算法

为有效实现锚点稀疏无线感知网络中节点的定位,提出一种多跳协作分布式定位算法.利用与局域范围内的多跳锚点通信协作,对定位的伪位置进行排除或缩小位置范围;同时,对影响定位精度的测距误差、锚点位置误差进行研究,利用误差分析技术优化锚点的选择,排除冗余锚点带来的误差影响;通过Matlab仿真实验研究定位率与锚点密度之间的关系,验证了算法的有效性和正确性.试验表明,该算法能显著提高定位率(尤其对处于网络边缘的节点定位),有效降低定位误差和定位成本.     

混合噪声下移动受限水声传感器网络自定位算法

现有的水声传感器网络定位算法需要信标节点辅助定位,测距噪声服从高斯分布,定位成本高,精度低,对此,提出一种混合测距噪声下基于最大后验概率的自定位算法. 首先对受限移动节点的移动模式进行建模以获取节点位置的先验信息,测量节点间距离并基于加性和乘性混合噪声构建似然函数,在贝叶斯框架下将节点位置的先验与似然信息进行融合,通过最大化后验概率得到定位目标函数;然后利用BFGS拟牛顿法对目标函数进行优化求解. 仿真结果表明,相比同类定位方法,所提方法无需信标节点,定位精度高,收敛速度快,且对测距噪声的变化具有鲁棒性.     

WSN路由节点优化分布设计的免疫克隆算法

对于无线传感器网络(WSN)路由节点的优化分布设计,人工免疫进化算法存在几何选择区域局限,为了缓解此问题,避免系统收敛于局部最优解,提出一种基于免疫克隆算子的设计方案。根据WSN节点覆盖原理,构建WSN路由节点自适应人工免疫分布模型,用免疫平衡机理计算染色体在每个节点部署网格中的信息浓度概率,采用克隆检测算法监测WSN网络中节点冗余浓度,以使每个WSN路由节点辐射信息素最大化,突破几何选择区域的限制,实现最优节点部署和覆盖。仿真实验表明,新算法能提高网络连通性和节点利用率。     

基于WSN特点对DV-HOP算法改进的研究

为了提高无线传感器网络(wireless sensor network,WSN)中与距离无关的定位算法的定位性能,通过对DV-Hop算法的分析研究,结合计算机模拟随机分布节点位置的概率统计方法,提出一种改进的DV-HOP-M算法,该算法实现了在已知3个信标节点的情况下,对整个网络节点位置进行粗略的估计。仿真结果表明:提出的算法较之原有的DV-HOP算法,提高了基于无距离WSN定位的精确度。     

多贪婪准则条件下中继节点布局算法

为解决无线传感器网络中继节点设置位置不合理而导致的网络构建成本高、网络整体寿命低等问题,提出了一种基于贪婪准则的中继节点布局算法.该算法采用能耗均衡率和网络总能耗等性能评价标准,分别对最近贪婪准则、定向贪婪准则和角度最小贪婪准则进行了多角度的对比分析,并引入数据流向限制、通信容量和数据最大转送次数,对节点数据传输路径进行约束及优化.实验结果表明,最近贪婪准则能耗少,网络中各个节点的能耗均衡,可给出合理的中继节点布设位置,有效降低网络的整体能耗.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

基于蚁群优化的WSN网络数据融合算法

为了减少WSN网络中数据传输量、优化无线传输距离,提出了一种基于蚁群优化的WSN网络数据融合算法.该算法构造数据融合树并根据WSN网络的传输特点改进了蚁群算法,考虑了路径偏转角对路由的影响,调整节点选择概率;同时对最优的多个路径更新信息素,以提升最优路径的全局搜索能力.在WSN网络节点能量消耗、传输延迟方面与经典算法对比,发现该算法能够有效延长网络的生命周期、降低节点能耗,并能改善网络负载均衡.     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

基于虚拟场的能量高效传感器网络地理路由

针对现有的无线传感器网络(WSN)地理位置路由在遇到空洞时,集中使用空洞边缘节点转发而导致能量迅速耗尽的问题,提出利用虚拟场模型均衡节点能量消耗的路由算法.传输节点根据虚拟场模型,采用空洞信息、自身位置及目的节点位置作为参数,计算当前位置的虚拟场矢量.根据此矢量方向进行贪婪路由选择.受虚拟场模型的引导,数据传输路径在未遇到空洞时已提前开始绕行,路由能耗不再集中于空洞边缘,而是更均匀地分布于全网.实验表明,该算法在网络生命周期和数据包投递率方面明显优于现有的地理位置路由,在传输延迟方面两者接近,验证了虚拟场模型具有平衡节点能量消耗、提高能源利用率的效果.     

基于参考点序列的无线传感器网络节点定位算法

提出了一种基于参考点序列(Reference node sequence,RNS)的无线传感器网络定位算法,该算法对定位空间的锚节点建立voronoi多边形,以此生成由锚节点组成的voronoi图,并将voronoi图的顶点记为参考点,为定位空间增加了若干锚节点信息。从而使与传感器节点通信的锚节点数目增加,改善了锚节点不足给定位带来的负面影响。其次建立参考点和锚节点到传感器节点的序列等级,根据序列等级估计出传感器节点的位置。仿真结果表明,与DV-Hop算法和质心算法相比,本文算法可以更准确地估计出节点的位置,提高定位精度。