多跳无线传感器网络下信道感知的目标定位方法

针对资源有限、存在信道退化的无线传感器网络(Wireless sensor network, WSN),基于最大似然估计(Maximum-likelihood estimation, MLE)提出一种信道感知的目标定位方法. 把传感器观测数据量化为M位二进制序列,经过衰落信道多跳中继到达融合中心. 中继节点采用二元解码-前向中继策略,中继输出是被信道污染的中继信号的估计值. 在Rayleigh信道衰落和高斯信道噪声假设下,结合无线信道衰落的统计知识和解码策略, 推导了观测数据的似然函数,得到目标位置的最大似然估计. 此外,还推导了估计器性能的后验克拉美-罗下界(Cramr-Rao lower bounds, CRLB). 仿真结果表明,信道感知的方法能够减缓由于信道衰落和噪声所带来的定位性能的退化.     

无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法

对信道衰落的无线多跳传感器网络下的目标跟踪问题, 提出一种新的信道容错的粒子滤波方法. 传感器观测数据被量化成二元信号, 经非理想无线信道多跳中继通讯到达融合中心. 中继节点采用一种二元中继策略, 中继输出是信道污染的中继信号的估计值. 在粒子滤波器下, 考虑实际的物理信道, 计算粒子的似然度函数. 将信道衰落结合进跟踪算法, 在已知信道衰落包络和信道统计分布下, 分别设计信道容错的粒子滤波算法. 仿真结果表明信道容错的粒子滤波器提高了目标跟踪的精度, 对非完美信道具有鲁棒性.     

基于二元数据的WSNs多目标容错定位算法

传感节点的感测数据易受到污染,导致大量传感节点的观察数据出错.为此,提出基于二元数据的多目标容错定位BMSFTL算法.BMSFTL算法考虑传感节点的差错概率的情况,利用传感节点的二元观察数据对目标源进行识别及定位.在目标源识别阶段,采用分布式竞争领导者(DCL)算法产生领导者(leader)节点,在理想状态下,leader节点数等于目标源的个数.然后,再利用基于网格投票(GBV)机制对目标源进行定位.仿真结果表明,提出的BMSFTL算法在噪声和差错情况,保持高的定位性能,在差错概率为0.25的环境,均方根误差小于8 m,远优于最大似然估计ML.     

基于无线传感器网络的自适应声源定位算法

基于声源能量的无线传感器网络（ WSNs）最大似然定位算法抗噪声干扰能力强,定位精度高,同时适用于多个目标定位,但是计算量大,不适用于实时定位。针对现有算法的缺点,提出了一种基于自适应迭代的最大似然定位算法。该算法将代价函数作为目标函数,在给定的梯度误差范围内自适应地搜索目标位置。为了提高算法的收敛速度和定位精度,提出了基于Sigmoid函数的变步长的搜索算法。仿真实验结果表明：与最大似然定位算法相比,自适应迭代算法运算量小,定位精度高,能满足对目标定位精度和速度要求较高的场合,具有一定的实际应用意义。     

WSN基于声音能量量化数据的目标定位研究

无线传感器网络的通信带宽和能量是有限的,只传输二进制或几个比特量化数据来完成目标定位任务可以减少网络开销。对无线传感器网络目标定位方法进行了研究,采用声音能量衰减模型,推导了基于量化信号的似然函数,给出了基于声音能量量化数据的最大似然定位方法。为了对估计结果进行评定,推导了最大似然估计的克拉美罗下限。仿真结果表明,该方法对目标定位的准确度基本接近于克拉美罗下限。因此,在满足定位精度的前提下,可通过减少传递的比特位数来节约网络的能量。     

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．     

基于无线传感器网络的声音目标定位算法

无线传感器网络中基于声音能量的多目标定位常采用最大似然估计法,但该定位方法未考虑目标能量相互混合的影响.利用独立分量分析方法求得目标之间的能量相互混合的比例,在此基础上建立声音能量模型,并利用最大似然估计法对目标进行定位.实验结果表明,与已有的最大似然多目标定位方法相比,该方法具有更高的定位精度和抗噪性能.     

基于粒子群优化算法的WSNs节点定位研究

为了提高无线传感器网络节点定位的精度,提出了一种基于粒子群优化估计的无线传感器网络节点定位算法。该算法简单易实现,可调参数少,通过多次迭代寻优,以提高定位精度。仿真结果表明,新算法与常用的极大似然估计算法相比可以显著提高节点定位的精度和稳定度。     

扫描辐射源的最大似然定位算法

针对运动扫描辐射源的扫描速率未知的情况,提出一种最大似然定位算法.该算法将各个时差量测分别投影到目标状态空间,通过对目标状态进行修正、迭代和融合实现对扫描速率和目标状态的最大似然估计,同时避免联合估计方法对运动目标的定位精度不足的问题.此外,针对扫描辐射源定位的特点,重新推导分析误差项,从而改进瞬时定位算法.仿真结果表明,所提出的最大似然定位算法及其改进方法是有效的,后者的定位精度接近CRLB.     

基于粒子群优化的DV-Hop定位算法研究

针对无线传感器网络(WSN)定位算法中的经典DV-Hop算法存在较大定位误差的问题,提出一种基于粒子群优化修正平均每跳距离的DV-Hop优化算法.该算法在以下三个方面进行改进:对于每个锚节点平均跳距计算,加入各个锚节点权重;提出主节点定义,网络拓扑结构将被考虑得更加全面,更好地权衡局部和全局特点,以此方法计算节点估计距离;提出中心学习策略,加入逃逸因子,避免粒子陷入局部寻优,最后用改进的粒子群算法代替极大似然估计法定位节点坐标.通过Matlab仿真软件验证,与原始DV-Hop和PSO-DVhop比较,结果分析此算法具有优越性和可行性.     

室内无线传感器网络信道传输模型及统计分析

无线传感器网络在室内的应用越来越广泛,然而相应的无线信道衰落模型的研究却尚未成熟.为此,针对典型的住宅和办公环境进行了无线传感器节点的信道传输衰落特性测试,并对测试数据进行了拟合和建模.拟合结果表明,在大尺度衰落的情况下,所提出的三阶多项式对数距离路径损耗模型能够更好地表征室内环境下的信道衰落情况,对研究室内无线传感器网络的关键技术具有重要的参考价值.     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

基于信息散度的多无源传感器数据关联

针对多无源传感器多维分配数据关联模型在构造关联代价时, 未充分考虑位置估计不确定性所引入的误差问题, 提出一种基于信息散度的数据关联算法. 将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度函数之间的差异性信息作为关联代价, 并分别采用Kullback-Leibler 散度和对称Kullback-Leibler 散度来量化该差异.仿真分析结果表明, 该算法具有良好的关联性能, 其关联代价能更精准地反映数据关联的可能性程度.

     

卡尔曼一致滤波算法综述

以应用传感器网络进行分布式估计为研究背景,对卡尔曼一致滤波问题进行综述.系统地介绍了各种卡尔曼一致滤波算法,其中包括几种典型的基础算法、自适应估计算法、优化算法以及带丢包、带牵制控制等滤波算法.最后,对卡尔曼一致滤波算法的进一步研究方向进行了展望.     

Utility-based scheduling in wireless multi-hop networks over non-deterministic fading channels

In this paper, an innovative scheduling scheme is proposed for interference-limited wireless multi-hop networks with non-deterministic fading channels. The scheduling problem is considered as a network utility maximization (NUM) problem subject to link rate constraints. By jointly taking into account of the link scheduling and the statistical variations of signal and interference power, the convex sets for the NUM are derived. Two types of non-deterministic fading channels (i.e., Rayleigh fading channel and Ricean fading channel) are characterized into our NUM models as examples. To solve the convex optimization problem, the subgradient projection method based on dual decomposition is employed. Then, a heuristic algorithm is designed for the TDM mode wireless multi-hop networks by minimizing the discrepancy between the expected network cost and the optimal one in each timeslot. At last, the source–destination session rate and network utility are evaluated in a dedicated wireless multi-hop network scenario. The numerical results demonstrate that the session rates convergence and the network utility is improved by our proposed scheme.     

无线传感器网络拓扑三级分簇优化算法

针对大规模分布式传感器网络提出一种拓扑三级分簇结构优化算法. 通过引入传感器休眠模式, 并考虑到分簇数目较多的情况, 对多个簇头节点采用生成最小刚性图的方法进行拓扑优化, 以实现传感器网络整体能量均衡,使传感器网络具有较好的连通性和鲁棒性. 仿真实验表明, 与已有相关算法相比, 采用所提出的算法可使网络延缓出现节点死亡现象, 有利于实现网络负载均衡, 并且网络中节点整体存活时间较长, 从而延长网络的生命周期.

     

基于C-V 模型的网络覆盖空洞探测与修复算法

网络寿命是衡量无线传感器网络性能的一项重要指标. 无线传感器网络覆盖空洞问题严重影响了网络寿命. 对此, 提出一种基于C-V 模型的网络覆盖空洞探测与修复方法. 首先采用基于奈曼-皮尔逊准则的感知模型计算出监控区域每一个位置的节点联合探测概率; 然后基于改进的C-V 模型, 提出一种新的覆盖空洞探测方法, 有效地计算出空洞的数量和大小; 最后, 采用基于改进的粒子群算法实现覆盖空洞的修复. 仿真结果表明, 所提出的算法在保证无线传感器网络覆盖率的同时可以提高网络寿命.

     

基于?? 均值聚类的二进制传感器网络多目标定位方法

针对存在错误报警的二进制传感器网络,提出基于K均值聚类的二进制传感器网络多目标定位方法。在目标和节点间距离信息未知的条件下,提出基于K均值聚类的改进加正减负算法(KMC-ISNAP)对目标位置进行估计,引入影响因子降低分类过程中模糊节点对多目标定位误差的影响。仿真实验表明,K均值聚类方法在多个目标随机分布情况下能够对报警节点进行准确分类,与质心估计算法和加正减负算法相比, KMC-ISNAP多目标定位方法具有较高的定位精度和较好的容错性。