基于RSSI的无线传感器网络定位技术的研究

节点定位技术是无线传感器网络(WSN)的支撑技术之一,给无线传感器网络的各种应用提供节点的位置信息,具有重要的作用。本文分析了无线传感器网络的节点定位算法的原理和分类,并着重分析了基于信号强度测距法(RSSI)的无线定位技术,提出了将信号强度理论值与经验值相融合的定位方法。     

无线传感器网络节点定位的仿真研究

研究无线传感器网络(WSN)节点定位精度问题,针对当前单一节点定位算法的定位误差大的难题,更好的满足WSN的低成本、低功耗要求,提出一种DV-Hop算法和粒子群优化算法相结合的WSN节点定位方法。首先采用DV-Hop算法对未知传感器节点与锚节点之间的距离进行估计,然后采用粒子群优化算法对未知传感器节点坐标进行校正,在不增加额外硬件的条件下,提高节点定位精度。在Matlab平台上进行仿真,结果表明,在相同条件下,改进的组合算法提高了传感器节点定位的平均精度,而且为WSN的节点定位优化设计提供了参考,是一种可行的WSN节点定位的解决方案。     

基于信号相位搜索的WSN节点定位算法

节点定位是无线传感器网络（wireless sensor network,WSN）研究的热点问题之一,基于信号相位信息与物理距离间的关系提出了基于信号相位搜索的WSN节点定位算法。该算法首先根据节点间信号相位信息,基于余弦相似性算法原理构建目标函数,将WSN节点定位问题转换为目标函数最优解搜索问题;然后基于质心定位算法原理确定搜索初始像素单元;最后利用梯度下降法替代逐像素单元的遍历搜索,在不影响定位精度情况下进一步提高定位效率,减小定位功耗。仿真实验结果表明,该算法的各项指标良好,适用于WSN的节点定位。     

基于虚拟力的无线传感器与执行器网络测距定位算法

针对无线传感器与执行器网络(WSAN)的传感器节点定位问题,提出了一种基于虚拟力的无线传感器与执行器网络测距定位算法,使用移动的执行器节点替代传统无线传感器网络(WSN)定位算法中的锚节点,并将虚拟力模型引入基于信号到达时间(TOA)的定位算法。该算法在利用虚拟力驱动执行器节点逼近提出定位请求的传感器节点的同时,根据信号传输时间计算节点间的距离完成节点定位。仿真结果表明,提出的定位算法使得节点定位成功率提高20%左右,平均定位时间以及定位开销均小于传统TOA算法,适用于实时性要求高、执行器节点数量较少的场合。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

无线传感器网络节点定位问题

无线传感器网络(WSN)是由大量靠无线多跳方式通信的智能传感器节点构成的网络，围绕WSN出现了许多新的研究内容，节点定住是其中一个很重要的方面。本文给出了WSN节点定位的概念．分析了面临的挑战，从测距技术和定位算法角度介绍了当前的研究进展，指明了需要进一步研究解决的问题。     

基于WSN路由节点度模型的楼宇走廊定位算法

针对现有的无线传感器网络(WSN)定位方法应用于结构复杂的楼宇走廊时,存在定位精度较低的问题,提出一种基于WSN路由节点度模型的楼宇走廊定位算法.该算法在路由节点度模型的基础上,先采用基于支持向量回归(SVR)的方法,用少量锚节点定位普通路由节点,达到间接增加锚节点覆盖率的目的;然后采用基于中垂线分割的方法定位随机分布在区域内的未知节点和移动终端.仿真表明:与传统SVR定位算法和核岭回归定位算法相比,所提出的算法精度提高了定位精度,满足室内定位精度要求(1 m~3 m),且降低了对锚节点数量的需求,可运用于楼宇走廊WSN定位.     

基于三角形外接圆覆盖的改进APIT定位算法

在无线传感器网络( WSN)中,传感器节点定位在整个WSN体系中占有重要地位。 APIT( Approximate Point-In-Trian-gulation Test近似三角形内点测试法)相对于其他定位算法,具有硬件要求较低,定位性能较好等优点。该算法在节点密集的网络中,可以得到比较合理的定位精度,性能也相对稳定。然而,在节点随机分布的网络中,其定位误差是不容忽视的,且定位覆盖率也相对较低。针对此问题,分析了APIT测试中的典型错误———三角形内外覆盖判断错误以及产生的原因,提出了一种基于三角形外接圆覆盖的改进APIT算法———APICT( Approximate Point-In-Circumcircle Test)算法,并将此算法与APIT算法的仿真结果进行比较,证明了此算法的定位精度具有显著优势。     

无线传感器网络节点定位技术研究

节点定位是无线传感器网络应用的前提和基础.本文在分析WSN自身定位算法研究的基础上,对定位算法进行了分类.根据静态定位和动态定位算法的不同特点,对现有的算法进行了分析比较,并重点讨论了一些典型的动态定位算法.最后针对统一武器制导网络等空间应用领域中对网络节点定位的要求,探讨了节点的移动性和三维定位问题.     

基于UKF-RSS在线建模的WSN节点跟踪定位算法

在传感器网络中（WSN）锚节点负责接收GPS定位信号,但其使用寿命受能量约束,为了提高传感器网络的生存周期和定位精度,提出基于无迹Calman滤波（UKF）和传感器网络锚节点RSS在线建模的WSN定位算法,实现高效资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤,利用UKF算法对目标节点的下一位置进行预测,选择开启距离预测位置最近的几个锚节点,关闭无用锚节点,有效降低网络能耗。利用锚节点之间相互信号强弱基于RSS对开启锚节点周围的距离与RSS信号强弱关系进行建模,降低RSS算法对环境的依赖度。实验结果表明该算法能够有效对锚节点的开启/睡眠进行管理,并可降低环境依赖性,从而实现负载均衡降低能耗和提高定位精度的效果。     

基于阶次序列加权的无线传感器定位算法

针对WSN中节点的定位误差的问题,提出了一种阶次序列加权的无线传感器定位算法。首先根据节点定位中的信号传输采用Shadowing模型,其次根据锚节点建立Voronoi图,将Voronoi多边形的顶点作为参考点,然后建立参考点与锚节点之间的阶次序列,通过选择N个未知节点序列与最优序列加权估计未知节点的位置,仿真结果表明,相对于参比算法,算法不仅提高了传感器节点的定位精度,而且降低了算法的计算复杂度,在WSN节点定位方面具有较高的应用价值。     

无线传感器网络定位技术研究进展

在无线传感器网络（WSNs）中,通过对节点的定位以确定事件发生的位置是WSNs需要具备的基本功能。介绍了WSNs定位技术的国内外研究现状,分析了静态传感器网络定位、移动信标节点定位和移动传感器网络定位的原理及方法,讨论了几种主要算法的优缺点,给出了移动传感器网络定位技术进一步研究的方向与面临的挑战。     

基于动态信标生成树的传感器定位算法

节点定位是无线传感器网络中一个基础但十分重要的研究方向。实际应用场景中,传感器节点大多被随机部署,分布往往疏密不均。现存的定位算法对节点的分布密度没有敏感性,如果算法在节点密集区域和稀疏区域使用相同的定位策略,就会造成密度大的区域定位精度低,分布相对稀疏的区域定位率低,信标节点的能量得不到最大化利用等问题。针对这些问题,提出了一种基于节点密度进行定位的生成信标树算法（GBT）。信标节点组沿着规划好的路径对节点进行遍历,实现节点的全定位。通过与其他规划动态信标节点路径算法比较,证明了GBT算法在定位时间、定位精度和对信标节点能量的充分利用上均有所改善。     

无线传感器网络DV-HOP定位算法的改进

节点定位在无线传感器网络的应用中起着重要作用,一直备受学术界和工业界的关注.在深入研究分析无线传感器网络DV-Hop定位算法和部分已有改进算法的基础上,提出了一种新的改进算法.针对DV-Hop算法在未知节点到信标节点距离计算中的不足,该算法对信标节点的平均每跳距离做出改进;并对可参考信标节点数小于3的未知节点进行估计定...     

一种基于狼群优化的改进DV_Hop定位算法

DV_Hop算法是经典的无需测距的无线传感器网络节点定位算法之一,但由于节点分布不均匀,由平均跳距计算出的未知节点与锚节点的距离跟实际距离差距较大,导致其定位精度不高.针对这一问题,借助于狼群算法需要的计算参数较少以及具有良好的寻优精度的特点,提出一种基于优化狼群算法(IWCA)的DV_Hop算法(IWCADV_Hop).首先将DV_Hop算法的估计距离进行优化,对于距离锚节点跳数为1的未知节点,用RSSI方法直接求出它与锚节点的距离,从而减小估计距离的误差;其次,由于狼群算法容易陷入局部最优,提出优化狼群算法(IWCA),采用模拟退火的思想在探狼k次迭代未改变位置时,允许以一定概率向效果差的方向游走,游走方式采用混沌映射的方式;最后,将IWCA算法应用到节点定位的计算阶段,从而减小DV_Hop算法计算节点位置时产生的误差.理论分析与仿真实验表明,与同类算法相比,本文提出的IWCADV_Hop算法能提高无线传感器网络节点定位的准确性.     

Adaptive clustering in wireless sensor networks by mining sensor energy data

Clustering has been well received as one of the effective solutions to enhance energy efficiency and scalability of large-scale wireless sensor networks. The goal of clustering is to identify a subset of nodes in a wireless sensor network, then all the other nodes communicate with the network sink via these selected nodes. However, many current clustering algorithms are tightly coupled with exact sensor locations derived through either triangulation methods or extra hardware such as GPS equipment. However, in practice, it is very difficult to know sensor location coordinates accurately due to various factors such as random deployment and low-power, low-cost sensing devices. Therefore, how to develop an adaptive clustering algorithm without relying on exact sensor location information is a very important yet challenging problem. In this paper, we try to address this problem by proposing a new adaptive clustering algorithm for energy efficiency of wireless sensor networks. Compared with other work having been done in this area, our proposed adaptive clustering algorithm is original because of its capability to infer the location information by mining wireless sensor energy data. Furthermore, based on the inferred location information and the remaining (residual) energy level of each node, the proposed clustering algorithm will dynamically change cluster heads for energy efficacy. Simulation results show that the proposed adaptive clustering algorithm is efficient and effective for energy saving in wireless sensor networks.     

一种新型的无线传感器网络三维定位算法

节点定位在无线传感器网络的应用中起着重要作用,一直备受学术界和工业界的关注.现有的大多数定位算法针对平面应用而设计,而现实应用中的无线传感器网络节点往往分布在三维空间中,研究三维空间定位更加符合实际节点的应用情况.针对目前三维空间定位算法的不足,提出了一种新型的无线传感器网络三维定位算法.该算法无需额外的硬件支持,根据未知节点通信范围内锚节点数目,建立空间向量模型进行定位;并且在估计未知节点坐标时,根据该未知节点通信范围的锚节点对其所在位置进行约束.仿真结果表明,该算法通信开销小,提高了节点定位覆盖率和定位精度.     

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。     

基于蒙特卡罗算法煤矿井下人员定位研究

对比分析几种常用的无线传感器网络节点定位方法.针对煤矿井下节点移动性可能导致普通的定位算法变得不精确,提出了蒙特卡罗定位(Monte Carlo Localization)算法.该方法利用物体运动的连续性,通过选取合适的模型完成移动节点位置预测与定位.经仿真验证在低密度锚节点环境下,蒙特卡罗方法位置估计误差明显低于其它方法,提高了移动节点定位算法的准确性.     

On the use of limited autonomous mobility for dynamic coverage maintenance in sensor networks

Sensor networks consist of small wireless sensor nodes deployed randomly over an area to monitor the environment or detect intrusion. The coverage provided by sensor networks is very crucial to their effectiveness. Many of the important applications of sensor networks demand autonomous mobility for the sensor nodes. Early failure of sensor nodes can lead to coverage loss that requires coverage maintenance schemes. In this paper, we propose Dynamic Coverage Maintenance (DCM) schemes that exploit the limited mobility of the sensor nodes. The main objective of coverage maintenance is to compensate the loss of coverage with minimum expenditure of energy. Existing autonomous sensor deployment schemes such as the “potential field approach” are not useful for DCM because the nodes initially distribute themselves such that there is no redundancy in coverage. We propose a set of DCM schemes which can be executed on individual sensor nodes having a knowledge of only their local neighborhood topology. The process of moving a node to a new location for maintenance of coverage is termed “migration”. We propose four algorithms to decide which neighbors to migrate, and to what distance, such that the energy expended is minimized and the coverage obtained for a given number of live nodes is maximized. The decision and movement are completely autonomous in the network, and involves movement of one-hop neighbors of a dead sensor node. We also propose an extension to these algorithms, called Cascaded DCM, which extends the migrations to multiple hops. We have developed a graphical simulator Java Sensor Simulator (JSS) to visually inspect the working of the algorithms. We have also compared the performance of the different algorithms in terms of the improvement in coverage, average migration distance of the nodes, and the lifetime of the network. Cascaded DCM was seen to offer the maximum network lifetime and coverage.