无线传感器网络的分级定位算法

对无线传感器网络节点定位问题进行了研究,为了提高未知节点的定位精度,提出了一种与距离无关的分级定位算法（IDV-Hop+IMP）。当未知节点周围邻居锚节点的数量少于三个时,采用IDV-Hop算法;当未知节点周围有三个邻居锚节点时,采用IMP算法;当未知节点周围邻居锚节点的数量大于三个时,采用加权质心定位算法。仿真结果表明,在稀疏锚节点的环境下,在保证定位覆盖率的同时IDV-Hop+IMP算法比现有的如质心、DV-Hop有更高的定位精度。     

无线传感器网络基于凸规划的改进定位算法： convex—PIT

定位技术是无线传感器网络的关键技术之一,为了提高无线传感器网络的定位精度,在Convex算法基础上提出了Convex-PIT算法.Convex-PIT算法通过引入锚节点构成的三角形进一步滤掉节点不可能存在的区域,缩小节点可能存在范围,提高定位精度.Convex-PIT算法增加了判断未知节点是否在锚节点组成的三角形内的计算量,但不需要增加节点的硬件条件和额外的功能.仿真结果表明,和Convex算法相比,Convex-PIT可以明显的提高定位精度,在锚节点的比例从10%增加到30%的过程中,定位精度提高幅度平均约15%.     

一种改进的无线自主传感器网络定位算法

节点定位技术是无线自主传感器网络中的关键技术之一。为了提高定位精度,提出一种基于几何斜率的无线传感器网络（WSN）定位算法。网络区域中的节点分为锚节点和未知节点,利用几何学斜率的方法选取合适的锚节点,能够更精确地确定未知节点的位置。在三边测量法上运用最小平方误差方法求解,能够提高算法的精度。在新算法的基础上建立Matlab仿真。仿真结果表明改进的DV-HOP算法,在相同的锚节点数量的情况下,节点定位精度有明显的提高。     

基于同心圆定位算法的改进算法研究

在分析了常用几种无线传感器节点定位算法的基础上,依据同心圆定位算法原理,提出环形定位算法。该算法的原理是利用锚节点通过一定规则做圆环,不断缩小未知节点的估算区域,直到得到包含未知节点的最小区域,取最小区域质心位置作为未知节点的估算坐标。对同心圆定位算法、环形定位算法及改进方案进行了对比仿真实验,结果表明,在锚节点比例达到5%,在20*20m2的仿真场景内部署1000个传感器节点、锚节点密度为5%时,同心圆定位算法误差为34.86%,环形定位算法定位误差为26.64%。在改进方案中,运用了多次划分圆环方法来提高定位精度。实验结果表明,改进后的算法在锚节点密度为5%时,定位误差降低到15.76%。     

无线传感器网络DV-Hop定位算法的研究

针对无线传感器网络中DV-Hop定位算法锚节点数的比例与节点定位精度以及覆盖率密切相关的问题,在分析原算法的基础上对其进行改进。改进后的算法未知节点只接收限定跳数内的锚节点的信息,当未知节点接收到3个或3个以上锚节点的信息时对其进行定位,然后将已定位的未知节点升级为锚节点,新旧锚节点共同参与剩下的未知节点的定位。仿真结果表明改进后的算法提高了节点的覆盖率和定位精度。     

无线传感器网络中多日冕分割定位算法的设计

无线传感器网络中结点定位一直是研究热点。本文提出了一种新的基于多日冕分割的定位技术来计算节点的位置。我们利用跳数形成的日冕来划分传感器网络,并将非锚节点锁定在一个日冕层中,当多个锚节点的日冕相交时,重叠相交区域被认定为非锚节点可能所在的位置。随着锚节点数量的增加,更多的日冕层将逐渐缩小至交叉点区域来进行结点定位。仿真结果表明,本算法在较少的锚节点情况下就可以达到较高的定位精度。本文还设计了一种快速计算相交区域的算法,在很大程度上减少了计算量,便于在传感器节点中应用。最后,我们将多日冕分割定位算法与LSVM、DV-Hop和CAB进行了比较,实验结果表明多日冕分割定位算法的定位精度明显优于LSVM和DV-Hop,在噪声环境下也优于CAB。     

无线传感器网络质心定位新算法及性能分析

针对锚节点非均匀分布的无线传感器网络质心定位算法定位精度较差的缺陷,提出一种新的质心定位算法--基于最小包围多边形定位(SEPL)算法。该算法以包围未知节点邻居锚节点的最小多边形质心作为未知节点的估计位置。仿真结果表明,SEPL算法可以有效改善锚节点分布不均匀时质心定位算法误差较大的问题,平均定位精度比一般的质心定位算法提高15%。     

基于移动锚节点的改进DV-Hop算法

DV-Hop是一种典型的无须测距的定位算法,针对该算法在定位过程中存在的定位精度不高的问题,提出了一种基于移动锚节点的改进算法。利用锚节点的移动形成多个虚拟锚节点,有效减少了锚节点的使用数量;并在原算法基础上,修正平均跳距,使其更接近真实值。仿真结果表明:改进算法定位误差比传统DV-Hop算法平均降低了约 30%,大大提高了定位精度。     

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.     

基于锚节点选择的无线传感器网络定位算法

针对无线传感器网络定位系统中节点随机分布及锚节点数量有限而影响定位性能.在传统的DV-Hop定位算法基础上提出并分析一种基于锚节点选择的无线传感器网络定位改进算法.首先,根据距离矢量路由技术获得节点到锚节点间的距离.然后,选取合适锚节点进行初始位置估计,并进行位置优化.最后,将其升级为锚节点从而提高锚节点密度.仿真结果表明该算法与传统的DV-Hop定位算法相比定位精度有很好的改善,具有一定的可用性.     

全向视觉网络中锚节点竞争定位算法

以全向视觉节点为基础,研究视觉网络中节点定位精度与效率问题。全向视觉网络中各个锚节点测量未知节点得到方位角。通过分析两个不同锚节点所测得的方位角之差对定位误差传递的影响,提出锚节点对（Anchor Node Pair,ANP）定位优先度与权值概念。定位ANP之间根据优先度参与定位竞争,利用在竞争中被选出的ANP所测方位角进行未知节点位置估计。融合算法将多个定位结果权值融合,得到目标定位结果。实验结果表明,算法在多种条件下都能避免夹角过大、过小引起的定位误差发散的问题,提高了定位精度与稳定性。     

基于联合分步APIT定位算法的改进

本文研究了无线传感网络( Wireless Sensor Network,WSNs)的节点定位问题,并针对APIT由于锚节点在低密度环境下的节点误判和节点失效等问题给出了改进,在APICT定位算法的基础提出了联合分步定位算法UNION-APICT(Union Approximate Point-In-Circumcircle Test),该算法是结合连通性的测距技术,RSSI测距技术以及质心定位和APICT等技术,来联合解决对未知节点定位问题。通过仿真实验结果表明,改进后的UNION-APICT在APICT算法的基础之上平均定位误差减少了10%-25%,定位性能有了明显的提升;随着通信半径R和最大探测距离rmax的增加,定位误差也在逐渐减小,该算法较APIT和APICT定位算法在锚节点密度、节点覆盖率和定位精度上都有所提高。     

基于Steffensen迭代和模糊信息的节点定位算法

为了提高无线传感器网络节点定位精度,提出了一种基于Steffensen迭代和模糊信息的节点定位算法.算法在模糊信息定位方法的基础上,通过引入Steffensen迭代求精提高节点定位精度.算法将锚节点分为静态锚节点和移动锚节点,利用移动锚节点不断的运动来辅助静态锚节点进行定位.首先利用节点间的模糊信息实现未知节点位置的粗略定位,然后利用Steffensen迭代对节点位置进行不断迭代求精,以实现未知节点的精确定位.通过仿真实验证明,相比3D-ADAL算法和改进的TOF测距算法,本文算法不仅降低了定位误差率,减小了网络的通信开销,还提高了节点定位效率.     

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RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

二次栅格扫描与锚节点递减栅格扫描的定位算法

为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上作进一步的改进。首先利用二次栅格扫描确定初始定位点,并产生缩小的定位区域;在该缩小区域内,将邻居锚节点与初始定位点间的距离转换为理论信号强度值,再对比邻居锚节点实际接收未知节点的信号强度,对邻居锚节点进行有条件递减,得到递减锚节点栅格扫描法则,最终确定未知节点的估计位置。通过仿真实验的对比,改良后的定位算法在一定程度上提高了定位精度。     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

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.