移动无线传感器网络采样区域自调整的MCL定位算法

定位技术是无线传感器网络中关键的支撑技术之一。现有的无线传感器网络定位算法大多是针对静态场景的,不能直接应用于移动无线传感器网络。针对移动无线传感器网络的特点,在深入分析现有蒙特卡洛算法的基础上,提出一种改进机制,即采样区域自调整的蒙特卡洛节点定位(SA_MCL)算法。该算法通过对节点历史位置信息插值模拟获得节点的运动速度和方向,目的是为了自动调整采样区域,从而提高定位精度。仿真结果表明,采用SA_MCL算法,节点的定位精度有较大提高。     

基于时序蒙特卡洛的WSN节点定位算法

针对无线传感器网络（WSN）中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL（Feedback Time Series-Based Monte Carlo）。该算法基于目标节点1跳范围内的邻居锚节点（至少3个）反馈信号的先后顺序,构建了节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重叠区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。仿真结果表明：与蒙特卡洛定位算法相比,提出的TSMCL算法能够减少约38%的定位误差,尤其当节点移动速度较高时,算法的收敛速度也得到了显著提升。     

一种无线传感器网络移动节点的三维定位算法

定位技术是无线传感器网络最重要的技术之一。对无线感器网络在三维空间的移动节点,提出一种基于蒙特卡洛的三维无线传感器网络非测距分布式定位算法。算法利用外接正方体来表示节点的通信范围和移动范围,根据未知节点每时隙最大移动范围和锚节点通信范围形成采样区域,依据锚箱的体积确定采样数量,随机采集的样点取均值作为未知节点的估计位置。介绍算法的原理,并进行仿真分析。仿真结果表明,在锚节点比例较少的情况下,该算法能获得比较理想的定位精度,优于传统的质心算法,有效实现了移动节点在三维空间的定位,且无须额外硬件支持和昂贵的测距设备,适合于大规模的无线传感器网络的节点定位。     

基于蒙特卡洛方法的移动传感网节点定位优化算法

无线传感器网络正在被应用到各种各样的监测环境中,在这些应用场景中,传感器节点的位置信息大都是至关重要的.目前对传感器节点定位方面的研究大都只针对静态WSN的情况,对于移动WSN节点定位的研究仍然十分有限.该文提出了移动WSN中节点间互相优化定位的新思路,通过判断式筛选出定位精度高的节点,并协助其他节点进行定位条件的优化.所提出的算法TSBMCL通过更精确的裁剪待定位节点的蒙特卡洛盒,并增加节点的粒子滤波条件来实现节点的精确定位.大规模的仿真结果表明,该算法可精确的锁定节点位置区域,高效的采样得到节点的位置样本,相比于传统的移动WSN蒙特卡洛定位方法,大大提高了节点的定位精度.     

一种基于参考节点选择模型的无线传感器网络定位算法

定位技术是无线传感器网络的关键技术之一,移动节点的定位则是定位技术中的难点.目前以蒙特卡洛算法为基础的几种定位算法普遍存在对锚节点数量要求较高、定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于参考节点选择模型的蒙特卡洛定位算法(MCLAS),采样时通过参考节点选择模型,将相邻节点纳入参考节点选择范围,尽量...     

相似度优化的无线传感器网络移动节点定位

针对无线传感器网络中移动节点的定位特性,提出了一种利用序列相似度改进的蒙特卡洛定位算法.该算法先利用各信标节点的信号强度值对移动节点初定位,优化原算法的采样区域.同时将信号值存储为目标序列,通过比较信标节点和样本点间序列与目标序列的相似度过滤样本点,并以相似度值作为加权标准计算移动节点坐标.仿真结果表明,与其他算法相比,在不同的信标节点密度下,定位误差减少了1%~10%,在不同的节点最大移动速度的情况下,定位误差减少了30%~40%.     

基于网格划分的递增式定位算法*

针对现有无线传感器网络中递增式定位算法累积误差较大、基于移动锚节点的定位能耗较高和全网定位速度较慢的问题,提出一种基于网格划分的递增式定位算法(ILBM)。算法将大规模无线传感器网络划分为若干个独立的网格,在每个网络中对移动锚节点进行路径规划,将部分已定位节点转换为静态参考节点,根据累积误差需求进行优化递增式定位。通过仿真,验证了本算法能够有效地解决累积误差和能耗问题,提高全网定位的效率。     

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。     

缩小采样区域的蒙特卡罗移动节点定位算法

针对无线传感器网络中移动节点定位问题,提出一种适用于未知节点移动而信标节点固定的改进蒙特卡罗定位算法,充分利用信标节点与未知节点间的测距误差来缩小采样区域,提高采样效率。仿真结果表明,改进算法在信标节点密度、连通度和节点最大运动速度等不同情况下均能提高定位精度,减少采样次数和计算量,延长网络的生存周期。     

基于最小二乘法的蒙特卡洛移动节点定位算法

针对无线传感器网络中蒙特卡洛移动节点定位算法的不足,提出了一种基于最小二乘法的蒙特卡洛移动节点定位算法。该算法根据运动的连续性,利用最小二乘曲线拟合的方法,推算出未知节点在下一时刻可能的位置区域,进行快速抽样和样本过滤。仿真结果表明:新算法在不同的网络连通度、不同的运动速度等情况下,均表现出良好的性能。     

一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

基于改进平均跳距和位置修正DV—HOP定位算法

针对传统DV—HOP算法在锚节点随机分布情况下定位误差和计算量较大的问题,提出了基于改进的平均跳距和位置修正的DV—HOP定位算法,根据节点的分布情况,锚节点计算其权值来动态调整其平均跳距,同时引入位置修正因子对用2种方法得到的位置信息进行修正,减少了定位误差,提高定位精度。仿真结果表明,改进算法在不同的锚节点数和不同的锚节点比例情况下都有较好性能,和传统DV—HOP算法相比定位误差明显减小,定位精度明显提高。     

使用历史锚节点信息的改进MCB算法

针对MCB算法的采样效率及定位误差,在锚节点静止而未知节点运动的情况下,提出了一种新的改进算法MBHA,通过充分利用侦测到的历史及当前锚节点信息,来修正MCB算法的采样箱。大数据量仿真结果表明,修正后的采样区域相比修正前更接近节点的真实位置。MBHA算法最终使用优化修正后的采样区域进行采样,在绝大多数的对比仿真环境实验中,该算法既大幅提升了采样效率,又提高了定位精度。     

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。     

节点分布对无线传感器节点定位性能的影响

为了提高无线传感器节点的定位准确性,针对当前算法没有考虑节点分布对无线传感器节点定位性能的影响,提出一种考虑节点分布的无线传感器节点定位算法。分析节点分布对无线传感器节点定位性能的影响,估计锚节点之间的实际距离和估算距离的误差,并采用DV-Hop算法进行初步定位,综合学习粒子群算法对DV-Hop算法的定位误差进行修正,采用多个实验对算法性能测试。实验结果表明,无论在节点分布均匀或分布不均匀条件下,该算法可以较好地修正DV-Hop算法定位误差,均明显提高了未知传感器节点的定位精度。     

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。     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

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DBSCAN的无线传感网定位方法

在NLOS传播环境下,为了获得更好的定位性能,由多个已知传感器节点测量来自未知节点的电波到达时间TOA,对TOA测量数据进行分组处理和加权最小二乘估计进而获得未知节点的初步定位结果,依据多次测量和估计并采用DBSCAN进行聚类处理从而剔除坏点获得较小的定位误差,实现了对未知节点的精确定位,最后进行实验仿真。计算机仿真结果表明所提出的定位方法能有效地抑制NLOS误差,具有较小的定位误差,鲁棒性较强,并较其他传统定位法进一步提高了定位精度。     

Aitken迭代法在无线传感器网络节点定位中的应用

传感器节点的自定位问题是无线传感器网络的重要研究内容之一.为了减小无线传感器网络节点定位中节点测距误差和定位算法自身引入误差的积累对定位精度的影响,建立了基于Aitken迭代公式的适用于无线传感器网络的迭代模型.算法包括两个阶段:第一阶段,利用DV-Hop算法进行粗定位;第二阶段,建立Aitken迭代模型,利用第一阶段的定位结果作为初值,求取定位结果的最优值.研究结果表明,该算法能够有效提高节点的定位精度,对于网络节点密度小、信标节点比例低的情况,算法效果显得非常明显.