基于多功率移动锚节点WSN智能定位算法

为了降低定位成本及提高定位精度,提出了一种使用单个锚节点移动进行未知节点坐标计算的SAPSO-SMPMA算法.该算法采用单个移动锚节点游历定位区域,并通过功率控制发射不同功率的信标信号,未知节点利用收到的不同位置锚节点信息结合自适应权重粒子群算法计算节点坐标.考虑到实际应用时锚节点可能带有误差,故加入了锚节点矢量误差分析.仿真表明,本算法在充分考虑锚节点自身误差及大幅降低定位成本的情况下,定位精度仍然较高,是一种实用的定位算法.     

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.     

基于移动锚节点的WSN节点定位方法

为提高WSN定位精度,提出一种带定向天线的移动锚节点定位算法。首先对WSN进行分层,锚节点可沿x轴和分层线移动实现对未知节点的遍历,在移动过程中等间隔距离旋转定向广播位置信息,未知节点根据接收到的锚节点坐标、方位角等信息确定自身位置。定位算法简单,无需测距,完全使用锚节点信息实现定位,仿真结果表明,该算法比典型的采用单个移动锚节点的SLWL算法具有更高的定位精度和定位稳定性。     

基于虚拟锚节点的序列定位算法研究

为解决无线传感器网络中现有序列定位算法存在的定位精度差、复杂度较高等问题,本文提出一种基于虚拟锚节点的序列定位算法。该算法根据未知节点与已有锚节点、虚拟锚节点(锚节点间连线的中点)间的RSSI值建立定位序列来获取未知节点的位置。仿真结果表明,基于虚拟锚节点的序列定位算法比原有算法在定位精度上有较大提高,且降低了算法的硬件代价和时间代价。     

移动无线物联网感知层传感节点定位算法研究

为了解决当前算法在锚节点密度较低时,传感节点定位精度不高的问题,提出了移动无线物联网感知层传感节点定位算法。建立了包含锚节点误差的移动无线物联网模型;根据共线度筛选候选锚节点。加权平均处理锚节点可信度,计算每个未知传感节点的平均跳距和未知传感节点定位误差,将计算误差低于设定阈值的未知传感节点转化为锚节点,并对初步定位结果进行循环位置修正,实现感知层传感节点定位。仿真结果表明,所提算法在锚节点密度相同时的定位误差低于2.5。     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

基于APIT技术的无线传感器网络目标定位算法

针对无线传感器网络的目标定位问题,提出了一种基于能量的目标定位算法.首先通过移动锚节点轨迹的采集,形成虚拟锚节点,利用三边定位确定未知节点的位置,增加锚节点的密度.采用近似三角形内点测试(APIT)算法对目标节点进行定位,并加入了加权质心因子,用锚节点对目标节点的不同影响力来确定加权因子,以提高定位精度.仿真结果表明:该算法可以有效地提高无线传感器网络目标定位的精度.     

基于锚节点分布特性的跳距修正的DV-Hop定位算法

多数DV-HOP定位算法没有考虑锚节点分布的不均匀对定位精度的影响.为此,提出一种新的跳距修正的DV-HOP定位算法(Hop-distance-Corrected DV-HOP,HDCD).基于锚节点的分布特性,HDCD算法通过全局锚节点信息对跳距进行修正.并考虑未知节点局部锚节点对定位精度的影响,对未知节点的测距进行修正,降低测距误差.最后,利用最小二乘法估计未知节点的位置.仿真结果表明,相比于传统的DV-HOP算法,HDCD算法降低定位误差.在锚节点分布不均匀的环境下,HDCD算法仍能够获取较高的定位精度.     

基于虚拟力的单个移动锚节点无线传感器网络定位算法

提出一种基于单个移动锚节点的定位算法,该算法采用网格中心作为虚拟节点,与锚节点产生虚拟力,锚节点的状态受节点间虚拟力影响.锚节点的初始状态变量随机生成,在虚拟力的作用下,锚节点移动到新的位置.为有效避免发生锚节点移动的终止移动和局部死循环,在锚节点更新自身状态变量时,采用卡尔曼滤波,结合虚拟力的控制量和前一刻的状态量,形成锚节点的当前状态量.最后,分别在未知节点全定位和移动锚节点能量受限的条件下,进行了定位精度、节点能量损耗以及网络覆盖率的仿真,仿真结果表明:该定位算法有效地避免了发生锚节点移动的终止和局部死循环,同时,很大程度上提高了节点的定位精度,且网络能量消耗很低.     

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RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度.针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法.对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证.结果表明:和传统的定位算法相比,提出算法具有更优的定位精度.     

无线传感器网络中改进的DV-Hop算法

针对传统DV-Hop算法中定位精度低的问题,该算法从三个方面进行改进,（1）设置距离发射端标准一跳时节点所接收的接收信号强度指示（RSSI）值,利用节点接收信号的RSSI值与设置的RSSI值之间的比来修正跳数。（2）将未知节点的平均跳距分两段考虑,使未知节点到锚节点的估计距离更精确。（3）构造校正向量,对未知节点的估计坐标进行校正。仿真实验表明改进算法的定位精度明显高于传统DV-Hop算法和文献[6]基于RSSI比值修正的算法,稳定性也有一定的提升。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

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。     

无线传感器网络精度优选RSSI协作定位算法

针对目前无线传感器网络（WSN）定位算法中未知节点间接收信号强度指示（RSSI）冗余信息利用不足以及信息无筛选利用问题,提出一种新的精度优选RSSI协作定位算法。首先,利用RSSI阈值,从大量粗定位的未知节点中筛选出定位精度相对较高的节点;接着,利用subset子集判断方法从经过RSSI阈值筛选的节点中提取出受环境影响较小的节点,作为次选协作骨干节点;然后,使用锚节点置换准则,根据置换锚节点的定位误差,从次选协作节点中进一步提取出高精度的节点作为优选协作骨干节点;最后,以协作骨干节点为协作对象,根据精度优先级参与协作求精,对未知节点进行未知修正。仿真实验表明,该算法在100 m×100 m网格区域内的平均定位精度小于1.127 m。在定位精度方面,相同条件下,相较于改进的采用RSSI模型的无线传感器网络定位算法,该算法平均定位精度提高了15%;在时间效率方面,相同条件下,对比传统RSSI协作定位算法,该算法在时间效率上提高了20%。可见,所提算法可以有效提高节点定位精度,减小计算复杂度,提高时间效率。     

基于加权质心的无线传感器网络移动节点定位算法

提出一种基于加权质心的无线传感器网络移动节点定位算法(WCentriod-M),使其较好地适用于无线传感器网络移动节点定位。算法将采样时间分成若干个时间窗,在节点运动时维护一个过去记录,基于这些历史记录来选择信标节点。利用未知节点接受到的信标节点信号强度的比值作为加权因子,在定位的过程中考虑信标节点的权重。仿真实验表明,该算法具有计算简单、节点能量消耗小、定位精度较高等特点。     

改进的狭长空间中加权质心定位算法

针对目前狭长空间环境中信号多路径效应明显、传感器节点定位精度不足等情况,提出了一种基于信号接收强度(RSSI)的加权质心定位算法.该算法根据狭长带状区域环境特点部署信标节点,通过相邻信标节点的实际距离和信号接收强度,动态获取周围环境的路径衰落指数,提高RSSI测距算法的环境适应能力;根据当前环境改进加权质心算法的加权因子,引入修正因子,进一步提高算法的定位精度.理论分析和仿真结果表明,该算法设计优化,适应于狭长空间环境,宽度分别为3 m、5 m、8 m、10 m,信标节点的个数为10的巷道环境中,其定位计算精度比传统加权质心算法分别提高了22.1%、19.2%、16.1%、16.5%,稳定性分别提高了23.4%、21.5%、18.1%、15.4%.     

基于虚拟力移动锚节点的3D-DVHop-ACR定位算法

针对传统以及各种经改进的3D-DVHop算法对未知节点定位误差较大,且未对定位成本进行实质性降低的问题,提出一种基于虚拟力移动锚节点的3D-DVHop-ACR定位算法.该算法引入虚拟力移动锚节点,在降低定位成本的同时可使锚节点移动路径遍历整个网络空间且不会进入网络空洞区域;通过RSSI值辅助测距与三维跳距加权修正节点间跳数和跳距,利用所有锚节点定位误差修正各未知节点估计坐标;同时,结合最大似然估计法对邻居节点数不小于3的节点继续精化,以进一步降低定位误差.     

天线分集技术在WSNs定位中的应用

针对基于接收信号强度指示（RSSI）的定位算法中根据RSSI测距误差较大的问题,提出了在锚节点上使用天线分集技术的方法。该方法在锚节点上安装2根天线,天线互成90°,采用空间分集。锚节点在接收未知节点广播信号时,选择2根天线中信号强的天线接收信号,并记录RSSI值。实验证明：在锚节点上引入天线分集技术,可以降低无线信号多径衰落的影响,提高RSSI值的稳定性,减小了测距误差,提高了定位精度。     

基于移动锚节点的无线传感器网络圆心定位

文章提出了一种利用无线传感器网络无线信号接收强度（RSSI）和移动锚节点轨迹来获得待定节点位置的算法。该算法在有多个可移动锚节点的情况下,定位将会更加高效。在定位阶段,通过RSSI测得锚节点到待定节点的距离,并利用三个以上移动锚节点的坐标（包括三个）来求解圆的方程,计算出待定节点的位置。