基于跳数的WSN加权中垂线定位算法

针对无线传感器网络(WSN)中的节点定位问题,提出一种基于跳数的加权中垂线定位算法。该算法使用已知位置的锚节点到未知节点的跳数作为判断依据,通过多次做线段加权中垂线划分区域的方法来最终确定未知节点所处的多边形区域,最后通过计算多边形的质心的方法得到未知节点的位置。在不需要额外增加硬件设备的情况下,提高了定位精度。仿真实验结果表明,该定位算法较DV-Hop算法有更高的定位准确率。     

遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

基于改进布谷鸟算法的WSN节点定位

有效的定位算法在无线传感器网络（WSN）的应用中起着重要的作用。针对DV-Hop算法在求解未知节点位置过程中定位精度低的问题进行了研究,提出了改进的无线传感器网络节点定位算法（SACSDV-Hop)。首先引入布谷鸟搜索（CS）算法,然后动态调整CS算法的发现概率 及影响步长大小的参数 以提高CS算法的收敛速度和局部搜索能力。SACSDV-Hop算法用改进的布谷鸟算法（SACS）代替DV-Hop算法在估算未知节点的位置坐标阶段所使用的最小二乘法,把节点定位问题转变为智能寻优问题,降低跳距估计误差对其的影响。仿真实验结果表明,所提算法比CSDV-Hop算法及传统的DV-Hop算法具有更高定位精度,并且不需要增加硬件开销。     

基于SVM分类区域的传感器网络节点自定位算法

针对无线传感器网络(WSN)低成本、低功耗的要求,提出了一种基于支持向量机(SVM)分类区域的距离无关的定位算法,首先SVM通过对训练数据的学习构造一个二叉决策树分类器,然后该分类器将未知节点的位置确定在某一分类区域中,最后取这一区域的中心作为节点的估计位置。该算法仅仅需要网络连通性信息（即跳数）,降低了网络成本和通信负荷。仿真表明该算法在保证一定的定位精度下,有效减轻了覆盖漏洞和边缘问题。     

基于改进麻雀搜索算法优化的DV-Hop定位算法

为了提高传统DV-Hop算法在无线传感网络中的节点定位精度,提出一种基于改进麻雀搜索算法优化的DV-Hop定位算法.首先,锚节点采用双通信半径细化节点间的最小跳数;然后利用最小均方差准则以及归一化加权因子分别对锚节点和未知节点的平均跳距进行修正;最后,采用麻雀搜索算法估算未知节点的位置,并引入佳点集和Levy飞行策略增强算法的遍历性和跳出局部最优的能力.仿真结果表明,相比于传统DV-Hop算法,改进的算法有效提高了定位精度.     

基于加权质心和DV Hop混合算法WSN定位方法研究*

为了提高无线传感器网络中节点定位的精确度,分析了DVHop（distance vector—hop,距离向量-跳段）定位算法和质心算法的优缺点,提出基于加权质心和DVHop混合算法,并用MATLAB进行了仿真实验。实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DVHop平均提高了20%,比质心算法平均提高了15%。该混合算法在提高无线传感器节点精确度上是有效的。     

基于布谷鸟算法的WSN节点定位研究

传感器节点定位技术是无线传感器网络（WSN）的核心技术之一。文中针对DV-Hop传感器定位算法在定位过程中产生累积误差的问题,首先提出改进的DV-Hop算法修正DV-Hop算法中的平均跳距,然后应用Cuckoo（布谷鸟）搜索算法进一步减少传感器节点定位的误差,最后采用仿真实验对其性能进行测试。仿真实验结果表明,文中所提出的混合算法,与纯DV-Hop算法相比,不但使用更少锚节点节省硬件成本,而且定位精度较高。混合算法能够达到理想的定位精度与效果,具有较高的实用价值。     

基于布谷鸟搜索算法的无线传感器网络节点定位

无线传感器网络的节点定位实际上是解决测量距离和测距误差的多维约束优化问题。针对最小二乘方法对测距误差敏感的不足,提出一种基于布谷鸟搜索算法的无线传感器网络节点定位算法。该算法利用全局和局部寻优能力强的布谷鸟算法求解定位过程中的多维约束优化问题;通过设定相应的约束适应度函数来减小定位过程的搜索范围,加快了收敛速度,能够快速地确定未知节点的位置。仿真结果表明：相较于粒子群算法和最小二乘算法,该算法能有效地抑制测距误差对定位的影响,提高节点的定位精度,具备很好的实用性。     

无线传感器网络DV-hop定位算法的改进

 DV-hop算法是无线传感器网络中典型的非测距定位算法,其核心思想是将平均跳距与跳数的乘积作为2个节点间的距离,即采用节点间跳段距离代替实际直线距离参与位置计算。跳段距离计算过程中的误差累计是影响DV-hop算法定位精度的主要因素。本文提出基于门限跳数的信标节点选择策略和基于权的平均跳距优化策略,通过这2种策略减少跳段距离计算过程中的误差累计,提高定位精度。改进后的DV-hop算法通过门限跳数优化信标节点的选取,仅将小于门限跳数的信标节点当作位置计算的有效节点,从跳数角度减少了误差累计;此外,改进后的DV-hop算法在未知节点平均跳距选取上,以最佳跳距替代最近信标节点的平均跳距,更加真实地反映了实际距离,从平均跳距角度减少了误差累计。仿真结果表明,改进后的算法在不同的信标节点数、不同的节点通信半径以及不同的节点稀疏程度下,均能得到更高的定位精度。     

基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法.改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标.仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小.