基于超声波时延的无线传感器网络定位算法设计及仿真

通过在每个无线传感器节点配置一个超声波发送接收装置,然后利用超声波的时延估计算法计算出探测区域内定位节点的位置状态信息;文章利用无线传感器网络设计一个基于超声波的定位系统,先通过超声波到达不同参考节点的时延估计出定位节点的位置,然后再利用插值算法计算出定位节点的准确位置,最后利用MATLAB仿真平台对设计的算法和传感器网络进行仿真;仿真结果表明利用超声波的定位明显比传统测距的三角定位算法精确,定位误差为0.010321。     

基于BFGS算法的井下人员三维定位方法的研究

为提高井下人员定位的准确性,提出基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)算法的三维空间定位的计算方法。由矩阵论的相关理论,解决三维空间中参与定位参考节点的个数及位置的设置问题,提出参与定位计算的参考节点的选择算法。为了减少基于信号强度RSSI(Received Signal Strength Indicator)测距的误差对定位计算的影响,使用BFGS算法优化其结果。BFGS算法简单,可应用于无线传感器网络定位系统中。实验证明:基于BFGS算法的无线传感器网络定位的误差均小于其他算法,在传感器网络定位系统中具有有效性。     

无线传感器网络中基于MDS的迭代定位算法优化

节点定位是无线传感器网络中的关键技术之一.介绍了定位算法的分类,论述了一种基于多维标度的迭代定位算法.该迭代定位算法的初始值一般为随机值,该算法定位精度较高,具有一定的优越性,但存在着迭代次数多,计算量大的问题,很难在硬件资源有限的无线传感器网络节点中实现.针对这一问题,对算法进行了改进,将参考节点的质心坐标设置为迭代初始值.仿真结果表明:改进后的MDS迭代定位算法,迭代次数大大减少,定位精度显著提高.改进算法可应用到实际的无线传感器网络的定位系统中.     

无线传感器网络中的自身定位系统研究

为解决当前无线传感器网络自身定位精准度低、稳定性差的问题,笔者结合网络节点原理对无线传感器网络的自身定位系统进行设计,对系统硬件中的传感器结构及相关配置进行改善,并结合最小二元算法对定位算法进行优化,保证定位结果的准确性,实现无线传感器网络自身定位系统的优化设计。实验证实,无线传感器网络中的自身定位系统相对于传统系统有更高的定位准确性和运行稳定性,充分满足研究要求。     

基于测距的无线传感器网络定位系统

主要研究了无线传感器网络(WSN)的定位算法,结合N-hop Multilateration定位算法,针对CrossBox公司的无线传感器网络节点开发了一个小型定位系统,在实现过程中结合TinyOS系统提供的底层组件对原算法进行了一些改进,最后实物实验表明所设计的定位系统的可行性。     

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对 DV Hop算法在实验环境中存在的问题，加入接收信号强度指示器（RSSI）测距模块辅助定位，对算法进行改进。为了实现定位系统，首先，需要建立当前实验环境的RSSI模型；然后，应用该模型，从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明：改进后的定位系统在增加少量计算复杂度的情况下，改善了系统的稳定性，提高了定位的精度，可以被应用到无线传感器网络中。     

基于ZigBee 的WSN 定位系统

研究设计了基于ZigBee技术的无线传感器网络定位系统．该方案以TI公司的CC2430／CC2431为核心芯片,结合外围元器件设计网关、参考节点和定位节点模块．详细论述了定位系统的硬件原理和软件设计思想,给出系统原理图和软件设计流程图,以IAREmbeddedWorkbench为平台进行系统软件的开发．采用改进的DV-Distance定位算法,通过仿真比较改进的DV-Distance定位算法与传统算法,验证改进的DV-Distance定位算法可提高定位精度和效率．结果表明该方案是可行的,适合实际应用．     

无线传感器网络TDOA定位系统的设计与实现

分析现有的基于TDOA的无线传感器网络定位系统与算法,使用基于超声波传感器和无线射频模块的到达时间差(TDOA)测距技术,完成了该定位系统、机制和算法的设计和实现;针对传感器网络在实际应用中的不均匀性布撒和不良节点定位等问题,在TDOA测距技术和多边测量定位算法的基础上,提出一种改进的定位算法,以提高网络定位性能;实验表明,改进后的定位系统有效的减小了网络的定位误差,解决了不良定位问题,可应用到无线传感器网络中。     

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.     

基于Monte Carlo的非测距传感器网络定位算法

针对无线传感器网络,提出一种基于Monte Carlo方法的非测距无线传感器网络节点定位算法。该算法通过计算随机散布的粒子与锚节点之间的距离再与最大射频传送距离比较,根据权值的改变进行滤波,确定未知节点可能存在的位置。在不同粒子数和锚节点个数下,对定位算法进行了仿真,同时对锚节点比率分别为0.1~0.5的情况下,比较了该算法和DV-Hop算法的定位性能,结果表明该算法充分利用对传感器节点定位估计的有用信息,计算复杂度小,定位精度较高、健壮性好。     

面向高性能计算的分布式故障定位框架

针对高性能计算系统中故障定位难度高且实时性差的问题,提出了一种基于消息传递的故障定位框架（MPFL）,包括基于树形拓扑的故障检测（TFD）和故障分析（TFA）算法。首先,在并行作业初始化时,将所有参与计算的节点进行逻辑上的树形划分,生成故障定位树（FLT）,并将故障定位任务分布到节点上;然后,当消息库、操作系统等组件检测到节点异常状态时,基于TFD算法分析作业的FLT结构,根据负载平衡、性能开销等因素选择接收异常状态的节点;最后,节点利用TFA算法对接收到的异常状态进行推理得出故障,TFA算法使用基于规则的事件关联,并基于消息传递设计轻量级的主动探测,将两种方式相结合,提高了故障分析的准确性。实验以模拟节点停机故障为定位目标,并以NPB-FT与NPB-IS为基准测试,在集群上对MPFL框架进行了评估。实验结果表明,MPFL框架在故障定位能力与开销节省方面表现突出。     

无线传感器网络中基于虚拟力的分布式节点定位

节点定位是无线传感器网络应用中需要解决的一个基本问题。传统算法大都基于集中式方法估计节点位置,从而导致较大开销。因此,结合最小二乘法进行初步估计定位,并在此基础上,给出了基于虚拟力的传感器节点定位模型,提出了基于虚拟力的分布式定位算法,该算法通过邻居节点间信息的分布式交互,能够有效节省定位开销。进一步,在定位过程中引入未知节点升级机制,以提高收敛速度。一系列仿真实验表明,该算法能够通过分布式迭代定位,快速实现全网节点的精确定位。     

基于机器学习的蜂窝网络节点定位算法研究

蜂窝网络希望能在广泛的应用领域内实现复杂的大范围监测和追踪任务,而移动台节点定位是相关应用的基础。本文在对现有无线网络定位技术研究的基础之上,有针对性地分析当前几种机器学习经典算法,提出了一种基于支持向量机树型多分类的蜂窝通信系统节点定位算法,充当分布式定位的全局坐标算法。通过对算法原理的分析以及实验结果对比,证明了基于机器学习的定位算法在定位效果方面解决了困扰基于信号参数的定位技术的边界问题与集中洞问题,在定位的平均误差、标准偏差和分布式定位正确率以及实现代价几个方面的总体性能均优于基于信号参数的定位技术与GPSone定位技术。     

Industrial Centric Node Localization and Pollution Prediction Using Hybrid Swarm Techniques

Major fields such as military applications, medical fields, weather forecasting, and environmental applications use wireless sensor networks for major computing processes. Sensors play a vital role in emerging technologies of the 20th century. Localization of sensors in needed locations is a very serious problem. The environment is home to every living being in the world. The growth of industries after the industrial revolution increased pollution across the environment. Owing to recent uncontrolled growth and development, sensors to measure pollution levels across industries and surroundings are needed. An interesting and challenging task is choosing the place to fit the sensors. Many meta-heuristic techniques have been introduced in node localization. Swarm intelligent algorithms have proven their efficiency in many studies on localization problems. In this article, we introduce an industrial-centric approach to solve the problem of node localization in the sensor network. First, our work aims at selecting industrial areas in the sensed location. We use random forest regression methodology to select the polluted area. Then, the elephant herding algorithm is used in sensor node localization. These two algorithms are combined to produce the best standard result in localizing the sensor nodes. To check the proposed performance, experiments are conducted with data from the KDD Cup 2018, which contain the name of 35 stations with concentrations of air pollutants such as PM, SO₂, CO, NO₂, and O₃. These data are normalized and tested with algorithms. The results are comparatively analyzed with other swarm intelligence algorithms such as the elephant herding algorithm, particle swarm optimization, and machine learning algorithms such as decision tree regression and multi-layer perceptron. Results can indicate our proposed algorithm can suggest more meaningful locations for localizing the sensors in the topology. Our proposed method achieves a lower root mean square value with 0.06 to 0.08 for localizing with Stations 1 to 5.     

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。     

无线传感器网络中非测距混合定位算法

节点定位是无线传感器网络中的关键技术。针对质心定位算法和DV-Hop算法的不足,提出了一种非测距混合定位算法,采用DV-Hop算法得到节点之间的距离和粗略的未知节点估计坐标以作为质心定位算法的权重,经过两次加权质心定位算法得到未知节点更为精确的坐标。仿真实验结果表明：在不同情况下,该混合算法均能获得比两种原始算法更高的定位精度;与其他混合定位算法相比,计算量小,耗能更低。     

无线传感器网络节点分布与定位性能之间的关系分析

无线传感器网络中锚节点分布情况在很大程度上影响未知节点定位的精度,但目前对均匀性的分析相对较少,针对这一问题,对锚节点分布与无线传感器网络定位算法性能之间的关系进行全面分析。首先提出了锚节点均匀分布的相关概念,并设计建立了相应的网络系统模型,然后对质心算法、DV-Hop算法、最小包容圆算法性能与锚节点分布之间的关系进行了仿真实验。结果表明：锚节点的分布情况对所有定位算法均有影响,其中质心算法对锚节点均匀性最敏感,DV-Hop算法次之,最小包容圆算法对锚节点均匀性最不敏感,分析结果对无线传感网络实际应用具有指导意义。     

无线传感器网络人员定位算法

无线传感器网络用于人员定位给煤矿安全生产提供了有效保障。根据定位机制不同,无线传感器网络节点定位算法分为Range-based和Range-free定位算法,其中Range-based定位算法因定位精度高、误差小而在煤矿矿井中得到广泛应用。在阐述比较RSSI测距法等7种典型测距方法的基础上,分析了三边测量法等5种定位算法,指出了在选择或设计人员定位算法时应综合考虑矿井具体环境状况和特定的应用需求。