基于稀疏信号重构的无线传感网络目标定位

提出了一种新的基于稀疏信号重构的无线传感网络目标定位方法.针对目标定位问题,将多目标位置表示为离散化测量空间上的稀疏向量,则多传感节点声音信号能量测量值向量可分解为测量矩阵、稀疏矩阵与稀疏向量的乘积,通过稀疏信号重构方法可以恢复目标位置稀疏向量,实现多目标定位.传统L1范数稀疏信号重构法要求测量矩阵和稀疏矩阵乘积满足受限等距性条件,在目标定位问题中难以满足.采用贪婪匹配追踪算法重构稀疏向量,基于噪声信号能量幅值终止迭代搜索,进行多目标定位.实验表明,基于贪婪匹配追踪稀疏信号重构目标定位方法能准确实现多目标定位,定位精度优于基于正交匹配追踪的稀疏信号重构目标定位方法和基于单纯形搜索的最大似然估计目标定位方法.     

链式无线传感器网络移动目标二元协同感知策略

对链式无线传感器网络中移动目标的感知是对运动目标跟踪定位的基础,如何在节点能量有限情况下准确感知移动目标是其主要技术之一.为此,提出了一种基于节点相邻步距间协作的二元协同感知策略.首先提出目标感知节点集求解算法和目标运动感知模型;其次,融合当前感知概率和历史感知经验,建立移动目标感知概率求解模式,并相应地提出了二元协同感知算法;以矿井巷道内的人员定位监测为工程仿真实例,进一步进行了二元协同感知策略、全节点感知策略与单节点感知策略的性能比较,结果表明,二元协同感知策略能有效解决单个感知策略易存在检测漏洞与全节点感知策略通信量大的缺点,提高移动目标的感知概率,延长了网络的生存寿命.最后,以建筑物楼道长廊中的人员定位监测作为实际环境测试平台,测试了二元协同感知策略的性能变化,其结果显示出实际环境测试结果与理论仿真值变化趋势基本相同,从而验证了二元协同感知策略的实际有效性.     

基于无线传感器网络自校正定位算法

节点定位是无线传感器网络的重要应用之一,为了抑制实际应用中各种环境因素对无线传感器节点精度的影响,提出了一种基于误差校正的定位算法。通过基于粒子群优化算法的粒子群优化-接收信号强度指示算法(par-ticle swarm optimization-received signal strength indication,简称PSO-RSSI算法)将未知节点收到信标节点一定数量的存在偏差的链路质量指示值进行优化,实现对误差的补偿。将链路质量指示值转化为接收信号强度指示值,从而得到距离。实验结果表明,该算法可提高定位精度,具有普遍应用价值。     

改进的DV-Hop无线传感器网络定位算法

针对无线传感器网络节点定位问题中DV-Hop算法的不足,提出利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)对改进DV-Hop得到的估算位置校正.这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量.最后将仿真试验结果与粒子群优化(Particle Swarm Optimization,PSO)算法校正改进DV-Hop算法进行比较,表明QPSO算法在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法的有效性.     

基于差分进化的多目标异构传感器网络节点部署机制

根据多目标进化算法思想,针对保证异构网络连通覆盖、目标检测率和最小能量消耗的优化目标,提出一种基于多目标优化差分进化算法的求解方案.该算法利用maximin函数逼近多目标优化的Pareto 解,从而获得全局优化的异构传感器网络节点部署解.仿真结果表明该方案能快速收敛于最优解,能有效提高网络性能,并且具有良好的适应性.     

基于K最近邻分类的无线传感器网络定位算法

针对无线传感器网络中,大部分节点硬件配置低,缺少自定位能力的问题,提出一种基于K最近邻分类的分布式算法LKNN.将定位问题转换成为分类问题,根据信标节点的位置信息和相距跳数计算节点间的相似度,利用K最近邻(KNN)二分分类横纵坐标,确定未知节点的坐标,经过质点弹簧算法MSO进一步优化节点的估计位置.仿真研究表明,LKNN算法定位过程中,K最近邻算法分类准确度高,质点弹簧算法可以改善边界效应,提高边缘区域节点的定位精度.相比于DV-Hop算法,LKNN定位效果更为理想,尤其是在C形随机分布的不规则网络中,平均误差和误差的标准差减小20％ ～50％.进一步实验结果验证了LKNN算法的有效性和实用性.     

基于MDS的无线传感器网络定位算法的优化

介绍了一种改进了的基于多维标度的迭代定位算法(MDS),该算法把参考节点的质心坐标设置为迭代初始值。分析了该算法存在的缺点,提出一种平滑优化算法。仿真结果表明:平滑后的MDS迭代定位算法,迭代次数大大减少,定位精度显著提高。在同样的定位精度下,平滑后的算法需要的锚节点数明显减少。算法具有实际应用价值。     

基于多维定标的无线传感器网络定位算法研究

针对多维定标算法在计算最短路径时的误差问题，提出了一种根据节点局部蜜度对网络连通图中的边进行赋值的新算法。该算法在仅知邻居节点间连通性信息的条件下，根据节点连通度的差异设定不同的系数值，然后根据每对邻居节点的连通度及列应的系数值，为邻居节点构成的边进行赋值，以达到减小节点间最短路径距离计算误差的目的。仿真实验结果表明，该算法具有更低的定位误差，且对密度分布不均匀的网络结构具有更好的适应忤。     

基于DV-Hop的无线传感器网络定位算法

针对无线传感器网络中DV-Hop定位算法其定位精度和覆盖率的不足,提出了一种按节点优先级进行定位并升级为新锚节点的改进算法。该算法是从第二轮次开始增加一次新锚节点广播,由各未知节点根据自身所收到的新旧锚节点广播的多少来确定其优先级,选择该轮次中优先级最高的节点按DV-Hop算法实现定位并升级为新锚节点,并在定位过程中利用加权最小二乘法降低了累计误差。选用Matlab进行相关仿真,结果表明改进算法在一定程度上提高了定位精度和覆盖率。     

无线传感器网络节点定位算法的研究综述

作为一种全新的信息获取和处理技术,无线传感器网络（WSN）可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而节点定位是大多数无线传感器网络应用的基础。介绍了无线传感器网络节点定位的概念和原理、节点定位计算的一般过程,讨论了现有的传感器网络节点定位算法的分类方法,着重综述了近年来该领域具有代表性的算法的原理和特点,简要介绍了节点定位算法的最新发展。在对现有算法进行了分析比较的基础上,通过归纳和总结,提出了基于移动锚节点的定位算法将成为以后研究热点的看法。     

无线传感器网络节能策略

传感器网络对于单个传感器而言具有高精度、高容错性、大覆盖区域等优点，在军事和商业领域都有巨大的应用前景。传感器节点一般由电池供电，且不易更换，所以传感器网络最关注的问题是如何高效利用有限的能量。文章对传感器网络的能源管理作了全面介绍，系统地分析了传感器节点各个部分的节能策略。     

两级树模型无线传感网络在制造现场的应用

针对制造现场信息采集和传送的特点,采用基于Zigbee标准的两级树模型无线传感网络来实现制造现场信息的实时准确的采集和传送,开发了简洁实用的协议栈软件。最后建立了B/S架构的制造现场系统软件平台,在基于网络公共数据库的基础上实现现场信息的系统集成。     

两级树模型无线传感网络在制造现场的应用

针对制造现场信息采集和传送的特点,采用基于Zigbee标准的两级树模型无线传感网络来实现制造现场信息的实时准确的采集和传送,开发了简洁实用的协议栈软件。最后建立了B／S架构的制造现场系统软件平台,在基手网络公共数据库的基础上实现现场信息的系统集成。     

提高关联成像重构质量的研究

比较基于压缩感知关联成像(CGI)与伪逆关联成像(PGI)两者之间的成像效果差异,探讨形态学权重自适应对关联成像去除噪声的效果。选择不同的图像,通过MATLAB软件开展仿真实验,对目标图像分别采样64、256、512、1 024、2 048、3 000次,首先通过关联成像、基于压缩感知关联成像与伪逆关联成像三种方法重构图像,再对比压缩感知与伪逆两种方法重构图像的效果,以峰值信噪比(PSNR)、相关系数(CC)为量化指标,将基于压缩感知关联成像与伪逆关联成像在不同采样次数下进行对比分析。同时,通过实验分析形态学权重自适应去除关联成像中噪声的效果。伪逆关联成像在低次数采样的情况下比基于压缩感知关联成像的成像效果更好,在高采样次数下,基于压缩感知关联成像的成像效果更好。在实际重构中压缩感知关联成像重构的图像仍有噪声,形态学权重自适应可以有效去除关联成像实验中产生的噪声。     

基于SSA-BGOMP的滚动轴承振动信号压缩重构方法

针对广义正交匹配追踪算法（GOMP）在进行滚动轴承振动信号压缩感知重构的迭代过程中无法剔除错误原子,重构效果较差的问题,提出了基于麻雀搜索算法-回溯广义正交匹配追踪（SSA-BGOMP）的轴承振动信号压缩重构方法,在GOMP的基础上引入具有自适应特性的改进回溯机制,通过麻雀搜索算法自动设置阈值,对支撑集原子进行二次回溯筛选,从而降低错误原子选入支撑集的概率,提升算法的抗噪性和重构效果。仿真信号以及CWRU,XJTU-SY轴承故障数据集的试验结果表明：在DCT和K-SVD字典上,SSA-BGOMP比GOMP的相对误差分别降低2%~12%与3%~13%,有效改善了滚动轴承振动信号的压缩重构效果。     

地下隧道变形检测的无线倾角传感器

设计了一种无线倾角传感器来检测地下隧道的结构变形,并研究了该无线倾角传感器所采用的温度补偿和数字滤波算法.首先,根据地下隧道结构特点,结合微机电系统(MEMS)技术和无线传感器网络技术,给出无线倾角传感器的硬件结构,并描述了传感器实现无线通信和可视化上位机界面的软件设计流程.然后,针对地下隧道温度变化大、振动扰动频繁等因素,分析其对传感器精度的影响,实现了对无线倾角传感器的温度补偿.最后,通过对传感器数据噪声频谱分析,选择数字滤波方法,充分抑制振动对传感器的影响,提升了无线倾角传感器的测量精度.实验结果表明:无线倾角传感器在±30°范围内的测量精度为0.05°,符合地下隧道变形检测的功能需求.     

压缩感知理论测量矩阵研究

压缩感知理论突破传统的奈奎斯特采样定律对数据进行采集,其研究的核心问题是随机测量矩阵的设计和恢复重构算法.本文主要将压缩感知理论应用于数字图像处理领域,在对压缩感知进行系统研究的基础上,主要分析了常用随机高斯测量矩阵对图像还原算法的影响,结合矩阵的相关性构造了由测量矩阵和稀疏矩阵所决定的格拉姆( Gram)测量矩阵,并对其进行相关性阈值和缩放处理.使用优化改进后的测量矩阵能获取更多有信息量的测量值,进而完成对测量值的优化,最后结合不同的恢复重构算法在MATLAB环境下对改进方法进行仿真验证,仿真结果证实了改进方法的正确性,具有较高的研究和实用价值.     

基于粒子群算法的多约束3D NoC协同测试规划

为了提高三维片上网络(3D NoC)资源内核的测试效率,对多约束下的3D NoC进行测试规划。在硅通孔(TSV)数量、功耗以及带宽约束下,分别将TSV位置、IP核测试数据分配作为两个寻优变量,利用离散粒子群算法协同进化,以减少测试时间并提高TSV利用率。在算法中引入全局次优极值对粒子进行指导,提高全局搜索能力;并通过自适应参数调整策略增加种群多样性,从而改善粒子搜索的停滞现象。以国际标准测试集ITC'02中的电路作为仿真对象,仿真结果表明,算法能够有效地完成在多约束下对TSV位置的寻优并合理分配通信资源,缩短了测试时间,提高了TSV利用率。     

分段正则化正交匹配追踪算法

为了使压缩感知重构算法在实际重构信号时不需要稀疏度先验信息,本文提出了分段正则化正交匹配追踪算法。该算法根据信号重构残差量设计阈值,构建候选集。通过正则化候选集提取出用于表示信号的原子,并将其存入支撑集;当候选集为空集时,选择相关系数最大的原子加入支撑集。最后,针对支撑集中的原子求解最小二乘问题实现信号的逼近和残差量的更新。实验结果表明：针对长度为256的高斯信号和二值信号,提出的算法在稀疏度分别达到50和40时,精确重构率可达90%以上;在信号稀疏度相同的条件下,重构效果和速度整体优于现有的同类算法,具有速度快、稳定性好的特点。