一种新型的分布式弱栅栏构建与移动算法

在传感器网络栅栏覆盖的研究中,针对如何减少移动节点带来的损耗,本论文提出了一种全新的分布式弱栅栏覆盖算法(Kuhn Select-box Distribute Exponential-smoothing,KSDE)。算法将弱栅栏覆盖中的栅栏模型化成若干个槽位相连接的方式,引入图论学中的库恩匹配(Kuhn.Munkras,KM)方法,完成槽位和节点集合之间的最小路径匹配,选出参与匹配的节点,进行弱栅栏的构建。为了进一步优化栅栏的闭合性,通过仿真调整分区的规模,找到最佳的分区方案。通过大量实验分析,KSDE可以在保证一定闭合性的前提下,大幅减少节点的平均移动距离。     

无线传感器网络启发式移动轨迹策略的研究

从进攻方的角度出发，该文研究目标如何以尽可能低的发现概率，消耗尽可能少的时间穿越已被传感器节点监控的区域。基于此研究目标，提出一种兼顾安全和时效性能的SS（Security and Speed）启发式的移动轨迹策略和相应的评价指标——综合增益Integrated Gain（IG）。此策略无需全网拓扑信息的支持，能动态地反映目标对安全和时效两种性能的不同需求。通过仿真试验证明，该策略对网络中节点密度和分布有更低的敏感性；和经典的Voronoi算法相比，该策略克服Voronoi中存在的工作盲区和轨迹蔓延的问题，平均综合增益更加接近理想算法的结果，而计算复杂度却远远低于理想算法。     

空间指纹测量特征双精简下的室内定位算法

针对空间结构阻隔、信号弱穿透力等因素导致的参考点和接入点定位匹配冗余问题,提出一种“水平精简参考点,垂直 精简接入点”的空间双精简定位算法。 首先以最强接收信号的高阶统计信息替代传统均值表征各参考点,并结合小区域融合 和边界参考点共享的处理方式,实现目标空间模糊聚类,以此弱化边缘绝对判别的不良影响;其次基于该降维子空间,综合衡量 各接入点的空间区分度和覆盖可靠性,为各子空间筛选出高识别价值、高稳定性的精简接入点集合;最后通过判断最强接收信 号信源执行一级区域判别,并利用 WKNN 算法实现二级位置估计。 经实际路演测试,所提水平精简策略聚类规整也更符合场 景结构约束,垂直精简策略较传统接入点选配算法平均定位精度至少提升 17% ,并在参考点 1 m×1 m 的分布密度条件下,滤除 了约 4. 5 m 以上的大定位误差。     

移动混合传感网中节点自主部署算法

针对节点感知半径不均衡的移动传感网络节点的部署问题,论文提出一种基于VL(Voronoi Laguerre)图分割的节点自主部署算法(Autonomous Deployment Algorithm, ADA)。ADA先对目标区域做VL图划分,将目标区域的覆盖任务在各个传感器节点之间进行分配。分配到覆盖子区间任务的节点通过构造VL受控多边形来确定下一轮候选目标位置。未分配到覆盖子区间的节点则根据自身与邻居节点感知圆及目标区域边界的几何位置关系计算所受虚拟力,最终确定下一轮目标点坐标。网络各个节点通过逐轮更新自身位置,从而提高网络覆盖。仿真结果表明,ADA算法在网络覆盖率、节点部署速度和节点分布均匀性等方面具有明显的优势。     

视距-非视距传感网的立体感知优化

基于当前无线传感器网络二维覆盖的研究成果，针对实际的立体空间应用性较弱的困难，给出感知节点覆盖三维复杂场景（CTDCT）的解决方案。强调以立体感知模型刻画三维复杂场景下节点感知质量，结合视距与非视距场景下感知盲区的判定，解决遮蔽覆盖的误判问题；引入点集到场景可行域的映射，初筛节点分布与减小冗余的双增益网络；利用全迭代周期内非线性调整节点位置，前期提升网络多样性，后期优化局部拓扑结构；设计节点移动步长，使其受冗余节点的激励，提升网络与现有环境间的耦合程度。仿真结果表明，CTDCT算法在视距与非视距场景联合作用下，通过减小覆盖误判概率，优化调整节点的坐标位置，可有效降低节点感知重叠区和盲区，最终实现三维复杂场景下区域覆盖质量的增强。     

信号波动牵引下指纹清晰度扩库定位算法

为提高WIFI室内定位指纹库的构建效率和扩充指纹库的定位精度，提出了一种信号波动牵引下指纹清晰度的扩库定位算法(Database expansion and Indoor Localization based on Fingerprint Definition obtained by Signal-fluctuation, DIFS)。算法针对复杂室内环境下路径损耗指数发生区域性改变的问题，结合密度峰值聚类(Density Peek Clustering, DPC),通过对采样参考点(Sample Reference Point, SRP)进行指纹清晰度匹配，实现以信号波动程度描述子区域特性，同时构建差值近邻传播模型，避免传统信号损耗模型对目标点信号值的预测失准。在线阶段，综合考量扩充指纹库与待定位信号向量的欧氏与指纹清晰度距离，筛选出具备高辨析力的优质参考点，提升指纹库的定位精度。相对于采集全局参考点，所提方案减少了大量人力成本与时间成本。仿真实验表明，相比其他经典指纹库扩充与参考点优选算法，所提方案能够提供较高的定位精度，在室内环境下具有较高的应用价值。