基于罚函数与水波优化的WSN定位算法

为了提高启发式定位算法的搜索效率和定位精度,提出了基于罚函数和水波优化的无线传感器网络（WSN）定位算法.首先利用bounding-box方法构造罚函数,提高算法搜索的效率和定位精度;然后利用动态学习策略对传统水波优化算法的传播阶段进行改进,促使个体对周围优秀个体的学习,并通过动态波高提高个体在后期局部搜索的概率,进一步提高搜索效率和求解精度.仿真结果表明,罚函数策略与改进水波优化算法能提高搜索效率和定位精度,所提出的算法在WSN节点定位上有较好的可行性和有效性.     

基于节点自补偿的ＩＥＥＥ １５８８时钟同步算法

为了解决无线传感器网络应用中节点时钟因各自频率与偏移不同步的问题,提高时钟同步的精度和收集到数据的时效性,本文提出基于节点自补偿的IEEE 1588时钟同步算法。该算法在IEEE 1588协议中时钟同步的基础上引入主从节点补偿的理念,以主节点为全局中心,周边所有的从节点依据与主节点时钟间的Kalman最优估计差值进行自补偿,从而达到更高精度的同步。实验表明：经过补偿算法优化后的时钟偏移同步性能综合提升较大,同时同步后时钟系统更稳定,能量损耗低。     

一种基于动态竞争半径的非均匀分簇路由算法 �

针对一般的无线传感器网络可扩展性较差和能量消耗不均等问题,提出一种基于动态竞争半径的非均匀分簇路由算法(Non-uniform clustering routing protocol based on energy consumption,NCRP).其核心思想是:对LEACH协议的阈值公式加以改进,引入节点与基站之间的距离和节点剩余能量等因素.使靠近基站的节点成为候选簇首的概率稍大于远离基站的节点,从而间接使得靠近基站的区域产生更多的簇首用于转发其他簇首的数据,有效均衡了整个传感器网络能量消耗,在竞争半径的计算中引入继任能量消耗因子和前任能量消耗因子,使得竞争半径更加合理.并在后续轮次利用节点剩余能量选举下一轮候选簇首,减少了选举候选簇首的能量开销.通过与LEACH和EEUC对比,实验结果表明,NCRP能够有效均衡节点间能耗,大大延长整个网络的存活时间.生存时间较LEACH提升了88.42％,较EEUC提升了34.25％.     

基于反向学习的群居蜘蛛优化WSN节点定位算法

针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.     

深井无线传感器网络非均匀分簇路由协议

针对深井巷道狭长的地理特点,提出了一种无线传感器网络非均匀分簇的路由协议(UCRP).将狭长WSNs看作是线型网络,并对网络进行合理规划,距离Sink节点较近区域的竞选半径较小,可减少转发数据的能耗,并构造一个新的权值公式来选举候选簇首,候选簇首以一定的竞争半径来竞选成为最终簇首,采用单跳与多跳结合完成簇内和簇间的数据转发.仿真实验表明,UCRP协议能有效解决线型网络中由于负载能耗不均导致的"热区"问题,延长了整个网络的生存周期.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

遗传-禁忌搜索优化的三维DV-Hop定位算法

为进一步提升无线传感器网络的定位精度和稳定性,提出了一种利用遗传-禁忌搜索法改进的三维distance vector-hop （DV-Hop）定位优化算法（TDGT）.首先利用最优跳数、跳数调整因子以及锚节点距离误差加权值对DV-Hop中的节点间跳数和平均跳数进行改进和修正,降低了算法的定位误差;其次将具有快速搜索能力的禁忌搜索引入遗传算法中进行寻优,提升了算法的搜索效率和定位准确性.仿真结果表明,TDGT与现有的无线传感器网络定位算法相比,具有更佳的寻优搜索能力、定位精度和稳定性.     

基于映射曲线的自适应莱维鲸鱼无线定位算法

针对多维定标（MDS-MAP）算法计算效率低且定位精度不高的问题,提出了一种基于映射曲线的自适应莱维鲸鱼无线定位（AWL-MC）算法.采用映射曲线距离分析方法对待定位节点进行粗略相对定位,以提高节点的计算效率;再通过线性变换将相对坐标转换成绝对坐标;最后采用自适应莱维飞行鲸鱼优化算法对待定位节点坐标进行全局和局部搜索寻优处理,避免产生局部最优解,提高了定位精度.仿真结果表明,AWL-MC算法相比MDS-MAP算法的定位精度改进率为66.42%,计算效率提高了52.57%,相比多维定标扩展卡尔曼滤波的定位精度改进率为57.80%,计算效率提高了66.01%.     

基于加权混合滤波和重心法的APIT定位算法

提出了一种基于加权混合滤波与重心法的近似三角形内点测试（APIT）改进定位算法（HFG-APIT）.利用混合滤波过滤突变信号强度值使数据平滑稳定输出;再引入加权中位数来提高接收信号强度（RSSI）的精度;最后采用重心法进行内点测试减少误判,提高定位精度.仿真结果表明,混合滤波算法比其他滤波方法处理RSSI数据的测距精度更高,HFG-APIT的定位误差分别为最小二乘定位算法（LSM-RSSI）和APIT定位算法的41.7%和23.8%,整体定位性能也优于其他2种算法.