共查询到20条相似文献,搜索用时 0 毫秒
1.
王战备 《计算机工程与应用》2014,50(11):90-94
节点定位是无线传感器网络的关键技术,针对最小二乘算法节点定位的不足,为了提高无线传感器网络节点定位精度,提出一种基于蝙蝠算法的传感器节点定位方法。首先将无线传感器节点定位问题转换成一个多约束优化问题,然后采用局部和全局搜索能力强的蝙蝠算法对其进行求解,最后在Matlab 2012平台上对定位性能进行仿真测试。结果表明,相对于其他节点定位方法,该方法提高了传感器节点的定位精度和定位效率。 相似文献
2.
3.
定位技术是无线传感器网络中一个比较重要的技术.近似三角形内点测试(APIT)算法是一种比较常用的算法,为了提高无线传感器网络(WSNs)定位精度,在APIT算法的基础上进行改进,将三角形进行中垂线分割成4个或者6个小区间,通过对各个节点接收到目标节点信号强度进行比较,判断目标节点位于哪一个小区域内.通过仿真可以得到,改进的APIT算法精度上有了很大的提高. 相似文献
4.
针对距离矢量-跳数(DV-Hop)算法第三阶段中最小二乘法定位精度低的问题,提出一种蝙蝠-拟牛顿混合算法与DV-Hop算法融合的定位算法.首先对蝙蝠算法进行两点改进:1)根据蝙蝠个体的适应度值自适应调节随机向量β,使得脉冲频率具有自适应能力;2)利用当前迭代之前所有最优个体的平均位置来引导蝙蝠移动,使得速度具有变异性能;然后在DV-Hop算法第三阶段采用改进蝙蝠算法得出节点的估计位置,再利用拟牛顿算法以估计位置为初始点继续搜索节点位置.仿真结果表明:相比传统DV-Hop算法和基于蝙蝠算法的DV-Hop改进算法(BADV-Hop),该算法的定位精度大约提高了16.5%、5.18%,且稳定性更好,适用于定位精度和稳定性要求较高的场合. 相似文献
5.
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。 相似文献
6.
在建立定位算法求解数学模型和定位性能描述的基础上,提出了一种无线传感器网络定位算法——去中心化场强加权多跳质心定位算法。该算法对单跳质心算法进行多跳扩展以改善定位比率,并加入场强加权过程和去中心化过程以提高定位精度。通过仿真实验分析可以看到,与原始质心算法相比,此质心定位算法的平均定位误差可下降一半左右,并使节点密度较低情况下的定位比率提高至接近1。 相似文献
7.
针对基于垂直平分线的区域定位算法(MBLA)存在定位精度低、迭代次数多的缺点,提出了基于三角形理论的区域定位算法(TBLA)。该算法以参与定位的两个锚节点连线作为一条边,以待定位节点与这两个锚节点的RSSI测距值作为另两条边构造三角形,然后根据三角形的形状进行定位。仿真结果表明,在相同通信半径下,TBLA定位误差只是MBLA的1/5,迭代次数减少了2/3以上,具有较高的应用价值。 相似文献
8.
根据未知节点必定处于周围一跳锚节点通信半径范围内重叠区域内的基本事实,提出了基于非测距定位的分布式Intersection-Grid-Sector(IGS)定位算法。IGS算法以锚节点通信半径的10%作为网格大小来获取重叠区域,并把重叠区域的每个网格坐标求质心作为未知节点估计坐标的方法。仿真结果表明比Bounding Box精度明显提高,比经典质心提高近20%。 相似文献
9.
10.
节点定位技术是无线传感器网络应用的重要支撑技术之一,为了提高定位算法的准确性,提出了一种基于移动目标节点的两步定位算法。该算法利用一个移动目标节点遍历整个网络,并周期性地广播包含自身当前位置的信息。而传感器节点的自身定位过程则可用基于无迹卡尔曼滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线的3个拥有RSSI测距能力的目标节点信息,利用Euclidean定位法提高滤波的初始位置精度,从而改善定位效果。通过仿真、分析和比较该目标节点在多种移动轨迹情况下的定位误差,这种两步定位法可以改善对目标节点移动轨迹的特殊要求的限制,能取得较好的定位精度,而且更适合于实际情况。 相似文献
11.
12.
13.
14.
针对无线传感器网络中距离定位算法精度和覆盖率低的问题,提出了局部协同定位算法(LCLA)。该算法通过对节点路径损耗指数的局部计算,将通信中受到环境或者障碍物影响的锚节点判定为无效锚节点;同时引入协同定位思想,将满足误差要求的已定位节点升级为锚节点,并参与其他未知节点的定位,以提高定位的覆盖率。节点定位时,若收到多个锚节点信号,优先选取初始的有效锚节点对其进行定位;当有效锚节点个数不足以定位时,再选取升级后的锚节点,以减少累积误差,提高定位精度。仿真结果表明,局部协同定位算法在定位覆盖率和精度方面优于改进的接收信号强度指示(RSSI)定位算法、多维尺度分析(MDS-MAP)算法和协作定位算法。 相似文献
15.
16.
17.
18.
胡敏 《计算机工程与应用》2014,50(10):116-119
针对WSN中节点的定位误差的问题,提出了一种阶次序列加权的无线传感器定位算法。首先根据节点定位中的信号传输采用Shadowing模型,其次根据锚节点建立Voronoi图,将Voronoi多边形的顶点作为参考点,然后建立参考点与锚节点之间的阶次序列,通过选择N个未知节点序列与最优序列加权估计未知节点的位置,仿真结果表明,相对于参比算法,算法不仅提高了传感器节点的定位精度,而且降低了算法的计算复杂度,在WSN节点定位方面具有较高的应用价值。 相似文献
19.
Sample scheduling is a crucial issue in wireless sensor networks (WSNs). The design objectives of efficient sample scheduling are in general two-folds: to achieve a low sample rate and also high sensing quality. Recently, compressive sensing (CS) has been regarded as an effective paradigm for achieving high sensing quality at a low sample rate. However, most existing work in the area of CS for WSNs use fixed sample rates, which may make sensor nodes in a WSN unable to capture significant changes of target phenomenon, unless the sample rate is sufficiently high, and thus degrades the sensing quality. In this paper, to pursue high sensing quality at low sample rate, we propose an adaptive CS based sample scheduling mechanism (ACS) for WSNs. ACS estimates the minimum required sample rate subject to given sensing quality on a per-sampling-window basis and accordingly adjusts sensors’ sample rates. ACS can be useful in many applications such as environment monitoring, and spectrum sensing in cognitive sensor networks. Extensive trace-driven experiments are conducted and the numerical results show that ACS can obtain high sensing quality at low sample rate. 相似文献