基于锚节点主动部署机制的WSN节点定位算法综述与分析

无线传感器网络的应用中,网络的位置信息由特定的节点定位算法获得,节点定位算法的选择与实际监测环境的特点和具体性能需求等因素有关.基于锚节点部署的方式,将无线传感器网络节点定位算法分为基于固定和移动锚节点辅助下的2大类定位算法,详细分析了2类算法下的典型算法,对未来无线传感器网络节点定位算法的研究进行了展望.     

无线传感器网络节点定位技术的研究

节点定位技术是无线传感器网络中的重要技术之一。本文分析了无线传感器网络的节点定位算法的原理和分类,着重介绍和分析了3种分布式非测距节点定位算法,最后给出了下一步工作。     

基于无线传感节点到达时间差的定位算法设计

针对无线传感器网络节点定位的问题,深入研究了基于节点信号到达时间差的定位算法,为了提高定位的精度采用基于多点的极大似然估计算法实现无线传感器节点精确定位的需求．重点对无线传感器节点定位过程中各节点的时间同步问题进行了详细设计,给出了一种基于无线传感节点到达时间差的定位算法详细设计方案,经仿真测试表明,设计的无线传感节点定位精度在96．7％以上．     

无线传感器网络覆盖优化策略

针对无线传感器网络节点覆盖容易出现空洞和盲区的问题,提出一种基于改进人工鱼群算法的无线传感器网络覆盖优化算法.首先构建网络节点的信任度模型,进行节点轮换调度修复路由,然后采用改进人工鱼群算法进行无线传感器网络节点的自适应定位寻优,以人工鱼群优化的节点分布模型重构无线传感器网络(WSN)节点覆盖连通图,实现优化网络覆盖.仿真实验结果表明,利用覆盖优化算法进行WSN网络节点设计,明显地改善了网络节点的覆盖质量,提高了无线传感器网络的安全性能.     

三维无线传感器网络节点定位研究综述

无线传感器网络现在已经在各领域广泛应用,而节点定位技术是其应用中的基础性研究问题之一。从距离相关和距离无关定位算法的角度分析了三维无线传感器网络中几种典型应用的定位算法。论述了该算法的概念及其原理,并对几种定位技术的性能进行了比较和分析。每种算法都有一个应用环境,应根据实际需要进行选择。随着定位技术的发展,定位要求越来越高,移动锚节点定位算法成为了现在研究的趋势。总结了当前无线传感器网络定位算法的优缺点,并提出了对未来研究热点的看法。     

无线传感网络中节点边缘分布方法的探讨

节点分布及定位技术是无线传感网络中的关键技术之一,目前关于无线传感网络节点分布及定位的探讨很多,但大多局限于监控区域内的节点定位。通过阐述无线传感网络技术及传感器节点定位的一些算法,进一步探讨无线传感网络中节点边缘分布的方法。     

结合共线性因素的无线传感器网络DV-Hop定位算法

无线传感器网络的锚节点近似位于同一条直线上时,构成共线性现象,造成定位数据失真和精度下降.针对大规模无线传感器网络的非测距定位,结合共线性因素提出了一种DV-Hop定位算法,引入Voronoi图将网络划分成若干区域,依据共线性进行锚节点组的选取和提纯.根据跳数阈值的限制,利用每块区域的锚节点信息和符合共线性原理条件的锚节点信息对未知节点进行定位.仿真实验表明,与传统的DV-Hop和共线性算法相比,所提算法能够提高节点定位精度、减少定位误差;对于分布不均匀的网络,能够实现高精度节点定位,并适用于较复杂的环境.     

基于Semidefine Programming算法的无线传感器网络节点定位研究

首先在无线传感器网络模型假设下给出了模型、相关概念和定位过程的介绍,然后利用Semidefine Programming定位算法对无线传感器网络节点定位方法进行了研究。经过仿真实验证明,Semidefine Programming算法可以有效降低网络的成本,而且对定位精度的改进效果也非常明显。     

传感器网络节点的微粒群定位算法

为了进一步提高无线传感器网络未知节点定位精度,以微粒群算法为理论基础,加入传感器网络的特征,提出微粒群定位算法。该算法依据未知节点接收到的到锚节点的距离信息,直接搜索出未知节点的位置。实验结果表明微粒群定位算法拥有更高的定位精度,并且抗测距误差更强的优点。     

大规模传感器网络局部半定规划的节点定位算法

针对大规模无线传感器网络中节点定位问题,提出了一种高效、准确、分布式的局部半定规划(LSDP)定位算法.根据节点重要度,将大规模无线传感器网络分割为多个局部网络,局部网络采用半定规划的方法对其辖内的节点进行相对定位构建的局部相对映射,应用合并算法将局部相对映射拼接为全局相对映射,再通过参考节点匹配将全局相对映射转换为全局绝对映射,从而获得整个无线传感器网络内部所有节点的详细位置信息.实验结果表明,网络在规则分布下,LSDP的节点定位误差仅为理想通信时的98%,在随机均匀分布下的定位误差减小了90%.     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

无线传感器网络节点定位算法分析

在各种无线传感器网络应用中,无线传感器节点的精确定位非常关键。在阐述了节点定位问题的基础上,分析了三种典型节点定位算法:质心法、不定形(Amorphous)法和蒙特卡罗法,然后通过仿真实验对算法性能进行对比,研究节点密度、节点速度和采样个数等因素对定位性能的影响。实验结果表明,蒙特卡罗法的误差最小,且在锚节点密度大于1,未知节点密度大于6,取样个数超过50时达到最佳定位性能。     

基于距离的无线传感器网络自定位新算法

文章介绍了常用的基于距离的无线传感器网络自定位机制,在建立定位算法求解数学模型和定位性能描述的基础上,提出了一种新的基于智能估算的节点自定位算法.该算法对所得解进行一次甚至多次的选择优化,以提高定位精度.仿真结果表明,新算法与较常用的极大似然估计定位算法相比能够显著提高节点定位精度.     

基于集群空间机器人的合作目标协同定位技术

根据集群空间机器人群内各成员功能的差异,设计了合作目标的协同定位方法. 首先,采用状态方程建立了集群动力学模型,并基于线性Kalman滤波理论,设计了集中式协同定位滤波算法,为降低集中式协同定位滤波算法的计算量,进一步设计了分布式协同定位滤波算法. 研究结果表明,本文分析了所提出的协同定位滤波算法的性能,并通过数学仿真进行了验证其稳定性和精度.      

基于改进LSSVR模型的移动节点定位技术研究

针对最小二乘支持向量回归(least squares support vector regression,LSSVR)模型在移动节点定位过程中存在难以确定最优参数的不足,提出一种基于改进粒子群算法优化LSSVR模型的定位方法.通过最小二乘支持向量回归机构造节点定位的模型,自适应调整惯性权重以及学习因子来提高粒子群算法的寻优性能,并将其应用到LSSVR模型的参数优化中,避免参数选择的盲目性.根据接收信号强度指示(received signal strength indication,RS-SI)测距技术获得节点移动过程中的距离向量,将其输入LSSVR定位模型,估计出未知节点的坐标.仿真结果表明,相对于LSSVR与PSO-LSSVR算法,所提算法的定位精度分别提高了25.9％和19.7％,具有较好的定位稳定性与实时性.     

一种三维无线传感器网络节点定位算法

节点定位作为无线传感器网络应用支撑技术之一,一直倍受学术界和工业界的关注。现有的定位算法大多针对平面应用而设计,无法满足三维空间应用。针对目前三维空间定位算法的不足,在三边测距定位基础上,本文以三维空间四边测量法为基础,提出了三维空间二次定位法,并对其性能进行了分析,给出了算法的定位误差。     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

蛋白质亚细胞定位预测研究进展

蛋白质的功能与其在细胞中的定位有着密切的联系,新合成的蛋白质必须处于适当的亚细胞位置才能正确的行使其功能．预测蛋白质的亚细胞定位,在确定一个未知蛋白质的功能,了解蛋白质相互作用等方面有着重要的意义．机器学习方法在蛋白质亚细胞定位研究中扮演着一个重要的角色．笔者从数据集的构建、蛋白质序列特征提取方法、蛋白质亚细胞定位预测算法以及预测算法的性能评估等四方面总结了过去十几年间机器学习方法在蛋白质亚细胞定位研究中的应用情况,系统阐述了蛋白质亚细胞定位预测研究的进展．     

基于误差修正的混合无线移动定位算法

为了提高无线移动定位精度,提出一种基于最小二乘支持向量机修改误差的TDOA-AOA定位算法。该方法首先通过非线性学习能力强的最小二乘支持向量机对测量误差和NLOS误差进行修正,然后利用TDOA-AOA算法对移动端点位置进行估计,最后通过仿真实验测试LSSVM-TDOA-AOA的定位性能。仿真结果表明,LSSVM-TDOA-AOA提高了移动端点位置估计精度,定位误差明显低于对比算法,可以较好地满足实际无线移动通信定位要求。