基于非度量多维标度的无线传感器网络节点定位算法

把统计学中的多维标度技术应用到无线传感器网络节点定位是一种新的思路.提出了NMDSRSSI(nonmetric multidimensional scaling and received signal strength indication)定位算法,它利用非度量多维标度技术直接根据无线信号强度值来进行节点的定位,省去了以往利用无线信号强度的定位算法中先把强度转换为距离再进行定位所带来的计算误差和计算量.无线信号强度受实际环境影响存在反射、多径传播等问题,理论和实验分析表明算法对此具有较好的适应性.仿真与真实传感器节点的实验结果显示算法取得了较好的定位效果.     

复数多维标度移动定位算法

基于多维标度（Multidimensional Scaling,MDS）的定位算法,利用移动站与多个基站两两节点间距离的相关性对移动站进行定位,其高稳健性近年来已被证实。但是其性能有限,即使在测量噪声很小的情况下MDS算法也无法达到克拉美罗下界（CRLB）。本文提出了一种新颖的基于TOA（time of arrival）定位方法的复数MDS方法。不同于经典多维标度算法,这种算法并不需要对标度生成矩阵进行奇异值分解,而是对本文定义的一个复数距离矩阵进行奇异值分解获得更多信息从而得到更好的性能。本文对该算法进行了计算机仿真,并与另外几种定位方法做出比较。     

基于非度量多维标度的室内多标签协同定位算法

与有源标签相比,无源RFID标签成本较小,本文选取后者作为待定位标签。但是由于无源RFID标签之间无法通信,目前大多数传统的RFID定位算法一次只能定位一个标签而无法实现多标签同时定位。针对这一问题,提出了基于非度量多维标度(NMDS)的室内RFID多标签协同定位算法。利用到达相位差(PDOA)法拟合在多径存在环境下的测距误差,将待定位标签之间的距离差欧氏距离与非度量多维标度算法结合,计算出待定位标签的位置坐标。仿真结果表明,提出的算法可以通过一次非度量多维标度计算得到所有待定位标签的坐标,同时定位精度高于经典多维标度定位算法和传统三边定位算法。     

跨异构设备的室内Wi-Fi指纹定位方法

基于Wi-Fi位置指纹的室内定位中,采用异构设备在同一位置、同一时间采集的无线信号接收强度（Received signal strength indicator,RSSI）存在差异,使得离线指纹库与不同用户在线采集的信号难以兼容而影响定位精度。针对该问题,本文提出一种适应异构设备的定位算法。该方法首先通过接入点（Access point, AP）选择,构建信号稳定的离线指纹数据库,再使用普氏分析法（Procrustes analysis, PA）对指纹库标准化,消除异构设备引入的信号差异。在线阶段采用余弦相似度（Cosine similarity, CS）算法得到目标的位置估计。在2种典型室内环境中利用4台手机测试了所提方法的定位性能,并分析了影响定位性能的因素。实验结果表明,所提方法在2种室内环境中的平均定位误差分别为2.96 m和2.29 m,相比较加权K近邻（Weight K-nearest neighbor, WKNN）算法定位精度分别提高了21.3%和21.6%。     

基于支持向量机分类的WSN节点定位算法

在研究接收信号强度指示(RSSI)定位和支持向量机分类(SVC)的基础上,提出无线传感器网络(WSN)节点定位算法。将WSN室内定位问题看作以节点RSSI值为特征量的多分类问题,将节点RSSI值转化为节点位置,利用SVC良好的泛化能力,实现符号定位和物理定位,达到较高的定位精度。实验结果表明,该算法的符号定位效果较好,当锚节点密度为20%时,可使98.19%的节点正确定位。     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。     

基于粒子群优化的多维标度节点定位算法

针对无线传感网络节点定位易受外部环境影响的问题,提出一种基于粒子群寻优的多位标度定位算法。利用基于动态路径损耗指数的接受信号强度测距,建立距离矩阵,使用多维标度方法构建节点的相对坐标,通过四参数坐标转换模型得到绝对坐标,再用绝对坐标与实际坐标的差异度作为粒子群寻优的适应度函数,通过分群搜索,优化节点位置估计。仿真结果表明：改进算法对实际环境影响具有较好的鲁棒性,节点定位精度有了明显的提高,能够满足定位系统需求。     

一种基于非度量多维标度的移动定位算法

稀疏无线传感器网络由于缺乏足够的距离和连通性信息,导致大多数定位算法无法有效工作.提出了一种非度量多维标度移动节点辅助定位算法--NMDS-LRA(M).该算法对移动节点运动轨迹抽样,添加拓扑约束关 系,然后利用奇异值分解计算节点相异性矩阵的逼近阵,从而有效解决了移动辅助定位问题,并且避免了以往移动定位算法中虚拟节点间距离误差较大对定位精度的影响.仿真分析表明,与以往算法相比,提出的算法有更好的定位精度,而且在较低网络连通度和不规则网络分布的条件下表现出更好的可靠性.     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

一种基于顺序多维定标的无锚点定位算法的研究

针对经典多维定标无锚点定位(MDS(C))算法在节点定位精度方面的不足,提出了一种基于顺序多维定标的无锚点定位(MDS(O))算法。该算法假定节点对之间的最短路径距离和欧氏距离存在单调性关系,避免了MDS(C)中节点对之间的最短路径距离和欧氏距离线性关系难以确定的缺陷。理论分析和仿真结果表明:MDS(O)能够提高平均定位精度1.04%～38.2%,有效地实现了节点定位。     

基于相似关系向量的改进ROUSTIDA算法

在对粗糙集理论进行深入研究的基础上,依据决策规则独立原则,提出了一种基于相似关系向量的不完备信息系统数据补齐算法,有效地解决了原有ROUSTIDA算法可能存在的决策规则矛盾问题。实例证明改进算法的填补正确率比ROUSTIDA算法高,具有更好的实用价值。     

基于矢量相似性的多元滤波方法研究

为了避免彩色图像滤波时排序的难题,在探究矢量相似性的基础上提出一种针对彩色图像的多元滤波方法。首先,在RGB彩色空间中,利用彩色矢量间距离和角度定义其相似性测度,以刻画与人类视觉感知相一致的彩色相似性;其次,以上述彩色相似性为准则设计并构建一种彩色多元滤波方法,并就其相关参数对滤波性能的影响进行了深入分析和研究;最后,为了验证提出方法的有效性,将其应用于标准彩色影像和彩色遥感影像滤波。提出的方法不仅有效解决了传统滤波方法的排序难题,而且克服了因滤波使图像模糊、边缘不清等问题;另外,将提出的多元滤波与传统方法进行实验对比,结果表明其不仅能有效滤除多种类型噪声,而且较好地保持了原始图像信息,使图像信息保真清晰,其视觉效果优于传统,客观评价指标也有较大幅度的改善和提升。     

基于多维标度的动态网络选择算法

异构无线网络的网络选择问题中,除了考虑多属性的网络参数外,还需考虑无线信道的时变性特征。针对这两个考虑因素,提出了一种基于多维标度的新的动态网络选择算法,可将多属性判决的网络选择问题近似转化为一个低维的拟合构图,并能反映不同时刻同个网络的变化。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络,并能在低维坐标系中直观地观察网络间的区别。     

基于多维定标的无线传感器网络三维定位算法*

在森林防火、目标追踪、灾难预警、环境监测等应用中,需要通过定位算法对无线传感器节点进行三维定位。提出一种基于多维定标的无线传感器网络三维定位算法,结合RSS经验衰减模型和最短路径建立相异性矩阵,采用轻量级矩阵分解算法降低相异性矩阵分解的计算复杂性,并利用网络中存在的周期性消息将初始定位信息回送,在后台使用迭代优化算法对初始定位结果求精。仿真实验表明,在测距误差一定的情况下,该算法能够提高节点三维坐标的初始计算精度,经过集中式的优化求精后与MDS-MAP算法相比,能够明显地提高节点三维定位的精度。     

基于改进支持向量机的Wi-Fi室内定位算法

针对室内复杂环境下无线信号不稳定、传统支持向量机定位算法计算复杂度高等难题,为了提高室内的定位精度,提出一种改进支持向量机的Wi-Fi室内定位算法。采用核主成分分析对特征进行降维处理,提取有用信息、降低计算量,采用支持向量机构建定位特征与物理位置的非线性映射模型,并采用粒子群算法对模型参数进行优化,进行了仿真实验。结果表明,该算法提高了室内定位精度和效率。     

一种基于无线传感器网络的RF定位算法研究

提出了一种全新的RF定位估测方法。测量了在锚节点中的未知节点收到的信号强度,然后转换信号强度的信息为距离的估测。使用这些估测得到了一种未知节点的概率分配模型并终于找到了概率最大时候的位置,由此作为结果。实验中采用了Matlab作为仿真工具,而所得到的结果相比先前的定位方法有一定的优势。     

基于稀疏表示和位置相关性的室内定位算法

针对基于接收信号指数强度(RSSI)的WLAN室内定位算法易受干扰、波动较大及室内指纹定位方法指纹库构建繁杂而工作量较大的问题,提出了一种基于稀疏表示的指纹定位技术,在离线阶段利用压缩感知的理论来构建离线数据库,以降低离线采集的复杂度,在线定位阶段利用向量相似性理论来提高定位的精度,实验结果表明,本文提出的算法有效地提高了室内静态定位问题的精度及抗干扰性能.     

基于中心化相似度矩阵的词向量方法

词向量使用低维稠密向量表示词,通过向量运算能够反映词间关系,被广泛应用于自然语言处理任务。对基于矩阵分解的词向量方法进行了研究,发现降维前相似度矩阵质量与词向量质量存在线性相关性,提出了一种基于中心化相似度矩阵的方法。该方法使得相似（不相似或弱相似）词间的相似程度相对增强（减弱）。在WS-353和RW数据集的词语相似性实验中验证了所提出方法的有效性,两个数据集下词向量质量最高提升0.2896和0.1801。中心化能够提升降维前相似度矩阵质量,进而提升词向量质量。