无线传感器网络中一种基于连通性的非测距定位算法

针对传统非基于测距的定位算法仅用二进制数评估连接与否而没有基于单纯的连通性导致定位误差增加的问题,基于1跳内相邻节点间距离的远近关系,提出了一种调整特征距离(CSD)算法.作为一个透明的支撑层,只需较少额外成本.仿真实验表明:嵌入CSD后的定位算法可以有效提高定位精度.     

基于非测距的无线传感器网络节点定位技术研究

无线器传感器网络是由大量低廉的微型多功能传感器节点组成的无线网络,能够广泛应用在环境、军事、生态等领域进行事件监测。在网络中节点的自身定位至关重要。主要讲述了对于定位算法中基于锚节点的非测距方法。DV-Hop算法是为了避免对节点间距离的直接测量而提出来的。详细介绍了DV-Hop算法的节点定位过程并且分析了近期提出对DV-Hop算法的一些改进策略。     

一种改进无线传感器网络定位算法的研究

针对无线传感器网络节点定位机制的研究,定位算法是无线传感器网络领域中所研究的一个基本问题.传统的定位DV-Hop算法在随机布置锚节点定位时存在定位精确度不高、覆盖率较低和能量消耗较大等缺点.为解决上述问题,对传统的定位DV-Hop算法进行了改进,改进后的算法可以减少消息发送的数量,节省了节点能量,提高了定位的精度和定位覆盖率,修正了网络平均每跳距离与求知锚节点估计坐标的区域范围,并进行仿真.仿真结果表明,改进后的算法定位精度明显优于传统定位算法,证明了改进算法的正确性和有效性.     

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法.DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描.介绍了 2种算法的原理,并进行仿...     

一种无线传感器网络节点定位算法的改进

利用无线信号强度实现了煤矿安全监测无线传感器网络（WSNs）节点问的自定位,提出了一种新的节点定位算法,介绍了算法的基本原理和实现方法。该算法不需要任何额外的硬件支持,节点间通信开销少。仿真结果表明：所提出的算法可以有效地提高WSNs节点的定位精度。     

一种新的基于非测距的无线传感器网络三维定位算法

针对无线传感器网络在空间、海洋等三维场景下的应用,提出了一种基于非测距的分布式三维定位算法(DRFP-3D).该算法无需测量节点间的实际距离,只需要锚节点广播它们自身的信标信息,在锚节点一跳通信范围内的未知节点接收并存储监听到的信标信息,并根据这些信息估计自身位置.与现有的基于非测距的三维定位算法相比,该算法的通信开销和定位误差均比较小,且对网络拓扑结构具有一定的鲁棒性.仿真结果表明,在500 m×500 m×50 m的三维空间内,随机放置20个锚节点,ANR=4,就能对97%的节点进行定位,其平均定位误差仅为20%左右.     

DRFL 一种分布式的无线传感网的非测距定位算法

本文提出了一种分布式的非测距算法(DRFL), 该算法不需要测量节点间的距离,只需锚节点广播它们的信标信息,盲节点接收并存储监听到的信标信息,并根据这些信息估计自身节点位置. 与现有的非测距算法相比,DRFL算法的通信开销比较小,且其定位的性能与网络连接度(network connectivity)无关.在ANR=8,DOI=0,16个锚节点统一布置在仿真区域的情况下,DRFL算法的定位误差小于盲节点通信半径的8%,且消除了APIT算法中的"Undetermined Nodes"问题.     

一种改进的无线自主传感器网络定位算法

节点定位技术是无线自主传感器网络中的关键技术之一。为了提高定位精度,提出一种基于几何斜率的无线传感器网络（WSN）定位算法。网络区域中的节点分为锚节点和未知节点,利用几何学斜率的方法选取合适的锚节点,能够更精确地确定未知节点的位置。在三边测量法上运用最小平方误差方法求解,能够提高算法的精度。在新算法的基础上建立Matlab仿真。仿真结果表明改进的DV-HOP算法,在相同的锚节点数量的情况下,节点定位精度有明显的提高。     

一种改进无线传感器网络的DV-Hop定位算法

DV-Hop算法是非基于测距定位技术的典型算法之一.该算法的实质是:用跳段距离代替实际距离.但同时,这也是产生误差的主要原因.为了降低算法的误差,提高定位精度,文中提出了一种改进的DV-Hop定位算法.改进的算法中引入了信标节点的平均每跳误差并对测距误差进行加权处理.经过MATLAB仿真分析表明,在相同的仿真环境中,改进的DV-Hop算法其误差明显下降,平均定位精度比原算法及部分现有改进算法提高30%.     

一种改进的无线传感器网络节点定位算法

分析了无线传感器网络分布边缘地带可能存在锚节点密度过小而造成的未知节点不能利用APIT法定位情况,有选择地将定位精度较高的已定位节点升级为锚节点,继续采用APIT定位,扩大APIT算法适用范围并防止误差过度积累。通过仿真,在对定位精度影响不大的情况下提高了定位覆盖率。     

基于距离无关的WSN节点定位技术研究

WSN(无线传感器网络)的许多应用都是基于节点的位置信息,传感器网络由于节点数量巨大,资源十分有限,全部节点都采用GPS定位设备是不适宜的。该文在分析了WSN定位算法研究的基础上,分析了近年来提出的基于距离无关的定位算法,这些算法能有效地提高定位精度。     

一种无线传感器网络无测距分布式定位算法

定位算法是无线传感器网络的关键技术之一。该文提出的无测距分布式定位算法由比例定位法和改进的可控泛洪法组成。节点只须知道锚点位置及其到锚点的最少跳数,无须提供网络平均每跳距离即可通过比例定位法实现定位。用与普通可控泛洪法相同的通信量,改进的可控泛洪法可以获取更高的定位精度。OPNET仿真表明,射频距离的定位精度可以提高到20%左右。     

一种分布式的无线传感器网络Range-free节点定位算法

针对无线传感器网络在实际应用环境中节点分布往往不均匀的状况,提出了一种分布式、无需测距设备支持的节点自身定位算法(简称为NCL算法).NCL算法基于节点通信邻域内邻居节点的个数估算节点间距,并在计算节点坐标时对节点间距进行加权平均以提高定位精度.使用OMNeT 对NCL算法进行仿真,并与DV-Hop算法进行比较分析.仿真结果表明,NCL算法提高了非均匀网络中的定位精度,具有较小的通信开销,并具有一定的容错性和自适应性.     

基于Monte Carlo的非测距传感器网络定位算法

针对无线传感器网络,提出一种基于Monte Carlo方法的非测距无线传感器网络节点定位算法。该算法通过计算随机散布的粒子与锚节点之间的距离再与最大射频传送距离比较,根据权值的改变进行滤波,确定未知节点可能存在的位置。在不同粒子数和锚节点个数下,对定位算法进行了仿真,同时对锚节点比率分别为0.1~0.5的情况下,比较了该算法和DV-Hop算法的定位性能,结果表明该算法充分利用对传感器节点定位估计的有用信息,计算复杂度小,定位精度较高、健壮性好。     

无线传感器网络中能量敏感感知节点选择算法

如何保证在满足系统QoS需求的同时延长网络的生命周期是无线传感器网络面临的最重要问题之一。提供高质量感知数据是无线传感器网络的目的,感知节点是网络能否实现这个目标的关键因素。为了节省感知节点的能量并实现负载均衡,该文提出一种能量敏感、负载均衡并与物理位置无关的感知节点选择算法EASNS,综合考虑感知能力和剩余能量两因素对感知节点进行选择,用TOSSIM仿真工具对算法EASNS进行了仿真。仿真实验结果表明,采用EASNS算法与选择所有节点得到的平均温度之间的误差为0.3%,能够有效地减少能量消耗,能量消耗约为选择所有节点方法的25%,并能实现感知节点能耗负载均衡,延长系统生命周期。     

无线传感器网络节点OSFL-TLBO定位算法

定位技术对于无线传感器的应用是至关重要的,没有位置坐标的传感器节点信息是没有意义的。针对非测距的DV-Hop算法定位精度不高的问题,提出了一种新的基于反向蛙跳-教学优化(OSFL-TLBO)定位算法,以改进DV-Hop用平均跳距来代替欧式距离时的累积误差问题和利用最小二乘法求解非线性方程时对初值敏感,受测量误差影响较大的问题。把无线传感器网络节点的定位问题转化为求解最优解的问题。仿真结果表明,所提算法的定位准确度提高大约10%~25%,有效的提高了定位精度。     

无线传感网络中覆盖保持的K-连通子集构造算法

构造无线传感网络中具有连通覆盖特性的节点子集是实现网络休眠调度、延长网络生命周期的关键技术之一,具有重要的研究意义.已有的研究大多侧重于k覆盖节点子集构造问题,由于k覆盖子集在一定条件下便满足k连通,故人们对k连通子集的构造问题研究较少,但通过构造k覆盖节点子集来实现k连通会耗费过多的节点,代价较大.因此,本文提出一个直接构造k连通1覆盖节点子集的算法-CPC,能够用较少的节点构造出一个既能满足网络的覆盖特性又能够满足k-连通特性的节点子集,使得在任意k-1个节点发生故障时,网络能够仍然保持连通.本文还对算法的正确性进行了严格证明,并通过仿真实验与相关算法进行了性能比较.结果表明,与已有的k覆盖算法相比,CPC算法能够节省约55%的节点数.     

改进的无线传感器网络到达时间定位算法

针对无线信道环境的复杂性和传感器节点的特点,提出一种改进的无线传感器网络到达时间定位算法。该算法无需额外的硬件支持,以接收节点回复时间信息的方式消除时间同步的要求,采用多次测量结果取平均的方式削弱随机噪声的影响。仿真结果证明,该算法定位精度高,实用性较好。