一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

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。     

一种异步无线传感器网络目标定位方法

提出一种应用于异步无线传感器网络的分段式定位方法,该方法根据目标移动速度将定位过程自动分段,在每个时间段初期用同步定位方法获得目标准确初始位置,然后在此基础上采用异步定位.分段式定位方法解决了普通异步定位方法无法准确定位慢速目标的问题,大大降低定位系统对目标节点移动速度的要求.模拟仿真结果表明,该方法可以得到良好的效果.     

一种网络生长的无线传感器网络定位算法

提出了一种利用完全图进行无线传感器网络定位的分布式定位算法.仿真表明,该算法在噪声功率较小或者网络连通程度较高时,节点的定位精度更高,并且在网络的连通程度较低或者传感器节点分布不均匀时,仍然保持较好的定位精度.     

无线传感器网络中的定位算法研究

无线传感器网络由若干个随机分布的设备组成,用以对某些特定的环境数据进行观察。因此,最终观测效果很大程度上依赖于信息采集节点的位置信息的准确性。本文介绍了一种有别于以往定位方式新型定位算法,并结合仿真结果对算法的效果做出了评估。     

无线传感器网络定位方法综述

介绍了国内外研究机构在无线传感器网络定位方法方面开展的研究工作,并对这些研究工作进行了归纳和总结.定位的基本方法分为距离式定位和非距离式定位.距离式定位是通过测量距离或角度进行位置估计,测量数据的精度对定位精度有很大影响.非距离式定位是通过节点间的hop数或估计距离计算节点的坐标,这种方法不需要测量距离或角度,利用估计距离代替真实距离,算法简单但精度不高.无线传感器网络中定位方法的应用需要针对不同的应用场合,综合考虑节点的规模、成本及系统对定位精度等要求来进行设计和选择.     

一种改进型无线传感器网络HCRL定位算法

节点定位是无线传感器网络应用的基础,是其关键技术之一.随着无线传感器网络应用的不断发展.改善定位算法成为最急迫和最具挑战性的工作.笔者详细地分析了HCRL定位算法的原理和过程,在继承了HCRL低系统通信开销优点的基础上,针对其在计算复杂度和定位精度方面的不足,应用四种改进策略,提出了一种改进算法IMP-HCRL.仿真实验表明:IMP-HCRL定位算法不仅保持了HCRL在节省系统通信量上的优势,同时提高了定位精度,降低了系统的计算复杂度.     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

基于RSSI的无线传感器网络改进定位算法

节点定位技术是无线传感器网络的支撑技术,定位的准确性直接关系到传感器节点的采集数据的有效性.在基于RSSI的定位算法中,Euclidean算法由于通信开销小,但是定位精确性较低,对Euclidean算法进行了改进,改进算法无需增加额外开销,提高了定位精确性.     

一种基于室内环境无线传感器网络的移动机器人定位法

本文提出了一种新的基于无线传感器网络的室内自主移动机器人定位的实际应用方法.通过在博物馆等较大环境中的安装无线电发射装置,移动机器人可以实时检测各个电波发射装置的方向.在这些装置的位置已知的条件下,机器人可以根据三角定位法完成自身的定位.实验和仿真结果验证了该方法的有效性.     

动态传感器网络中距离相关的蒙特卡洛定位算法

动态无线传感器网络的许多应用中定位技术具有至关重要的作用,在这种网络中部署区域内的全部节点不断运动.针对动态传感器网络中的定位问题,在蒙特卡洛方法的基础上提出了一种新的定位算法-距离相关蒙特卡洛(DRMCL).该算法通过利用节点的RSSI测距性能减小预测时未知节点可能存在的交叠区域,提高定位精度.仿真结果表明,对比蒙特卡洛和凸规划等现有的移动传感器网络定位算法,提出的DRMCL可以明显提高定位精度,在运动的过程中,定位精度能够达到20%以下.     

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。     

基于BP算法的无线传感器网络定位

无线传感器网络（wireless sensor network,WSN）是一种应用广泛的全新的信息获取和处理方式,可以实现复杂的大规模监测和追踪任务。节点定位是无线传感器网络中的关键技术之一.位置估计的精度直接影响WSN后继的网络传输和监测性能。本文利用BP神经元网络方法对定位进行优化,并对测度结果进行验证。结果表明该算法提高了定位精确度。     

一种改进的无线传感器网络DV-Hop定位算法

针对无线传感器网络DV-Hop定位算法中信标节点与未知节点之间的平均跳距估算误差较大的问题,提出一种改进的DV-Hop算法并进行仿真检验。改进后的算法对传统算法中节点每跳距离选取进行了调整,还采用加权平均法计算节点平均每跳距离。仿真结果表明,改进的DV-Hop算法显著提高未知节点的定位精度。     

一种用于室内定位的线性规划算法

针对基于ToA定位中存在的信标节点较少和发送时间不能提前预知的问题,提出了一种新的应用于无线传感网络室内定位的线性规划算法.通过考虑测量值的最小平均绝对值误差,利用线性逼近方法,将一个复杂的、非凸的室内定位问题转换为一个简单的线性规划问题,并用迭代求精的方法求出最优解.仿真结果表明,提出算法计算复杂度低,收敛速度快,可以快速地求出未知节点的坐标;通过和已有的定位算法相比,提出算法在信标节点较少的情况下,仍能保持很好的定位精度,利用较少的节点资源达到比已有算法更好的定位性能.     

无线传感网中定位算法研究

为了利用无线传感器网络对物体实现更加精确的定位, 通过对接收信号强度指示（RSSI: Received Signal Strength Indicator）定位算法进行仿真与性能分析, 确定了算法的误差来源,讨论了未知节点的邻居锚节点密度对定位精度的影响。根据仿真和数据分析选取合适邻居节点的个数, 进而采用了更加精细的算法即利用RSSI平均值选取最优值剔除失真数据, 以提高定位的精确度。实验结果表明, 在相同的环境下改进算法使定位误差由0~5 m减少到0~1 m, 平均误差由1 m左右减少到0.1 m左右, 提高了定位精度。     

基于线性回归的无线传感器网络加权质心定位算法

在建立定位算法求解数学模型和定位性能的基础上,提出一种基于线性回归的加权质心定位算法。该算法首先利用节点之间的跳数对质心定位算法进行加权处理、中心化处理,然后利用线性回归的数学模型对节点进行校正,最后对校正位置进行修正。通过Matlab程序仿真,与原始质心算法相比,改进算法的平均定位误差下降了50%以上,并且在信标节点密度较低的情况下,可使节点定位比率提高至接近1。     

无线传感器网络中DV-Hop定位算法的改进

通过分析DV-Hop算法定位过程误差产生的主要原因,在限制节点间跳数、校正相同跳数的节点之间的跳距和循环升级等3个方面进行改进,并对改进算法进行仿真实验,结果表明:在相同的环境下,本文提出的改进算法能显著提高节点定位精度和覆盖率.     

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi-UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS(Enhanced Weighted Least Square).首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重.仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度.