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。     

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.     

改进的无线传感器网络中多维定标定位算法

由于经典多维定标MDS-MAP算法在不规则网络区域中进行定位时存在较大的误差,结合以往算法的经验,一种改进的基于多维定标的算法MDS-MAP（I,E）被提出,该算法根据锚节点的位置信息,来确定各个节点采用最佳的线性变换,并由此获得定位坐标,仿真结果显示该算法在各种拓扑结构下都能取得较好的定位结果,并且比之前算法取得了明显的改进。     

无线传感器网络距离自调整的MDS定位算法

定位技术是无线传感器网络中的关键支撑技术之一。针对移动无线传感器网络的特点,在深入分析现有多维定标节点定位算法的基础上,提出一种改进机制,即距离自调整的多维定标节点定位算法(SA_MDS)。该算法运用3种方法估算节点的两跳距离,然后自动调整节点间的估算距离,从而提高定位精度。仿真结果表明,采用SA_MDS算法,节点的定位精度有较大提高。     

基于分布式的多维定标定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的MDS定位算法.该算法通过采用测定距离量化的方法,得到节点的近邻向量(CNV),然后通过一定的估算算法得到距离矩阵D,从而实现节点定位的分布式计算.通过理论分析和仿真实验表明,这种改进算法能够实现高精度节点定位.     

基于距离的分布式无线传感器网络定位算法*

针对水下无线传感器节点的定位问题进行研究,提出了一种可实现网络规模升级的分布式无信标节点的自定位算法。该定位算法无须额外的硬件支持,仅采用节点间的距离信息建立相对坐标系,确定各节点的相对位置。详细介绍了该算法的实现过程,通过仿真讨论了求精过程、通信半径等对定位误差的影响,并验证了该算法的合理性。为目标跟踪、地理路由、网络管理等系统功能提供了有力的技术支持。     

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.     

无线传感器网络距离无关定位算法研究

网络自身定位问题是无线传感器网络的基本和重要问题之一.由于range-based定位机制的局限性,无需配置测距或测角设备,硬件成本低的距离无关定位算法被提出.根据是否有无锚节点来论述和比较现有的距离无关定位算法,提出距离无关定位算法需进一步研究解决的问题.     

基于多维高斯的无线传感器网络定位算法

目前无线传感器网络定位算法在定位精度、运算复杂度之间往往顾此失彼,针对该问题提出一种多维高斯近似指纹定位算法。该算法根据信号接收强度地图建立参考点与未知节点间的模糊属性矩阵,然后构造理想点并计算其属性坐标,基于多维高斯模型估测理想点与不同参考点间的距离关系,引入调节函数修正理想点和未知节点在位置上的偏差,进而计算不同参考点与未知节点的相似度进行定位。该算法的运算简单,且实验结果表明定位结果的准确性高,误差波动范围小。     

距离无关传感器网络定位算法研究

针对无线传感器网络节点定位问题,文章首先简单地论述了几种较为经典的距离无关定位算法并对它们进行了比较,然后对近3年提出的部分优化的距离无关定位算法进行了介绍,并对其存在的优缺点进行了分析和讨论。     

传感器网络定位中的两段式距离估算方法

在由于传统DV-Hop定位算法中假定所有相邻节点之间的跳距相等,因此节点间的距离估计误差偏大,进而导致算法的定位精度偏低.为了提高节点间距离估计的准确性,提出两段式距离估计算法.该算法将锚节点与节点之间的h距离划分为两段:前h-1跳和最后一跳,并假设前h-1跳跳距相同,最后一跳的跳距与其邻居节点到锚节点的跳数有关.将两段式距离估计算法应用到DV-Hop算法上,本文还提出了改进的两段式DV-Hop算法.仿真结果表明,与传统的DV-Hop算法相比,改进算法可有效提高定位精度且无需增加节点通信开销.     

基于梯度优化的多维尺度节点定位算法

研究了分布式多维尺度分析技术在无线传感器网络节点定位中的应用,重点分析了其定位精度和收敛性能.根据传统的梯度优化算法,引入了最速下降算法作为目标函数的无约束优化方法.该算法采用最速下降法对节点的局部目标函数进行迭代优化.实验结果表明该优化算法比基于SMACOF算法的高斯核加权的dwMDS(G)算法在定位精度上有明显的提高, 并且算法简单,容易实现,是一种实用有效的无线传感器网络节点定位方法.     

改进的分布式无线传感器网络多维标度定位算法

为提高无线传感器网络集中式多维标度MDS-MAP算法的定位精度,提出了一种改进的基于MDS的分布式定位算法。该算法在构建距离矩阵时引入Euclidean算法距离估算思想,同时采用一种优化的基于最小二乘逼近的坐标转换方法实现节点由相对坐标到绝对坐标的转换。实验结果显示,与经典MDS-MAP算法相比,改进算法在多种网络拓扑结构下均能有效提高节点的定位精度。     

结合极大似然距离估计的MDS-MAP节点定位算法

基于多维定标的定位算法通常利用节点间的最短路径长度代替欧式距离构建距离矩阵,当网络拓扑结构不规则时,会导致较大的定位误差。针对这一问题,提出了一种结合极大似然距离估计和多维定标的节点定位算法MDS-MAP（MLE）。算法将待测节点的一跳邻居节点信息作为极大似然方法的输入,利用与邻居节点的距离信息计算待测节点的相对坐标,然后根据已知锚节点的坐标,将所有节点的相对坐标映射为绝对坐标。实验结果表明,针对规则网络和不规则网络,MDS-MAP （MLE）算法均可取得较好的定位精度,且当网络连通度在一定范围内变化时,定位误差可保持在较低的稳定区间内。     

一种分布式无线传感器网络节点定位新算法

针对无线传感器网络节点自身定位问题，提出一种新的节点定位算法，介绍算法的基本原理和实现方法。算法假设网络中有一定比例的锚节点（位置已知的节点）。通过未知节点和其无线射程范围内的锚节点之阃的通信约束和几何关系，得出该未知节点所处的圆弧区域，将该圆弧区域的质心作为未知节点的估计位置。该算法是一种完全基于网络连通性的无需测距技术的分布式算法，算法设计简单，计算量小。节点间通信开销少。仿真结果显示，该算法适合于各种规模的无线传感器网络的节点定位。     

无线传感器网络中基于RSSI的节点距离预测

无线传感器网络大量应用在环境监测、目标跟踪、安全监控等领域,因此网络的自身定位是大多数应用的基础。常用的定位方法必须测量节点间的距离。为了预测距离值,根据实验获取的RSSI值与对应的距离值,先对实验数据进行滤波处理,建立面向Matlab神经网络工具箱的神经网络预测模型,利用神经网络的特性和Matlab工具箱的强大功能,通过实测数据对网络进行训练。预测结果表明,距离精度达到1 m之内。     

无线传感网络中基于测距修正的定位算法

为了提高DV-Hop算法的定位精度,提出基于测距修正的无迹卡尔曼滤波优化定位算法UKF-DV-Hop(Unscented Kalman Filtering Localization algorithm based on modifying average hop distance).UKF-DV-Hop算法先对信标节点广播的信息包进行改进,然后对跳距误差进行加权处理,进而减少测距误差,再利用最小二乘法估计未知节点位置,最后再利用无迹卡尔曼滤波UKF滤波优化节点位置.实验结果表明,与传统的DV-Hop算法相比,提出的UKF-DV-Hop算法的归一化平均误差率下降了约40%.     

基于竞争学习的无线传感器网络聚类算法

在复杂的煤矿作业环境下,无线传感器网络面临着从节点组织、灾害发生后网络重组、救援人员所携带的传感器节点加入网络等问题。该文提出一种基于竞争学习的无线传感器网络聚类算法,归一化处理传感器节点的剩余能量和邻居节点个数,通过相似性比较实现节点间竞争。仿真表明,该算法通信能耗低,网络能耗均衡,扩展性好,抗毁能力较强。