遗传算法在无线传感器网络中的应用

为了使遗传算法在无线传感器网络中得到广泛应用,使无线传感器网络得到更近一步的发展,本文首先介绍了遗传算法的优越性,以及无线传感器网络的一些特性,总结了基于遗传算法的无线传感器网络节点定位、路由选择和基站选址等的研究成果,近一步说明了遗传算法在无线传感器网络中应用的可行性,同时也提出了一些遗传算法应用的不足,以及待解决的问题.     

基于遗传算法的WSN节点定位技术

提出一种基于遗传算法的无线传感器网络节点自定位技术,在算法的第1阶段利用采样方法对节点初始位置进行初步估计,在 第2阶段采用遗传算法对节点初始位置进行求精。仿真实验结果表明,该算法在锚节点比例较低的情况下仍然能够对未知节点进行准确定位,且定位精度更高。     

一种基于遗传算法的无线传感器网络定位新算法

针对无线传感器网络节点自身定位问题,提出一种基于遗传算法的新定位算法.该算法假设无线传感器网络中有一定比例的位置已知的节点,通过分析未知节点及其无线射程范围内的已知节点之间的通讯约束和几何关系,建立以未知节点位置为参数的优化设计数学模型,使用遗传算法求解此模型得出未知节点的位置,并通过修改遗传算法参数来提高遗传算法收敛速度.理论分析和试验结果表明,本算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位.     

无线传感器网络节点定位技术研究

节点定位是无线传感器网络应用的前提和基础.本文在分析WSN自身定位算法研究的基础上,对定位算法进行了分类.根据静态定位和动态定位算法的不同特点,对现有的算法进行了分析比较,并重点讨论了一些典型的动态定位算法.最后针对统一武器制导网络等空间应用领域中对网络节点定位的要求,探讨了节点的移动性和三维定位问题.     

无线传感器网络的节点定位算法

无线传感器网络作为一种全新的信息采集和处理方式,节点位置的确定是无线传感器网络应用的基础。结合无线传感器网络节点定位算法的性能评价以及分类方式,通过分析典型DV-Hop算法的误差产生,提出改进方案,并利用仿真环境验证。     

基于遗传算法WSN节点定位算法研究

研究无线传感器网络节点定位问题.针对无线传感网络由于位置信息等原因而造成节点定位误差较大,精确度不高等问题缺陷,提出了一种改进的基于遗传算法优化DV-hop定位算法,并将算法应用在无线传感网络节点定位中,算法首先利用节点间的距离和锚节点的位置,在距离无关定位算法的最后一个阶段,采用遗传优化算法对DV-hop算法定位得到位置进行校正,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围,仿真结果表明,改进的网络节点定位算法定位误差小和定位范围广等性能,与原始的DV-Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

基于运动向量的无线传感器网络节点定位

介绍无线传感器的常用分类,提出一种基于无需测距的定位方法,即基于运动向量的无线传感器网络移动节点定位.通过信号强度得到未知节点的大体区域,利用节点运动中向量的变化减小定位范围,根据向量的移动提高估计定位的精确度.对该算法进行仿真和总结,结果表明,与凸规划法相比,该算法有更高的定位精度.     

无线传感器网络中的节点定位算法

无线传感器网络是由部署在监视区域的大量微型的具有无线通信及计算能力的传感器节点,以无线多跳通信方式构成的分布式自组织网络系统。它能根据环境需要,通过功能有限的传感器节点之间的协同工作,对监控区域内的环境或监测对象的信息进行实时感知、采集和处理,获得详尽而准确的侦测数据。本文主要分析无线传感器网络中的定位技术,研究如何降低网络中的能量消耗,延长网络寿命。     

无线传感器网络节点定位技术

对无线传感器网络定位技术进行了深入的探讨,从WSN节点的定位机制、定位算法的分类、已有的定位算法及算法性能的评价标准等方面进行分析,并对比了质心定位算法、DV-Hop算法、凸规划定位算法、APIT算法等几种经典的方法。结果表明：各种算法在不同的应用环境下所表现的性能差别较大,没有哪种算法是最优的,应根据最感兴趣的性能指标选择合适的算法。最后提出了无线传感器网络节点定位技术需要解决的问题和研究方向。     

基于移动信标节点的无线传感器网络定位算法研究

研究了无线传感器网络中的节点定位算法问题,提出了一种新的基于移动信标节点的定位算法。该算法利用一个移动信标节点遍历整个网络,并周期性地广播包含其当前位置信息的分组,当未知节点接收到三个(或以上)与它的距离为通信半径的位置信息分组后,利用三边法计算自身位置。进而,考虑通信半径存在摄动的情况,利用极大似然法替代三边法提高算法的抗干扰能力。最后,通过仿真研究了该算法的特性,并与DV-Hop定位法进行了比较,仿真结果表明该定位方法在定位误差、通信量和网络结构适应性等方面均表现出良好的性能和优越性。     

基于支持向量机的无线传感器网络节点定位算法

机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine, SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,“一对一”节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而“决策树”节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中.     

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于移动代理的无线传感器网络节点定位算法

研究了无线传感器网络节点定位算法及移动代理技术。在DV-Hop算法的基础上采用移动代理技术,并限制未知节点接收移动代理的个数和移动代理的传播跳数,减少了节点信息收发和存储量,降低了网络流量及节点负载。     

LAI：一种基于连通度的无线传感器网络节点定位算法

无线传感器网络的节点定位算法中,LCO算法将节点间具有连通度的通信连接视为对节点位置的约束,并由此确定节点的位置估计.提出了一种改进的分布式节点定位算法LAI(Localization with All Nodes and Iteration),结合不具有连通度的节点位置关系进行定位.仿真实验结果表明,改进算法相对于LCO算法,提高了定位估计的准确性,减小了对于锚节点的依赖程度.     

一种无线网络传感器节点定位算法的改进

无线传感器网络是目前IT领域的研究热点之一,具有十分广泛的应用前景.在传感器网络中,位置信息对传感器网络的监测活动至关重要,确定事件发生的位置或获取消息的节点位置是传感器网络最基本的功能之一,对传感器网络应用的有效性起关键的作用.针对无线传感器网络中RSSI的定位能耗高和质心算法定位精度低的特点,提出一种新的改进算法.并从不同的信标节点比例、节点通信半径等方面比较质心算法,DV-Hop算法和改进算法的性能.仿真实验结果表明,改进算法比质心算法在定位精度上有明显提高.     

基于DV-HOP的无线传感器网络节点定位算法研究

文章研究了基于DV-HOP的定位算法,并分析了算法产生误差的原因。为了提高定位精度,针对DV-HOP的一种经典改进算法LPC,文中对影响定位精度的三个重要参数:锚节点数目、节点数目、节点通信半径,进行了研究并对参数进一步优化。理论分析和仿真结果表明:经参数优化后,算法的定位精度得到了有效的提高。     

无线传感器网络节点定位研究

该文提出了一种基于RSSI测距技术的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。实验表明了提出的方法在不同的节点比例和节点数的情况下,定位误差和定位范围等性能与传统的定位算法相比有明显的提高,是一种有效的方法。     

基于PSO的无线传感网络节点定位算法

研究稀疏无线传感网络下异常节点的准确定位问题。在信息较少的空旷区域,无线传感网络的传感节点分布较为稀松,为方便计算,多采用多跳距离代替节点间的真实距离,导致距离计算存在较大误差,在传统的基于分布式加权距离定位算法建立的网络分布模型中,节点定位准确度低,导致节点定位误差较大。为了解决上述问题,提出了一种粒子群优化的多维标度节点定位算法。采用多维标度算法求得各未知节点的初始坐标,利用粒子群优化算法对其目标代价函数进行优化求得未知节点的真实距离坐标,准确定位节点。实验结果表明:改进算法在定位精度上有明显的提高。