基于人群搜索优化的无线传感器网络三点定位算法

为进一步提高无线传感器网络节点的定位精度,提出一种基于改进人群搜索优化的无线传感器网络三点定位算法.首先设计一种三点估计未知节点坐标模型;然后利用该模型求取未知节点的坐标,并将计算出的节点位置作为人群搜索的初始位置;最后采用改进的人群搜索算法优化未知节点的位置.仿真结果表明,通过与已有的相关定位算法相比较,所提出算法具有更高的定位精度.     

基于分布式多跳误差估计目标位置感知算法

为了提高定位系统在目标定位上的精度,减少过多的硬件设施投入和能量成本,提出分布式多跳误差估计的能量高效目标位置感知算法(NFDV-Hop)。在定位精度上,DV-Hop算法采用每跳的平均距离来估计锚节点和未知节点之间的距离,导致估计距离与真实距离存在较大误差,而NFDV-Hop算法使用锚节点的平均跳数的大小以及锚节点间的平均跳距离,求得未知节点的位置坐标,并在得到坐标估计值后引入位置比值来减少定位误差。在能量优化上,DV-Hop算法需向节点多次广播信息,而NFDV-Hop算法所采用的锚节点只需向其他节点广播一次自身的位置坐标信息,从而大大减少节点的能量消耗。仿真结果表明,相比基于最小二乘法的DV-Hop算法以及基于改进粒子群优化的DV-Hop算法,NFDV-Hop定位算法的定位精度分别提高了12.1%和9%。     

面向环境监测的WSN节点定位技术研究

WSN节点定位在无线传感器网络研究中意义非凡,设计出一种精确的定位算法是当今的重大挑战。传感器节点采集的数据只有在获取到节点的位置信息后才有意义,结合环境监测特点和应用需求,DV-Hop(Distance Vector-Hop)算法因其受环境影响相对较小,无需大量硬件开销,适用于环境监测场景。针对传统DV-Hop算法定位精度不高的问题,提出基于加权因子的混合DV-Hop算法——HDV-Hopw,其采用两种策略对传统DV-Hop算法进行改进。首先,通过对信标节点的平均每跳距离进行加权处理,减小平均每跳距离带来的误差;然后,将未知节点位置估计转换成目标优化,采用混合GA-PSO算法对未知节点的坐标进行优化,通过限制初始种群的可行域以及改进初始种群的质量来提高算法的定位精度。仿真实验结果表明,在没有增加额外硬件设备的情况下, 相比于DV-Hop算法 ,HDV-Hopw算法的 定位误差平均降低了11%左右。     

基于ASGSO算法的改进DV-Hop算法

针对无线传感器网络定位技术中DV-Hop算法在最后阶段计算待定位节点坐标时定位精度低的问题,提出了一种基于自适应步长萤火虫优化算法的改进DV-Hop算法(ASGSODV-Hop)。该算法将DV-Hop算法在估算节点坐标阶段所使用的最小二乘法用ASGSO算法代替,采用ASGSO智能算法的自适应迭代寻优对DV-Hop算法定位求解的问题建立特定的适应度函数并进行多次迭代计算实现优化,最终使待定位节点坐标与真实值更为接近。仿真结果表明,该算法的平均定位误差约为23.58%;相比于传统DV-Hop算法,ASGSODV-Hop算法可在无需附加通信开销的情况下使定位误差降低约46.49%,提高了节点的定位精度。     

基于TDOA改进的矿山井下机车定位方法

为提高矿山井下机车的定位精度,提出了一种基于到达时间差（Time Difference of Arrival,TDOA）改进的矿山井下机车定位方法。采用超声波和无线电传播时间差实现测距,分析了测距技术在井下运用时产生的误差,并对误差进行补偿。为了修正机车定位过程中产生的位移误差,把位移误差化简为机车到节点的距离误差。通过规律性地布置节点和惯性导航技术,计算出位移后机车到节点的距离。使用最小二乘法估计出机车的初始位置坐标,并通过泰勒级数最小二乘法修正坐标实现定位,定位精度可达12 cm。相比于传统的定位算法,该方法增加了定位精度,且在机车不同速度下,保持了较为稳定的定位精度。     

基于加权处理的三边测量定位算法

定位技术是无线传感器网络的关键技术之一,传统三边测量定位算法利用三个锚节点一次确定未知节点的位置坐标,而单次估算的坐标值无法准确反映未知节点的实际位置。提出了一种以RSSI值和通信质量为权值的锚节点选择算法,筛选对未知节点影响力大的锚节点用于节点定位计算。在此基础上,使用角度权重函数综合多次估算的未知节点坐标信息,进而确定未知节点位置坐标。仿真结果表明,与原三边测量定位算法相比,改进算法对锚节点随机分布有较高的鲁棒性,定位精度有较大提高。     

煤矿井下节点合作加权质心定位算法

针对煤矿井下长距离巷道内人员定位信号存在衰减大、定位精度低的问题,提出了一种节点合作加权质心定位算法。该算法在ZigBee通信环境下,通过参数寻优思想在长距离巷道内人员定位时选择近距离虚拟参考节点(已定位的未知节点)与参考节点合作使用,利用改进的小区域三角形加权质心定位算法对未知节点进行初始定位,然后通过坐标修正确定未知节点的位置。仿真与实验结果表明,利用参考节点与虚拟参考节点合作定位,减少了远距离参考节点的使用,可以解决因距离远导致的信号衰减大的问题,提高了井下人员定位的精度;该算法的平均定位误差为1.5 m,可满足煤矿井下长距离巷道内人员定位精度的要求。     

WSN中一种改进的边界盒定位算法

边界盒算法利用通信范围内锚节点的区域位置信息实现自身定位.基于此,提出一种适用于无线传感器网络的改进边界盒定位算法,待定位节点利用边界盒算法得到初始区域位置信息后,广播该区域位置信息,并结合通信范围内其他待定位节点的区域位置信息实现二次定位.实验结果表明,改进算法的运算量较小,定位精度较高.     

煤矿井下超宽无线传感器网络定位技术的研究

超宽带技术作为一种新型短距离无线通信方式,其所采用的纳秒级窄脉冲具有许多传统正弦载波无法比拟的优势。基于超宽带技术本身具有的特性,将其与无线传感器网络技术相结合,可以广泛应用于煤矿井下环境,通过无线传感器网络节点定位实现安全监测。本文主要介绍了无线传感器网络节点定位基本原理和算法,提出适合煤矿井下环境的定位算法,并且在传统的测距定位方法基础上进行改进。仿真结果表明,改进的定位算法有效的提高了节点定位精度和定位性能。     

基于马鞍地形的无线传感器网络节点定位算法

无线传感器网络三维DV-Hop定位算法直接应用于山区地形会存在较大的节点定位误差。对此本文提出了基于山区马鞍地形的节点定位算法NLA-ST。该算法首先利用双曲抛物面函数拟合山区马鞍地形,然后应用三维DV-Hop定位算法计算节点初始位置,并将该初始位置垂直投影到马鞍地形表面。对投影节点坐标的非线性方程组进行了推导,并采用数值解法实现对节点最终坐标的计算。仿真实验表明,NLA-ST定位算法受马鞍地形参数影响较小且具有较高定位精度,能够有效满足实际应用需求。     

基于UWB的密集行人三维协同定位算法

针对复杂室内环境中密集行人定位精度低、超宽带(UWB)基站密度要求高的问题,提出一种基于UWB的密集行人三维协同定位算法。首先使用聚类算法抑制测距数据中较大非视距(NLOS)误差,并使用高斯均值混合滤波抑制标准测量误差;然后提出双层协同定位算法,建立协同定位数学模型,并结合迭代初始值获取策略进行初步定位,降低了基站数量要求,在筛选出NLOS误差较小的测距数据并修正后,进行二次定位;最后考虑行人高机动性,设计一种交互多模型卡尔曼滤波算法,缓解了定位结果跳变问题。实验结果表明,所提算法在弱NLOS环境和强NLOS环境下定位精度分别达到0.11 m、0.17 m,相比其他算法,具有较高定位精度,进一步降低了对UWB基站密度要求。     

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

基于改进双向测距到达时间差定位算法的超宽带定位系统

针对传统无线定位技术在室内定位精度不高的问题,设计实现了一种基于超宽带（UWB）技术的室内定位系统。首先,提出了定位服务器与移动端APP实时交互的系统结构,解决室内移动人员自主定位与导航的问题。其次,在双向测距（TWR）算法中增加一条无线电信息以减小时钟偏移引起的测距误差,从而提高算法性能。最后,将通过到达时间差（TDOA）定位算法得到的双曲面方程组进行线性化处理后结合Jacobi迭代法完成求解,避免了使用标准TDOA定位算法难以直接解算的情况。经测试,该系统在楼道房间等场景中能稳定工作且定位误差控制在30 cm以内,相比基于WiFi、蓝牙等技术的定位系统在定位精度上提高了10倍左右,能够满足在复杂室内环境中的精确移动定位需求。     

声呐位置误差情况下的运动目标多基地定位方法

在多基地声呐定位系统中,声呐的位置信息往往含有随机误差,这些误差会严重影响目标的定位精度。针对这一问题,提出了一种基于时间和多普勒频率的运动目标定位方法。首先,将基于时间和多普勒频率定位机制的非线性量测方程组转化为关于目标位置、速度及中间变量的伪线性方程组,利用加权最小二乘估计法对运动目标的位置、速度进行初始求解;然后,利用位置、速度及中间变量之间的相关性对位置和速度的估计偏差进行求解;最后,对位置和速度的初始解进行误差修正。分析了所提算法在量测误差较小情况下的统计有效性,并通过蒙特卡洛模拟进行了数值验证。     

级联特征点检测的锥套小目标快速检测定位算法

为提升无人机自主空中加油中锥套小目标的检测精度和实时性,提出了级联网络与特征点检测网络的锥套小目标高精度快速定位算法。该算法设计了锥套目标全局粗定位和局部精定位的两级检测神经网络结构,采用特征点的输出位置误差及特征点群拟合的椭圆参数误差设计网络的损失函数,利用特征点拟合的锥套目标尺寸位置信息修正跟踪算法,提升了跟踪算法的和目标定位的实时性。实验测试结果表明,该定位算法定位成功率在95%以上,定位的精度（预测区域与真实区域的重叠率）在80%以上,定位输出速率达到100 Hz,对于环境的变化有着较强的适应性。因此该算法可以快速准确地进行锥套目标的跟踪,对于无人机空中加油技术的发展具有重要的研究意义。     

基于蝙蝠拟牛顿混合算法的无线传感器网络节点定位

针对距离矢量-跳数(DV-Hop)算法第三阶段中最小二乘法定位精度低的问题,提出一种蝙蝠-拟牛顿混合算法与DV-Hop算法融合的定位算法.首先对蝙蝠算法进行两点改进:1)根据蝙蝠个体的适应度值自适应调节随机向量β,使得脉冲频率具有自适应能力;2)利用当前迭代之前所有最优个体的平均位置来引导蝙蝠移动,使得速度具有变异性能;然后在DV-Hop算法第三阶段采用改进蝙蝠算法得出节点的估计位置,再利用拟牛顿算法以估计位置为初始点继续搜索节点位置.仿真结果表明:相比传统DV-Hop算法和基于蝙蝠算法的DV-Hop改进算法(BADV-Hop),该算法的定位精度大约提高了16.5%、5.18%,且稳定性更好,适用于定位精度和稳定性要求较高的场合.     

基于Pearson相关系数的快速虚拟网格匹配定位算法

针对室内环境下位置指纹匹配定位算法中离线数据库采集工作量较大的问题,提出了一种基于Pearson相关系数的快速虚拟网格匹配的定位算法。首先,将接收信号强度指示（RSSI）进行高斯滤波预处理得到接收信号强度向量;然后,利用Bounding-Box方法确定初始虚拟网格区域,将该网格区域快速迭代细分并计算网格中心点到各信标节点的距离对数向量,计算接收信号强度向量和距离对数向量之间的Pearson相关系数;最后,选取Pearson相关系数接近于-1的k个近邻坐标以相关系数加权估计确定待定位节点的最优估计位置。仿真实验结果表明,在1m虚拟网格且RSSI噪声标准差为3dBm的条件下,算法定位误差小于2m的概率大于94.2%,其定位精度优于位置指纹匹配算法,且无需建立RSSI指纹数据库,大大减少了定位工作量。