有向移动异构传感网分布式部署策略

针对移动异构有向传感网的覆盖增强问题,提出了一种基于虚拟全向感知圆的节点分布式部署策略DDS（Distrib?uted Deployment Strategy）。DDS采用等面积虚拟全向感知圆替代有向节点感知扇形,根据不同感知圆之间的位置与半径大小关系为每个有向节点合理构建区域覆盖子区间,最后由该子区间多边形的形心确定节点的候选位置坐标。同时,DDS策略充分利用有向节点的旋转特性,计算节点视角方向使其面向检测区域外侧。节点通过视角调整和合理移动,不断提高网络覆盖率。仿真结果表明,DDS在提高网络覆盖率,增强节点分布均衡性方面具有明显的优势。     

移动混合传感网中节点自主部署算法

针对节点感知半径不均衡的移动传感网络节点的部署问题,论文提出一种基于VL(Voronoi Laguerre)图分割的节点自主部署算法(Autonomous Deployment Algorithm, ADA)。ADA先对目标区域做VL图划分,将目标区域的覆盖任务在各个传感器节点之间进行分配。分配到覆盖子区间任务的节点通过构造VL受控多边形来确定下一轮候选目标位置。未分配到覆盖子区间的节点则根据自身与邻居节点感知圆及目标区域边界的几何位置关系计算所受虚拟力,最终确定下一轮目标点坐标。网络各个节点通过逐轮更新自身位置,从而提高网络覆盖。仿真结果表明,ADA算法在网络覆盖率、节点部署速度和节点分布均匀性等方面具有明显的优势。     

时序测量信息触发的递归贝叶斯定位算法

为了提高定位系统抗干扰性,降低定位误差,提出一种基于递归贝叶斯的指纹定位算法。针对离线阶段指纹数据采集的盲目性与不可靠性,利用样本方差对采样值的可信度进行衡量,降低环境因素对数据的影响,为在线匹配提供更有效的可靠指纹库。利用目标运动过程中相邻时刻间的约束关系构建马尔可夫模型,以预测当前时刻目标位置,克服传统定位算法经常出现的位置估计跳动范围大、鲁棒性差等问题,提高了定位精度。经仿真模拟与路演实景的双重可重复性测试,所提算法的平均定位误差绝对值在模拟与实景测试中均不大于0.927m,较已有经典同类定位方法,其定位精度提高30%以上。     

无线传感器网络中的新型入侵轨迹算法

在无线传感器网络中,通过为进攻的入侵者寻找入侵轨迹来实现栅栏覆盖控制是比较有效的方法。在兼顾安全性能和时效性能,并且无需全网拓扑信息的支持的前提下,提出一种新型的入侵轨迹算法：SS(Security &; Speed)算法。该算法形成的轨迹能动态地反映入侵者对上述两种性能的需求差异。和传统的Worst-coverage方法相比,该模型对网络中节点密度的变化有更低的敏感性,计算复杂度降低的同时仍能较好地接近理想结果。     

移动异构传感器网络分布式部署算法

针对移动异构传感器网络中的最大覆盖问题,论文提出了一种分布式部署算法.该算法依据节点坐标及其感知范围而更新目标划分子区间,使子区间内的各个节点能结合自身及其delaunay邻居节点当前的几何位置和剩余能量值确定速度向量,同时利用节点的移动特性,使调整后的网络最大化覆盖目标区域.仿真结果表明,该算法在提高网络覆盖率和协调速度的同时,能兼顾网络节点剩余能量的均衡.     

基于蛙跳博弈优化算法的认知频谱分配

为有效分配与使用认知传感器网络中存在的空闲频谱,提高网络的吞吐量,提出了一种基于蛙跳博弈优化算法(Improve Swarm optimization method based on Leapfrog Game, ISLG)的认知频谱分配方案。节点采用双天线降低路由中的信道冲突概率,并针对在认知无线传感器网络(Cognitive Radio Sensor Networks, CRSN)中使用传统路由方案容易导致的节点间路由限制与热区问题,提出了基于三角剖分分层的自适应路由(Adaptive PU Quantity Routing Based on Triangulation Layering, APRT),通过避免路由中多枝节点出现的方式增加网络吞吐。频谱分配中,基于主用户位置信息,以蛙跳博弈基础寻优的分配群进行再移动,提高了频谱分配的可靠性。仿真实验表明,相比其他经典群优化算法,所提方案可以有效提高全局搜索能力,频谱分配后的系统吞吐量有了明显提升。     

无线传感器网络启发式移动轨迹策略的研究

从进攻方的角度出发，该文研究目标如何以尽可能低的发现概率，消耗尽可能少的时间穿越已被传感器节点监控的区域。基于此研究目标，提出一种兼顾安全和时效性能的SS（Security and Speed）启发式的移动轨迹策略和相应的评价指标——综合增益Integrated Gain（IG）。此策略无需全网拓扑信息的支持，能动态地反映目标对安全和时效两种性能的不同需求。通过仿真试验证明，该策略对网络中节点密度和分布有更低的敏感性；和经典的Voronoi算法相比，该策略克服Voronoi中存在的工作盲区和轨迹蔓延的问题，平均综合增益更加接近理想算法的结果，而计算复杂度却远远低于理想算法。     

空间指纹测量特征双精简下的室内定位算法

针对空间结构阻隔、信号弱穿透力等因素导致的参考点和接入点定位匹配冗余问题,提出一种“水平精简参考点,垂直精简接入点”的空间双精简定位算法。 首先以最强接收信号的高阶统计信息替代传统均值表征各参考点,并结合小区域融合和边界参考点共享的处理方式,实现目标空间模糊聚类,以此弱化边缘绝对判别的不良影响;其次基于该降维子空间,综合衡量各接入点的空间区分度和覆盖可靠性,为各子空间筛选出高识别价值、高稳定性的精简接入点集合;最后通过判断最强接收信号信源执行一级区域判别,并利用 WKNN 算法实现二级位置估计。 经实际路演测试,所提水平精简策略聚类规整也更符合场景结构约束,垂直精简策略较传统接入点选配算法平均定位精度至少提升 17% ,并在参考点 1 m×1 m 的分布密度条件下,滤除了约 4. 5 m 以上的大定位误差。