无线传感器网络动态加权DV-Distance算法

无线传感器网络DV-Distance定位算法,采用未知节点与锚节点间的累计跳段距离代替欧式距离计算节点位置,存在较大的定位误差。针对这一问题,提出一种动态加权DV-Distance改进定位算法,基于未知节点的修正模式,保证定位网络中每个未知节点具有不同的修正系数;通过动态加权修正模型,用锚节点间距离、跳数等信息计算修正系数,采用动态加权的方法将不同方向上的修正系数进行整合,修正未知节点与锚节点间累计跳段距离,提高算法的定位精度。通过仿真验证了算法具有更高的定位精度;并进一步通过实验验证了算法的有效性和可行性。

基于时间相关性的无线传感器网络数据压缩与优化算法

针对无线传感器网络(WSN)数据采集存在数据冗余度大、累积误差大和数据精度低等问题,根据采集数据之间的时间相关性,提出一种无线传感器网络数据压缩与优化算法。该算法通过分析时间序列中采集数据的线性关系,建立分段一元线性回归模型;根据采集数据与回归模型预测值之间的误差,自适应地调整下一个采集时间,并动态地优化回归模型。仿真结果表明该算法在不同的数据变化情况下,均能降低数据冗余度和网络通信量,提高采集数据的重构精度。最后在真实的无线传感器网络应用环境中验证了算法的可行性。

基于虚拟静态锚节点的加权质心定位算法

加权质心定位算法的实施需要布置较多的锚节点,较大的硬件成本限制了该算法在实际中的应用。本文结合余弦定理,利用原有的少量锚节点定位信息构造出虚拟静态锚节点VSAN(Virtual Static Anchor Node)参与定位,降低了该定位算法所需的硬件成本;此外,对加权质心算法进行数学推导和分析,从导数的角度阐述了权重系数和RSSI测距对加权质心算法的影响作用。仿真结果表明,基于VSAN的加权质心算法所需布置锚节点较少、定位精度较高;并通过实际环境下测试,验证了算法的有效性和可行性。

基于粒子群优化的DV-Distance改进算法

DV-Distance算法通过未知节点与锚节点间的多跳协作,实现节点位置估计,简单实用,但定位精度不高。为了提高算法性能,本文提出一种基于粒子群优化的DV-Distance改进算法,针对RSSI测距引起的误差,利用链路质量指示(LQI)对RSSI的测量值进行惯性滤波,建立基于LQI的RSSI测距模型;并针对位置估计方法所引起的误差,通过粒子群算法对节点位置进行优化。结合DV-Distance算法自身特点,确定了粒子群算法适应值函数的选取和关键算法参数的确定。最后,仿真和实验证明改进算法有效可行,具有较高的定位精度。