基于APIT的无线传感器网络质心算法研究

为了解决基于无线传感器网络的高速公路检测系统中由于信标节点分布不均且稀疏导致的定位误差,结合近似三角形内点测试(APIT)算法提出了一种新的定位算法,保证未知节点在所选择信标节点组成的三角形内。算法不需额外添加硬件,容易实现。M atlab环境下仿真结果显示,基于APIT的质心定位算法在信标节点较为稀疏、不均时,定位精度比采用最近邻信标节点选择的质心定位算法提高了32.18%。

基于改进APIT算法的无线传感器网络节点定位

定位技术是无线传感器网络中一个比较重要的技术。近似三角形内点测试(APIT)算法是一种比较常用的算法,为了提高无线传感器网络(WSNs)定位精度,在APIT算法的基础上进行改进,将三角形进行中垂线分割成4个或者6个小区间,通过对各个节点接收到目标节点信号强度进行比较,判断目标节点位于哪一个小区域内。通过仿真可以得到,改进的APIT算法精度上有了很大的提高。

一种改进的APIT定位算法

针对无线传感器网络中APIT定位算法定位误差大的问题,提出了一种改进的APIT定位算法。该算法针对APIT测试易产生InToOut和OutToIn错误而影响定位精度的问题,提出了新的内点测试方法;算法进一步通过中位线来缩减传统APIT算法中的三角形定位区域,提高定位精度。改进算法复杂度低,不需要任何额外硬件的支持。仿真结果表明,改进算法在不同锚节点密度和通信半径的网络中都具有较高的定位精度,满足于大多数无线传感器网络的定位需求。

一种基于SBL和APIT的混合定位算法

由于子区域分割粒度的限制,基于阶次序列的定位算法(Sequence-based localization,SBL)存在边缘区域节点定位误差较大和不能保证平均定位误差性能的问题。针对这些问题,提出了一种基于SBL和APIT的混合定位算法,利用APIT信标三角形切割SBL算法子区域,减小子区域面积,实现了分割粒度的细化。通过预先进行系统训练,优化了混合算法的加权系数,进一步提升了算法的定位精度。仿真结果表明,相比于原算法,所提出的混合算法有效地提升了边界区域节点的定位精度,其平均定位误差降低了17.9%,使基于阶次序列的定位算法的定位精度得到了有效改善。

基于APIT的无线传感器网络混合定位算法

针对近似三角形内点测试法(Approximate Point-In-Triangulation Test, APIT)定位精度与覆盖率不足的问题,提出了一种基于APIT与遗传算法混合的无线传感器网络定位算法.该算法通过比较分割法优化APIT算法提高定位精度,并通过遗传算法提高定位覆盖率.通过仿真对比分析,该算法相较于APIT算法定位精度提高21.62%,定位覆盖率提高4.87%.

面向复杂山地环境的WSN节点三维定位算法

无线传感器网络(WSN)在复杂的山地环境中进行节点定位时,节点部署稀疏会造成定位误差。为此,提出一种WSN节点三维定位算法。根据节点的稀疏程度,融合三维近似三角形内点测试(APIT)算法和DV-Hop算法预估未知节点位置,并搜索邻近节点形成平面,经过未知节点的坐标向平面作垂线,得到垂点坐标的平均值作为未知节点的最终位置。实验结果表明,与APIT算法、DV-Hop算法相比,该算法提高了节点定位精度。