基于LS-SVR的无线传感器网络节点定位算法

文章针对无线传感器网络(WSN)节点定位算法DV-HOD的节点间距离估计误差对定位准确度影响较大的问题,提出一种基于LS-SVR(最小二乘支持向量回归机)的定位算法L-LSSVR。该算法根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以未知节点到各锚节点经多跳测距得到的距离向量作为模型的输入,将模型输出作为未知节点的估计坐标。在节点均匀分布和随机分布的网络中进行节点定位实验,结果表明,定位算法L-LSSVR能有效地降低距离估计误差对定位准确度的影响,减小平均定位误差,其中,在节点均匀分布的情况下L-LSSVR算法的平均定位误差比DV-Hop算法减小8.1～17.8%,在随机分布的网络中减小8.7～27.0%。

Dual-Radio传感器网络链路调度算法的研究

针对传感器网络中正交信道较少和传感器节点不易配备过多Radio的特点,提出一种Multi-Sink Dual-Radio传感器网络中分布式信道分配算法(Channel Allocation,CA),并在此基础上提出一种半分布式链路调度算法(Link Scheduling,LS)。根据节点距离Sink节点的最少跳数,将网络划分为不同的层次,形成层次结构网络。CA能消除不同层次节点间的通信冲突,而LS能消除同层次节点间的通信冲突。从而CA和LS高效率地实现数据无冲突并行传输,可较好地解决传感器网络中的数据收集问题。实验结果表明,提出的算法可显著减少数据收集时间,提高网络吞吐量。

无线传感网多簇头协助的目标跟踪

在无线传感器网络中,目标的运动无规律可循,难以选取合理的数据对其进行预测,且在跟踪过程中易发生目标丢失的现象,不利于对目标的监测。通过分析目标运动趋势的变化特点,提出多级簇头结构和目标丢失的恢复策略,并改进线性拟合算法,选取某一阶段内的数据作为预测的数据源,以提高跟踪精度,降低目标丢失率。仿真结果表明,改进算法能够更充分地利用历史数据,在跟踪精度和目标丢失率方面具有良好的性能。

基于LS-Kalman的无线传感器算法研究

常用的定位算法用于无线传感器定位时的性能很不稳定且误差很大,为此提出一种更高精度的定位算法。该算法前期使用基于非测距的DV-HOP算法进行初始定位,后期用改进的最小二乘-卡尔曼滤波(LS-Kalman)对初始定位进行循环求精。本文采用MATLAB仿真软件分别对二维和三维无线传感器网络节点进行实验,实验结果表明该算法三维定位收敛更快,定位精度更高,且算法更简单。

土壤湿度采集节点电压补偿方法——基于最小二乘支持向量机

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手,分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差是随被测土壤湿度增大而增大的。采用CC 2 4 3 0芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压和被测土壤实际湿度为对象,运用最小二乘支持向量机对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿。实验和仿真结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。

协同定位最小二乘凸性分析

精确的位置信息在无线传感网络(WSNs)中扮演着重要地位,基于用户节点之间信息交互的协同定位可以提供高精度定位,是目前非常有前景的研究方向。传统的协同定位模型,例如最小二乘(LS)模型,依赖于从先验测量信息中得到粗略的位置估计作为迭代初值。由于代价函数一般为非凸,该模型对迭代初值的选取十分敏感,计算结果容易陷入局部极值。为了深入解释这一现象,文中通过求取最小二乘代价函数的二阶导数,同时对相应的Hessian矩阵进行相似变换,分析了最小二乘代价函数的凸性,得出最小二乘代价函数为凸的一个充分不必要条件。同时利用数值仿真验证了当用户节点测距偏差全部为负数时,最小二乘代价函数在全局范围内为凸函数,这一结论为后续研究奠定了理论基础。

面向三峡库区水环境监测的混合网络构建

针对三峡库区分布广,面积大的特殊应用背景,提出了一种新的适合三峡库区水环境监测网络构建的组网策略——"一网多PAN(Personal Area Network),一PAN多簇",构建了一个包含WSN、GPRS和Internet的三层混合网络模型,并采用"告警上报,点播访问"的数据访问流程实现了监测网络数据传输。实验表明:该混合网络可以满足三峡库区水环境监测的应用需求;同时,"告警上报,点播访问"的数据传输流程可以有效降低节点能量消耗,延长网络生存周期。