基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播(BP)神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化。为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能。试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目。实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27 m。

基于无线传感器网络的分组加密算法的设计

为了适应传感器网络的发展,应对传感器节点计算能力和存储资源的限制,基于无线传感器网的WSW(Wireless Sensor Whisper,无线传感耳语算法)算法是一种专门针对传感器能力限制而提出的分组加密算法。WSW算法通过扩展基本逻辑运算获得256种不同的加密方式,同时通过在算法中引入随机选择算法来增强算法的安全性,该算法使用的加密方法和随机选择可以减少节点运算次数,使得节点数据保证安全的同时能量及时间消耗也尽可能减少。