基于距离重构的无线传感器网络多维定标定位算法

无线传感器网络中基于多维定标的定位算法通常采用最短路径代替距离矩阵中的未知项,会导致较大的定位误差。针对这一问题,提出一种基于距离矩阵重构的无线传感器网络多维定标定位算法DR-MDS。算法利用节点间的公共邻居信息对距离矩阵线性重构,计算距离矩阵中的未知项,然后对重构的距离矩阵运用双中心化并进行特征分解,从而求得网络坐标。由于算法能够更为准确的获得网络节点之间的空间相对关系,并充分利用其空间相关性计算节点相对坐标,可获得较好的定位效果。仿真结果表明,本文提出的DR-MDS算法与MDS-MAP、ISOMAP相比定位精度更高,误差范围更小。

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.

基于多维定标的无线传感器网络三维定位算法

在森林防火、目标追踪、灾难预警、环境监测等应用中,需要通过定位算法对无线传感器节点进行三维定位。提出一种基于多维定标的无线传感器网络三维定位算法,结合RSS经验衰减模型和最短路径建立相异性矩阵,采用轻量级矩阵分解算法降低相异性矩阵分解的计算复杂性,并利用网络中存在的周期性消息将初始定位信息回送,在后台使用迭代优化算法对初始定位结果求精。仿真实验表明,在测距误差一定的情况下,该算法能够提高节点三维坐标的初始计算精度,经过集中式的优化求精后与MDS-MAP算法相比,能够明显地提高节点三维定位的精度。

改进的无线传感器网络中多维定标定位算法

由于经典多维定标MDS-MAP算法在不规则网络区域中进行定位时存在较大的误差,结合以往算法的经验,一种改进的基于多维定标的算法MDS-MAP(I,E)被提出,该算法根据锚节点的位置信息,来确定各个节点采用最佳的线性变换,并由此获得定位坐标,仿真结果显示该算法在各种拓扑结构下都能取得较好的定位结果,并且比之前算法取得了明显的改进。

基于加权多维定标的组网定位算法

提出一种视距条件下基于加权多维定标(MDS)技术实现到达时间(TOA)组网定位新算法。利用改进的MDS技术,得到移动台位置的粗估计值。分析基站拓扑结构对定位结果的影响,利用求组合数的方法,分别求出每种基站组合下移动台的位置估计,并与粗估计值进行比较,均方误差小的基站组合对最终定位结果贡献较大,通过加权求得最终结果。与传统MDS算法相比,加权MDS算法对冗余信息的处理能力更强,定位精度更高。

一种改进的分布式多维定标算法的研究

无线传感器网络中节点间通信容易受到环境因素和传输衰减因素等的影响,从而造成节点的定位不准确。为减小节点定位误差,在分布式多维定标算法基础上提出了改进的WMDS-MAP(P)算法。采用加权算法求出每个锚节点的环境影响参数和传输衰减参数对,并在构建局部空间的节点矩阵时考虑这两个因素;采用最小二乘算法选出锚节点中最优的环境影响参数和传输衰减参数对,从而使节点间的一跳距离估计值更逼近真实值。仿真结果显示改进的算法相对于经典的MDS-MAP(P)算法节点平均定位误差减少了17%左右,可以有效提高节点的定位精度。

基于分布式的多维定标定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于分布式的MDS定位算法。该算法通过采用测定距离量化的方法,得到节点的近邻向量(CNV),然后通过一定的估算算法得到距离矩阵D,从而实现节点定位的分布式计算。通过理论分析和仿真实验表明,这种改进算法能够实现高精度节点定位。

基于多维定标算法的WSN安全节点定位研究

针对监控区域中的节点安全定位问题,设计出一种基于多维定标和卡尔曼滤波相结合的节点定位算法,首先测量节点间的RSS,并根据RSS与距离的关系推断出节点间距离并建立距离矩阵,接着利用SMCF算法进一步搜索节点位置,利用移动节点的移动距离建立坐标系,将得到的相对坐标转化为绝对坐标。最后,利用移动节点的运动特征,根据移动过程中搜集的RSS,采用拓展卡尔曼滤波进一步精化节点坐标。仿真实验结果表明,该算法能有效提高定位精度。

基于最短路径修正的多维定标定位算法

当无线传感器网络节点密度较低或节点分布不均匀时,利用多维定标定位算法求出的最短路径与节点实际距离有一定误差。针对这个问题提出了一种基于最短路径修正的改进算法。根据节点的局部密度对无线传感器网络中节点间的边进行重新赋值,计算节点间的距离。结合人工蜂群智能算法选出节点间的最优最短路径,计算出节点间距离矩阵。实验仿真结果表明,该改进算法的定位精度相对于经典集中式多维定标算法提高了11%左右。

一种基于顺序多维定标的无锚点定位算法的研究

针对经典多维定标无锚点定位(MDS(C))算法在节点定位精度方面的不足,提出了一种基于顺序多维定标的无锚点定位(MDS(O))算法。该算法假定节点对之间的最短路径距离和欧氏距离存在单调性关系,避免了MDS(C)中节点对之间的最短路径距离和欧氏距离线性关系难以确定的缺陷。理论分析和仿真结果表明:MDS(O)能够提高平均定位精度1.04%～38.2%,有效地实现了节点定位。

结合多维定标和局部纹理特征的改进SIFT匹配算法

针对SIFT(scale-invariant feature transform)算法计算速度低、匹配精度不高的问题,提出一种结合多维定标和局部纹理特征的改进SIFT匹配算法。通过多维定标算法(multidimensional scaling,MDS)对128维SIFT特征描述符进行降维,提高SIFT特征匹配的计算速度,与其它降维算法相比,MDS保证了数据的几何拓扑性;基于特征一致性匹配规则和比值一致性匹配规则,提出一种改进的双向匹配策略;分析比对匹配点对邻近区域的LBP纹理特征,进一步降低误匹配率。仿真结果表明,与同类算法相比,该方法在匹配精度和匹配速度上都得到一定程度的改善。

基于多维定标的无线传感器网络定位算法研究

针对多维定标算法在计算最短路径时的误差问题,提出了一种根据节点局部密度对网络连通图中的边进行赋值的新算法。该算法在仅知邻居节点间连通性信息的条件下,根据节点连通度的差异设定不同的系数值,然后根据每对邻居节点的连通度及对应的系数值,为邻居节点构成的边进行赋值,以达到减小节点间最短路径距离计算误差的目的。仿真实验结果表明,该算法具有更低的定位误差,且对密度分布不均匀的网络结构具有更好的适应性。

无线传感器网络中一种跨层基于多维定标的无锚点定位算法

为解决现有基于多维定标(MDS)的节点定位精度受锚节点数目和网络连通度限制问题,提出一种跨层基于多维定标的无锚点定位算法(CMDS).在网络中无锚点的情况下,采用跨层设计思想,将迭代MDS算法与LEACH协议相结合,充分利用路由结构,实现了网络节点的定位.仿真结果表明:在节点随机分布情况下,LEACH协议执行9轮之内,可完成全部节点的定位;当网络规模为120个节点时,CMDS算法定位误差仅为MDS-MAP(P,R)的25%.

结合极大似然距离估计的MDS-MAP节点定位算法

基于多维定标的定位算法通常利用节点间的最短路径长度代替欧式距离构建距离矩阵,当网络拓扑结构不规则时,会导致较大的定位误差。针对这一问题,提出了一种结合极大似然距离估计和多维定标的节点定位算法MDS-MAP(MLE)。算法将待测节点的一跳邻居节点信息作为极大似然方法的输入,利用与邻居节点的距离信息计算待测节点的相对坐标,然后根据已知锚节点的坐标,将所有节点的相对坐标映射为绝对坐标。实验结果表明,针对规则网络和不规则网络,MDS-MAP(MLE)算法均可取得较好的定位精度,且当网络连通度在一定范围内变化时,定位误差可保持在较低的稳定区间内。

基于超声波六元阵列测距的WSN节点定位技术研究

基于超声波测距的定位技术以其精度高、范围广和性能稳定等优点,在无线传感器网络中广泛应用。为了实现较大范围的高精度定位,利用自主实现的超声波六元传感器阵列进行TDOA测距,并进行测距误差分析,然后采用基于测地距离的多维定标算法(Geodesic Distance MDS)进行无线传感器网络节点定位。在MATLAB平台下与Cricket采用的迭代式三边定位和AHLoS采用的多点定位算法进行对比仿真实验,结果表明Geodesic Distance MDS算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。

一种适用于大规模无线传感器网络的定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于MDS的分布式定位算法。改进后的分布式定位算法加入了分簇的思想,把网络中的节点分成不同的簇来进行局部定位,局部定位时引入Euclidean算法估算距离矩阵,再用矩阵转换将局部相对坐标图合并成全局相对坐标图,并转换为绝对坐标。仿真分析表明,提出的算法有更好的定位精度,而且在较低网络连通度和不规则网络分布的条件下表现出更好的可靠性。

一种低计算复杂度的无线传感器网络分簇定位算法

针对已有的集中式定位算法定位精度低,而分布式定位算法计算复杂度高、通信量大的问题,提出了一种适用于无线传感器网络的计算复杂度低的节点分簇定位算法。首先,提出满足最大连通度的多边界节点分簇算法,采用此算法把网络划分为若干个簇,各簇分别进行簇内节点定位;其次,各簇进行融合,最终实现全网节点的定位。仿真结果表明,这种分簇定位算法比分布式定位算法计算复杂度低、通信量小、定位精度相当或略差,比集中式定位算法计算复杂度低、通信量小、定位精度高。采用该算法可以降低传感器网络节点定位过程中的能耗,提高计算效率,延长网络寿命。

无线传感器网络重复优化无锚点定位算法

针对经典多维定标无锚点定位算法在节点定位精度方面的不足,提出一种基于多维定标的重复优化无锚点定位算法。该算法建立一个关于相对坐标矩阵的目标函数和重复优化公式,当目标函数取极小值时,可以得到节点相对坐标。仿真结果表明,与经典MDS算法相比,重复优化无锚点定位算法能够提高2.95%的平均定位精度,较好地实现网络有效定位。

传感器网络中一种基于迭代流形学习的节点定位算法

无线传感器网络(WSN)作为一种全新的信息处理平台,在各种应用领域有着广阔的应用前景,而网络自身定位技术是这些应用的基本支撑技术.首先,简要介绍了流形学习算法的基本概念和WSN节点自身定位模型,提出了一种基于流形学习算法的迭代MDS定位算法(IMDS).该算法中节点应用MDS技术从节点自身及其邻居节点的距离关系提取2维空间上的局部映射(map),并计算邻居节点在局部映射上的相对坐标,通过对局部映射的拼接可以获得网络的全局相对映射,再根据参考节点的坐标来对参考节点进行坐标匹配,从而通过平移,旋转以及镜像等几何方法来估计未知节点的绝对坐标.仿真试验表明,采用IMDS算法定位误差比dwMDS要降低大约15%,运算速度提高大约20%.

不均匀布置传感器网络定位优化算法

目前许多针对传感器网络的定位算法仅适用于节点分布比较均匀的网络,在不均匀网络中应用时定位精度较低。而在实际应用中,由于监测区域地形或应用需求等因素的限制,网络中节点的分布往往是不均匀的。引入虚拟空洞以实现节点间的距离优化,并结合多维定标技术,提出一种可应用于不均匀布置网络的定位算法(MDS-DO).在半C型节点布置区域内,对该算法的节点定位效果进行了仿真分析。结果表明,在不同节点数量及连通度的情况下,MDS-DO算法都能取得较好的定位效果。而且在连通度较高的条件下,MDS-DO算法的平均定位误差比经典的MDS-MAP算法降低了约90%.