基于偏最小二乘的无线传感网多跳定位算法

提出了一种基于偏最小二乘的多跳定位算法(ML-PLS)。算法借助偏最小二乘对已知节点间的跳数与真实距离的建模,通过跳数、距离两者间的最大协方差共同推动节点位置的估计。ML-PLS算法对复杂部署环境具有较强的适应性,克服了传统算法只适用于各向同性网络的不足。仿真结果表明,ML-PLS算法定位精确度高且性能较稳定,并能适应不同网络环境。

基于密度的不规则网络多跳定位算法

针对不规则网络中定位算法性能低下的问题,该文提出了一种基于密度的多跳定位算法。首先,算法在网络初始化阶段,利用局部连接信息获取节点间的估计距离;其次,算法在估计距离误差的帮助下推导出最优加权矩阵,并以此消除累积误差的影响;最后,算法在几何分析的基础上避免并纠正了异常的估计位置。实验和分析均表明,该文算法在不规则网络中具有很高的定位性能。

针对不规则网络的高精度和高效率的多跳定位算法

针对不规则网络中多跳定位性能下降的问题,文章提出了一种高精度、高效率的多跳定位算法。首先,采用高效距离估计方法,获取节点间的估计距离。然后,依据距离估计的误差推导出最优加权矩阵,在其帮助下运用双曲线估计法,消除累积误差的干扰,进而提高定位精度和稳定性。最后,通过节点间的几何关系分析,发现并纠正因锚节点分布不当造成的异常估计问题。性能与实验分析表明,文章方案定位精度高且运行开销低。

基于信息准则的多跳无线定位方法

多跳定位算法大多假定节点分布的环境无障碍物,在实际环境中,节点分布的场景通常较为复杂,网络拓扑常呈现不规则,造成用跳数估算距离发生严重偏差。该文提出了一种基于信息准则的多跳无线定位方法。该方法在信息准则的帮助下构建锚节点间最优的映射模型,并以该映射模型来预测未知节点到锚节点间的估计距离。通过理论分析和实验验证,该文提出的算法在不规则网络中具有定位精度高、计算复杂度低和定位速度快的优点,有较广泛的使用价值。

基于核Tikhonov规则化的多跳非测距定位方法

针对多跳非测距定位算法易受到节点分布不均、非视距传播等网络各向异性因素的影响,提出一种基于核Tikhonov规则化定位方法。采用核Tikhonov规则化方法构建跳数—距离映射模型,并利用该模型估计未知节点到参考节点的距离。理论分析和仿真实验表明,基于核Tikhonov规则化定位能有效避免网络各向异性和计算不适定问题,提高定位精度,涉及参数少,算法计算开销小,可适应于节点部署环境较复杂的网络,具有较高的实际应用价值。

基于规则化最小二乘的多跳非测距定位算法

在众多无线定位应用中,多跳非测距定位具有功耗小、成本低的特点,但也受到网络各向异性的影响,导致其应用受限。针对网络各向异性问题,通过构建跳数与距离的映射关系,将定位视为一种规则化回归预测过程。该方法能有效避免各向异性对定位造成的影响,计算开销小,无需设定复杂的参数,且定位精度高。仿真实验结果表明,与以往类似算法相比,该算法能够获得很快的定位速度和较高的定位精度。

基于多跳位置估计的无线光自组网拓扑重构

设计了基于多跳位置估计的无线光移动自组织网络拓扑重构方法,该方法不依赖定位系统,如全球定位系统(global positioning system,GPS)等,也不需要无线电通信辅助,仅采用自由空间光(free space optical,FSO)对网络中其他节点进行方向和距离估计,位置估计信息通过多跳方式传递,用于建立重构链路,增加节点连通度,提高网络性能。该方法分析了多跳节点间的位置不确定区域,并提出了覆盖不确定区域的光波束分配算法用于新的FSO链路建立。仿真表明,在节点规模小于20的自组织网络中,光束发散角大小与距离估计误差决定相对定位精度,并影响重构网络节点端到端性能,通过减小发散角并提高光检测灵敏度,该方法的性能接近基于GPS定位的重构方法。

BP神经网络在无线传感器网络三维定位中的应用

为了减4、多跳距离估计误差对三维无线传感器网络节点定位的影响，提出了一种结合BP神经网络的多跳定位（BPL）算法。建立了BP神经网络模型，用来修正不相邻节点间的多跳距离估计值；根据锚节点间的位置关系提取样本对其进行训练，使其能够反映三维无线传感器网络几何结构的主要特性，未知节点利用训练好的BP神经网络估计出自身到一定跳数范围内锚节点的距离，并求出自身三维坐标。仿真结果表明，BPL算法可以有效降低多跳距离估计误差，提高传感网的定位精度。在节点稀疏部署的网络环境中，BPL算法具有更加明显的优势。