基于分子力模型的无线传感器网络定位算法

无线传感器网络中利用节点发送与接收无线信号,确定物体的位置被称为无线传感器网络节点定位,它是无线传感器网络的一个重要研究领域.基于测距的无线传感器网络定位算法,其关键步骤是通过接收信号的强弱来估计信标节点与未知节点的距离.提出了一种基于分子力模型的WSN定位算法,本算法也是基于测距思想,其中,引入排斥力和吸引力的概念,并假设未知节点处于平衡状态,这两种力此时合力为零.算法求解使用迭代算法.论文实验证明,所提算法的时间复杂度和空间复杂度较小,且具备较好的定位精度.

基于DV-hop的无线传感器网络定位算法研究

DV-hop算法是无线传感器网络中一种典型的定位算法。系统分析了DV-hop算法中对定位误差有较大影响的节点通信半径、锚节点个数、总节点个数等几个重要参数,并进一步给出仿真结果。通过仿真结果分析得出上述参数的较优值,降低使用DV-hop算法时无线传感器网络的定位误差。理论分析和仿真结果表明,参数优化后的算法有效的降低了节点的定位误差。

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。

基于DV-HOP的无线传感器网络定位算法

通过对DV-HOP算法的理论分析,找出其产生误差的主要原因,提出相应的改进算法,即对未知节点与锚节点之间的估计距离做出修正,该修正值由多跳的校正值和锚节点的平均每跳距离误差所组成,同时将总体最小二乘法(TLS)应用于定位中,进一步提高了定位精度。选用Matlab进行相关仿真,结果表明:改进算法的定位精度比原算法及部分现有改进算法有明显的提高。

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距DV-Hop定位算法中,利用多边测量法计算未知节点坐标时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中多边测量法的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与多边测量法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。

无线传感器网络定位算法研究

定位技术是无线传感器网络的支撑技术之一.针对无线传感器网络低成本、低能耗的要求,在继承DV-Hop定位算法优点的基础上,提出根据跳数来调节节点定位过程中的数据包接收量即LDV-Hop定位算法.算法在局部范围内索取定位信息,并可以部分抵制MAC层冲突带来的错误信息.利用网络仿真工具Ns-2对算法进行仿真分析和比较,结果表明LDV-Hop定位算法有更高的定位精度,能有效降低数据通信量,并且对于不规则形状的节点分布具有较强的适应性.

一种基于共线度的无线传感器网络定位算法

为了充分考虑锚节点之间以及锚节点与未知节点之间拓扑关系对无线传感器网络定位精度的影响,我们引入了共线度的概念并将其应用到多跳网络的节点定位中,在此基础上提出了一种基于共线度的无线传感器网络定位算法(CBLA)。该算法首先动态地调节未知节点能够收集到的邻居锚节点信息,再通过共线度参数挑选网络中好的锚节点组进行位置估计,最后通过加权估计机制来得到最终的节点位置估计。理论分析和仿真结果表明,在规则网络中CBLA算法定位误差较小,最优情况下能够达到6%,在非规则网络中仍可达到较好的定位精度。

基于遗传模拟退火算法的无线传感器网络定位算法

无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题。第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化。其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数。仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位。

分布式无线传感器网络定位算法MDS-MAP(D)

针对无线传感器网络的定位问题,提出了一种分布式的算法MDS-MAP(D),明确给出了节点相对坐标计算和局部网络融合的过程,并对算法进行了计算复杂性分析和仿真。MDS-MAP(D)以分布式节点分簇为基础,利用网络的连接关系,在不需要高精度测距技术支持的条件下对节点坐标进行估计,减小了节点定位的计算复杂度和能量消耗。分析与仿真结果表明,算法的计算复杂度由O(N 3)下降到O(Nm 2),m<N,并且定位精度提高了1%～3%。

基于支持向量回归的无线传感器网络定位算法

针对一些增量定位中误差容易累积和集中式算法通信开销较大问题,提出了一种基于支持向量回归的半集中式定位算法,中心节点收集锚节点位置和网络连通信息作为训练样本,使用支持向量回归技术得到连通信息到节点位置的映射函数,分发到普通节点后即可使用此函数完成自身定位。为增加训练样本,对邻居锚节点达到3个的普通节点,使用基于RSSI测距的最小二乘法进行定位,升级为锚节点。分析和仿真表明,算法减少了通信开销,减轻了测距误差影响,并获取了较高的定位精度。

基于Amorphous的无线传感器网络定位算法研究

无线传感器网络广泛应用于各个领域,节点位置信息起着至关重要的作用。在所有的经典定位算法中,Amorphous定位算法属于非测距算法,通过获得未知节点与信标节点之间的跳数,估算节点间距离,进而计算节点坐标。分析Amorphous定位算法的缺点并提出了对节点间跳数的修正。引用质心算法加权,提出改进的算法模型,经仿真验证:该算法可获得较为精确的定位结果。

基于最小包含圆的无线传感器网络定位算法

提出一种新的无需测距定位算法——基于最小包含圆的定位(SECL)。该算法根据目标周围的锚节点所决定的最小包含圆来估计目标位置。基于最小包含圆的算法考虑的不是坐标系中所有锚节点位置的平均值,而是覆盖所有锚节点区域的几何中心,能够有效地控制锚节点分布不均匀给定位带来的负面影响。仿真结果显示,相对于质心算法平均定位精度能提高10%以上。SECL在锚节点拓扑不均匀情况下,精度提升更高。

基于锚圆交点加权质心的无线传感器网络定位算法

针对无线传感器网络节点能量有限,基于距离的定位算法有时并不适用的问题,在研究了未知节点与其无线射程范围内的3个锚节点之间的通信约束和几何关系的基础上,提出了一种基于锚圆交点加权质心的定位算法。该定位算法仅基于网络连通性而不需要测量距离,算法计算量小,节点通信开销小。仿真结果表明,当在100m×100m的区域范围内随机部署100个传感器节点,通信半径为30m、锚节点密度为16%时,相对定位误差为22.7%。

基于K最近邻分类的无线传感器网络定位算法

针对无线传感器网络中,大部分节点硬件配置低,缺少自定位能力的问题,提出一种基于K最近邻分类的分布式算法LKNN。将定位问题转换成为分类问题,根据信标节点的位置信息和相距跳数计算节点间的相似度,利用K最近邻（KNN）二分分类横纵坐标,确定未知节点的坐标,经过质点弹簧算法MSO进一步优化节点的估计位置。仿真研究表明,LKNN算法定位过程中,K最近邻算法分类准确度高,质点弹簧算法可以改善边界效应,提高边缘区域节点的定位精度。相比于DV-Hop算法,LKNN定位效果更为理想,尤其是在C形随机分布的不规则网络中,平均误差和误差的标准差减小20%~50%。进一步实验结果验证了LKNN算法的有效性和实用性。

基于动态网格划分的移动无线传感器网络定位算法

定位技术是无线传感器网络中关键的基础支撑技术,目前提出了许多静态网络的节点定位算法,移动无线传感器网络的定位研究相对较少.针对定位节点和参考节点随机运动的网络模型,提出了一个基于动态网格划分的蒙特卡罗定位算法.算法中当接收的参考节点数超过一定阈值时使用最远距离节点选择模型,选出部分参考节点参与定位和信息转发,节约能耗.接着基于选择的或所有接收的参考节点构建采样区域,进行网格划分,使用网格单元数计算最大采样次数,在采样区域内采样并使用误差补偿的运动模型进行过滤,提高了采样效率,减少了计算开销,并保证了较好的定位精度.仿真实验表明算法在定位精度,计算开销、能耗等方面都具有较好的性能.

基于距离的分布式无线传感器网络定位算法

针对水下无线传感器节点的定位问题进行研究,提出了一种可实现网络规模升级的分布式无信标节点的自定位算法。该定位算法无须额外的硬件支持,仅采用节点间的距离信息建立相对坐标系,确定各节点的相对位置。详细介绍了该算法的实现过程,通过仿真讨论了求精过程、通信半径等对定位误差的影响,并验证了该算法的合理性。为目标跟踪、地理路由、网络管理等系统功能提供了有力的技术支持。

基于可靠信标和节点度估计距离的无线传感器网络定位算法

针对经典的DV-Hop、Amorphous等免测距无线传感器网络(WSN)定位算法信标节点选择不可靠、距离模糊和距离估计不准确等问题导致定位精度低,难以适应传感器节点分布不均匀应用的情况,提出了基于可靠信标和节点度估计距离的无线传感器网络定位算法(RDLA)。首先,通过跳数阈值和定位三角可靠度计算来选择引入误差小的信标节点;然后,利用节点度感知的距离估计方法计算单跳距离以解决距离模糊问题,在累积最小跳数路径(SHP)距离并修正使估计的最小跳数路径距离更准确;最后用双曲线定位方法提高定位精度。Matlab R2012a仿真结果表明:在节点均匀分布的应用中,RDLA的平均定位误差(ALE)比DV-Hop算法及其改进算法小;在节点非均匀和具有覆盖洞的C型分布的应用中,与DV-Hop算法及其改进算法相比,RDLA的ALE显著降低,几乎控制在28%以下。

基于局部信标选择的无线传感器网络定位算法

针对DV-hop算法定位精度低的问题,本文分析了节点间的位置拓扑关系对定位精度的影响,提出了一种基于局部信标选择的定位算法(RBS-DV-hop)。该算法权衡了定位精度和计算复杂度,从三方面寻找局部最优的信标节点组,包括信标节点的共线度、未知节点与信标节点的跳数以及信标节点相对于未知节点的分布。仿真结果表明,改进后的算法明显提高了定位精度和稳定性,为合理选择信标节点组进行定位提供了一种方法。

一种基于参考节点选择模型的无线传感器网络定位算法

定位技术是无线传感器网络的关键技术之一,移动节点的定位则是定位技术中的难点。目前以蒙特卡洛算法为基础的几种定位算法普遍存在对锚节点数量要求较高、定位误差较大的问题。针对实际应用中一般的运动模型,提出一种基于参考节点选择模型的蒙特卡洛定位算法(MCLAS),采样时通过参考节点选择模型,将相邻节点纳入参考节点选择范围,尽量选取距离定位节点较近且分布均匀的参考节点构成采样盒,位置估计时利用样本与节点依据运动模型预测的上一时刻运动方向的角度确定权重,避免低质量样本的过度使用,提高定位精度。仿真结果表明,算法在定位精度、定位覆盖率和时间复杂度等方面具有较好的性能。

室内环境下对OLOS误差具有鲁棒性的TOA无线传感器网络定位算法

针对无线传感器网络及室内环境的特点,在综合考虑节点定位所需的通信量、计算量和定位精度的基础上,提出一种室内环境下对受阻碍的视距(OLOS)误差具有鲁棒性的低计算量的残差加权无线传感器网络定位算法。该算法利用对残差优选再加权的方法,在未知信道特性和无须反复通信的条件下对距离测量值的组合进行了优化。分析表明该算法与同类算法相比具有低计算量的特点。大量仿真结果表明该算法提高了定位精度,有效地抑制了室内环境下OLOS误差。