基于三角形重心扫描的改进APIT无线传感器网络自定位算法

传感器节点的自定位问题是无线传感器网络的重要研究内容之一.APIT是一种主要的非基于测距的定位算法.相对于其他非基于测距定位算法,APIT具有定位精度高、通信开销小等优点.但是,APIT要求有较高的锚节点密度,而且在APIT测试过程中,边界效应以及低邻居节点密度容易增加InToOut和OutToIn测试错误的发生次数.另外,APIT算法中的网格扫描算法对于OutToIn错误的容错性较差且其执行效率低.针对以上问题,提出了一种基于三角形重心扫描的改进APIT算法.首先,分析了APIT测试中的两种典型错误InToOut和OutToIn错误产生的原因,引入了对APIT测试方法的两处改进;然后,分析了网格扫描算法对节点定位精度和算法执行效率的影响,提出了一种三角形重心扫描法,有效改进了算法的定位精度和执行效率;最后,通过仿真实验验证了改进后的算法不但可以有效地减少InToOut和OutToIn两类错误发生的次数,提高平均定位精度,改善算法的性能,而且对OutToIn错误的容错性更强,执行效率更高,能够显著地提高节点的平均精度.

基于节点晋升策略的无线传感器网络自定位算法

定位问题是无线传感器网络的基础,传统非测距定位过程中基于跳数信息换算距离易受网络拓扑结构影响。对此,提出了基于节点晋升策略的无线传感器网络自定位算法。该算法将定位过程中合适节点晋升为锚节点,以减小由于多跳路由矢量引起的距离累积误差,从而提高了整体定位精度。试验结果表明,在非规则网络中,该算法与传统自组织定位系统（APS）分布式定位算法以及相关改进算法相比,定位精度提高了30%~40%。

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法。该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标。硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度。

基于range-based节点的无线传感器网络自定位算法

该文介绍和分析了现有的无线传感器网络定位技术各自的局限性。针对现存定位机制中定位误差大或有较高的硬件要求问题，和无线传感器网络低成本、低功耗的要求，在TDOA技术的基础上，提出了一种新的无线传感器网络range—based节点自定位算法。用限制测距信号的跳数和重复运行算法的方法，使定位更精确，减少网络流量和负载。

无线传感器网络自定位算法的研究

节点自定位技术是无线传感器网络的关键技术之一,文章主要针对DV-Hop算法中定位精度的不足提出一种基于功率控制的改进算法。将RSSI和DV-Hop相结合,把传统DV-Hop算法中的跳数用虚拟距离代替,通过实际距离与虚拟距离的比例来修正平均每跳距离。为了减小定位误差和提高定位覆盖率,该文将锚节点分布在区域四周,并且将已定位的未知节点升级为锚节点。经仿真结果表明,与传统DV-Hop算法相比,改进后的算法可以有效提高定位精度。

基于改进麻雀搜索算法的无线传感器网络定位研究

针对距离矢量跳(DV-Hop)算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进麻雀搜索的无线传感器网络定位算法。首先,针对传统DV-Hop算法,修正了节点平均跳距和节点最小跳数。其次,引入Sine混沌映射、自适应惯性权重和双样本学习策略提高算法的搜索能力;最后,利用MATLAB构建仿真模型进行性能对比实验。实验结果表明:与其他节点定位算法相比,所提算法可有效提高对未知节点的定位精度和收敛速度。

基于模拟并行蚁群算法的无线传感器网络异常节点自适应定位方法

由于无线传感器网络自身节点数量庞大,导致在异常节点自适应定位过程中,定位到的异常节点个数较少的问题.针对上述问题,提出基于模拟并行蚁群算法的无线传感器网络异常节点自适应定位方法.从网络中提取出异常节点的原始数据,并对异常节点数据属性进行详细的解析,根据解析后的数据属性,利用蚁群算法的优化搜索特性,结合并行计算的思想,建立并行蚁群算法模型,模拟蚂蚁在寻找食物过程中的协作和寻优行为,运行并行蚁群算法,获取异常节点的估计坐标值,实现节点的自适应定位.实验结果表明,该方法在面对复杂网络环境和多种异常类型时能够定位到多个异常节点,增强了定位方法的鲁棒性和自适应性.

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.

无线传感器网络节点定位算法优化研究

无线传感器网络中,需要对节点的位置进行准确描述,才能确保采集数据的准确性。因此,节点定位计算是无线传感器网络中的核心问题,目前实际应用较多的节点定位算法是DV-Hop算法。DV-Hop定位算法的核心思路是基于距离矢量路由计算,通过节点之间的跳数和平均跳距的乘积来表示节点之间的距离。传统的DV-Hop算法在各向同性网络环境中获得较好的定位效果,但在节点随机分布的网络环境中,由于平均跳距计算误差大、用直线路径代替实际路径等原因,存在较大的定位误差。DV-Hop定位算法的改进思路主要通过对节点通信距离进行取样,较多依赖于实际工程经验进行取值,但这种方法使改进后的算法场景适应能力较弱。通过建立任意锚节点的平均每跳距离均方误差优化数学模型,修正全网平均每跳距离,使其能接近真实值,从而降低误差,提高精度。仿真分析证实了优化改进算法的有效性。

改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

改进流向算法的无线传感器网络覆盖优化

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

面向移动无线传感器网络的高效协作定位算法

在移动无线传感器网络中如何高效节能地获取节点的位置信息是热点研究问题。由于传感器网络一般采用电池供电且很难从外界获得能量补充,因此如何以尽可能低的能耗实现对节点的精确定位是研究的重点。提出采用虚拟多输入多输出VMIMO技术来实现节点的定位,该定位技术从总能耗、定位误差和节点移动速度三方面综合计算收发节点的最佳数量,从而降低了定位过程中的能耗。同时结合到达时间(TOA)算法实现了移动节点的高效定位。最终,实验分析了节点在不同移动速度等情况下的性能,结果表明基于VMIMO的定位算法在能耗方面具有显著的优势,且在节点移动的情况下具有非常强的鲁棒性。

基于改进烟花算法的无线传感器网络覆盖优化策略

为优化无线传感器网络覆盖范围,提出了一种基于改进烟花算法的无线传感器网络覆盖优化策略。首先,通过概率感知模型和目标函数建立了网络覆盖策略。其次,引入拉丁超立方抽样方法和多重扰动对传统烟花算法进行改进,避免算法进行局部最优和过早收敛。最后,为验证所提算法的优化性能,与常规优化算法进行了对比。实验结果表明:所提算法能有效逃离局部最优,在三种不同场景下,网络覆盖率分别达到了94.82%、98.23%和96.59%,其性能明显优于其他对比算法。

无线传感器网络DV-Hop定位算法的改进

在无线传感器网络中,节点定位占有极其重要的一席之地。无需测距方案中的DV-Hop算法因其计算简单易于实现得到广泛应用。传统DV-Hop算法不能够提供相对好的定位精度,为了保证定位的准确性,文章对DV-Hop算法进行了优化。在优化算法中,采用加权误差修正锚节点的估计平均跳距使其更加接近实际值,之后采用二维双曲线算法代替三边法或最小二乘算法确定接近实际位置的待测节点坐标。仿真结果验证了文章提出算法在无线传感器网络中定位的准确性。

混合灰狼-自适应蝴蝶算法下的多目标无线传感器网络覆盖研究

为提高无线传感器网络的覆盖率、减少二次部署中节点移动的能量消耗以及减少牵涉节点数目,提出了一种混合灰狼-自适应蝴蝶算法.首先,通过将灰狼算法与蝴蝶算法融合寻找最优解,在种群间优化中加入种群内部优化,提升算法的寻优能力,提高算法收敛速度;其次,在蝴蝶算法中改进自适应开关概率,根据当前迭代情况决定寻优方式,加快搜索速度;最后,在算法中融入反馈机制,引入随机蝴蝶进行漫步,防止陷入局部最优.从最优覆盖、最小冗余、最低能量消耗3个方向综合考量,建立函数模型,进行覆盖优化.实验结果表明,与其他6种算法相比,本文算法在多种场景下,有效地提高覆盖率,降低节点冗余,减少节点使用数目,降低能量消耗.

改进布谷鸟搜索算法及在无线传感器网络中的应用

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷,提出一种改进布谷鸟搜索算法。改进算法采用轮盘赌选择鸟巢并精英引导Levy飞行用于鸟巢位置更新,以加快算法收敛速度;同时引入生物地理算法的迁入率和迁出率模型,以不同概率执行黄金正弦算法;最后对鸟巢实行差分进化算法改善种群的多样性,从而避免算法陷入局部最优并提高全局搜索能力。通过15个基准函数和3个场景的WSN仿真实验并与相关文献比较,结果表明改进算法行之有效。

无线传感器网络中定位节点技术的改进与实验研究

定位节点技术中,SSO算法的搜索能力不平衡、收敛精度低,为此,提出一种混合策略的群居蜘蛛优化GSSO算法。经试验,与SSO算法相比,GSSO算法的最差、最优、平均覆盖率分别提升8.48%、7.81%、7.91%;与wDESSO算法相比,GSSO算法的覆盖率分别提升2.81%、2.59%、2.92%,这表明GSSO算法具有很好的寻优效果,且GSSO算法的平均WSN覆盖率更高。另外,基于GSSO的DV-Hop算法,未知节点的最小、最大定位误差分别为0.34m、13.20 m,定位误差小,定位精确度高。

无线传感器网络的分簇拓扑控制算法研究

在层次型分簇拓扑控制算法的基础上,提出非均匀分簇EBUC的拓扑控制算法,建立无线传感网络内的多个非均匀节点簇,设置靠近基站的簇规模更小、远离基站的簇规模更大,同时合理选择簇首节点、设置节点非均匀竞争半径,采取簇间多跳路由机制,使能量水平较高的节点选择基站附近能量高的节点进行数据转发,以最大程度节省网络能量、延长网络生命期。仿真实验表明,相比于其他算法而言,分簇拓扑控制算法的节点簇拓扑稳定性、能耗均衡性更加优秀。

基于分类平均跳距的无线传感器网络节点CADV-Hop定位方法

针对原型DV-Hop定位算法中平均跳距的计算产生较大定位误差的问题,提出了一种分类平均跳距的CADV-Hop算法。首先,揭示了无线传感网络中不同跳数路径的单跳距离分布不一致的现象,并分析了这种差异出现的原因与规律。其次,按照跳数对信标间路径分类再计算各类路径平均跳距的分类平均跳距。最后,在分类平均跳距所提供未知节点与最近信标节点之间更精确距离估计的基础上,结合加权最小二乘法最终实现节点坐标解算。仿真实验表明,CADV-Hop算法在不增加算法复杂度以及额外硬件的情况下有效地降低了定位误差,随着信标节点数量增加,CADV-Hop算法比原型DV-Hop算法和两种改进的DV-Hop算法具有更高的定位精度。

无线传感器网络覆盖的部署及调度算法

针对无线传感器网络覆盖存在传感盲区、传感节点间连通度较差问题,提出一种基于适应度函数和零容忍覆盖的节点部署及调度算法。将网络覆盖范围看作一个二维平面,分析节点传感的最大覆盖范围和距离值之间的关系,求得存在热点分布和重叠覆盖目标点的属性值。然后根据无线传感目标点覆盖率、连通度和候选位置等部署指标,采用适应度函数计算指标最佳部署关系,并获取节点的冗余参数。在同一传感范围内查找冗余互补节点,实现替换调度。实验结果表明,该算法在网络覆盖范围和调度效果等方面表现出色,具有较强综合性能。