RSSI辅助的蒙特卡罗盒定位算法

针对以蒙特卡罗为基础的几种无线传感器网络定位算法普遍存在定位精度和采样效率低的问题,文中提出了一种RSSI辅助的蒙特卡罗盒定位算法(RAMCB)。通过实验构造出符合实际环境的RSSI和距离区间的映射关系数据库;在定位阶段,未知节点利用来自一跳和两跳锚节点的RSSI值查询数据库,得到与一跳和两跳锚节点的距离区间,利用距离区间建立更为精确的采样箱,以提高采样效率;未知节点根据样本到一跳、两跳锚节点的估计距离和实际距离的差值来动态赋予样本的权值。仿真结果表明:RAMCB算法能有效提高定位精度和采样效率。

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。

基于测距的蒙特卡罗盒传感网定位算法研究

针对以蒙特卡罗算法为基础的无线传感器网定位算法普遍存在定位精度和采样效率低的问题,提出了一种基于测距的蒙特卡罗盒(R-MCB)定位算法。通过测距信息构造修正的包含有约束条件的方形边界框,使用从强约束条件中除去弱约束条件的启发法来提高采样效率,然后进行样本过滤和加权处理,并通过校准减少距离误差实现精确的定位。该R-MCB定位算法允许节点是静止或移动的,并且能够与可进行测距的节点和没有测距能力的节点协同工作。通过在传感器硬件上进行真实模拟定位算法证明,在多数情况下该R-MCB算法的定位误差,均要比WMCL算法(加权蒙特卡罗定位算法)的定位误差低10%左右。

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度,应用果蝇算法(fruit fly optimization algorithm,FOA)-蒙特卡罗锚盒(Monte Carlo anchor box,MCB)算法对无线传感器网络(wireless sensor network,WSN)系统中移动节点进行定位建模,分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明:FOA优化MCB算法具有比MCB算法更优的定位精度,当节点移动速度变大后可以获得更小的定位误差,在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线;当锚节点较少时,MCB与FOA优化MCB形成了较大的定位误差;随样本数增大,定位误差逐渐减小,在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值,易于实现推广。

一种用于移动无线传感器网络的新型节点定位算法

在移动无线传感器网络中,节点获取自身的位置信息十分重要。传统的基于蒙特卡罗的移动节点定位算法都存在采样效率低以及需要很高锚节点密度的问题。针对以上问题,本文提出了一种基于差分演化的蒙特卡罗盒定位算法(DEMCB)。该算法利用差分演化对样本进行优化,让样本主动向节点真实位置靠近,而不是被动的被滤除;同时,引入节点置信度的概念用于计算样本权值。仿真实验结果表明,与传统的定位算法相比,该算法提高了定位精度和收敛速度,并能很好地应用于低锚节点密度的环境。