WSN中一种改进的边界盒定位算法

边界盒算法利用通信范围内锚节点的区域位置信息实现自身定位。基于此,提出一种适用于无线传感器网络的改进边界盒定位算法,待定位节点利用边界盒算法得到初始区域位置信息后,广播该区域位置信息,并结合通信范围内其他待定位节点的区域位置信息实现二次定位。实验结果表明,改进算法的运算量较小,定位精度较高。

基于粒子群算法的边界盒定位改进算法研究

在传统的边界盒(Bounding-box)定位算法中,采用正方形交集区域的质心作为定位结果,定位误差相对较大。针对该问题,给出粒子群算法(PSO)改进的边界盒定位算法。该方法定位时,在取得交集区域后,先通过粒子群算法对该区域进行并行搜索,从而取得优化定位坐标。仿真实验结果表明:基于粒子群算法的边界盒定位改进算法减少了定位过程的计算的迭代过程,使得计算速度增快,且定位误差减少,定位精度值得到了提升。

基于果蝇算法的物联网节点定位技术研究

基于位置的服务是物联网最具发展潜力的应用之一,提供可靠的节点定位信息已成为衡量物联网技术标准的重要指标。为有效地对未知节点进行定位,针对果蝇优化算法定位精度低以及收敛速度慢的问题,提出一种基于果蝇算法的物联网节点定位改进方法。采用边界盒算法限制果蝇优化算法定位的初始范围,同时重构算法的味道浓度函数,选择合适的测量节点数量以及种群规模,实现算法的动态特性与定位精度的平衡。实验结果表明,与果蝇优化、粒子群优化等算法相比,该算法能够有效提高定位精度和收敛速度,并且稳定性较高,可满足节点定位需求。

一种改进的基于信号强度的WLAN定位方法

与室外定位技术相比(如GPS),基于无线局域网(Wireless Area Network)的定位更适用于室内环境。两种基于接收信号强度(RSSI,Received Signal Strength Indication)的定位方法即位置指纹法和信号传播模型法广泛用于室内定位的研究。使用边界盒算法和改进的二分范围搜索算法将两种室内定位方法相结合,提出了一种改进的基于RSSI的定位方法。提出的方法根据指纹数据库中样本的横纵坐标对其进行预处理,同时使用改进的线性二分范围搜索算法降低指纹数据库中的样本数,进而提高实时定位过程的效率。最大化位置指纹维度,并添加时间维,同时通过实验数据阐明所提出的方法可提高用户位置估算的精确度。

农业物联网ZigBee路由节点北斗定位研究

针对目前基于Zigbee无线传感器农业物联网中某些边缘节点无法进行三边测距以及网络中簇节点能量消耗过快导致网络瘫痪等问题,提出一套Zigbee技术和北斗定位技术相结合的方案。使用已有的CLZBR路由协议,减少能量消耗,防止簇头节点能量消耗过快,延长网络寿命;针对网络中某些簇节点的位置信息缺失问题,在传统的边界盒算法上提出了一种改进型边界盒算法对边缘节点进行粗略定位;通过试验证明改进型边界盒算法的节点误差率为15.5%,比传统边界盒算法定位误差率下降了16%,是基于加权的三边定位算法的1.5倍,表明该算法不适用于小型的、对精度要求较高的农区内,但可以在某些监测困难的大型西部农业灌区中试用,既能减少硬件成本,又可提高网络覆盖率,并能解决边缘节点位置信息缺失问题,更好地推动无线传感器网络在西部农区中的发展。