DRFL一种分布式的无线传感网的非测距定位算法(英文)

本文提出了一种分布式的非测距算法(DRFL),该算法不需要测量节点间的距离,只需锚节点广播它们的信标信息,盲节点接收并存储监听到的信标信息,并根据这些信息估计自身节点位置.与现有的非测距算法相比,DRFL算法的通信开销比较小,且其定位的性能与网络连接度(network connectivity)无关.在ANR=8,DOI=0,16个锚节点统一布置在仿真区域的情况下,DRFL算法的定位误差小于盲节点通信半径的8%,且消除了APIT算法中的"Undetermined Nodes"问题.

基于质点弹簧模型的无线传感器网络非测距定位算法

在无线传感器网络定位中,非测距定位因功耗低、成本低而备受关注,但其较低的定位精度限制了其应用范围。提出了一种精度较高的基于质点弹簧模型的非测距定位算法L-MSM(Localization based on Mass Spring Model)。该算法首先使用复杂度低、通信开销小的质心算法进行粗定位,然后利用改进的质点弹簧模型进行优化,使质心算法定位后成簇聚集的节点分散开来并趋近实际位置,从而实现精确定位。仿真结果表明,在通信半径较小时,L-MSM算法的定位精度相对于质心算法有显著的提高。

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi-UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS(Enhanced Weighted Least Square).首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重.仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度.

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。

基于典型相关回归的多跳非测距定位方法

多跳非测距定位方法是一种有效的、简单的节点定位方法,然而其一般仅适用于各向同性,节点密集网络。针对在各向异性网络中,多跳非测距定位方法定位性能低的问题,提出了基于典型相关回归非测距定位方法。该方法通过典型相关回归获得节点间跳数与欧氏距离精确的映射模型,并利用该映射获得未知节点到已知节点估计距离。仿真实验表明,该方法与现有算法相比具有更高的定位精度和定位稳定性。

基于物联网系统的非测距定位算法

随着物联网技术应用范围的不断扩大,人们逐渐认识到针对平面环境进行的定位算法,在复杂度、实时性、定位准确性等方面存在较大的缺陷,难以满足实际需要.在此背景下,本文针对基于物联网系统的非测距定位算法展开研究,为提升物联网定位的准确性与实用性提供借鉴.

一种改进的无线传感器网络非测距定位算法

节点定位是实现传感器网络应用的前提,控制节点定位误差成为保证网络正常运行的关键。采用基于测距的定位算法,可以达到良好的精度,但需要测量装置,不适合能量受限的无线传感器网络。本文分析了常用的非测距定位算法,并在此基础上提出了一种改进的基于序列的非测距定位算法,以提高无线传感器网络定位算法的性能。

无线传感器网络中一种基于连通性的非测距定位算法

针对传统非基于测距的定位算法仅用二进制数评估连接与否而没有基于单纯的连通性导致定位误差增加的问题,基于1跳内相邻节点间距离的远近关系,提出了一种调整特征距离(CSD)算法。作为一个透明的支撑层,只需较少额外成本。仿真实验表明:嵌入CSD后的定位算法可以有效提高定位精度。

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。

无线传感器网络非测距定位算法比较

基于非测距技术的定位方法没必要知道节点间距离,因此对硬件的要求较低,在无线传感网络中被广泛的应用。通过对各种非测距定位算法的原理分析,从节点的分布密度、测量误差、硬件消耗、分布形式、扩展性等方面对无线传感器网络非测距定位算法进行比较,分析出各算法的优缺点及可应用的范围,对无线传感网络定位算法的研究和选择有重要意义。

无线传感网的分布式非测距三维定位算法

为解决三维空间无线传感器网络节点定位问题,基于区域立体网格化表示的思想,提出一种分布式非测距三维定位算法3D-DRL(three-Dimensional Distributed Range-free Localization).通过对立体网格投票,选取得票值最高的所有网格的质心作为未知节点的估计位置.3D-DRL无需未知节点间相互通信,具有较小的通信开销,不依赖于锚节点比例,且对网络拓扑结构具有鲁棒性.仿真结果表明,在无线传播环境理想、未知节点通信半径R=50 m、所有节点均随机部署在100 m×100 m×100 m三维区域的情况下,定位误差小于未知节点通信半径的8%,且通过调整VANR,能够实现所有节点的定位.

车联网定位与位置感知技术研究

车联网(Internet of Vehicles,Io V)被认为是物联网中最有可能率先突破应用的一个重要分支,成为目前研究的重点和热点.其中,车辆节点的定位和位置感知技术是车联网的技术核心,不仅关系到车辆行驶过程中的安全,而且影响着车联网的发展前景.首先,提出了车联网定位和位置感知的评价标准,介绍了无线定位测距技术的实现原理和方法.在此基础上,重点阐述了车联网的定位和位置感知技术,讨论了相关算法以及在车联网中的应用特点.最后,在综合分析了现有研究成果的同时,对未来的研究方向进行了展望.

WSN中的质心定位算法研究

节点定位是无线传感器网络(WSN)中的关键技术之一。通过对质心定位算法的分析,提出了一种改进的质心算法(CSA)——以距离未知节点最近的锚节点为基准找出差异性最大的估计点,采用三角质心和多边质心计算估计点坐标提高定位精度。通过MATLAB仿真表明算法是有效可行的。

WSN基于节点位置相对关系定位的数学属性研究

为解决无线传感器网络基于位置相对关系进行定位算法中,定位精度过度依赖信标节点密度问题,通过3种非测距定位算法、质心算法、APIT(Approximate Point in Triangulation)算法及AIGS(Annulus Intersection and Grid Scan)算法的原理研究,给出了信标节点密度与定位精度和能耗之间的数学关系,并提出基于迭代的改进算法。3种算法定位精度正比于信标节点密度,算法能耗正比于信标节点密度,在同一个监测区域,信标节点比例相同情况下,AIGS算法定位精度最高,质心算法定位精度最低。当信标节点稀疏时,将部分未知节点通过质心算法转化为信标节点迭代算法,在较低信标节点比例条件下提升3种算法定位精度。

基于正方形区域的WSAN节点定位算法的研究

在WSAN中,执行器节点可根据传感器节点感知的数据做出决策并执行相关操作,因此其对感知到事件的传感器节点的准确定位对于实施精确的控制策略至关重要。区别于现有WSN中的非测距定位方式,利用移动的执行器节点代替WSN中的锚节点,提出了一种基于正方形区域的WSAN节点定位算法。首先通过执行器节点的移动确定待定位传感器节点所在区域,然后通过迭代不断缩小该区域,当满足定位精度要求时计算区域的质心作为待定位节点的坐标。仿真实验证明,算法能够在存在RSSI误差和GPS误差干扰的情况下取得较好的定位精度,且使用少量的执行器节点完成定位不仅能节省网络部署成本,还可以克服传统WSN中非测距定位算法严重依赖锚节点密度的不足。

无线传感器网络混合定位技术研究

在大规模复杂无线传感器网络中往往采用多种节点定位技术,在此结合现有无线传感器定位技术的现状,提出了一种混合定位技术以实现不同定位方法之间的互补。一方面利用RSSI定位弥补TDOA定位覆盖范围小的缺点;另一方面将测距信息引入到非测距定位DV-Hop算法中,用RSSI测距模型来提高DV-Hop算法中定位节点与信标节点间有效距离的精度。实验结果表明,该混合定位技术实现了TDOA,RSSI以及DV-HOP等定位技术的融合,有效地提高了复杂大规模无线传感器网络的节点定位精度。

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法。DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描。介绍了2种算法的原理,并进行仿真分析。仿真结果表明:在100 m×100 m×100 m的三维空间内,通信半径为30 m,锚节点比例大于25%时2,种算法的相对定位误差都降低到30%以下。

一种面向不规则的无线电传播模型下的节点定位算法

传统定位算法假定节点的RPP是圆形的,但由于信号衰减、阴影以及干扰等原因,节点不具有圆形传播特性。为此,提出面向非圆形RPP的基于人工神经网络ANNs的加权质心定位算法ANNs-WCL。ANNs-WCL定位算法通过新的测距算法估计未知节点与锚节点间的距离,再利用ANNs修正非圆形RPP所产生的测距误差,并由加权质心定位算法估计未知节点位置。仿真结果表明,与传统的非测距定位算法相比,ANNs-WCL算法的根均方定位误差得到有效的下降。

基于无源RFID的卸货列车行程定位方法研究

目前,自动卸货车已成为一种趋势,用无源RFID系统对列车进行行程定位的方法较为新颖。通过无源RFID系统设计测距定位算法和非测距定位算法,并对基于RSSI值测距进行了仿真分析并得出了测距定位的主要影响因子对测距的影响效果;通过搭建实验平台,对利用RSSI信号变化规律的非测距定位技术进行了模拟实验,试验表明,该系统的定位精度在±10cm,若列车在低速行驶状态下,该实验的精度可实现卸货列车车辆行程定位且满足卸货需要,有很大的应用价值。

认知无线电网络中基于接收信号强度的定位算法

为了解决无线定位精度与复杂测距之间的矛盾,提出一种基于接收信号强度比较的非测距定位算法,接收信号强度比较(Received signal strength compare,RSSC)定位算法。为了满足认知无线电网络中主用户的非合作特性,RSSC算法不需要主用户与认知用户合作。通过比较认知用户所测量到的接收信号强度,逐步确定主用户所在的区域,取区域的质心作为主用户的位置估计。根据认知用户密度、用户密度和信噪比3种参数,对RSSC算法的性能进行了分析。实验结果表明,RSSC算法与其他非测距定位算法相比,能够明显提高定位精度。