基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

融合实体描述与路径信息的知识图谱表示学习模型

知识图谱表示学习方法是将知识图谱中的实体和关系通过特定规则表示成一个多维向量的过程。现有表示学习方法多用于解决单跳知识图谱问答任务,其多跳推理能力无法满足实际需求,为提升多跳推理能力,提出一种融合实体描述与路径信息的知识图谱表示学习模型。首先通过预训练语言模型RoBERTa得到融合实体描述的实体、关系表示学习向量;其次利用OPTransE将知识图谱转化成融入有序关系路径信息的向量。最后构建总能量函数,将针对实体描述和路径信息的向量进行融合。通过实验分析与对比该模型在链路预测任务上与主流知识图谱表示学习模型的性能,验证了该模型的可行性与有效性。

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对DV-Hop(Distance Vector-Hop)定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于DV-Hop定位算法,减小了节点定位误差、提高了算法定位精度。

基于跳距与改进粒子群算法的DV-Hop定位算法

针对DV-Hop定位算法定位精度不高的问题,提出一种带改进的权重平均每跳距离与改进的粒子群算法以改进经典DV-Hop算法。一方面,提出跳距误差与估计距离误差的加权平均值,修正原始的平均每跳距离。另一方面,采用分段的指数、对数递减权重改进粒子群的权重;同时,结合人工鱼群位置更新的优点来改进粒子群算法的位置更新。用改进的粒子群算法求解未知节点坐标,以提高定位精度。实验仿真表明,该算法的定位精度和稳定性与其他算法相比有明显的改善。

一种基于FCM的DV-HOP定位算法

对锚节点稀少且未知节点分布不均匀的定位环境下距离矢量跳数(Distance Vector Hop,DV-HOP)定位算法定位误差大的问题进行研究,提出一种基于模糊C-均值(Fuzzy C-means,FCM)的DV-HOP定位算法。在DV-HOP定位算法中引入FCM算法将锚节点进行分簇并提出分簇策略,未知节点则按照设定的算法流程选择入簇,在通过簇内定位后进行簇间坐标的融合从而实现全局定位。为了验证基于FCM的DV-HOP定位算法的有效性,将所提算法与DV-HOP定位算法、基于粒子群的DV-HOP(DV-HOP for Particle Swarm Optimization,PSODV-HOP)定位算法以及基于几何改进的DV-HOP(Improved DV-HOP,IDV-HOP)定位算法等3种算法对比。仿真结果表明,基于FCM的DV-HOP定位算法与其他3种定位算法相比,其平均定位误差分别降低了52%、45%与31%,能更好地适应不均匀的节点分布环境。

针对高功率脉冲干扰的改进功率倒置算法

针对复杂电磁环境下宽带高速跳频系统易受高功率脉冲干扰影响导致通信质量差的问题,提出一种改进功率倒置算法。分析了传播信号与脉冲干扰的特性,采用脉冲检测与加权矢量求解并行的方法,以求得最优加权矢量,并仿真验证了算法的可行性。仿真结果表明,与传统功率倒置算法相比,改进功率倒置算法对大功率脉冲干扰的抑制效果更好,信干比为-30 dB时,获得的抗干扰增益高出约5 dB;信干比小于-20 dB时,改进功率倒置算法可降低宽带高速跳频系统的误码率;信干比大于-16 dB时,改进功率倒置算法抗干扰效果不佳,仅适用于高功率脉冲干扰下的场景。

演化蛙跳算法的药物-靶标相互作用预测

为建立一个高效的药物-靶标相互作用(DTI)预测分类模型,针对预测DTI的常用模型传统支持向量机在参数选择中存在的问题,采用演化蛙跳算法(EFLA)优化支持向量机参数。该算法在第一阶段用量子进化算子来实现局部搜索,第二阶段利用自适应特征向量进化算子实现全局搜索。实验结果表明:演化蛙跳算法在进行预测药物-靶标相互作用实验中有较高的准确率。

基于改进粒子群算法的无线传感器网络节点定位

针对传统距离矢量-跳数(DV-Hop)算法中最小二乘法的估计误差过大、粒子群(PSO)算法易陷入局部最优的问题,提出了一种改进粒子群算法与DV-Hop的融合算法。首先从粒子速度、惯性权重、学习策略、变异方面对粒子群算法进行改进,增强算法跳出局部最优的能力,提高迭代后期算法的搜索速度;然后在DV-Hop算法第三阶段采用改进粒子群算法优化节点的定位结果。仿真结果表明:相比传统DV-Hop算法、基于混沌粒子群算法的DV-Hop改进算法(MPSO1-DV-Hop)和基于改进型粒子群优化的DV-Hop算法(MPSO2-DV-Hop),该算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。

基于无线传感器网络的DV-Hop定位算法的改进

在无线传感器网络的定位算法中,距离向量跳段(DV-Hop)是典型的无需测距算法之一,但其定位精度不高。为提高算法的定位精度,通过对DV-Hop算法的理论分析,找出该算法产生误差的主要原因。针对该算法存在的缺陷,新算法巧妙利用无线信号在同种介质中传播速度的不变性,用计数器来测量锚节点间的传送时间以及锚节点与未知节点间的传送时间,并利用该时间比例来修正未知节点的估计距离。通过仿真实验表明:新算法减少了定位误差,提高了定位精度。

基于改进的平均跳距和估计距离的DV-Hop定位算法

为了提高DV-Hop定位算法在不规则网络中的精确度,针对该算法的不足之处,提出了一种基于平均跳距和估计距离的改进的DV-Hop算法。该算法考虑了未知节点到参考节点的路径与参考节点间的路径可能存在重合或部分重合这一特性,对平均跳距进行修改,并利用误差对距离进行修正。仿真实验结果表明,在不规则网络环境下,改进算法的定位精度得到明显提高。

无线传感器网络中DV-Hop定位算法的改进

针对传统的DV-Hop定位算法在定位过程中,存在锚节点与未知节点之间的平均跳距估计的不足以及定位过程中出现的未知节点坐标超出既定区域的情况,提出一种改进的DV-Hop(Distance Vector-Hop)定位算法。在改进算法中,对平均跳距进行补偿,并对超出定位区域的未知节点的坐标进行重新修正。仿真结果表明,改进后的DV-Hop算法能够更准确地对平均跳距进行估计,有效降低了未知节点的定位误差。

无线传感器网络中基于APIT与DV-HOP的混合定位算法

无线传感器网络定位技术作为物联网的主要研究内容有着不可或缺的地位。为了达到高定位精确度、高节点覆盖率,本文在对各种基本经典算法深度分析的基础上,提出近似三角形内点(APIT)定位算法和距离向量跳段(DV-HOP)定位算法相结合的混合定位算法。采用角度判断未知节点的准确位置,对三角形内部和外部节点分别进行定位,内部采用APIT算法,定位精确度提高了65%,外部采用最小跳数对DV-HOP加权进行定位,定位精确度提高了24%。相比于原始算法,本文提出的混合算法可以对所有未知节点进行定位,减少了定位误差。通过MATLAB仿真,证明了其有效性。

无线传感器网络选择性DV-Hop定位算法

针对传统的矢量跳距(DV-Hop)定位算法平均定位误差大的问题,提出了一种具有选择性的改进DV-Hop定位算法。该算法首先剔除长距离信标节点信息,更新最小跳数与平均每跳距离,再次根据信标节点的实际距离和估计距离的误差进一步修正平均每跳距离。仿真结果表明:选择性DV-Hop定位算法能有效地减小平均定位误差,适应各种网络。

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。

基于DV-hop定位的误差加权改进算法

通过分析无线传感器网络DV-hop算法理论可知,平均每跳距离是网络定位精度的重要因素,为此提出了一种基于DV-hop定位的误差加权改进算法。改进算法采用限定网络数据包的传输距离,对接收到的有限锚节点进行误差加权处理;在定位阶段采用改进的粒子群对定位结果进行修正处理。Matlab仿真试验表明,改进算法降低了误差对定位精度的影响,提高了定位精度。仿真也证明了该方法在实际应用过程中的可行性。

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。

基于跳数阈值和节点分类的DV-Hop改进算法

为提高DV-Hop(Distance Vector-Hop)算法在随机传感器网络(WSN:Wireless Sensor Networks)中的定位性能,提出一种基于跳数阈值和节点分类的改进算法。该算法信标设定跳数阈值选择较远的信标估计平均每跳距离,未知节点根据跳数信息对信标进行分类,并计算与信标的加权修正距离。同时仿真研究了节点密度、信标比例、节点通信半径对算法性能的影响。仿真结果表明,在随机网络中改进算法能更好地估计跳距信息,并有效提高定位精度和降低最大定位误差。

一种改进的无线传感器网络DV-Hop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。由于DV-Hop定位算法中误差来源主要是未知节点与锚节点间距离的估计误差,为了减小该误差,引入理想锚节点间距,排除锚节点计算出的单跳平均距离中的误差较大的部分,修正全网平均单跳距离,再对使用最小二乘法计算得到的未知节点坐标进行修正。仿真结果表明,该算法能有效提高节点定位精度,且算法对锚节点数目和节点通信半径要求较低,能有效节约网络的能耗和成本。

监测煤矿的一种无线传感器网络节点定位算法

利用DV-Hop算法实现了煤矿安全监测无线传感器网络节点之间的自定位。针对煤矿安全监测应用领域对网络节点定位的特殊要求,提出了一种节点定位精度的改进方案。介绍了引入距离误差校正值后的DV-Hop定位算法。该算法节点间通信量少,适合不均匀分布的网络场景。仿真结果表明:改进后的算法有效地提高了无线传感器网络节点的定位精度。

多功率锚节点辅助的DV-Hop定位算法

在无线传感器网络中,DV-Hop定位算法在计算未知节点到锚节点的距离以及通信半径之内相邻节点跳距时存在较大误差,提出了一种锚节点辅助的分布式定位算法。此算法不需要任何测距技术支持。它是利用锚节点的功率控制,即以不同的发射功率发射信标信号,接收到信标信号的未知节点将这些信标信息记录。此外还考虑了用全网锚节点来修正单独锚节点的平均每跳距离,用极大似然法计算节点坐标。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,可适合实际定位情况且具有较高的定位精度。