无线传感器节点均匀性估计算法及其应用

无线传感器网络中锚节点的分布情况是一个重要指标,在很大程度上影响未知节点定位的精度,但目前对均匀性的分析却很少。通过比较邻居节点的接收信号强度(RSS)确定未知节点移动后远离和靠近的锚节点个数,以此研究未知节点周围锚节点的分布情况。提出了一种对锚节点均匀性进行定量估计的算法,给出了均匀性评价指标——归一化均匀性偏差的概念及公式。将该算法应用到节点定位过程中,提出混合定位算法。仿真结果表明,基于均匀性估计的混合定位算法能提高原有算法的定位精度。

基于物联网的变电站安全作业系统

为加强对变电站巡检工作的规范性和安全性的监督,设计了基于物联网技术的变电站安全作业系统,主要给出了现场采集系统中的设备选择方案、安装注意事项、所用的定位算法及具体实施方案.系统定位工作人员的当前所处区域,对其所处位置、巡视路线进行跟踪,对误入工区、漏巡等行为进行监测和管理.

RSSI和距离区间映射的测距方法

无线传感器网络中传统的测距方法是建立接收信号能量(RSSI)和距离之间一对一的映射,没有很好地考虑RSSI随机变化较大的问题,测距误差较大。该文提出了建立RSSI和距离区间之间一对多的映射关系的测距方法。在离线阶段,建立RSSI和距离区间之间的映射关系数据库;在线测量阶段,用测得的若干个RSSI值查询数据库,将得到的若干个距离区间进行加权求和得到一个新的距离区间,再取该区间的质心进行测距。仿真结果表明,该方法具有较高的测距精度。

基于距离区间概率加权的RSSI测距方法

接收信号强度(RSSI)易受环境干扰而出现多值,使得"RSSI-距离"的一一映射关系被破坏,导致单纯采用RSSI值和距离映射进行测距时存在较大误差。针对该问题,提出基于距离区间概率加权的测距方法,建立RSSI和距离区间之间的映射关系,并求出RSSI值出现在该区间中每个距离点下的概率,再以概率为权值对区间中的所有距离进行加权求和,将得到的结果作为该RSSI值对应的距离。仿真结果表明,和曲线拟合法及区间测距法相比,该方法在测距精度上均有不同程度的提高。

基于节点密度的非均匀分簇路由协议

针对无线传感器网络(WSN)分簇路由协议中簇结构分布不合理,节点能量消耗不均衡的问题,提出了一种基于节点密度的非均匀分簇路由协议EDUCP。该协议考虑网络中节点的疏密情况,控制节点竞争区域的范围,使密度大的区域的节点成为簇头的概率增加,将剩余能量大、能耗速度慢的节点选为簇头,使簇头分布更加合理;在多跳通信链路选择时,通过对Euclid距离的判断在簇头和基站之间选择中继节点,进一步减少节点的能量消耗。实验结果表明,EDUCP在网络生存周期、能量均衡等方面具有较好的性能。

基于区域分割的二次质心定位算法

为了解决锚节点分布不均匀时质心定位算法会产生较大误差这一问题,提出一种改进的质心定位算法。用初次质心定位结果来取代未知节点通信半径内距未知节点最远的信标节点,再进行二次定位来减小由于信标节点分布不均匀而导致未知节点的估计位置偏向距离较远的信标节点的现象。仿真结果表明,相比传统的一次质心定位算法,二次质心定位算法在定位精度方面有较大的提高。

基于RSSI差值加权的质心定位算法

由于RSSI值随机变化较大,使得直接利用RSSI值作为依据来计算信标节点的权值的加权质心定位算法在定位过程中存在较大误差。针对这一问题,提出基于RSSI差值加权的定位算法,利用网络中信标节点之间的距离和相应的RSSI值作为参考,并将测得的RSSI值与信标节点之间的RSSI值作为差值,根据差值的大小判断所测距离与信标节点之间距离的接近程度,以此来减小实际环境对加权质心定位算法的影响。仿真结果表明,与基于RSSI校验的定位算法相比,该方法进一步减小了定位误差。

基于投影灰度差的遮挡人脸检测算法

针对现有的人脸检测算法,需要样本数量大、训练与学习时间长等缺点,提出了一种基于投影曲线特征的遮挡人脸检测算法。该算法利用了人脸二值化的水平投影,确定人眼区域,减小了数据量和其他面部特征的影响;得到眼部区域二值化的垂直投影,利用投影曲线的特征,对眼部是否有遮挡进行判断。该算法思想简单,无需训练与学习,提出新的判断指标-归一化灰度差有明确的物理意义,有效地提取了眼部区域的特征。仿真结果证明了该算法的有效性,且与同类算法相比,缩短了检测时间,提高了检测率。