一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94 m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。     

基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

基于混合粒子群优化算法的DV-Hop定位算法

针对无线传感器网络节点定位技术中DV-Hop算法的不足,利用混合粒子群优化算法对DV-Hop算法的位置估计进行校正,提出了一种CCPDV-Hop算法,该方法在不需要任何额外硬件设备和通信开销基础上,将未知节点定位问题抽象为高维最优化问题,并利用混合粒子群优化算法进行求解。仿真实验结果表明,改进的DV-Hop算法与传统方法相比,定位误差显著下降,定位精度和鲁棒性都有明显提高。     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度。     

自适应在线模型校准的RSS实时定位算法*

针对传统的RSS定位方法对环境因素要求过高,在设计校准和运行操作阶段工作量大效率不高的问题,提出一种基于锚节点RSS在线建模校准的无线传感器网络定位算法。首先,利用标准偏差阈值方法对信号强度不确定度较大的锚节点进行过滤,并对锚节点和未知节点间的距离与接收信号强度的关系进行在线建模。其次,采用周期校准方式对在线模型进行实时修正,然后利用加权平均的方式对未知节点进行定位,建立对环境因素的自适应机制实现节点的实时准确定位。最后,通过仿真显示该方法能够有效对无线传感器网络未知节点进行定位且精度满足要求,算法简单易于实现具有实际应用价值。     

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

无线传感网中基于质心的高效坐标压缩算法

鉴于无线传感网中有限的通信带宽和计算资源, 传感器节点传送压缩后的数据对于系统节能具有十分重要的意义. 本文提出一种利用反正切函数构建的非线性坐标压缩策略来降低系统的数据传输量. 得益于反正切函数的非线性特点, 在质心附近压缩率低, 离质心越远, 压缩率越高. 仿真结果显示, 所提算法特别适应于在质心附近具有高频分量的信号类型. 所提算法具有以下几个特点: 1)采样间隔是非均匀的; 2)可以在采样前实现压缩, 类似于压缩感知; 3)计算复杂度低, 算法简单易实现, 在实际应用中更具有优势. 关键词： 无线传感器网络 坐标压缩 非线性 质心     

基于改进的质心定位的LSSVR算法的设计

针对无线传感中基于质心算法的节点定位存在误差比较大,算法效率低的缺点,提出了一种基于加权的LSSVR的节点定位算法;首先,对未知节点构建节点序列相关度,采用Kendall的Tau指标来估计未知节点的位置,提高了未知节点的定位精度,其次引入了LSSVR概念,构建改进质心算法的LSSVR定位模型,降低了噪声影响,大幅度提高定位精度;仿真实验表明该算法与基本的LSSVR算法在定位精度上有了明显的提高,在锚节点,未知节点所占比例不断增大的情况下该算法定位精度具有很大的提高,降低了算法的计算复杂度,具有较高的应用价值。     

基于联合分步APIT定位算法的改进

本文研究了无线传感网络( Wireless Sensor Network,WSNs)的节点定位问题,并针对APIT由于锚节点在低密度环境下的节点误判和节点失效等问题给出了改进,在APICT定位算法的基础提出了联合分步定位算法UNION-APICT(Union Approximate Point-In-Circumcircle Test),该算法是结合连通性的测距技术,RSSI测距技术以及质心定位和APICT等技术,来联合解决对未知节点定位问题。通过仿真实验结果表明,改进后的UNION-APICT在APICT算法的基础之上平均定位误差减少了10%-25%,定位性能有了明显的提升;随着通信半径R和最大探测距离rmax的增加,定位误差也在逐渐减小,该算法较APIT和APICT定位算法在锚节点密度、节点覆盖率和定位精度上都有所提高。     

A modified tetrahedron shape measure and its application for 3D trilateration localization in mobile cluster networks

In the error analysis of 3D trilateration localization, we constructed a new tetrahedron shape measurement method based on the condition number of the tetrahedron. This method uses algebraic operations, which is simpler than the previous methods based on complex geometric operations, and is also suitable for the shape measurement of triangle. For the trilateration localization problem in 3D space, based on tetrahedron shape measurement (TSM), we designed an algorithm of selecting anchor nodes on the hollow sphere centered at the unknown node. Extensive simulation experiments show that the tetrahedron shape measurement method proposed in this paper is effective. The anchor node selection algorithm based on tetrahedron shape measurement (TSM) can effectively suppress the iterative error problem in trilateration localization. Furthermore, the calculation of the tetrahedron condition number can be used for the deployment of anchor nodes in trilateration localization.     

Exploiting perturbed and coalescent anchor node geometry with semidefinite relaxation for sensor network localization

Localization in wireless sensor networks (WSNs) suffer from performance issues whenever the anchor nodes (which are aware of their location) are subjected to motion from their usual position. Moreover, accurate localization demands more anchor nodes which is a scarce resource and needs to be used judiciously. In the current work, we propose a novel framework that addresses these two prime concerns by harnessing the inter relationship of anchor node geometry. For an unknown source node surrounded by anchor nodes, the anchors lying on the inner boundary of the deployment geometry may be carrying closely related information about source node, leading to redundancy and inefficient utilization. By anticipating the level of correlation between these anchors, localization can be made more frugal. Rigorous mathematical analysis is carried out to derive lower bounds on estimated locations. Based on fisher information from two proposed models, a convex estimation objective function is formulated using semidefinite programming (SDP) approach to validate the theoretical proceedings. Based on the findings, the proposed method is able to successfully extract useful information about the unknown source node location with limited number of anchor nodes, hence achieving superior localization.     

无线传感网络节点隶属度模糊定位算法研究

无线传感网络RSSI算法定位精度很高,但易受环境干扰。本文针对其不足,提出基于节点隶属度模糊算法,并应用于RSSI定位模型之中。新算法首先利用岭形分布对RSSI初始信号模糊化取得隶属函数,再根据隶属度近似程度反馈求精,通过隶属程度以逐渐逼近方式计算节点坐标区域。仿真实验结果证明,与RSSI和DV-Hop算法相比,新算法可以减少环境干扰和信号波动带来的影响,具有更高的定位精度和稳定性。     

An artificial hummingbird algorithm based localization with reduced number of reference nodes for wireless sensor networks

Wireless Sensor Networks (WSN) are widely used in recent years due to the advancements in wireless and sensor technologies. Many of these applications require to know the location information of nodes. This information is useful to understand the collected data and to act on them. Existing localization algorithms make use of a few reference nodes for estimating the locations of sensor nodes. But, the positioning and utilization of reference nodes increase the cost and complexity of the network. To reduce the dependency on reference nodes, in this paper, we have developed a novel optimization based localization method using only two reference nodes for the localization of the entire network. This is achieved by reference nodes identifying a few more nodes as reference nodes by the analysis of the connectivity information. The sensor nodes then use the reference nodes to identify their locations in a distributive manner using Artificial Hummingbird Algorithm (AHA). We have observed that the localization performance of the reported algorithm at a lower reference node ratio is comparable with other algorithms at higher reference node ratios.     

基于四节点RSSI的三维空间定位算法

针对提高室内三维空间的定位精度和速度的问题,从减少节点数量、建立特定坐标系的角度提出了一种基于四节点和特定坐标系的三维空间定位算法。该算法引入位置相对固定的四个节点,提高解算速度;充分考虑有效反射区对衰减指数影响,根据伯鲁斯特角将天线辐射场区分为叠加加强区和叠加减弱区,建立三维坐标系进行定位,结合信号强度指示(Received Signal Strength Indicator, RSSI)衰减模型,在叠加减弱区定位,把三维空间问题转化到二维空间,降低定位算法的复杂度。文中分别阐述方法的原理与验证,结果表明,四节点定位算法的解算速度比降低复杂度(Complexity-Reduced Trilateration Approach , COLA)定位算法有较大提高,该算法平均定位误差小于2米。     

基于ZigBee的温室环境无线测控系统

为了实现温室大棚环境的无线、远程实时监控,提出了一种以CC2430芯片为核心的ZigBee温室环境无线测控系统。描述了终端节点、路由节点和协调器节点的硬件组成和软件流程,并应用改进的Cluster-Tree路由算法组成ZigBee无线传感网络,实现数据的无线传输。利用串口通信技术实现无线传感网络与Yeelink物联网平台的通信,管理者可远程登陆Yeelink平台和手机APP查看温室环境信息以及控制节点状态。经实验测试,大棚内无线节点间的通信距离约80米,并且实现了光强、空气温湿度及土壤湿度的监控。测试表明系统构建简单,稳定可靠,为智能农业的设计提供了参考。     

用于水声传感器网络自组织的询问式泛洪广播算法

水声传感器网络(Underwater acoustic sensor networks,UASN)通常由随机散布的传感器节点组成。需要通过自组织算法将这些节点组成具有一定功能的网络。目前,已有较多成熟的用于陆地无线传感器网络(Wireless sensor networks,WSN)的自组织算法。但水声通信中存在的严重的传播损失、较高的背景噪声、有限的通信带宽、较长的传播时延、复杂的多途信道等,使得大多数适用于WSN的自组织算法难以适用于UASN。本文提出了一种改进的自组织算法,在简单泛洪广播算法中附加一段询问过程。通过OPNET仿真证明了在相同的条件下,相比于简单泛洪与概率泛洪广播算法,本算法可以在较短的时间内建立起有效路由,降低了水声网络在自组织阶段的能量消耗。