无线传感器网络节点定位算法研究

研究无线传感器网络节点定位的方法。首先介绍了节点定位的基本原理,在总结节点定位原理的基础上,对节点定位方法的分类依据进行了归纳。在对无线传感器网络节点定位方法的研究中,主要对是否基于测距的节点定位方法进行具体分析,介绍了2种类型的定位方法的基本原理,并对2种类型的定位方法中的典型算法做了具体说明,最后介绍了定位算法的评价标准。     

无线传感器网络节点自身定位算法

无线传感器网络(WSN)的许多应用都是基于节点的位置信息.本文从WSN的基于测距的定位算法和无需测距的定位算法对其定位算法进行详细的说明.并分析比较各定位算法的优缺点.最后还指出了WSN的自身定位问题的研究方向.     

无线传感器网络节点自身定位算法

无线传感器网络（WSN）的许多应用都是基于节点的位置信息．本文从WSN的基于测距的定位算法和无需测距的定位算法对其定位算法进行详细的说明．并分析比较各定位算法的优缺点．最后还指出了WSN的自身定位问题的研究方向。     

无线传感器网络节点自身定位算法综述

节点位置信息是无线传感器网络应用的基础.介绍了无线传感器网络节点定位的基本原理,论述了已提出的几种典型定位算法,并对其进行了分析与比较.在综合分析当前定位算法不足的基础上,指出了无线传感器网络节点定位算法的研究方向.     

无线传感器网络的节点自定位算法

无线传感器网络（WSN）是由大量靠无线多跳方式通信的智能传感器节点构成的网络,围绕WSN出现了许多新的研究内容,节点定位是其中一个很重要的方面。本文综述了无线传感网络近年来的自定位算法,分别分析了各种算法的优缺点。最后还讨论了节点自定位算法所采取的一些安全措施。     

无线传感器网络节点A身定位算法综述

节点位置信息是无线传感器网络应用的基础。介绍了无线传感器网络节点定位的基本原理,论述了已提出的几种典型定位算法,并对其进行了分析与比较。在综合分析当前定位算法不足的基础上,指出了无线传感器网络节点定位算法的研究方向。     

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。     

无线传感器网络节点定位技术

无线传感器网络(Wireless Sensor Network,WSN)在许多领域有广泛的应用,无线传感器网络中节点位置对无线传感器网络的应用有重要的影响,没有位置属性的信息是无价值的,定位技术是无线传感器网络的重要研究方向之一。依据测距和非测距的分类方法,介绍节点定位技术的基本原理和方法及当前的发展状况,最后对节点定位技术的发展方向作展望。     

无线传感器网络节点定位技术综述

无线传感器网络在许多领域有着重要的科研和使用价值,网络中传感器节点自身定位可为无线传感器网络的很多应用提供基础信息,是重要研究方向之一.从无线传感器网络节点定位技术的研究意义与应用价值出发,介绍了节点定位技术的基本原理与方法,并讨论了定位算法的评价标准,最后对节点定位技术的发展方向进行了展望.     

无线传感器网络节点定位技术

无线传感器网络（Wireless Sensor Network,WSN）在许多领域有广泛的应用,无线传感器网络中节点位置对无线传感器网络的应用有重要的影响,没有位置属性的信息是无价值的,定位技术是无线传感器网络的重要研究方向之一.依据测距和非测距的分类方法,介绍节点定位技术的基本原理和方法及当前的发展状况,最后对节点定位技术的发展方向作展望.     

基于元胞自动机的多重零水印算法

利用混沌序列随机选择图像元胞自动机变换的低频系数产生初始构型,元胞自动机根据初始构型演化出零水印,然后用其加载有意义的二值水印,从而实现多重水印的零嵌入,从根本上保证了水印的不可见性.由于算法是基于元胞自动机域的,充分利用了元胞自动机复杂多变的特性,使水印有很好的安全性.实验结果表明提出的算法有较好的鲁棒性,也很好地解决了常见零水印方案所面临的问题.     

基于二次质心的无线传感器网络定位算法

节点的定位是无线传感器网络中的一种重要技术。提出了一种新的无线传感器网络定位算法——基于二次质心算法的定位算法,与以往的基于三边测量的加权质心方法不同,该算法改进了对未知节点位置的估算方法,一定程度上避免了因多次估算质心而产生的累积误差,提高了定位精度。仿真表明,该算法的定位精度较之前的三边测量方法提高了约19%。     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

基于距离的无线传感器网络节点定位算法研究

由于多径、干扰、遮挡等多种因素的存在,使用RSS 方法测距的精度较低,因此必须采用合理的算法来减小测距误差对定位精度的影响,通过多次实验和改变参数可以获得较好的仿真结果。     

蝙蝠算法优化RVM的校园网络安全研究

传统的应对网络威胁的手段是根据所发生的攻击针对性的提供补救措施,但是这种方式具有较强的滞后性,已难以满足现在快节奏的网络运行环境。如何提供一种对网络安全状况的量化指标,根据对网络安全的走势进行预测已经成为了如今的研究热点。文中针对网络安全的量化评估与预测问题,首先,提出了一种基于层次化评估模型的方法,实现了对网络安全态势的量化手段,将其从定性分析上升到了定量分析;其次,提出了一种基于相关向量机的网络安全态势预测模型,并通过蝙蝠算法提升了该模型的运行效率;最后,通过数据集的样本学习,验证了预测方法的有效性,该方法具有较高的精度和可靠性。     

基于指纹算法的无线室内定位技术

随着人们对基于位置的服务（LBS）需求日益增大,室内定位逐渐成为用户定位领域的研究热点,而指纹定位因具有定位精度高、普适性强和无需额外设备等优点而受到大多数研究者的青睐。首先详细综述了各种主流室内位置指纹定位技术的定位原理,然后归纳了现有的室内定位算法的原理及发展现状,最后搭建楼宇通道的测试场景,对各种典型室内定位算法进行测试验证和比较分析,为室内定位技术的研究与应用人员提供参考。     

一种基于量子细胞自动机的三维量子细胞神经网络

以量子细胞自动机为神经元,提出了一种三维的量子细胞神经网络结构;该量子细胞网络包含上下两层的量子细胞自动机阵列,并引入了A模板、B模板以及阈值的概念.以量子细胞自动机的极化率为像素值,通过选择不同的模板、阈值等参数.使得量子细胞神经网络实现了"与"、"或"、"非"操作以及边缘提取等图像处理功能,并利用MATLAB进行了仿真验证,数值仿真结果验证了其在图像处理上的有效性.与传统的细胞神经网络相比,量子细胞神经网络易于实现超大规模且具有超低功耗、超高集成度等优点.     

基于波达方位的双基地声呐定位算法

给出了基于声波到达方位(BOL)的双基地声呐定位算法，分别研究了基线长度和角度测量误差等因素对该算法定位精度的影响。通过数值仿真，给出了不同条件下误差的几何分布。仿真结果表明，双基地BOL算法的定位精度与基线长度有关，随着基线长度的增加，定位精度提高；角度测量误差对BOL算法的定位精度影响较大。     

视觉传感器网络中基于RANSAC的顽健定位算法

视觉传感器网络由于节点故障或环境变化将导致节点对目标的观测数据出现错误,而基于最小二乘的多视觉信息融合定位方法将因此造成较大的定位误差。针对此问题提出一种基于集中式RANSAC的顽健定位算法,将错误数据进行筛选剔除,从而提高定位精度,进一步针对集中式 RANSAC 将会导致单个节点的计算复杂度过高而导致网络节点能耗不平衡问题,提出基于分布式 RANSAC 的顽健定位算法,从而将大量的迭代计算平均分布在各个节点中并行处理,在保证定位过程顽健性的同时保证了网络的计算能耗平衡性。最后通过实验对no-RANSAC、cen-RANSAC 和 dis-RANSAC算法的定位性能进行了比较,验证了该算法能够依照预定的概率获得良好的定位结果,并对算法的时间复杂度进行了分析。     

An efficient resource allocation scheme in a dense RFID network based on cellular learning automata

Radio‐frequency identification (RFID) is a wireless communication technology. Radio frequencies can cause interference in a dense RFID system, thus decreasing efficiency. In recent years, many protocols have been proposed to reduce reader collisions based on multiple‐access techniques. The main weakness of Time Division Multiple Access (TDMA)‐based schemes is the random selection of resources. Additionally, they do not consider the distance between the interfering readers. Therefore, the likelihood of interference in an RFID system will be increased. To address this problem, we propose a new scheme for allocating resources to readers using a learning technique. The proposed scheme takes into account the distance between interfering readers, and these readers acquire the necessary knowledge to select new resources based on the results of the previous selection of neighboring readers using cellular learning automata. This approach leads to reduced interference in an RFID system. The proposed scheme is fully distributed and operates without hardware redundancy. In this scheme, the readers select new resources without exchanging information with each other. The simulation results show that the percentage of kicked readers decreased by more than 20%, and the proposed scheme also provides higher throughput than do state‐of‐the‐art schemes for dense reader environments and leads to further recognition of tags.