无线网络中基于位置的能量高效协作路由算法

为了降低无线网络中路由的整体发射功率,该文提出了一种基于位置的能量高效协作路由(LBCR)算法。首先分析了协作链路在一定中断概率要求下的发射功率性能,理论分析表明,合适的协作节点可以降低协作链路的发射功率。在自适应转发分群路由(AFCR)算法的基础上,LBCR算法利用节点位置信息为每跳选择合适的中继节点,然后结合多跳协作策略,建立从源节点到目的节点的协作路由。仿真结果表明,与无协作的AFCR算法和基于一跳协作的MPCR算法相比,LBCR算法可以明显改善路由的整体发射功率。     

基于变分贝叶斯推断的新型全局频谱协作感知算法

为了实现多维动态频谱接入,首先给出了主用户的全局功率谱近似模型,并构建了新型全局频谱协作感知算法的总体流程,以获得主用户网络中占用频段、功率及位置等全局信息。接着利用变分贝叶斯推断技术,设计了相应的模型系数向量估计器。仿真结果表明,该方法采用的近似模型具有较好的准确性,相应的系数向量估计算法具有较高的有效性和收敛稳定性,同时指明了信噪比和泄漏总虚假功率的关系以及两者对均方误差性能的影响。此外,还证明了该方法通过利用系数向量θ的稀疏性,而在均方误差性能上具有较大优势。     

无线网络中视频流的协作传输研究分析

提出一种两跳的协作传输方案,该方案利用无线信道广播特性,并结合应用层视频包的信息,通过选择成功监听到数据包的节点来承担协作传输任务,以此来降低重传次数,降低包的接入和服务延时,提高传输效率,以解决在无线环境下流媒体传输存在丢包率高、吞吐量受误码率影响、端到端的传输延时等QoS问题.     

无线网络中基于优先级竞争的协作媒质接入控制协议研究

提出了一种适于无线网络的基于优先级竞争的协作媒质接入控制(PBC-CMAC)协议。该协议首先由源节点根据本地中继信息表选择2个最佳候选中继节点,以反映缩短传输时间程度的中继效率值区分优先级,并在CRTS分组中宣布。被选择的候选节点通过侦听源节点与目的节点交换的控制分组,可得到即时的相关速率信息,并结合自身优先级无冲突竞争成为最终的中继节点。该协议可以从所有可能的中继节点中快速、无冲突地选择出适于当前信道质量状态的最佳中继节点进行协作传输,提高了中继节点选择的成功率和协作效率,改善了网络接入性能。仿真结果表明,与IEEE 802.11 RTS/CTS和CoopMAC协议相比,PBC-CMAC协议有效提高了无线网络的多址性能。     

无线网络中TOA定位算法的误差分析

利用误差分析的方法探讨了影响无线网络定位精度的有关因素。其定位误差主要取决于网络中各信标台的几何分布,及各测量值的大小。仿真显示:不同的信标组合其定位误差不同,通过TOA定位算法的分析、仿真及总结,给出了影响定位精度因素及提高定位精度的方法,为移动台的定位方案的选取提供理论依据。     

一种基于消息传递的时域重叠复用译码算法

时域重叠复用(Overlapped Time Division Multiplexing,OvTDM)技术作为一种非正交的传输技术,人为地引入了符号间干扰来实现高传输速率,但这也使得OvTDM系统在进行最大似然序列检测时面临着极高的运算复杂度.为解决这一问题,研究了OvTDM系统的卷积编码方式,利用发送序列和接收信号之...     

认知无线电中基于位置信息的分簇协作检测算法

在授权用户(PUs)和未授权二级用户(SUs)共享频谱检测中。为解决这个问题需要应用协作检测。但是SUs的数量是很大的,这就导致一般接收它们报告的检测结果也需要占用大量的带宽。在本文中,我们提出了一种改进的按频谱划分的分簇检测算法,通过位置信息审查减少发送给簇头的平均开销。     

无线网络中协作模式选择算法

在无线网络中选择合适的协作模式,可以带来更大的增益,显著提高系统性能。文章提出了一种新的协作模式选择算法,即最大吞吐量选择算法,推导了有碰撞时候的平均吞吐量的表达式,考虑了多种影响系统吞吐量的因素,包括传输出现的误码和碰撞概率,根据最大化系统的吞吐量来选择协作的模式,其中的模式包括直传,放大转发（AF）和编码转发（DF...     

无线网络中机会协作传输及其性能研究

研究无线网络中如何利用信道的实时信息(信道幅度)进行机会协作传输及其性能.首先讨论机会协作传输策略;接着从理论上分析不同衰落下机会协作传输的可能性,并给出闭式表达式;然后,分析机会协作传输的功率分配方案以最优化系统性能;最后通过仿真验证性能.仿真结果表明:1)机会协作传输能明显提高性能,而节点间最优功率分配方案则能进一步提高协作传输性能;2)即使协作节点到目的节点的信道统计特性次于源节点到目的节点的信道统计特性,机会协作传输仍能带来明显的性能增益.     

基于因子图的分布式变分稀疏贝叶斯压缩感知简

提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现“软融合”,使每个认知用户能够获得全局最优估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性,提高认知用户在低信噪比下的感知性能。同时,算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数,降低通信负载。实验结果表明：该方法在低采样率和低信噪比下有较好的感知性能。     

Cooperative Localization in Wireless Networks

Location-aware technologies will revolutionize many aspects of commercial, public service, and military sectors, and are expected to spawn numerous unforeseen applications. A new era of highly accurate ubiquitous location-awareness is on the horizon, enabled by a paradigm of cooperation between nodes. In this paper, we give an overview of cooperative localization approaches and apply them to ultrawide bandwidth (UWB) wireless networks. UWB transmission technology is particularly attractive for short- to medium-range localization, especially in GPS-denied environments: wide transmission bandwidths enable robust communication in dense multipath scenarios, and the ability to resolve subnanosecond delays results in centimeter-level distance resolution. We will describe several cooperative localization algorithms and quantify their performance, based on realistic UWB ranging models developed through an extensive measurement campaign using FCC-compliant UWB radios. We will also present a powerful localization algorithm by mapping a graphical model for statistical inference onto the network topology, which results in a net-factor graph, and by developing a suitable net-message passing schedule. The resulting algorithm (SPAWN) is fully distributed, can cope with a wide variety of scenarios, and requires little communication overhead to achieve accurate and robust localization.      

无线传感器网络基于APIT的混合定位算法

为了克服定位算法近似三角形内点测试法(approximate point-in-triangulation teat,APIT)的误差影响,将接收信号强度指示器(received signal strength indicator,RSSI)测距与APIT相结合,提出了APIT算法的改进算法-RAPIT(RSSI and APIT)定位算法.该算法引入限定距离的概念,将引起误差的节点的位置限定在以锚节点为圆心,以限定距离为半径的圆的重叠区域内.实验证明,该算法有效减少了误差,提高了定位覆盖度.     

基于局部分布式优化的无线传感器网络定位算法

针对在不规则的无线传感器网络中锚节点分布稀疏,对某些节点定位造成较大误差的情况,在Anchor Selection算法的基础上提出一种局部分布式优化定位算法,采用先局部后整体的定位思想,通过几何关系优化对节点之间跳距的处理,并在定位过程中将合理估计出来的节点晋升为锚节点,为后续未知节点的定位带来更多的信息参考。实验结果表明,该算法在处理不规则网络时有较强的容错性,能得到较好的定位效果。     

无线传感器网络中基于接近度的无需测距定位算法

针对当前无需测距定位算法存在定位误差大的问题,本文提出了一种基于接近度的无需测距定位算法,接近度是本文定义的一个用来表示邻居节点距离远近的值.首先根据邻居节点之间的几何特征和邻居关系推导出一个线性函数,函数输出是接近度.然后用锚节点之间的距离和接近度计算一个矫正值,矫正值和邻居节点之间接近度的乘积作为邻居节点之间的估计距离.最后根据估计距离计算未知节点的估计位置.仿真结果表明,本文算法的估计距离误差和定位误差都要低于当前同类型定位算法.     

城市移动无线传感器网络协同定位算法

随着无线传感器网络研究和应用的发展,城市规模的无线传感器网络开始出现,然而,其大规模、低成本、移动性和节点稀疏性等特性都给定位带来了困难.基于城市移动无线传感器网络的一种典型应用,研究了不依赖全球定位系统的无线传感器网络的定位问题,在曼哈顿环概率移动模型的基础上设计定位算法,并从理论和仿真两方面分析了该算法的收敛性和稳定性.     

基于准格型策略的无线传感网协作覆盖算法

该文提出了一种基于准格型策略的无线传感网协作覆盖QGCC(Quasi-Grid based Cooperative Coverage)算法,通过在随机分布节点中构造准格型结构并结合协作感测模型,减少活动节点数量,延长覆盖周期。QGCC设计了低复杂度的分布式虚拟网格确定方法及能量高效的节点调度策略,定义了不规则度指标以分析网络的不规则程度对覆盖性能的影响。仿真实验表明,相比于参照算法,QGCC能够较大程度地减少活动节点的数量,大幅延长网络的覆盖周期;此外,该算法的覆盖周期和节点密度具有近似线性的关系,且比参考算法具有更大的斜率,说明其对冗余节点具有更高的利用效率。     

无线传感器网络分布式迭代定位误差控制算法

针对无线传感器网络分布式迭代定位中误差的传播和累积问题,该文首先分析了锚节点几何形状对定位误差的影响,提出了基于几何精度因子的误差控制算法,巧妙设计了加权策略,将锚节点几何形状对定位精度的影响以权值的形式定量体现在迭代定位过程中,在每一轮迭代中有效控制了误差的传递,进而提高了整个网络的分布式定位精度。与传统的最小二乘定位算法和基于轮数的误差控制算法进行了仿真比较,结果表明,基于几何精度因子的误差控制算法定位性能最优,网络定位精度分别提高了25%和15%。     

基于贪婪思想的二阶段无线传感器网络定位算法

近些年来,将优化算法应用到节点定位问题当中成为了一个研究热点.本文假设下一次定位结果为准确坐标,对前后两次定位结果邻居节点之间距离关系进行深度分析和推导,得到一个邻域函数.在此基础上根据贪婪思想,提出了贪婪定位算法.为了达到更精确的定位结果,本文将贪婪定位算法分成两个阶段:第一阶段,根据贪婪迭代优化得到一组初始定位结果;第二阶段将满足一定条件的未知节点升级为锚节点,重新执行第一阶段的过程,重复第二阶段,直到没有未知节点可以升级为锚节点为止.实验结果表明,无论是定位精确度还是算法执行时间,本文所提算法都比当前的一些优化定位算法要好.     

Localization Algorithm for Large Scale Wireless Sensor Networks Based on Fast-SVM

Sensor node localization is one of research hotspots in the applications of wireless sensor networks (WSNs) field. In recent years, many scholars proposed some localization algorithms based on machine learning, especially support vector machine (SVM). Localization algorithms based on SVM have good performance without pairwise distance measurements and special assisting devices. But if detection area is too wide and the scale of wireless sensor network is too large, the each sensor node needs to be classified many times to locate by SVMs, and the location time is too long. It is not suitable for the places of high real-time requirements. To solve this problem, a localization algorithm based on fast-SVM for large scale WSNs is proposed in this paper. The proposed fast-SVM constructs the minimum spanning by introducing the similarity measure and divided the support vectors into groups according to the maximum similarity in feature space. Each group support vectors is replaced by linear combination of “determinant factor” and “adjusting factor” which are decided by similarity. Because the support vectors are simplified by the fast-SVM, the speed of classification is evidently improved. Through the simulations, the performance of localization based on fast-SVM is evaluated. The results prove that the localization time is reduce about 48 % than existing localization algorithm based on SVM, and loss of the localization precision is very small. Moreover, fast-SVM localization algorithm also addresses the border problem and coverage hole problem effectively. Finally, the limitation of the proposed localization algorithm is discussed and future work is present.