一种优化的无线传感网络定位误差控制方法研究

针对无线传感网络误差累计效应导致定位精度降低的问题,提出了一种考虑锚节点几何形状对定位精度影响的优化定位误差控制方法。首先基于测量距离和边缘夹角构建了锚节点与定位精度的数值关系;接着,提出了一种几何权重度量误差的参量,并构建了基于几何权重实时调整目标节点提升为锚节点的权重因子,有效降低了误差传播的累计效应,提升了整个网络目标节点的定位精度。计算机仿真结果表明,文章所述方法在不同的测量误差情况下均保持了较高的定位精度,在实验环境中平均精度有了较大提升。     

无线传感器网络质心定位算法仿真研究

质心定位算法是无线传感器网络中一种经典的无需测距的定位算法。系统分析了锚节点个数、节点通信半径以及网络中节点总数对该算法定位性能的影响,并进行了仿真。通过对仿真结果的分析,在100m×100m的无线传感器网络区域内,当锚节点个数为总节点个数的10％时,针对不同的总节点个数,存在最优的节点通信半径,可以使节点定位率达到95％以上,同时具有较小的节点定位误差。     

基于RSSI无线传感器网络改进加权质心算法

基于RSSI (received signal strength indicator)的三角加权质心算法在测距与定位中存在一定误差,针对此问题提出改进加权质心算法。该算法首先将距离比例模型引入锚节点圆中,此模型通过距离比例计算能够适用于锚节点圆不相交情况下的节点定位问题,解决了补位带来的误差累积。此外就加权质心算法中权值因子的选取提出了一种更具有普适性的距离倒数和权重比例公式。最终仿真结果验证,改进加权质心算法与三角形加权质心算法相比在定位精度方面取得了较大的提升,能够满足低成本高精度的要求。     

基于RSSI值比较改进的蒙特卡洛定位算法

节点定位是无线传感网应用中的一个基础问题。利用信号强度的比较缩小采样区域,本文提出了一种改进的定位算法。该算法以蒙特卡洛方法为基础,利用定位节点接收到的不同锚节点RSSI值的比较来缩小蒙特卡洛算法的采样空间。实验结果表明,本文提出的算法能够减小蒙特卡洛算法的采样区域和采样次数,从而提高定位效率。     

WSN中一种改进的三维DV-Hop节点定位算法

本文在研究传统的DV-Hop3D算法基础上提出了一种新无线传感器网络定位算法。新算法在算法的第一阶段设置了跳数阈值参数以减小通信开销,并且在算法的第二阶段用可选择的平均跳距代替固定的平均跳距来计算未知节点到锚节点的距离,最后用Matlab7.1进行了仿真。仿真结果表明,该改进算法可明显提高节点定位精度,并且能有效降低网络通信量。     

一种基于聚类技术的全新的无锚点定位算法

无线传感网络应用广泛,且大多数应用涉及定位方面。鉴于传感器在未预装GPS的情况下获取到节点位置信息就显得十分重要。本文在聚类基础上提出一种全新的无锚点定位算法。该技术综合考虑节点能量、连接程度和三角不等式的几何极限定理这三个要素以启发式方式来创建聚类,然后将它们融合成一个集合。该技术可在不依赖任何锚节点的情况下有效解决定位问题,克服传统无锚点算法存在的累积误差问题,提高定位精确度和节约传感器能量。仿真实验结果表明引入融合做法后,本文算法与传统的ABC算法相比可将定位精确性提高30%~70%。     

Wi-Fi网络非常态干扰下的故障节点定位算法

当前对Wi-Fi网络节点故障定位方法使用正交频分复用技术,采用直调直检的方法将Wi-Fi节点网络之间高速数据信号转换为分布式载波信号,实现节点故障节点检测,该方法很容易导致相邻节点信道间频谱主瓣重叠,在非常态干扰下定位不准。提出一种基于OFDM技术的Wi-Fi故障节点定位方法,采用同步算法来减小子载波间的正交性抑制,采用信息素更新策略实现在非常态干扰下对故障节点的定位检测。仿真实验表明,该方法能有效定位Wi-Fi故障节点,网络传输误码率降低明显,大幅提高网络传输效率,有效提高了Wi-Fi网络可靠性和应用性。     

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。     

一种改进的DV-HOP算法在WSN中的定位研究

如何能够更好的提高节点定位一直都是WSN研究的重点,本文在DV-HOP定位算法的基础上,从误差精度,锚节点稳定度和反向学习选择-最小二乘估计来对节点定位的3个方面进行改进。首先在定位误差精度中引入混沌优化算法,其次在锚节点处理中引入稳定度概念,最后在未知节点定位中引入反向学习和最小二乘估计。改进后的算法在通信半径和拓扑结构两个方面进行了仿真实验,实验表明,本文算法能够有效的减少计算带来的定位误差,提高定位精度。     

一种改进的DV-Hop无线传感器网络节点定位算法研究

针对DV-Hop算法在估算待定位节点与信标节点之间的距离存在误差过大的问题,在分析信标节点间估计距离与真实距离误差的基础上,提出了改进算法。改进算法详细分析了各个信标节点之间的人为估算距离以及实际应用中的距离,推导计算出全网平均每跳距离,然后推导分析每个信标节点的平均每跳距离误差,尽可能地使之前推导出的全网平均每跳距离与实际应用中节点每跳距离均值相接近,大大提高了节点定位精度。仿真结果表明,改进算法的定位误差减小,定位精度得到明显提高。     

基于二跳生成树的可扩展分簇定位算法

着重设计了一种基于二跳生成树的可扩展分簇定位算法.首先对传感器网络进行分簇、并利用簇头节点构造一个二跳生成树;在此基础上,由簇头计算各簇成员节点的局部坐标;最后,从生成树根节点开始,自顶向下合并各簇,生成所有节点的全局坐标,完成节点的相对定位. 理论分析与实验表明,本算法相对于现有的SDGPSN算法,能够有效提高定位覆盖率和定位精度,减少时间和通信开销,并具有更好的可扩展性.     

Fractional lion optimization for cluster head-based routing protocol in wireless sensor network

Due to the hopeful application of gathering information from unreachable position, wireless sensor network creates an immense challenge for data routing to maximize the communication with more energy efficiency. In order to design the energy efficient routing, the optimization based clustering protocols are more preferred in wireless sensor network. In this paper, we have proposed competent optimization based algorithm called Fractional lion (FLION) clustering algorithm for creating the energy efficient routing path. Here, the proposed clustering algorithm is used to increase the energy and lifetime of the network nodes by selecting the rapid cluster head. In addition, we have proposed multi-objective FLION clustering algorithm to develop the new fitness function based on the five objectives like intra-cluster distance, inter-cluster distance, cluster head energy, normal nodes energy and delay. Here, the proposed fitness function is used to find the rapid cluster centroid for an efficient routing path. Finally, the performance of the proposed clustering algorithm is compared with the existing clustering algorithms such as low energy adaptive clustering hierarchy (LEACH), particle swarm optimization (PSO), artificial bee colony (ABC) and Fractional ABC clustering algorithm. The results proved that the lifetime of the wireless sensor nodes is maximized by the proposed FLION based multi-objective clustering algorithm as compared with existing protocols.     

Multi-armed bandit based distributed resilient consensus and its applications in social networks

This paper addresses the resilient consensus problem in the presence of faulty nodes whose state updating is randomly unreliable. Unlike the existing approaches using elimination of extreme neighbor nodes with state updating or trustworthiness evaluation of neighbor nodes by historical information, this paper presents a novel multi-armed bandit based algorithm. The idea is to increase the selection probability of the so-called healthy running subsets against that of the unhealthy running subsets, according to the evaluation of the reward and credibility functions. As a result, the normal nodes in a network can achieve consensus with the influence from the faulty nodes mitigated. The algorithm can also be applied in a social network with antagonistic weights.     

一种新的基于层次凝聚的高效复合聚类算法

复合聚类算法是在改进的单连接算法和基于距离的聚合算法的基础上叠加形成。改进传统的单连接算法可以缩短数据聚合的时间,而基于距离的聚合算法则可以增大结点规模,满足数据量大、复杂度高的要求。实验结果表明,采用复合聚类算法能够有效地提高数据聚集的准确率和缩短响应时间。     

科学引文网络中形成多主题覆盖的枢纽节点群发现

[目的/意义] 多主题覆盖的枢纽节点群能够快速"导航"至领域更多主题的高被引综述文献和权威节点,从而可以使新领域工作者短时间全面了解领域已有研究、现状和未来发展趋势。[方法/过程] 本文提出一种节点群发现算法——HubsRank算法,该算法基于引文网络中节点影响力（信息、知识）的传递,通过多轮迭代,得到引文网络中多主题覆盖的枢纽节点群。[结果/结论] 最后,与HITs算法进行实证对比分析,本算法能更快、全面地提取枢纽节点群和不同主题的高被引权威节点,且该算法可以有效避免主题集聚效应。     

High-speed train localization algorithm via cooperative multi-classifier network using distributed heterogeneous signals

Long-distance high-speed train localization based on distributed optical fiber sensors (DOFS) has been a challenging issue due to the large-scale heterogeneous sensor nodes. It requires a competent localization algorithm to be capable of strong generalization and quick response. This paper proposes a cooperative multi-classifier network (CMCN) for locating HSTs based on heterogeneous DOFS signals by adaptive modeling of the local characteristics. The proposed CMCN is composed of adaptive feature extraction, lightweight base classifiers and spatial boostrap aggregating (SBA). First, the heterogeneous signals are adaptively transformed to an optimal intrinsic mode function for extracting the statistical features of base classifiers. The base classifiers are constructed based on dynamic soft-margin support vector machine to model local characteristics without computationally burdensome kernel functions by introducing a dynamic penalty factor. The factor is automatically initialized by evaluating the regional consistency before training. Furthermore, the SBA estimates the location of HSTs based on the local states of nodes. It can cooperate with base classifiers for enhanced accuracy by searching for the interval with maximum regional consistency. Finally, a trial is conducted in a high-speed railway in China in long-term running of 92 days. The results prove feasibility and accuracy of the proposed algorithm.     

多源单汇无线传感器网络的局部路由算法

无线传感器网络节点有着严格的能量限制，目前已有的许多路由协议假定了节点知道网络的全局信息或者让节点根据路由表进行路由。这些方式均会使网络产生较多的通信负荷，增大能量开销。结合多源单汇路由的特点，本文提出了几种局部路由算法。该算法中，节点仅根据目标节点与邻居节点的地理位置、剩余能量等信息，决定下一跳节点，最终建立到达目的节点的路径。本文首次引入了带约束后跳发射的思想，并将这种后跳发射与已有的算法相结合得到新的后跳路由算法。计算机仿真实验表明，在有数据融合的网络中，带约束的后跳－为难度路由算法使得网络的生存时间最长，较其余算法增加了网络11%和14%的工作周期数。最后又将局部路由算法进行合理改进，得到最小化平均为难度的算法，应用于无数据融合的网络中，效果很好。     

算法的知识产权保护路径选择

算法的知识产权保护是激励算法创新、规制算法风险的有力途径。知识产权保护的算法是以计算机语言编译,以代码化指令序列为表现形式,由计算机运行并产生独立理性价值结果的程序算法。文章梳理得出,知识产权保护程序算法的传统路径存在以下弊端：程序算法与著作权法体系冲突;商业秘密路径与程序算法治理背离;程序算法难以被认定为是方法发明,也无法适用方法发明权利规则。文章提出,智能社会程序算法知识产权保护的最优路径为：参考国际上管制性排他权的理念,构建新型程序算法准专利权,并基于算法自身技术特性搭配公开审查制、同等侵权和分级保护期制度。