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APIT改进定位算法研究

APIT改进定位算法结合网格扫描方法,未知节点一旦被定位就充当起信标节点的功能,向周围邻居发送自己的估计坐标信息,把已经定位的未知节点与信标节点同等对待。通过MATLAB进行仿真,实验证明,该算法不仅减小了定位误差,并且提高了定位覆盖率,表明APIT改进定位算法有一定优势。     

混沌粒子群算法在WSN覆盖优化中的应用

研究WSN覆盖优化方面的问题,提高无线传感网络通讯效率。针对无线传感网络节点分布不均匀或者节点失效时,WSN覆盖区域会出现重叠或者指定区域没有被覆盖,造成无线传感网络通讯效率下降的问题,提出了利用一种混沌粒子群算法,根据无线传感网络相关参数和条件建立数学模型,利用优化处理方式对其进行优化,提高了通讯效率。实验证明,利用混沌粒子群算法进行WSN覆盖优化,可以提高无线传感网络优化效率,取得了令人满意的效果。     

一种利用RLS方法改进的TOA定位算法

Chan算法是一种性能优良的定位算法,但是在定位过程中要进行多次矩阵相乘和求逆运算,占用大量处理时间,因此要提高运行效率就必须降低计算量。文章利用递推最小二乘法（RLS）对Chan算法加以改进,提出了一种改进的利用到达时间（TOA）的定位算法,．避免了高阶矩阵的相乘和求逆运算,在保证与Chan算法相同精度的前提下有效地减少了运算量。     

基于WSN定位的Euclidean算法改进研究

节点定位技术是WSN网络应用的基础,在基于RSSI的定位过程中,节点与信号源之间的位置关系对测距误差有较大影响.通过对无线传播路径损耗模型的分析,给出了信标节点的优选原则,同时将Euclidean算法根据未知节点的类型进行了优化.实验证明,改进方案与传统的定位算法相比明显降低了WSN网络中的定位误差.     

一种用于WSN的新型APIT定位算法的研究

本文主要深入研究了基于区域的APIT定位算法。文中分析了算法的定位原理和性能,并在MATLAB仿真平台上对其功能进行实现。在此基础上对其产生的误差进行了深入的分析,并针对定位错误的原因进行了改进,提出了一种改进的APIT算法。仿真结果表明,改进算法在定位精度和定位覆盖率上都有一定的提高。     

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。     

无线传感器网络的节点定位

该论文首先对无线传感器网络特点进行了简要的描述,其中对其网络结构进行了简单分析。该论文重点是对无线传感器网络节点定位进行了分析研究,综合叙述了几种有代表性的WSN定位技术。     

一种基于UWB的WSN节点定位技术

将UWB精确定位功能和TOA/AOA混和定位技术相结合,应用于无线传感器网络簇内节点定位中,为无线传感器网络分簇路由协议提供可靠的位置服务。仿真结果表明,其UWB定位精确度较高,适合簇内节点的相对定位。     

无线传感器网络节点三维定位技术

针对无线传感网络中的节点定位精度低的问题,提出了改进蝗虫算法在三维空间节点定位技术。首先,采用了极大似然估计法构建节点定位模型。其次,对蝗虫算法从以下3个方面改进：(1)在种群中采用伪反向学习初始化,增加了种群多样性;(2)在递减系数中使用自适应因子避免算法陷入局部最优;(3)在迭代中使用正交交叉算子进行个体筛选。最后,将改进后的蝗虫算法用于节点定位。在仿真实验中,将本文算法与蚁群算法,粒子群算法和蝗虫算法进行对比,结果说明本文算法在噪声、锚节点密、未知节点数量和能量消耗具有较好的定位效果。     

基于网络特征的WSN入侵检测技术探讨

本文介绍了无线传感器网络（WSN）入侵检测的基本原理,分析归纳了WSN运行的网络关键特征,并设计了一个检测速度快、耗能小的通用入侵检测模型。     

基于不变波束形成的WSN路由存活概率云计算

无线传感器网络WSN的路由存活概率云计算模型的优化设计可以提高WSN网络的网络复杂和数据吞吐量,在WSN网络的路由发射功率能耗具有匹配衰减特性,路由存活概率优化困难。传统方法采用灰色马尔可夫链组合模型进行存活概率预测,云计算精度不高。提出一种基于不变波束形成的WSN路由存活概率云计算优化模型,进行WSN网络云计算路由链路模型的结构设计,在WSN网络中进行任务节点信息表征,采用能量剩余度向量概率密度优化分配算法进行能量分配,把WSN的能量节点信号从阵元域变换到波束域得到阵列域,采用空间协方差矩阵逆的高阶次幂来逼近WSN的数据传输信号模型,将旋转角度控制在半功率主瓣以内,由此得到了云计算模型下WSN路由节点数据传输模型。仿真实验表明,该算法能提高WSN路由的存活概率,从而提高了WSN的吞吐量和通信能力,路由概率寻优中抑制了在WSN网络的路由发射功率能耗的匹配衰减性,通过最小的能量开销实现路由分发速率和负载效益的最大化。     

基于路由热点循迹修正的WSN发射功率优化调度

无线传感器网络WSN发射功率的优化调度是决定WSN使用寿命和提高WSN性能的关键,WSN路由节点的在进行数据转发时会导致热点随机扩散,发射功率无法难以实现最大化。提出一种基于路由热点循迹修正的WSN发射功率调度算法。设计了WSN节点路由热点循迹数据传输模型,对发射功率消耗能量模型采用一个高斯衰减信道建模,采用直线反馈线性化补偿方式对路由热点的偏移轨迹进行超负荷状态评估,采用贪婪算法生成一条多分簇路由链,对路由循迹轨迹进行修正,得到WSN优化发射功率的调度递推公式,实现能耗最佳的功率优化调度。实验结果表明,采用该优化调度方法,在准确实现热点循迹修正,传输功率较传统方法稳定,波动较小,WSN可靠性和生存性增强。     

基于传感器网络目标节点自定位技术

随着传感器与电子技术的发展,无线传感器网络应运而生。网络节点定位技术是传感器网络中研究的主要技术。本文采用了一种基于三边测量技术和RSSI的定位算法相结合算法对网络的节点进行定位。实验结果表明,本文提出的方法能够有效对节点进行定位,同时减少开销,节约成本。     

基于改进模拟植物生长算法的应急物流中心选址研究

结合自然灾害的特点,建立了以总成本(包括应急服务设施点建设成本、运输成本和灾害损失成本)最小为目标的选址模型,并运用改进的模拟植物生长算法进行求解。首先运用一个启发式算法(聚类方法)求出初始方案,并以此为初始值运用模拟植物生长算法得出最终方案,这样可以极大地降低算法的迭代次数,从而快速得到最优解。最后,通过一个算例验证了本算法的正确性及有效性。     

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%。     

基于负载-功耗特征测试的WSN配网路由修复方法

为了增强无线传感网络(WSN)的自适应性,降低WSN功耗,需要进行配网路由修复。传统的路由修复算法采用能量感知模型,设置负载平衡的CTP路由协议估算剩余能量,算法没有考虑路由最大角度的负载平衡问题,路由修复性能不好。提出一种基于负载-功耗联合特征测试的WSN配网路由修复算法,设计了基于ICTP协议的WSN网络模型框架,综合考虑簇头的剩余能量及其与Sink的距离对它的生命周期的影响,进行路由选择设计,采用负载-功耗联合特征测试方法,实现WSN配网路由修复改进。实验结果表明,该算法进行WSN路由修复设计,节点剩余能量方差一直维持在最低,有效地均衡了网络负载,平衡了网络能量消耗,节点生存性较大,提高能量的有效利用率。     

簇内数据相异粒度自适应阈值寻优熵融合算法

在无线传感网络簇内节点数据自适应数据压缩和分布式数据处理过程中,由于信息熵是一种基于信息表现特征的统计形式,通过熵融合可以提高数据汇总量,由于融合的上下限阈值具有不确定性,因此需要进行自适应阈值寻优,实现冗余数据过滤。提出一种基于相异粒度自适应阈值寻优的熵融合算法,对簇内二维信息熵进行最大寻优,进行簇内数据熵融合网络模型的构建,对簇内数据相异粒度自适应阈值寻优,剔除边缘异常数据,采用遗传算法进行数据布局,充分考虑了数据本身特性和网络因素,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,调整粒子相异粒度之间的速度和位置,得到簇内数据的自适应阈值寻优熵融合结果。实验结果表明,该算法能实现融合阈值的自动寻优,滤除异常数据,搜寻有关信息熵的最大值,在冗余判定、数据传输延迟影响等问题研究中具有较大的应用价值。     

基于改进的蚁群算法求解物流订单派送问题

物流定单派送问题是现代物流配送服务的关键环节之一,需要设计一个快速有效的求解算法。为此,构建了物流定单派送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流定单派送问题的有效算法。