无线传感器网络功率控制的质心定位算法

在无线传感器网络的诸多应用中,迫切需要对事件发生区域或者数据来源进行定位,特别是在无锚节点的情况下。为此该文提出一种基于功率控制的质心定位算法(CLAPC),采用离散功率控制的方式对目标区域进行虚拟网格划分,从而确定包含未知节点的最小区域,在提升系统能效的同时,提高了节点的定位精度。算法无需部署锚节点,具有较高的实用性,仿真实验也进一步验证了算法的有效性。     

无线传感网络中基于RSSI质心定位的改进算法

节点定位是无线传感网络的关键技术之一,已经在军用,民用方面得到很广泛的应用。传统的质心定位算法依赖于网络、锚节点的数量、节点分布,常常定位不到目标,致使定位误差较大。为了提高定位精度,提出利用基于RSSI的质心定位算法定位未知节点,然后将已定位节点当作锚节点对未定位节点进行定位的改进算法。对算法进行仿真测试、分析验证,结果表明:定位误差减小,定位精度明显提高。     

基于新息的改进EKF-DV-Hop定位算法研究

为提高扩展卡尔曼DV-Hop(EKF-DV-Hop)定位算法的准确性,降低其定位误差,提出了一种基于新息的改进自适应EKF-DV-Hop定位算法(Adaptive Extended Kalman Filter DV-Hop, AEKF-DV-Hop)。首先定义误差因子,通过除去对计算信标节点跳距误差大的节点进而增加跳距准确性,并应用最小二乘法估算未知节点的坐标;然后将估算的坐标和信标节点间的欧氏距离作为EKF的观测量,进一步优化未知节点坐标;最后使用自适应算法在线更新状态噪声矩阵和观测噪声矩阵。仿真对比得到,AEKF-DV-Hop对环境具有更好的适应性,定位精度有较明显的提升,增强了环境适应性。     

基于DV-Hop定位算法的改进研究

针对DV—Hop定位算法,利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度。提出了改进算法,首先对每个信标节点的平均跳距误差进行加权处理,然后用加权处理后的平均跳距误差修正全网平均每跳距离,从而更逼近实际距离,最后用总体最小二乘法计算未知节点的坐标。通过仿真实验,证明本文算法的定位精度得到了有效提高。     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。     

基于遗传算法和加权质心算法的无线传感器网络定位算法

文章通过研究质心算法的基本原理及定位算法的数学模型,对质心算法中的平均误差值进行研究,再利用遗传算法对改进的模型进行优化。通过Matlab仿真,结果显示：使用遗传算法优化无线传感器网络的定位问题,可以在较短的时间内得到精度较高的未知节点位置。     

DHT网络规模估计算法的定量分析与设计

为准确而高效地估计分布式哈希表(DHT)的网络规模,提出一种基于平均间距的估计算法。该算法利用节点之间的间距服从指数分布这一特性,通过测量平均间距长度估计网络规模。从最简单情况入手,逐渐增加估计的间距个数,定量分析了网络规模估计值的概率分布和置信区间。根据分析,如果采用多条间距估计网络规模,估计值将服从参数为(k,k)的伽马分布的尾分布。最后,仿真试验验证了算法的有效性与分析的正确性。     

基于多节点姿态信息融合的行人步长估计算法

针对单节点行人惯性定位算法中步长计算精度较低的问题,提出了一种基于多节点运动姿态信息融合的行人步长估计算法。首先,根据行走时足部节点Z轴加速度与X轴角速度的波峰、波谷值变化特征检测行人的步态;其次,通过腿部4个节点X轴角速度的波峰及波谷值变化特征,对足跟着地动作的识别进行约束;最后,结合行人双腿长度信息、步态检测结果及腿部俯仰角信息解算得到行人步长。实验数据表明,该步长估计算法能与身体多个部位的运动信息相结合,行人步长平均估计精度可达98.9%。     

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

基于密度分簇的无线传感器网络定位算法

针对MDS-MAP(P)算法存在节点间最短路径距离计算误差、合并误差及算法复杂度过高等问题,提出了一种基于密度分簇的算法MDS-MAP(DB)。该算法选择邻居节点数最多的节点作为分簇机制的开始节点,一跳邻居节点组成的簇域内利用三角不等式法则测距,两跳内节点组成的簇域内利用最短路径法测距,且每个簇域内只有簇头节点执行测距算法,降低了测距误差及算法计算复杂度,提高了算法的性能。仿真实验结果表明,该算法具有更小的定位误差。     

基于信赖域的无线传感器网络节点定位算法

在无线传感器网络中,基于测距的无线定位方法通常基于各类测距模型,以最小二乘法估计位置初值,再利用优化算法提高定位精度。由于测距过程受到各类噪声及其分布变化的影响,在低信噪比情况下传统优化算法存在精度降低、收敛性差等性能恶化的问题,通常导致估计的结果不是最优。针对这一问题,将信赖域算法用于迭代优化过程,使用锥模型函数逼近定位目标函数,将目标函数的优化过程转变为一系列最优化子问题。仿真结果表明,该方法性能稳定,收敛速度快,在低信噪比环境下比传统算法具有更好的定位性能。     

一种改进的高斯粒子滤波室内节点跟踪算法研究

粒子滤波器(PF)是非线性估计领域一个重要方向。为了避免粒子失去多样性的问题,基于启发式优化算法的思想,提出了一种新的引力高斯粒子滤波算法(GSA-GPF)并将该算法用于室内节点轨迹跟踪问题。在使用高斯粒子滤波器(GPF)估计出粒子分布及权重后,采用引力搜索算法使粒子向高似然区域移动,增加了有效粒子数,同时,GSA-GPF避免了PF中重采样过程的缺陷,减小了粒子多样性的损失。仿真结果表明:GSA-GPF有效地抑制了常规PF的发散现象,在少量粒子数的情况下,将其跟踪误差减小了约64.1%,并且与粒子群优化的GPF相比,保持了更好的滤波精度。     

未知频偏下直扩信号的扩频序列估计

针对未知频偏下的直扩信号,通过将载频吸收至扩频波形中,提出了一种有效的基于协方差矩阵子空间分解的扩频序列估计算法。通过信号子空间分解,提高了含有未知频偏信息的扩频波形估计的信噪比,从而降低了载频估计难度。在随机信号模型条件下,还推导了扩频波形估计器的克拉美劳界。在低信噪比条件下,仿真验证了该算法的有效性。     

利用矩阵性质消除短码直扩信号伪码盲估计中的酉模糊

在短码直扩信号伪码(pseudo-noise,PN)序列的盲估计中,特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法常被用来估计PN序列。然而,当非同步时延未知时,最大特征值和次大特征值可能相近,此时估计出的最大特征向量实际上是最大特征值和次大特征值对应特征向量的任一非零线性组合,即估计出的最大特征向量存在酉模糊,这会导致从最大特征向量中估计PN序列的算法性能可能很差。针对此问题提出了一种利用协方差矩阵性质估计PN序列的算法。仿真结果表明:所提算法不仅能解决非同步时延未知时估计PN序列算法性能可能很差的问题,还能在低信噪比下获得良好的估计性能。     

应用室内结构布局提高Wi-Fi定位精度和稳定性

采用基于历史的Wi-Fi指纹定位算法,根据若干个时间上连续的Wi-Fi信号指纹进行移动设备的室内定位。提出将室内结构和布局通过无向连通图进行建模,并将其应用到基于历史的Wi-Fi指纹定位算法中。实验结果表明,该方法能够明显削弱信号不稳定造成的影响,有效地提高室内定位的精度和稳定性,同时减少错误的房间和楼层估计。针对多楼层情况,提出了一个针对多楼层的处理算法,进一步提高了楼层的正确估计率。     

基于能耗均衡的无线传感网络自适应数据存取算法

提出了一种能耗均衡的自适应数据存储算法,将数据尽量存储在适合查询的位置。首先建立基于网格的网络模型,然后分析采集节点与初始存储节点、查询节点之间的位置关系,存储模式可在集中存储和分布存储之间切换。算法引入了虚拟扩展网格和能量分级消耗的机制,可有效均衡网络能耗。实验结果表明,该算法的节点能耗、生命周期和丢包率相比于GHT算法有一定的改善。     

混合双参数指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的分布。但是利用矩估计、极大似然估计等估计模型的参数往往比较困难。本文应用EM算法详细研究了混合双指数分布在正常工作条件下,在完全数据场合的参数估计问题。模拟说明利用EM算法来估计混合双指数分布是一种非常有效的方法,随着样本的增加,估计值离真值越来越近,估计值的方差越来越小。     

混合型P2P网络中的基于Gossip的动态自适应算法

为了提高搜索的性能,出现了混合P2P网络搜索方法。在混合P2P网络中,关键的问题在于确定资源的流行程度。针对该问题,该文提出了一种基于Gossip的动态自适应算法(DAHG),通过抛硬币操作估计节点加入和离开P2P网络时所带入和带走的文档副本数;并通过Gossips传递估计值,获得资源的流行程度。仿真结果表明,该算法具有良好的适应性,能够反映P2P网络中节点和资源的动态性,从而选择出正确的资源搜索方法,减少搜索响应时间和提高资源的命中率。