共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
无线传感器网络的DV-HOp定位算法是通过计算未知节点和锚节点的最小跳数,估算平均每跳的距离,并使用跳段距离代替实际距离来计算未知节点坐标。当节点规模变大、连通度过高时,该算法定位精度大大降低。根据DV-Hop算法的定位过程,考虑到节点位置的相对稳定,在DV-Hop的定位中应用ATR-CKN睡眠调度算法,让部分锚节点和已经定位的盲节点进入睡眠,从而降低节点规模和冗余定位信息,保证了节点低能耗下的精确定位。仿真结果表明,采用ATR-CKN睡眠调度算法的网络节点能量消耗大大降低,DV-Hop算法的定位精度也有提高。 相似文献
3.
《河北能源职业技术学院学报》2018,(4)
为了提高无线传感器定位的精度,提出改进DV-Hop算法。首先对基本DV-Hop定位算法分析;接着改进过程对广播数据中重复的标识号删除,每个未知节点计算到自己数据表中的各个信标节点的估计距离;最后对信标节点的平均每跳距离误差进行修正,使全网平均每跳距离与真实的平均每跳距离更接近,分析参数值对改进的定位算法定位精确度的影响。实验仿真显示本文算法定位精度较高,相比其他算法提升了5. 0%-8. 6%,平均定位误差随着定位时间变化的幅度较小,性能趋于稳定。 相似文献
4.
传统DV-Hop定位算法中,在估算未知节点与锚节点的距离时,只采用距离其最近的一个锚节点的平均每跳距离,因而存在较大的定位误差.为了解决该问题,本文在传统DV-Hop算法基础上,同时考虑多个锚节点的平均每跳距离,根据每个锚节点的平均每跳距离误差以及跳数对未知节点的平均每跳距离进行加权处理,使其更接近实际值,未知节点与锚节点之间的估算距离更加准确,从而减少定位误差.仿真实验证明,在相同的网络环境下,改进算法定位精度明显高于传统DV-Hop定位算法. 相似文献
5.
为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图。系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12%。 相似文献
6.
《实验室研究与探索》2017,(4):64-68
针对机器人在室内复杂环境中编码器易出现误差累计与零位漂移,智能算法计算成本高实时性差的定位困难,提出了一种基于ZigBee技术的室内定位方法。该定位系统由4个ZigBee模块,1个协调器组成。其中3个模块作为节点呈三角形排布固定在室内,机器人搭载1个盲节点,通过协调器实现节点间通讯。使用LabVIEW虚拟仪器技术实现接收信号强度(RSSI)至节点间距离转换的处理,利用已知的固定节点坐标和盲节点到三点之间距离,计算出盲节点的相对坐标,实现机器人定位。基于ZigBee的三边定位法,计算简单,不受环境复杂度的影响,成本低。经过调试与测试,定位误差小,满足机器人室内定位的要求。 相似文献
7.
针对无线传感网络中节点定位,分析目前DV-HOP算法步骤中存在的问题,将加权质心算法和二维双曲线概念引入到算法中,将接受信号RSS作为参考标准,有效减少误差。针对距离估算问题,采用改进的二维双曲线算法,在二维双曲线基础上引入权值概念,使得估算距离更加精确。仿真实验表明,该算法校正值定位误差及最大估算误差都有所降低,一定程度上提高了定位精度。 相似文献
8.
《实验室研究与探索》2010,(11)
在建立加权质心定位算法的数学模型和确定定位节点描述基础上,通过加权因子来体现了距离未知节点越近的信标节点对其坐标位置的影响力,然后将高于门限的信标节点信号强度作为未知节点连接目标,计算最优门限与信号强度及噪声的关系,最后给出了平均定位误差、节点定位比率和算法的实现。实验仿真给出算法比较和定位误差分析,本文算法能够提高定位精度。 相似文献
9.
张永建 《安徽技术师范学院学报》2013,(6):75-78
节点定位是无线传感器网络的重要支撑技术之一,目前主要有两种定位算法,基于距离的定位算法和非基于距离的定位算法.考虑到两种算法在三维空间的优缺点,提出了一种基于RSSI测距的修正算法,并优选信标节点,最后通过最小二乘法进行定位.仿真结果表明：本算法比传统的RSSI算法精度更高. 相似文献
10.
《实验技术与管理》2017,(7)
针对火灾现场遇险消防员定位不准的问题,设计了一种基于ZigBee和RFID技术的消防员定位系统。该系统中将ZigBee模块与RFID模块相结合构成智能阅读器,利用ZigBee模块自组网能力扩展了RFID标签定位距离,利用RFID模块的信息采集功能扩展了ZigBee节点信息识别能力。在系统算法设计中提出了一种改进的四边测距定位算法,该算法首先利用高斯模型分布函数及单传感器分批估计融合理论对测得的RSSI数据进行融合优化,然后采用四边加权质心定位与梯度下降法相结合的算法对待测目标进行定位。通过仿真实验表明,该改进的算法定位精度较高,适合于室内火灾现场对遇险消防员的定位。 相似文献
11.
《实验室研究与探索》2017,(6):122-127
提出了一种新的接收信号强度指示(RSSI)定位修正算法。该算法采用改进的退火算法对极大似然估计处理后的距离进行优化,有效解决在实际环境中遇到的一些问题,使算法更符合实际。同时,能有效降低运算的复杂度,并排除具有特征相似性的一些奇异点,提高精度。依据邻近节点间的距离,分析前后两组估计坐标间的关系,用目标函数判断两组解的优劣,由退火思想只接受比前一组优的新解进行迭代循环,可以得到一组移动点的估计坐标。将满足条件的移动点看做参考点,重复运算,直至没有移动点可以升为参考点为止,输出最终结果。实验结果表明,改进的算法有效可行,且定位精度和稳定性有明显的提高,是一种可行的节点定位方案。 相似文献
12.
针对无线节点能够根据接收信号强度估算其到锚节点间距离这一特性,设计了基于RSSI的均值定位和条件概率定位两种无线传感器网络目标定位算法。这两种算法均能够不同程度地实现未知节点的定位。在Matlab7.0环境下对上述算法进行仿真实验,结果证明在同等条件下,条件概率定位算法较均值定位算法具有稳定性好、平均误差小、定位精度高等优点,是一种较好的目标定位算法。 相似文献
13.
在众多社区发现算法中,Attractor算法是一种快速的社区发现算法,具有社区检测准确率高的优点。为解决Attractor算法在距离更新过程中节点对度值相差太大,影响小度节点所属社区判断问题,提出一种优化共同邻居影响的Attractor社区发现算法。该算法在Attractor算法提出的动态距离节点交互模型基础上,考虑节点对两者度值差异,通过在节点对与共同邻居交互模式中增加一个大度节点不利系数,以增加小度节点对邻居的吸引作用。采用LFR基准网络,在不同结构网络上验证改进算法的有效性。实验结果表明,改进算法与Attractor算法相比社区发现准确度更高。 相似文献
14.
赵森严 《黄山高等专科学校学报》2013,(5):13-16
在无线传感器网络中,节点定位技术尤为重要.针对无线传感器定位精度问题,提出了一种新颖的基于RSSI的质心定位算法.在该算法中,前期采用RSSI测距技术得到未知节点与各个锚节点的距离,利用三角形内点测试法优选出合适的锚节点,初步确定未知节点的定位空间;后期利用已知的样本点把定位空间划分为若干较小的区域,使未知节点所在的定位空间不断地被缩小;最后采用带权重的质心算法计算坐标.仿真结果表明,该算法比传统的RSSI定位算法具有更好的定位精度,即使在锚节点比例较低时,也能得到较高的定位精度,适合在无线传感器网络中应用. 相似文献
15.
传统LANDMARC算法由于受多径效应影响,在一些区域定位精度不高。化工企业生产车间在短距离定位上有较高要求,所以LANDMARC算法在该应用上有很大弊端。基于LANDMARC算法（有源RFID校验的动态定位识别算法）,提出了一种室内定位改进算法。改进算法在LANDMARC算法中引入三边定位方法,并结合一种基于距离的〖JP〗LANDMARC算法。实验证明该算法整体提高了室内定位精度,尤其是在距离较短情况下定位精度提高明显。 相似文献
16.
17.
针对LEACH（Low Energy Adaptive Clustering Hierarchy）算法中的随机分簇和簇头能耗不均问题,提出一种基于最低能耗的改进LEACH分簇算法MEC-LEACH（Minimum Energy Consumption based LEACH）。MEC-LEACH分簇算法通过最小化网络能耗得出最优簇头数,同时引入簇头的剩余能量和簇头距离sink节点的远近等因素综合选举簇头节点,使得剩余能量较大且距离sink较近的节点优先成为簇头节点,进而均衡簇头节点和网络总的能耗。仿真实验表明,MEC-LEACH算法相比其它改进算法可以有效降低网络能耗,延长网络生存时间。 相似文献
18.
鲁晓辉 《三门峡职业技术学院学报》2014,(3):114-116
基于对经典分簇算法LEACH和PEGASIS的研究,提出一种新的分簇路由算法。该算法在簇头选择机制上对LEACH算法作了一定的改进,重点考虑了节点剩余能量等参数,有效避免了低能量节点被选为簇头。随着与汇聚节点距离的增大,簇的规模也逐渐增大。同时,将网络划分为多个扇形区域,每一扇区内部节点间的数据传输采用多跳方式进行。通过对算法验证,与LEACH算法、PEGASIS算法比较,新算法对网络生存时间的延长明显。 相似文献
19.
移动节点定位作为无线传感器网络 (Wireless Sensor Networks, WSN) 定位技术中的难点,因其应用的特殊性和相对于静止节点定位的诸多优势而受到广泛关注。在MCL (Monte Carlo Localization) 定位算法的基础上,提出了一种基于预测的移动节点定位算法( Localization algorithm based on prediction for mobile nodes, MNLAP)。利用灰色预测模型,进一步缩小节点采样预测范围,引入暂态锚节点概念并将其用于协助真实锚节点对采样样本滤波,以达到辅助待定位节点更好定位的目的。仿真实验表明,算法有效缩短了定位时间,且定位精度比传统算法提高了约10%。 相似文献