一种声纳浮标无线传感器网络中的目标定位方法

对声纳浮标无线传感器网络进行了介绍;针对声纳浮标无线传感器网络中对目标的定位问题,提出了质心法和Bounding Box法两种解决方法,并给出了计算模型及坐标变换公式;质心法和Bounding Box法,原理简单,计算量小,符合无线传感器网络硬件资源有限、电源能量有限的特点;对质心法和Bounding Box法进行了仿真模拟,结果表明了这两种方法的定位效果受网络中节点探测半径的影响,Bounding Box的定位效果优于质心法.     

一种面向节点定位的移动信标动态路径规划方法

针对基于移动信标的传感器节点定位问题,提出一种基于在线决策的移动信标动态路径规划方法.针对以往算法大都只适用于节点均匀分布的局限,该方法用移动信标不断获取两跳范围内的未定位节点数目,并向最大覆盖未定位节点方向移动,不需要网络先验信息,即可实现路径的优化.仿真结果表明:与传统方法相比,该方法无需网络的先验信息,在移动路径长度上具有明显优越性,减少了信标的能量消耗,更适用于户外部署的大规模传感器网络.     

面向定位的分布式无线传感器网络细粒度调整方法

针对在初始的部署条件下不可定位的无线传感器网络,提出一种分布式的面向定位的网络调整方法。该方法通过节点所处的路径信息判别确定该节点的调整策略,从而使初始状况下不可定位的网络达到可定位条件,该方法仅需调整约11%节点就能够将稀疏的网络调整至可定位,比当前最好的网络调整方法减少了约40%。此外,该方法采用分布式执行策略,从而将定位所产生的通信负载和能耗均衡到网络中的多个节点,克服了先前集中式方法的可扩展性限制。大量的仿真实验结果表明,该方法较现有方法而言具有更高的执行效率。     

分布式二进制传感器网络目标定位研究*

着重研究了分布式二进制传感器网络中对单目标定位的两个关键环节:传感器节点的协作和目标位置估计.在节点协作方面,提出了一种简单协作方法,这种协作方式仅要求节点在检测到目标进入或目标离开其探测区域时发送消息,通信量非常小;在目标位置估计方面,提出了一种基于m-网格的定位算法,该算法不同于质心定位法,综合考虑了探测到和未探测到目标的节点的位置信息对定位的贡献.仿真结果表明,在都使用简单协作方法的条件下,基于m-网格的定位算法在定位精度上优于质心定位法.     

基于遗传算法的无线通信节点部署优化策略

根据无线通信节点部署过程中网络受到区域环境影响和电波传播损耗等实际问题,建立了考虑区域影响的信号衰减模型和无线通信网络覆盖模型,提出了一种综合考虑网络覆盖和通信干扰的优化部署策略。该策略采用了加速遗传算法,大大降低了计算量。基于该优化策略,通过仿真实验得到了特定区域的最优通信节点数和节点部署位置图。     

LODA：一种分布式的面向定位的无线传感器网络细粒度调整方法

摘要：本文针对在初始的部署条件下不可定位的无线传感器网络,提出了一种分布式的面向定位的网络调整方法,称为LODA方法。该方法通过节点所处的路径信息判别确定该节点的调整策略,从而使得初始状况下不可定位的网络达到可定位条件。LODA方法仅需调整约11%节点就能够将稀疏的网络调整至可定位,较当前最好的网络调整方法减少了约40%。此外,本文所提出的方法采用分布式的执行策略,从而将定位所产生的通信负载和能耗均衡到网络中的多个节点,克服了先前集中式方法的可扩展性限制。大量的仿真实验结果表明,LODA方法较现有方法而言具有更高的执行效率。     

基于CPA搜索的低复杂度能量定位算法

将最大似然法与CPA方法结合提出基于CPA搜索的声信号能量定位算法,该算法以CPA点为中心,通过选取合适的搜索区域,可以大范围地减小搜索面积。并通过设置合适的能量门限,将接收能量小于门限的传感器节点去掉,从而进一步减少了定位算法的运算量。     

水下无线传感器网络的节点精确定位

以无线传感器网络(WSN)水下应用为背景,针对特定的环境要求,提出了一种可实现网络规模升级的分布式无锚点网络节点自定位机制。该定位算法通过距离误差估计和分布式坐标计算方法,有效地减少了由于测量距离误差所带来的坐标计算误差和节点坐标计算所带来的通信开销,有利于网络节点能量的合理使用和大规模的WSN布放。通过试验仿真计算,验证了该定位机制的合理性,为水下WSN应用提供了有力的技术支持。     

基于最优探测的移动代理WSN目标跟踪算法

针对典型声学传感器构成的WSN(Wireless Sensor Network,无线传感器网络),提出了一种基于最优探测的移动代理WSN目标跟踪算法,通过移动代理采集当前时刻最优探测结果的节点数据集合,利用三边定位法对目标位置进行估计,根据卡尔曼滤波估计目标下一时刻位置和节点剩余能量条件,确定移动代理后续迁移节点。仿真结果表明提出的算法能够有效对WSN中目标进行跟踪,且误差较小。     

移动通信网络位置群体节点的挖掘方法

对移动通信网络的位置群体节点进行了优化定位和挖掘,优化移动通信网络的覆盖度和可靠度,传统的位置群体节点挖掘算法采用信息度增益控制挖掘算法,算法不能自主感知节点信息数据的变化,无法实现数据信息的实时传递和决策。提出基于位置群体节点信息融合和滤波控制的移动通信网络位置群体节点的挖掘方法。构建移动通信网络节点的分布模型和信道模型,采用多径信道均衡设计实现位置群体节点信息融合,采用自适应滤波控制方法实现对通信节点挖掘的干扰抑制。仿真结果表明,采用该方法进行通信节点挖掘,信标定位准确,信号的覆盖度较合理,实现了信道空间的合理高效利用,实现了信道均衡和干扰抑制,有效降低了通信的误比特率。     

无线传感器网络DV-Hop节点定位改进算法

针对无线传感器网络中距离无关类节点定位算法定位误差较大的问题,提出了一种改进型DV-Hop节点定位算法。通过设置待定位节点到信标节点间的最小跳数门限,降低了定位累积误差;改进了平均每跳距离估计方法,并利用信标节点测量的位置误差作为修正值,对每跳距离的估计值进行修正;待定位节点仅选取与之较近的信标节点计算位置,降低了距离误差。仿真结果显示,在信标节点比例和网络节点总数相同的条件下,改进算法性能明显优于DV-Hop算法。     

无线传感器网络DV—Hop定位算法的研究与改进

为了改善DV—Hop算法对节点的定位精度和提高覆盖率，对DV—Hop定位算法中未知节点到锚节点间距离计算方法进行了改进，提出了一种新的距离计算方法，并对改进算法和原算法进行了对比仿真。仿真结果表明了改进算法的有效性。     

一种基于移动基站的无线传感器网络数据收集方法

针对传统的无线传感器网络数据收集协议大多受制于发生在基站周围的热点问题,提出了一种使用移动基站的数据收集方法.将数据收集问题转化为支配集构造和旅行商问题,并提出了一种分布式的支配集构建算法,结合旅行商问题的近似算法生成基站的移动路线.仿真结果表明,所提出的方法减少了通信消耗,且能使负载均衡地分布.     

对塔康系统信标台干扰效能评估及仿真

针对塔康系统工作体制的弱点,研究了对塔康系统信标台的干扰方法并对不同干扰方法下的干扰效能进行了仿真。提出了对塔康信标台的饱和询问干扰样式,以塔康信标台有效导航半径为效能指标,分别建立了塔康信标台在压制干扰和饱和询问干扰条件下有效导航区域模型;设计了仿真方案并实施仿真实验,得出了不同干扰方法的干扰效能,通过对仿真结果的分析,得出了对信标台干扰时饱和询问干扰效果比噪声压制干扰效果好的结论。     

一种基于HLA分布式仿真系统的动态负载平衡算法

基于兴趣域的"快递式"动态负载平衡算法从HLA/RTI提供的服务出发,当节点成为重载节点时,将节点部分负载转移到兴趣域内的轻载节点上,同时采用两次"握手"方式解决了负载迁移过程中出现的问题.通过使用两个评价参数--CPU占有率和内存使用率进行实验证明,负载平衡前后重载节点的CPU利用率和内存使用率有明显差别,结果表明该方法能有效地平衡系统各节点之间的负载,保证系统的实时性,提高系统的服务质量.     

不均匀光照下的虹膜定位算法研究

虹膜定位是虹膜识别中的基础性环节。针对经典虹膜定位算法易受光照影响且速度慢的问题,分析不均匀光照对虹膜定位的影响,提出最小二乘法粗定位与微积分算法精定位相结合的虹膜定位方法：首先利用形态学灰度运算处理虹膜图像,对处理图像阈值化后提取并修复瞳孔区域,利用最小二乘法对瞳孔区域下部边界点进行内边缘粗略拟合;然后根据外边缘点存在区域的灰度梯度确定虹膜外边缘点,利用最小二乘法进行外边缘粗略拟合;最后利用微积分算法精确定位虹膜内外边缘。以中国科学院虹膜库CASIA（version 2.0）1 200幅虹膜图像做实验,平均耗费时间为4.38 s,定位成功率为98.3%。与经典的Daugman算法和Hough变换算法相比,所提出的算法对不同光照条件下的虹膜图像能更准确、快速地定位。     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数，需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣，虽然精度很高但需要大量的计算资源，无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测，以取代对目标区域的精确场强预测。数值结果表明，该方法能够在保持计算准确性的同时显著减少计算量，为5G动态网络规划提供基础性参考数据。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。