多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法（MEACS-D）. 采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度. 通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法（CS-D）算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.      

一种无线传感器网络抗虫洞攻击DV-HOP定位算法

为抵御虫洞攻击,改善定位性能,提出了一种基于安全邻居发现的抗虫洞攻击DV-HOP (distance vector-Hop)算法(secure neighbor discovery based DV-HOP, NDDV).该算法基于虫洞攻击时网络节点间通信跳数出现的异常,依据节点间路径跳数差异检测虫洞,通过搜索发现、滤除各虚假链路,以保障DV-HOP跳数跳距的准确性,减轻虫洞攻击的影响,提升节点定位精度.以变化参考节点比例的方式,对144个节点进行150次定位仿真实验,结果表明,平均节点度数达到5以上,NDDV即能有效滤除虫洞链路,提升节点定位精度;同等定位精度的情况下相比LBDV (label-based DV-HOP localization against wormhole attacks)算法所需的参考节点比例平均低约17.5%.      

基于改进DV-Hop算法的无线定位技术

为提高传统DV-Hop定位算法定位精度,分析算法执行过程中计算信标节点平均跳距产生偏小误差导致节点定位精度不高的原因,引入信标节点比例系数、信标节点平均跳距的最大值和所有信标节点平均跳距的平均值三个因子对算法平均跳距进行修正。通过Matlab软件比较节点通信半径和信标节点比例对定位精度的影响,选取一组合适参数,并基于平均跳距修正的DV-Hop算法进行仿真验证。结果表明,改进后的DV-Hop定位算法能有效降低节点定位误差,提高定位精度。     

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi—UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS（Enhanced Weighted Least Square）．首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重．仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度．     

基于EDV-Hop的免测距定位算法研究

为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位精度。在网络随机部署和任意节点密度的条件下估算节点位置,并从精度和有效性两个方面进行度量。仿真结果表明,EDV-Hop算法比DV-Hop具有更好的定位性能,它能够减少节点间通信量,降低通信成本,提高定位精度。     

DV-HOP定位算法改进研究

节点定位是无线传感器网络中的关键技术之一．基于无线传感器网络中DV-HOP定位算法分析的基础上,提出了一种改进算法．该算法通过RSSI测距技术测量点到点的距离,并在多跳网络中对累加距离进行广播,最后在节点位置估计过程中引入了加权质心算法进行定位．实验结果表明,改进后算法复杂度低,定位精度有明显的提高．     

无线传感器网络定位算法的研究

在无线传感器网络中，因无线传感器设备功耗、价格和硬件限制及对定位精度的要求，距离无关定位机制被认为是一类具有成本效益的解决方案。介绍了距离无关定位机制中的DV—hop定位算法，研究了不良节点、网络拓扑结构、锚节点和邻居节点对DV—hop定位算法性能的影响，分析了算法的通信量和计算量。在连通的网络中，该算法能够达到35％～40％的平均定位精度；该算法只需要较少的锚节点，计算和通信开销适中，不需要节点具备测距能力，是一个可扩展的算法，适用于各向同性的密集网络。     

无线传感器网络局部瓶颈节点的分布式检测算法

为减轻网络的负担,提出了"局部瓶颈节点"的概念及其分布式检测算法.该类节点具有与瓶颈节点类似的影响,但检测算法更简单可行.特别地,对于布设在带状区域的网络,证明了当布设区域宽度不超过槡3/2倍节点通信半径时,即可根据一跳邻居信息判断一个节点是否是瓶颈节点.结果表明,邻居节点数平均为10时,采用提出的分布式算法,被测节点成为局部瓶颈节点的概率仅为准瓶颈节点的1/4,从而提高了判断的准确性,降低了网络维护成本.     

移动无线传感器网络节点定位算法研究

文章针对移动无线传感器网络中节点定位的问题,提出利用一个移动锚节点结合DV-Hop算法来对节点进行定位的方法,该算法与静态网络中DV-Hop定位算法相比节约了网络成本,仿真实验表明,该算法的定位误差和定位覆盖率可以满足大多数应用。     

自行小车悬挂输送系统无线定位算法

针对WKNN算法中未知节点的定位中邻近参考点参数固定、定位不灵活且误差较大的问题,提出了基于RSSI的加权近邻改进算法.首先对RSSI值进行高斯滤波处理,通过FCM聚类确定未知节点所属类别,采用隶属度阈值对聚类结果进行修正.然后根据FCM的聚类子样本数设定WKNN算法的近邻值,实现了WKNN算法的自适应计算.实验结果表...     

基于几何约束及迭代的NLOS环境定位算法

针对在非视距 （non-line-of-sight,NLOS）环境中传统最优化定位算法抗NLOS误差能力较弱、且需要一个较准确的初始估计位置以确保算法收敛这一问题,提出一种应用在双基站场景下的基于几何约束及迭代的定位算法. 通过引入最大散射半径作为几何约束条件,以线性迭代方式进行一维全局搜索,并采用最小二乘算法获得移动台（mobile station,MS）初始估计位置,然后利用设定的阈值门限对各初始位置点进行筛选,最后通过加权平均获得MS的最终估计位置. 仿真结果表明:当散射半径为200 m时,本文算法的定位误差在200 m以下的概率能达到100%;在相同环境下,本文算法计算时间开销仅是网格搜索法的0.4%.      

一种基于模糊聚类的无线传感器网络定位算法

节点自定位算法是无线传感器网络的关键技术之一．通过三边比例法，未知节点与任意2个锚节点可计算一对候选共轭位置．用未知节点估计位置作为模糊聚类核心，可以消除共轭干扰并简化聚类迭代过程．用候选位置正态分布概率密度作为模糊隶属度，可降低误差较大锚节点影响，提高定位精度．OPNET仿真证实，模糊聚类算法可用近一次泛洪法通信量，达到22％定位精度．     

基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型。通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线路为例,将该线路客流特征数据应用于模型和求解算法中。结果表明,基于不同利益方权重下通过模型算法计算出的结果均优于现有调度方案,验证了模型及算法的有效性及实用性。     

基于RSSI的无线传感器网络加权质心定位算法

节点定位是无线传感器网络中的关键技术之一．文中通过对无线电传播路径损耗模型的分析，提出了加权质心定位算法，用信标节点对未知节点的不同影响力来确定加权因子，以提高定位精度．并且在理论分析的基础上，提出了优选信标节点进行节点定位计算的规则，以此进一步提高节点定位精度．加权质心定位算法计算简单，定位过程中节点问无通信开销．节点定位精度较常用的极大似然估计算法高，具有较普遍的应用意义．     

基于遗传算法的相交圆弧逼近轮廓曲线的节点计算

在数控机床上对非圆轮廓曲线进行加工时,按等步长进行节点计算编写出的加工程序通常段数多,给程序的输入与调试带来困难,直接影响机床的使用效率.将遗传算法应用于用加工中心进行非圆轮廓曲线加工时的节点计算优化中,根据等拟合误差和插补圆弧段最长的原则,利用遗传算法自适应迭代寻优的概率搜索,获得全局最优解来进行节点计算,并用一个算例证明了该算法的可行性.     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

DV-Hop定位误差模型研究

DV-Hop是无线传感器网络中典型的定位技术,建立DV-Hop的定位误差模型有助于定量分析定位误差,进一步提高WSN的定位精度。首先从理论的角度分析了定位误差与覆盖度的关系,然后通过仿真实验讨论了一定通信半径下局部范围内相对定位误差与覆盖度的关系,并给出相应的数学模型。实验表明:该模型可有效估计基于局部区域定位算法的定位误差。     

基于遗传算法的相切圆弧逼近非圆曲线算法

利用数控机床对非圆曲线进行加工时,采用直线段或相交圆弧对曲线进行拟合加工,在节点处存在尖点,影响轮廓的光滑性,且利用直线段拟合非圆曲线生成的程序段数多,影响编程效率.用极坐标表示圆弧,便于对相切圆弧的参数进行处理,减少计算量,将遗传算法用于相切圆弧逼近非圆轮廓曲线节点计算优化,利用其自适应迭代寻优的概率算法对圆弧段参数进行优化,并给出了具体算例证明该算法的有效性.     

顾及自适应多细节层次的八叉树点云管理算法

为了解决大规模点云不易有效组织、动态可视化时冗余度大,且较难实现自适应显示的问题,提出顾及细节层次(levels of detail, LOD)的八叉树点云管理算法.该算法基于八叉树索引将扫描点限定在每个结点范围内,利用自上而下空间分割和自下而上参数计算相结合的预处理策略,减少实时阶段计算量,通过构建保守性模拟误差,使场景各处均可自动满足可视要求,并辅之以高效加速方法,实现了点云的有效组织和自适应流畅显示.实验研究表明,在优化的预处理和辅助加速策略支持下,与经典R树算法相比,该算法实时阶段计算量小,每帧自适应漫游平均时间在0.04 s以内.      

多径环境下多终端协作高精度定位算法

为抑制非视距误差对定位精度的影响,提出了一种异构网络环境下利用移动终端间的协作信息提高定位精度的算法.该算法根据测量的TOA(time of arrival)与基于GIS定义的SF(sentinel function)之间的关系,对移动终端与基站间的传播进行非视距识别.仿真分析结果表明,在多径环境下,提出的多终端协作定位算法的定位精度比现有算法大为提高.在协作终端数为8,其中处于视距传播的终端数为5时,提出的算法将定位误差小于90 m的概率从53%提高到98%.