基于UKF区域交叉定位的无线传感器网络sink节点动态跟踪算法

合集下载

无线传感器网络中的节点定位与跟踪算法研究

无线传感器网络中的节点定位与跟踪算法研究无线传感器网络（Wireless Sensor Network，简称WSN）是一种由大量小型节点组成的网络，用于监测、感知、控制或通信等方面。

这些节点通常具有自主能源和通讯能力，可以自主组网，支持多种应用系统。

WSN 链接传感器和执行器到内部或外部环境，支持多方面地应用，包括环境监测、农业、交通、航空、军事、医疗和家庭等领域。

而节点定位与跟踪算法是 WSN 技术中的重要组成部分，它可以帮助我们实现位置感知和状态跟踪，进而实现对设备的故障诊断和维护等功能。

一、无线传感器网络介绍WSN 包含多个小型节点，这些节点能够完成数据采集、处理、存储、传输和控制等功能。

和传统的有线传感器网络不同，WSN 的节点之间通过无线电波进行数据传输。

WSN 通过组网形成一个自适应、多结构的网络，以应对节点数量的变化和网络环境的变化。

由于节点数量众多，功耗通常是一个关键问题，因此 WSN 设计通常采用低功率和节能的策略，以保证网络的可靠性和寿命。

节点的定位和跟踪是 WSN 技术运用中重要的一环，建立更加准确和可靠的节点模型和控制模型，对于优化 WSN 的实时性和安全性都具有十分重要的意义。

二、节点定位的算法研究节点定位的算法是 WSN 技术的基础之一。

节点定位通常分为两类，一类是基于自身节点的定位算法，另一类是基于多点定位的算法。

前者通过节点自身的接收发射和距离估计获得节点的位置信息，后者则是通过估算多个节点之间的距离获取节点位置信息。

2.1基于自身节点的定位算法基于自身节点的定位算法是直接利用节点自身特征信息（如信号强度、雷达波）进行位置估算的算法。

基于自身节点的算法通常包括三类：距离测量算法、角度测量算法和信号强度算法。

距离测量算法是比较常见的算法，通常采用最小二乘法来计算节点位置。

这种算法通常需要根据节点发送和接收的信号的时间或者信号强度来计算节点之间的距离或者方向。

而这些参数的准确性，通常需要根据清晰的网络构架和完善的传输数据处理机制来保证。

无线传感器网络的节点定位与跟踪技术研究

无线传感器网络的节点定位与跟踪技术研究无线传感器网络（WSN）是一个由装备有传感器、通信和计算能力的大量节点组成的网络，这些节点建立起一个分布式的监测、采集和处理系统。

每个节点都能够自主地感知、处理、存储和传输数据，通过无线通信协议将信息传递给其他节点或基站进行集中处理。

无线传感器网络在农业、环境、交通、医疗等众多领域都得到了广泛应用，但是其节点定位和跟踪技术一直是研究的关键问题之一。

一、无线传感器网络的节点定位方法节点定位是无线传感器网络的核心问题之一，一个精准的节点定位算法可以直接影响无线传感器网络的整体性能。

目前，节点定位方法主要有三种：1. 基于GPS定位全球定位系统（GPS）是一种全球卫星导航系统，可为用户提供三维位置、速度和时间等信息。

GPS技术在无线传感器网络的节点定位中得到了广泛应用，通过卫星和接收机之间的信号交互，可以精确计算节点的位置。

2. 基于信号强度定位信号强度是无线传感器网络中一种广泛使用的节点定位技术，其利用无线信号的传播特性，通过对信号强度的测量和分析，来确定节点的相对位置，从而实现准确的节点定位。

3. 基于节点距离测量定位节点距离测量定位是一种广泛应用的节点定位方法，其通过节点间的距离测量确定节点的位置。

该技术在无线传感器网络中得到了广泛应用，但是其需要依赖额外的硬件设备，增加了系统的成本。

二、无线传感器网络的节点跟踪技术无线传感器网络中的节点跟踪技术通常指对节点位置状态的监测和更新，以保证网络中节点位置的准确性。

传统的节点跟踪技术主要有两种：1. 预测模型预测模型是一种广泛采用的节点跟踪技术，其通过节点的历史位置和移动趋势，预测节点未来的移动路径，从而实现节点的跟踪。

预测模型通常采用机器学习等方法来预测节点移动路径，具有较高的准确性和灵活性。

2. 分布式跟踪分布式跟踪是一种针对无线传感器网络中分布式节点的跟踪技术，通过将网络拆分成多个子域，每个子域内只跟踪其子域内的节点，从而减少网络负荷和延迟，提高系统性能。

无线传感器网络中的节点定位与跟踪技术

无线传感器网络中的节点定位与跟踪技术随着物联网的快速发展，无线传感器网络（Wireless Sensor Network, WSN）得到了广泛的应用和研究。

节点定位与跟踪是无线传感器网络中的关键问题，对于实现对环境的全面感知和多种应用的实现至关重要。

本文将介绍无线传感器网络中的节点定位与跟踪技术，并探讨其在实际应用中的挑战和前景。

一、节点定位技术在无线传感器网络中，节点定位是指确定节点在所监测区域的位置。

准确的节点定位可以提供精确的环境感知和定位服务。

目前常用的节点定位技术包括多基站定位、距离测量定位和推测定位等。

1. 多基站定位：多基站定位是一种基于接收信号强度指示（Received Signal Strength Indication, RSSI）的定位方法。

根据节点与多个基站之间的信号衰减模型，通过测量信号强度来计算节点的位置。

然而，该方法需要多个基站的参与，且受到信号干扰和非视距等因素的影响。

2. 距离测量定位：距离测量定位是通过节点之间的距离测量来确定节点位置的方法。

常见的距离测量技术包括全球定位系统（Global Positioning System, GPS）和无线信号传播时间测量等。

然而，GPS在室内或有阻挡物的环境下工作效果不佳，而无线信号传播时间测量受到信号传播速度不均匀和多径效应的影响。

3. 推测定位：推测定位是一种基于邻居节点之间的拓扑关系和信号传播模型来估计节点位置的方法。

通过建立无线传感器网络的拓扑结构和分析节点之间的信号传播特性，可以推测节点位置。

推测定位方法相对于其他定位技术而言，成本低、能耗低，但精度相对较低。

二、节点跟踪技术节点跟踪是指在无线传感器网络中追踪移动节点的位置和状态。

节点跟踪技术可以应用于物品追踪、人员定位和动态环境监测等领域。

目前常用的节点跟踪技术包括基于时间差测量的三角定位算法、卡尔曼滤波算法和粒子滤波算法等。

1. 基于时间差测量的三角定位算法：基于时间差测量的三角定位算法是通过测量节点到多个基站的信号传播时间差来确定节点位置。

无线传感器网络中的节点定位与目标跟踪技术优化研究

无线传感器网络中的节点定位与目标跟踪技术优化研究无线传感器网络（Wireless Sensor Network，简称WSN）是一种由许多能够感知、采集环境信息并进行无线通信的小型节点组成的网络。

WSN在很多应用领域中具有重要的作用，例如环境监测、智能交通、军事侦察等。

节点定位和目标跟踪是WSN中的关键问题，对于提高网络性能和应用效果具有重要意义。

本文将重点探讨在无线传感器网络中节点定位与目标跟踪技术的优化研究。

一、节点定位技术优化研究节点定位是无线传感器网络中的基础问题之一。

准确的节点定位可以提供更精确的环境信息和目标位置等重要数据。

在节点定位技术的研究中，下面几个方面是需要考虑的：1.1 距离测量技术距离测量是节点定位的关键步骤。

传统的距离测量方法有全向通信、测量时间差等。

然而，这些方法在复杂的环境下容易受到信号干扰和多径衰落等影响，导致测量误差较大。

因此，需要优化节点间的距离测量技术，提高测量的准确性和稳定性。

1.2 定位算法优化节点定位算法是解决节点定位问题的关键。

目前常用的算法有多边形法、加权最小二乘法、贝叶斯估计等。

然而，这些算法存在着一定的局限性，如无法处理非线性及多路径问题。

因此，需要进一步优化节点定位算法，提高其适用性和精确性。

1.3 能量消耗问题节点定位过程中，节点需要进行通信和计算等操作，这将消耗节点的能量。

能量消耗是节点定位过程中需要考虑的重要问题。

通过优化算法和设计节能机制等手段，可以降低节点的能量消耗，延长网络寿命。

二、目标跟踪技术优化研究目标跟踪是无线传感器网络中的另一个重要问题。

在一些应用场景中，需要持续追踪目标的位置和状态信息。

在目标跟踪技术的研究中，下面几个方面是需要考虑的：2.1 目标检测与识别目标检测与识别是目标跟踪的前置步骤。

通过图像处理和机器学习等方法，可以实现对目标的检测与识别。

然而，传感器节点的计算能力和存储容量有限，如何在资源受限的情况下有效地进行目标检测与识别，是需要研究的问题。

无线传感器网络中的节点定位算法设计与性能评估

无线传感器网络中的节点定位算法设计与性能评估随着无线传感器网络（WSN）的快速发展，节点定位成为该领域的一个重要课题。

节点定位算法通过利用节点之间的通信和测量信息，确定其在三维空间中的位置，为各种应用提供基础支持。

本文将讨论无线传感器网络中节点定位算法的设计原理和性能评估方法。

一、节点定位算法设计原理1. 距离测量法距离测量法是最简单直接的节点定位方法之一。

该方法基于节点之间的距离测量，使用测量值来计算节点的位置。

距离测量可以通过收集到的消息传输延迟、信号强度等数据来实现。

扩展卡尔曼滤波（EKF）是一种常用的距离测量法，它通过节点之间的测量距离计算节点位置，并使用卡尔曼滤波来估计测量误差。

2. 角度测量法角度测量法通过测量节点之间的相对角度来确定节点的位置。

该方法通常需要使用多个节点进行测量，从而减小测量误差。

多轮测量法和方向测量法是常用的角度测量方法。

多轮测量法通过多个节点的角度测量来计算节点位置，并使用三角测量或梯度下降算法来解决非线性问题。

方向测量法通过测量节点到基准节点的方向角来定位节点。

3. 混合定位法混合定位法结合多种测量方法和传感器信息来确定节点位置。

该方法通过充分利用各种测量方法的优点，并减少各种方法的缺点，提高节点定位的准确性和鲁棒性。

混合定位算法通常包括距离测量、角度测量和地标定位等多种方法的组合。

二、节点定位算法性能评估方法节点定位算法的性能评估是提高算法准确性和可靠性的关键步骤。

以下是常用的节点定位算法性能评估方法：1. 误差分析误差分析是衡量节点定位算法性能的基本方法。

通过计算测量误差和估计误差之间的差异，以及估计误差和真实位置之间的差异，来评估算法的准确性和精度。

2. 精度评估精度评估是衡量节点定位算法性能的另一个重要指标。

通过计算测量位置和真实位置之间的欧氏距离、误差均值和标准差等指标，来评估算法的精度。

同时，还可以根据应用的具体需求，定义适当的精度评估指标。

3. 鲁棒性评估鲁棒性评估是衡量节点定位算法对不同环境和条件变化的适应能力的指标。

基于UKF区域交叉定位的WSNs Sink节点动态跟踪算法

基于UKF区域交叉定位的WSNs Sink节点动态跟踪算法姚依翔;谢俊元【期刊名称】《传感器与微系统》【年(卷),期】2015(000)004【摘要】为了提高无线传感器网络（ WSNs）使用寿命，对WSNs的目标跟踪方式进行研究，提出基于无迹Kalman滤波（ UKF）的WSNs Sink节点动态跟踪算法，以实现高效节能的资源管理和利用方式。

首先利用UKF算法对目标节点的下一位置进行预测，然后通过四圆区域定位交叉定位算法对Sink节点的位置区域进行局部准确定位。

实验结果表明：这种动态的Sink节点预测定位算法能够有效缩短数据发射传感器和Sink点之间的距离，减少跳数，从而实现负载均衡降低能耗的效果。

%In order to improve wireless sensornetworks( WSNs)lifetime,research on target tracking method in WSNs,and propose an unscented Kalman filtering( UKF)-based WSNs sink node dynamic tracking algorithm,in order to realize high efficient and energy-saving resource management and utilization mode. Firstly,use UKF algorithm to predict next position of target node,and then through the four circle regional positioning algorithm of cross locationing,so as to locally and accurately locate location area of sink node. The experimental results show that the dynamic prediction localization algorithm for sink node can effectively shorten distance between data transmission sensor and sink node,and reduce hop count,so as to achieve load balancing and energy consumption reducing effect.【总页数】5页(P123-126,129)【作者】姚依翔;谢俊元【作者单位】南京大学计算机科学与技术系，江苏南京210093; 南京晓庄学院数学与信息技术学院，江苏南京211100;南京大学计算机科学与技术系，江苏南京210093; 计算机软件新技术国家重点实验室，江苏南京210093【正文语种】中文【中图分类】TP18【相关文献】1.基于动态PSO的WSNs发音节点定位研究 [J], 刘申晓;王志刚2.基于AIUKF的WSN节点定位算法∗ [J], 欧县华;武宪青;何熊熊3.基于UKF滤波的WSN节点定位研究 [J], 梁玉琴;曾庆化;刘建业4.基于UKF-RSS在线建模的WSN节点跟踪定位算法 [J], 申剑飞;杨秋芬;桂卫华;胡豁生5.基于 UKF区域交叉定位的无线传感器网络sink节点动态跟踪算法 [J], 殷荣网;李赵鑫;邵安贤;庞京玉因版权原因，仅展示原文概要，查看原文内容请购买。

无线传感器网络的节点定位和跟踪算法研究

无线传感器网络的节点定位和跟踪算法研究一、引言随着计算机科学和信息技术的发展，无线传感器网络（Wireless Sensor Networks，WSNs）在各个领域中得到了广泛应用。

WSNs可用于监测、控制、采集和传输数据，被广泛应用于自然环境监测、区域监控、智能家居、智能交通和医疗领域等。

但是，WSNs中节点的位置和运动状态对于网络性能和数据传输具有重要的影响。

因此，节点定位和跟踪算法的研究成为WSNs中非常重要的研究方向。

二、节点定位技术2.1、节点定位方法节点定位方法根据所需要的信息和使用的技术不同，可分为GPS、信号强度、时间差到达、视觉定位、光学定位、声波定位、电磁定位、惯性传感器定位等多种方法。

不同的方法具有不同的定位精度和适用范围，其性能评价因素还包括精准度、鲁棒性、能耗、成本、实施复杂度等。

2.2、GPS定位GPS技术可以用卫星信号来定位节点的位置信息。

这种方法精度高，但是存在定位时间较长、依赖卫星信号等缺陷。

2.3、信号强度定位这种方法根据信号传输过程中的衰减幅度来确定节点的位置信息。

信号强度定位技术相对简单，成本较低，但存在精准度不够的问题。

2.4、时间差到达定位这种方法利用超声波、无线电信号等，根据信号传输时间差来确定节点的位置信息，准确度较高，但是依赖环境因素，噪声、多径等因素对其影响较大。

三、节点跟踪技术节点跟踪主要是用于追踪一些特定对象（例如动物或车辆）而不是网络中所有节点的确切位置。

相对于节点定位方法，节点跟踪方法需要更密集的位置数据，其研究技术包括融合多种传感器，多目标跟踪，运动模型和数据处理算法等。

3.1、融合多种传感器由于传感器精度和数据收集噪声等原因，某些单独的传感器不能够实现准确的节点跟踪。

因此，多种传感器的数据融合技术在节点跟踪中应用广泛的研究方法。

3.2、多目标跟踪算法单一传感器可跟踪一个目标，当需要跟踪多个目标时，常采用基于扩展卡尔曼滤波和贪心算法等的多目标跟踪算法。

无线传感器网络中的节点定位与追踪技术研究

无线传感器网络中的节点定位与追踪技术研究随着科技的不断进步，现在无线传感器网络已经成为了当代最热门的技术之一。

由于其可以在无人区域内自动采集数据，因此得到了广泛应用。

无线传感器网络（Wireless Sensor Networks, WSN）是一种由大量分布式节点组成的网络系统，用来感知和传递源节点周围的信息。

然而，节点的位置信息对于无线传感器网络的应用至关重要。

因此，在本文中，我们将探讨节点的定位和追踪技术，并分析这些技术对于无线传感器网络的影响。

1. 定位技术节点的定位技术是指通过一定的算法或技术手段确定一个Wi-Fi网络中设备的物理位置。

这是在无线传感器网络中非常重要的一环。

基于节点定位技术，可建立更为精确的无线传感器网络。

这些技术包括无线信标，声波声定位，多普勒辅助定位，GPS辅助定位和基于RFID的定位等。

- 无线信标无线信标是一种广泛应用于确定：Wi-Fi硬件设备当前的位置，并在某些方案中用于Wi-Fi硬件，将其他设备或用户连接到传输信道中。

无线信标可以通过定位标准或定位解决方案来确定Wi-Fi信号源的物理位置。

- 声波声定位声波声定位技术是指通过对微小声音的距离进行测量来确定两组具有深度或清晰度标记的物体之间的距离。

要实现实际的定位，每个节点都必须发送并接收内容，并通过声音的时间延迟和功率识别位置。

基于声波声定位的技术因其低功耗而受到广泛应用。

- 多普勒辅助定位利用多普勒效应可以创造一种技术，可以测量空气中声音波的速度和方向。

通过这种方式，可以利用多普勒辅助定位（Doppler-aided Localization）对节点进行定位。

利用多普勒效应对节点进行定位的好处是，它可以通过对声波或其他波形信号进行分析来对节点进行定位。

它还可以在室内和室外等不同环境中实现高精度的节点定位。

- 基于RFID的定位基于RFID的定位主要是利用无线电技术实现对特定标签的定位。

标签贴在物体上，并可以通过RFID读卡器来读取其识别号。

无线传感器网络中的节点定位与目标跟踪技术优化研究

无线传感器网络中的节点定位与目标跟踪技术优化研究无线传感器网络（Wireless Sensor Network, WSN）是由大量分散在特定区域内的传感器节点组成的网络。

节点定位和目标跟踪是WSN中的两个关键问题。

本文将对WSN中的节点定位和目标跟踪技术进行优化研究，提出了一些改进措施。

一、节点定位技术优化节点定位是指确定WSN中各个节点在空间中的位置。

准确的节点定位可以提供重要的位置信息，以支持许多应用，如目标监测、环境监测等。

在WSN中，节点定位的主要挑战之一是节点的能量限制。

传统的节点定位算法通常需要进行大量的通信和计算，消耗大量的能量。

为了优化节点定位技术，可以采取以下措施：1.能量高效的定位算法：设计能够在节点能量有限的情况下减少通信和计算量的定位算法。

可以采用分布式定位算法，将节点分为多个子集，每个子集只需与相邻节点进行通信，减少总体的通信开销。

2.多传感器协作：利用多个传感器的协作可以提高节点定位的准确度。

可以通过数据融合技术将多个传感器的测量结果整合起来，获得更准确的节点位置估计。

3.参考节点的选择：选择合适的参考节点可以提高节点定位的准确度。

可以选择电量相对较高、位置分布较广的节点作为参考节点，减小测量误差。

二、目标跟踪技术优化目标跟踪是指在WSN中对目标物体进行实时监测和追踪。

目标跟踪技术在许多应用场景中都具有重要价值，如智能交通系统、无线视频监控等。

为了优化目标跟踪技术，可以采取以下措施：1.路径规划算法：设计高效的路径规划算法，使得节点能够以最短路径追踪目标物体。

可以考虑使用启发式算法，如遗传算法、蚁群算法等，利用节点间的通信信息和目标物体的位置信息进行路径规划。

2.目标检测与辨识：提高目标检测与辨识的准确度可以提高目标跟踪的效果。

可以利用机器学习算法，如支持向量机、神经网络等，对目标物体进行自动检测和辨识。

3.自适应传感器部署：合理布置传感器节点可以提高目标跟踪的覆盖范围和准确度。

基于UKF滤波的WSN节点定位研究

ＡｂｔａｔＵｓｅｔａｎＦｌｒｇ（Ｋ）ｓｕａｓｔｏｔｉｒｂｂｌｙｄｎｉｕｃｉｆａｓｓｍ，ｓｒｃ：ｎｃｎｅＫｌｉｅｉｄｍａｔｎＵＦｉｌｅｈｐｓｒｒｐｏａｉｔｅｓｙｆｎｔｎｏｙｔｍｔｅｅｏｉｔｏｅｗｉｖｉｓｈａｌｏｌｅｒａｏｒｒｉＥｔｄｄＫｌｎＦｌｒｇ（Ｋ．ＡＷｉｌｓＳｎｏｅｏｈｃａｏｄｅｆｔｆｉａｉｔｎｅｏｎｘｅｅａｈｔｕｎｚｉｒｎｍａｉｅｉｔｎＥＦ）ｒｅｅｓｒＮｔｒｅｓｗｋ
ＬＡＧＹｑｎＥｉｈａＬＵＪａｙＩＮｕｉ，ＺＮＧＱｎｕ，Ｉｉｎｅｇ
（ａｉａｉｅｅｒｅｔ，ａｎｎｖｒｔｅｎｕｉｎｓｏｕｉ，ａｊｇ２０１Ｃｉ）ＮｖｔｎＲｓａｃＣｎｅＮ＠ｇＵｉｓｙｏｒａｔｓｄＡｔｎｔｓＮｎｉ１０６，ｈｎｇｏｈｒｅｉｆＡｏｃａｒａｃｎａ
（Ｎ）ｌｃｌａｏｌｏｔｍｗｓｒｐｓｄｂｓｄｏｅｈｅａｔｑａｅｓｍａｏＷＬＥ）ａｄＵＦｉｅｏＷＳｏａｚｔｎａｒｈａｏｏｅａｅｎｗｉｔｌｓｓｕｒｓｔｔｎ（ＳｉｉｇｉｐｇｄｅｅｉｉｎＫ．ＴｍｆＦｉｔ（Ｏ）ｒｎｉａｅｃｄｔｍｅｓｒｅｄｓｎｅｂｔｅｎｔｅｂａｏｏｅａｄｔｅｎｎｗｏｅｌｈＴＦａｇｇｗｓｌｔａｕｅｈｉａｃｅｅｅｃｎｎｄｎｋｏｎｎｄ．Ｗｉｇｎｓｅｅｏｔｔｗｈｈｕｔｈ

无线传感网络中的节点定位与跟踪算法研究

无线传感网络中的节点定位与跟踪算法研究随着时间的推移和技术的不断进步，无线传感网络技术已经成为了一个非常成熟的领域。

它们被广泛地应用在了环境监测、交通管制、智能家居、工业控制等各个领域。

在这些应用中，节点的位置信息是非常重要的，因为这些信息能够提供有关环境的各种指标和控制措施。

如何实现无线传感网络中的节点定位与跟踪一直是一个有挑战性的问题，本文的目的是探讨该问题，并介绍目前较为成熟的节点定位与跟踪算法。

一. 节点定位算法节点定位，即确定节点在三维空间中的位置坐标，是无线传感网络中的重要问题。

节点定位算法的目的是通过一些技术手段（如信号强度、时间差、角度差等）来确定节点在空间中的位置。

1. 信号强度法信号强度法是一种非常常用的节点定位技术。

该技术利用节点之间的信号强度来计算节点在空间中的位置。

其基本原理是，当一个节点向其他节点发送信号时，其他节点会接收到这些信号并计算它们的信号强度。

据此，我们可以根据这些信号强度来计算节点的位置。

这种方法有自身的局限性，因为信号强度会受到一些干扰因素的影响，如天气、建筑物和树木等。

2. 时间差法时间差法是利用节点之间传输数据的时间差来计算节点位置。

当一个节点发送数据包时，其他节点会通过接收数据包的时间差来计算出该节点的位置。

这种方法对发射和接收时间的同步有极高的要求，运用该技术必须保证节点的时间同步性。

3. 角度差法角度差法是一种利用节点之间角度差来计算节点位置的方法。

该方法通过确定两个节点之间的角度差来确定它们之间的距离。

由此，我们可以基于三个节点之间的角度差来确定它们在三维坐标系中的位置。

二. 节点跟踪算法节点跟踪是指通过无线传感器网络来跟踪目标的位置或运动轨迹。

节点跟踪通常用于安全监测、行车记录仪、追踪和监测贵重物品等方面。

节点跟踪可以分为静态节点跟踪和动态节点跟踪两种方式。

1. 静态节点跟踪静态节点跟踪是指当目标静止时，跟踪器通过感知来确定目标的位置和其他属性。

无线传感器网络中基于BP-UKF的室内定位算法

无线传感器网络中基于BP-UKF的室内定位算法贺彬;吕晓军;张春家;杨波【摘要】In order to solve the localization problem at the complex interior environment,indoor localization algorithm based on BP-UKF algorithm is proposed.This algorithm uses the BP neural network algorithm to obtain the relationship between the distance and Received Signal Strength Indication(RSSI) accurately by use of the characteristic in fitting any no-linear function.Then the distances between the unknown nodes and anchor nodes can be calculated.The coordinates of the nodes are initialized by using the trilateration with those distances.It uses the unscented kalman filter algorithm to deal non-linear system equation.The initial value of the coordinates of the positioning node is treated accurately by the estimated value of the distance as the observation variable.The result of simulation shows that BP-UKF algorithm can achieves reliable and accurate solution in interior environment than the traditional positioning algorithm.%针对复杂室内环境中的定位噪声问题,文中提出一种基于BP-UKF的室内定位算法.利用BP神经网络拟合任意非线性函数的特性训练样本集,以确定接收信号强度指示(RSSI)和距离之间非线性关系,进而估计待定位节点与锚节点间的距离;采用三边定位法计算待定位节点的坐标初始值,并利用无迹卡尔曼滤波(UKF)处理非线性系统方程;通过设距离的估计值为观测变量,对待定位节点坐标的初值进行精确化处理.仿真试验结果表明,对于较复杂环境的室内定位,与传统的定位算法相比较,文中所提BP-UKF算法实现达到更可靠和准确的位置估计.【期刊名称】《自动化与仪表》【年(卷),期】2018(033)004【总页数】6页(P71-75,81)【关键词】室内定位;BP神经网络;三边定位;无迹卡尔曼滤波;非线性函数;无线传感器网络【作者】贺彬;吕晓军;张春家;杨波【作者单位】山西大学数学科学学院,太原030006;中国铁道科学研究院电子计算技术研究所,北京100081;中国铁道科学研究院电子计算技术研究所,北京100081;山西大学数学科学学院,太原030006【正文语种】中文【中图分类】TP183目前的研究中，基于RSSI的定位算法分为两类：一类是基于模型的定位如基于路径损耗模型[4]，由于在不确定且时变噪声的室内定位环境中，RSSI的准确测量会受到很大的影响，使得在使用某一确定模型进行定位时，距离的估计误差增大，进而影响对未知节点坐标的估计。

基于能量感知的无线传感器网络Sink节点移动方案

基于能量感知的无线传感器网络Sink节点移动方案吴文铁;李敏;文永革【摘要】Energy of nodes in Wireless Sensor Network ( WSN ) directly impacts on the network lifetime. Therefore,from the perspective of saving energy of nodes,sink node moving scheme based on energy awareness is proposed in this paper, which is marked as EASM-INL. In EASM-INL scheme, according to energy level, sensor nodes adjust the transmission range. As the slack, it shortens the transmission range in order to save electricity. In addition,sink node collects the information about energy of sensor nodes,and computes the Maximum Capacity Path ( MCP) . As long as there is a path capacity value less than the threshold,sink node is readyto move. It computes the maximum capacity path in north,south,east,west direction,and moves along the direction in minimum value. Then,it establishes theoretical derivation model and analyzes the EASM-INL scheme in term of improving the performance of network lifetime. Finally,this paper uses numerical simulation to verity the performance of EASM-INL scheme. Simulation results show that EASM-INL scheme can prolong network lifetime compared with traditional sink moving schemes.%节点能量直接影响无线传感器网络的寿命。

无线传感网中基于sink节点的目标位置选择移动算法

无线传感网中基于sink节点的目标位置选择移动算法饶芳;谭建军【摘要】On the basis of studying k⁃means algorithm and continuous Hopfield neural network algorithm deeply,a target position selection and movement algorithm is proposed,in which the nodes with similar energy in networks are clustered by using the principle of k⁃means algorithm. The centroid of each cluster is selected as the target position where the sink node can be placed,and an optimal path is presupposed for running of the sink node by applying the thought of continuous Hopfield neural network algorithm. Simulation results by Matlab show that this route algorithm can suppress the phenomenon of energy hole effec⁃tively,has great significance to prolong the network lifetime. It makes some contribution to solve energy problems.%在深入研究k⁃means算法和连续Hopfield神经网络算法的基础上，提出一种目标位置选择移动算法，该算法先利用k⁃means算法的原理，将网络中能量相近的节点进行聚簇，并选取每个簇的质心作为sink节点可以安放的目标位置，再利用连续Hopfield神经网络算法的思想，为sink节点的前进预设一条最优路径。

基于萤火虫算法的无线传感器网络移动sink节点路径规划方法

基于萤火虫算法的无线传感器网络移动sink节点路径规划方
法
俸皓;罗蕾;王勇;董荣胜
【期刊名称】《微电子学与计算机》
【年(卷),期】2016(33)5
【摘要】为了解决通信范围建模为圆形区域且存在相互重叠的无线传感器网络中移动sink路径规划这一NP难问题,提出了一种新的基于萤火虫群的路径规划方法.首先依据问题的特性对可行解空间进行了压缩;然后为提高算法在高维解空间的搜索效率,对离群萤火虫粒子设计了变异操作并设计了个体逐维移动的方式,提高了算法的求解精度并加快了算法的收敛速度.通过仿真实验分析及与其他算法的对比,验证了该方法的有效性.
【总页数】5页(P47-51)
【关键词】无线传感器网络;移动sink;TSPN;萤火虫优化算法;进化算法
【作者】俸皓;罗蕾;王勇;董荣胜
【作者单位】电子科技大学计算机科学与工程学院;桂林电子科技大学广西高校云计算与复杂系统重点实验室
【正文语种】中文
【中图分类】TP393
【相关文献】
1.一种无线传感网的Sink节点移动路径规划算法研究 [J], 陈友荣;陆思一;任条娟;杨海波
2.基于能量感知的无线传感器网络Sink节点移动方案 [J], 吴文铁;李敏;文永革
3.传感器网络中多移动sink节点的路径规划算法 [J], 俸皓;罗蕾;董荣胜;王勇
4.无线传感器网络中移动sink节点的路径规划 [J], 柏琪; 朱晓娟
5.移动节点路径规划和几何限制的无线传感器网络定位算法 [J], 梁涛;陈雄;孔庆生因版权原因，仅展示原文概要，查看原文内容请购买。

基于UKF的深井监测移动节点定位算法

基于UKF的深井监测移动节点定位算法余修武;刘琴;张枫;周利兴;胡沐芳;张可【摘要】Aiming at the problems that the monitoring positioning technology of linear system theory has a large error and can't monitor the positions of personnel and mobile equipments in deep mine in real-time, a positioning algorithm for mobile nodes based on the nonlinear function unscented kalman filter ( UKF) was put forward, namely U-MPA.On the basis of es-tablishing the U-MPA monitoring system and the roadway model, the UKF method was applied to filter ranging for RSSI, and the positioning monitoring of the mobile nodes in real-time was realized through the local coordinate system.Meanwhile, dif-ferent positioning accuracy requirements were achieved by changing the spacing density of anchor node.The simulation ex-periments showed that the positioning error of U-MPA algorithm was significantly smaller compared with RSSI algorithm, and the average positioning deviation of U-MPA algorithm was 44%of that by RSSI algorithm.%针对线性系统理论的监测定位技术误差较大且又无法实时监测深井人员及移动设备的位置问题,提出一种基于非线性函数不敏卡尔曼滤波(UKF)移动节点定位算法(U-MPA).在建立U-MPA监测系统及巷道模型的基础上,采用UKF方法对RSSI滤波测距,通过局部坐标系,实现对移动节点实时定位监测;同时,通过改变锚节点间距密度,实现不同定位精度要求.仿真实验表明:U-MPA 算法相比RSSI算法定位误差有明显减小,U-MPA算法的平均定位偏差为RSSI算法的44%.【期刊名称】《中国安全生产科学技术》【年(卷),期】2017(013)009【总页数】5页(P72-76)【关键词】无线传感器网络;深矿井;UKF;定位;移动节点【作者】余修武;刘琴;张枫;周利兴;胡沐芳;张可【作者单位】南华大学环境保护与安全工程学院,湖南衡阳421001;金属矿山安全与健康国家重点实验室,安徽马鞍山243000;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001;南华大学环境保护与安全工程学院,湖南衡阳421001;金属矿山安全与健康国家重点实验室,安徽马鞍山243000;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001;南华大学环境保护与安全工程学院,湖南衡阳421001;金属矿山安全与健康国家重点实验室,安徽马鞍山243000;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001;南华大学环境保护与安全工程学院,湖南衡阳421001;金属矿山安全与健康国家重点实验室,安徽马鞍山243000;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001;南华大学环境保护与安全工程学院,湖南衡阳421001;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001;南华大学环境保护与安全工程学院,湖南衡阳421001;湖南省铀尾矿库退役治理技术工程技术研究中心,湖南衡阳421001【正文语种】中文【中图分类】X9130 引言深井下环境复杂多变，具有高温、高湿、通风性差等特点，使得矿井开采及人员设备管理愈加困难，为保障井下工作的安全有序进行，引入一项重要的现代监测技术，即定位监测技术[1-5]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｇｙ，ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｓｅｎｓｏｒｎｅｔｗｏｒｋｌｉｆｅｔｉｍｅ，ｒｅｓｅａｒｃｈｏｎｏｂｊｅｃｔｔｒａｃｋｉｎｇｉｎｓｅｎｓｏｒｎｅｔｗｏｒｋｓ，ａｎｄｐｒｏｐｏｓｅｄａｎｕｎｓｃｅｎｔｅｄＫａｌｍａｎｉｆｌｔｅｒ（ＵＫＦ）ｂａｓｅｄｓｅｎｓｏｒｎｅｔｗｏｒｋｓｉｎｋｎｏｄｅｄｙｎａｍｉｃｔｒａｃｋｉｎｇａｌｇｏｉｒｔｈｍｉｎｏｒｄｅｒｔｏｒｅａｌｉｚｅｒｅｓｏｕｒｃｅｍａｎａｇｅｍｅｎｔｅｆｆｉ —
ｃｉｅｎｃｙ．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｉｎｌｙｉｎｃｌｕｄｅｄｔｈｅｌｏｃａｔｉｏｎｐｒｅｄｉｃｔｉｏｎａｎｄｔａｒｇｅｔｏｆｔｗｏｓｔｅｐｓ，ｉｆｒｓｔｌｙ，ｉｔｕｓｅｄｔｈｅＵＫＦａｌｇｏｒｉｔｈｍｏｆｓｉｎｋｎｏｄｅａｐｏｓｉｔｉｏｎｐｒｅｄｉｃｔｉｏｎ，ｂｙｓｅｌｅｃｔｉｎｇｎｏｄｅｓｏｎ／ｓｌｅｅｐｍａｋｅｓｓｉｎｋｎｏｄｅｓｇｒａｄｕａｌｌｙｃｌｏｓｅｔｏｔｈｅｐｒｅｄｉｃｔｅｄｐｏｓｉｔｉｏｎ，ａｎｄｔｈｅｎ
的使用寿命，对传感器网络的目标跟踪方式进行研究，提出基于无迹Ｋａｌｍａｎ滤波（ＵＫＦ）的传感器网络ｓｉｎｋ节点
动态跟踪算法，以实现高效节能的资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤：首先利用ＵＫＦ算法对目标节点的下一位置进行预测，通过选择各节点的开启／睡眠状态使ｓｉｎｋ节点靠近预测位置；然后通过四圆区域定位交叉定位算法对ｓｉｎｋ节点的位置区域进行局部准确定位。实验结果表明，这种动态的ｓｉｎｋ节点预测定位算法能够有效缩短数据发射传感器与ｓｉｎｋ点之间的距离，减少跳数，从而实现负载均衡降低
第３２卷第９期
２０１５年９月
计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏ１．３２Ｎｏ．９Ｓｅｐ．２０１５
基于ＵＫＦ区域交叉节点动态跟踪算法水
ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｓｉｎｋ（ｏｒｇａｔｅｗａｙ）ｉｎｔｈｅｓｅｎｓｏｒｎｅｔｗｏｒｋｐｏｉｎｔｉＳｎｏｄｅｃｏｌｌｅｃｔｓｉｎｆｏｒｍａｔｉｏｎｓｂｕｔｉｔｓｌｉｆｅｔｉｍｅｉＳｃｏｎｓｔｒａｉｎｔｅｄｂｙｅｎｅｒ－
能耗的效果。
关键词：无迹卡尔曼滤波；区域交叉定位；ｓｉｎｋ节点；动态跟踪；生存周期
中图分类号：ＴＰ３９３．０７文献标志码：Ａ文章编号：１００１．３６９５（２０１５）０９．２７２９．０４
殷荣网，李赵鑫，邵安贤，庞京玉
（１．合肥学院基础教学与实验中心，合肥２３０６０１；２．北京大学信息科学技术学院，北京１００８７１）摘要：在传感器网络中ｓｉｎｋ点（或网关）是收集信息的节点，但其生存周期受能量限制，为了提高传感器网络
ＹｉｎＲｏｎｇｗａｎｇ，ＬｉＺｈａｏｘｉｎ，ＳｈａｏＡｎｘｉａｎ，ＰａｎｇＪｉｎｇｙｕ
（１．Ｄｅｐｔ．ｏｆＢａｓｉｃＴｅａｃｈｉｎｇ＆Ｅｘｐｅｒｉｍｅｎｔ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３０６０１，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇ＆ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１５．０９．０３９
ＤｙｎａｍｉｃｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓｉｎｋｎｏｄｅｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＵＫＦａｎｄｒｅｇｉｏｎａｌｃｒｏｓｓｌｏｃａｔｉｏｎ