基于加权最小二乘变尺度法的无线传感器网络定位
无线传感器网络环境感知的节点定位方法
俨 1 们川×川
d
训 γ) X 10[A 0- 1ω0γ 盹 贝 兴 句z)门 句 YOlgμ O-E (Pγ (d )]ν/(υl口句蚓 句 d
(5)
解方程组 (5)
即可得到导标节点 A 相对于区域
图2
不同区域 RSSI 与距离关系比较
ABC 的参数 do ， γ 如下:
Fig.2
The comparison of the relation between RSSI and distance between different regions
o
X 10[AO-I OyOlgdO -E(Pγ (d)) ]/( 10γ(3)
的信号传播损耗模型参数。当参数确定之后，如果
导标节点接收到未知节点的信号强度，首先判断未 知节点所在的区域，然后使用相应的参数计算出未
在实际测量中，常用均值代替期望进行计算，即
E(Pγ (d)) 臼 (LPJlk (k 为接收到 RSSI 的次数，
path10ss model) 、哈它模型 (hata mode1) 、对数-常
态分布模型 (log-distance dist出ution mode1) 等。
d = d X
o
lO [A o - 向olgdo-Pγ(d) -X ",]/( 10γ(2)
当一个未知节点与至少 3 个导标节点的距离确
但是，研究和实验表明，确定性模型最大的问题在
个区域模型参数的方法。
R2
O 导标节点 图 1 。未知节点
节点定位示意图
Fig. 1 Node localization schematic diagram
116
-70
中山大学学报(自然科学版)
一种无线传感器网络质心定位改进算法
ｕ ｅ ｏｒ ｃ ｉｎ ｍｅ ｈ ｎｓ ｔ ｏ ｅ ｔｔ ｅ ｎ ｔａ ｌｃ ｉａｉｎ． Ｔ ｅ ｌｇ ｒｔ ｓ ｓ ａ ｃ ｒｅ ｔｏ ｃ ａ ｉｍ ｏ ｃ ｒ ｃ ｈ ｉｉｉｌ ｏ ａ ｚ ｔｏ ｌ ｈ ａ ｏ ｉ ｈｍ ａ ｏ ｒ ｃ ｍｐ ｔｔｏ ａ ｏ ｌｘｔ ｈ ｓ ｌｗｅ ｏ ｕ ａｉｎ ｃ ｍｐｅ ｉｙ， ｌ ｃ ｍｍｕ ｉａ ｉｎ ｓ ｅ ｄ ｎ ｓｓｍｉａ ｏ ｔ ｅ ｃ ｎｒ ｉ ｏ ａａ ａ ｉｎ ａｇ ｒｔｍ． Ｓｍｕ ａｉｎ ｒ ｓ ｌｓ ｓ ｗ ｈ ｔ ｈ ｍｐ ｏ ｅ ｏ ｎ ｃ ｔ ｐ ｎ ｉ ｇ ｉ ｉ ｌ ｒｔ ｈ ｅ ｔｏｄ ｌｅ ｌｚ ｔ ｌｏ ｉｈ ｏ ｏ ｉ ｌｔｏ ｅ ｕｔ ｈｏ ｔ ａ ，ｔ ｅ ｉ ｒｖ ｄ
第２ ３卷 第 ６期
２１ ０ ０年 ６月
传 感 技 术 学 报
Ｃ ＮＥ Ｅ Ｊ ＲＮ ＥＮ ＯＲ Ｄ ＡＣ Ｕ ０ Ｓ ＨＩ Ｓ ＯＵ ＡＬ ＯＦ Ｓ Ｓ Ｓ ＡＮ Ｔ ＡＴ Ｒ
Ｖｏ ． ３ Ｎｏ ６ １２ ．
Ｊｎ ０ ０ ｕ ．２ １
Ａｎ Ｉ ｐ ｏ ｅ ｎ ｒ ｉ ｃ ｆ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｏ ｉｅｅ ｓ Ｓ ｎ ｏ ｔ ｒ ｍ ｒ ｖ ｄ Ｃｅ ｔ ｏｄ Ｌｏ ａ ｚ ｔｏ ｇ ｒｔ ｍ ｆ ｒ Ｗ ｒ ｌｓ ｅ ｓ ｒ Ｎｅ ｗｏ ｋ ｉ
Ｋｅ ｙ ｗｏｒ ：Ｗ Ｓ ｄｓ Ｎｓ；ｄ ｓｒｂ ｔ ｄ ｌ ｅ ｉａｉ ｎ；ｃ ｎｒ ｉ ｏ ａｉａｉｎ；ｌ ｃ ｌ ａｉ ｎ ｃ ｒｅ ｔｏ ． ｉｔ ｕ ｅ ｏ ａ ｚ ｔｏ ｉ ｌ ｅ ｔｏｄ ｌｅ ｚ ｔｏ ｌ ｏ ａ ｉ ｔ ｏ ｃｉ ｎ ｚ ｏ ＥＥＡＣＣ ：６ ５ １ ０Ｐ
提高 定位精 度 ， 具有 较 大 的实用 价 值 。本 文 以此 为 出发 点 ， Ｒ Ｓ 定 位信 息 引入 到 质 心定 位算 法 中， 将 ＳＩ
基于变化方位角最小二乘估计的电子侦察机无源定位技术研究
20
舰船电子对抗
第42卷
观测站，该系统可获得较高的定位精度，但其对各站 间的时间同步要求较苛刻，系统较复杂。而单站无 源定位技术一般是利用单个运动平台对辐射源角度 连续进行测量的方法来定位。采用方法主要有：最 小二乘法，到达时间定位法，频率法，方位-时间联合 定位法，方位一频率联合定位法，幅度-方位定位法， 测相位差变化率定位法等「2）。多站定位虽然有定位 精度相对较高的优点，但是它需要多站的同步工作， 各站间数据交换量大，时间较长。与多站定位相比， 单站定位的设备量大为减少，定位时间短，同时定位 精度也能满足要求%
faroperatonrange.Thspaperoptmzesandsmulatesthetactcaldecsonofpassvelocatonfor electronic reconnaissance aircraft based on the variable azimuth least square estimation, analyzes theinfuenceofsteeringangeofeectronicreconnaissanceaircraftonthe ocationresutsthrougha
more ser ously.Pass ve locat on technology3s w dely used3n the f eld of electron c reconna ssance
arcraft，because tdoesnotemtelectromagnetcwaves，hasthefeaturesofgoodconcealmentand
2019年12月 第&2卷第6期
舰船电子对抗
SHIPBOARD ELECTRONIC COUNTERMEASURE
剪切散斑干涉条纹图像处理技术研究进展
Journal of Image and Signal Processing 图像与信号处理, 2023, 12(4), 360-368Published Online October 2023 in Hans. https:///journal/jisphttps:///10.12677/jisp.2023.124035剪切散斑干涉条纹图像处理技术研究进展林薇，王芷曼中国电子科技集团公司第二十八研究所，江苏南京收稿日期：2023年9月8日；录用日期：2023年9月29日；发布日期：2023年10月9日摘要剪切散斑干涉技术是一种高精度、非接触的光学全场测量方法，可对复合材料构件的分层、脱粘、皱折、裂纹、撞击损伤等缺陷进行无损检测，在航空航天复合材料无损检测领域得到了广泛应用。
本文从剪切散斑干涉的技术原理和系统结构展开，结合大视场剪切散斑干涉光路结构分析了相移技术的应用，论述了干涉相位条纹图滤波和相位解包裹技术等条纹图像处理过程中的关键算法，最后介绍了深度学习网络在剪切散斑干涉测量中的应用，并分析讨论其优势与不足，对未来研究方向进行了展望。
关键词剪切散斑干涉，条纹图，滤波，相位解包裹，图像处理Development of Image ProcessingTechnology for ShearographyPhase Fringe PatternsWei Lin, Zhiman WangThe 28th Research Institute of China Electronics Technology Group Corporation, Nanjing JiangsuReceived: Sep. 8th, 2023; accepted: Sep. 29th, 2023; published: Oct. 9th, 2023AbstractShearography is a high-precision, non-contact optical full-field measurement method that can per-form non-destructive testing of composite material components such as delamination, debonding, wrinkles, cracks, and impact damage. It has been widely used in the field of nondestructive testing of aerospace composite materials. Starting from the technical principle and system structure of shearography, this paper analyzes the application of phase shift technology based on the large field of view shearography optical path structure, discusses the key algorithms in the stripe image林薇，王芷曼processing process such as interference phase fringe map filtering and phase dewrapping tech-nology, and finally introduces the application of deep learning network in shearography, analyzes and discusses its advantages and disadvantages, and looks forward to the future research direc-tion.KeywordsShearography, Phase Fringe Patterns, Filtering, Phase Unwrapping, Image ProcessingThis work is licensed under the Creative Commons Attribution International License (CC BY 4.0)./licenses/by/4.0/1. 引言剪切散斑干涉技术是结合应用光学、计算机技术和数字图像处理等现代技术发展起来的无损检测技术，是一种高精度、非接触的光学全场测量方法[1]。
基于加权非线性最小二乘的无源协同定位
1 引言
现代战争中，对目标进行定位跟踪越来越起着 突出的作用［1］，然而以雷达为代表的有源探测方式 面 临 四 大 威 胁 。 在 这 种 情 况 下 ，采 用 无 源 协 同 定 位 的 ［2~6］ 方法对辐射源定位显得更有意义。按传感 器的数目［5］可以分为：多传感器和单传感器无源定 位。多传感器无源协同定位可以利用传感器间的 互补和冗余信息得到比单传感器无源定位更快速 和更高的精度，因此得到广泛的应用。在无源协同 定位中，利用辐射信号到达传感器的角度量测信息 进行目标定位是最常用的无源定位技术之一，本文 主要讨论基于角度量测信息［7~8］的多传感器无源协 同定位。
（1） （2）
z
C
o y
φ1
φ2
x
S1
S2
θ2
θ1
图 1 传感器与目标的分布关系
3 算法原理
3.1 定位初值计算
在目标初始值估计中，把多传感器的观测值组
合成线性方程组： AX = b
其中，目标直角坐标位置 X = [x y z]T ；A 和 b 分
别是与传感器位置及观测数据有关的系数矩阵和
向量，表达式如下。
计算机与数字工程
901
2 无源协同定位测角模型
假设无源传感器网络有 N 个传感器，其它传感
器为辅传感器。目标相对于传感器的方位角和俯
仰角分别为 θi 和 φi ，其中 i = 1 2 N ，量测值表
示如下。
θi
无线传感器网络的路由算法
AODV协议1. 概述Nokia研究中心开发，自组网路由协议的RFc标准，它是DSR和DSDV的综合，借用了DSR中路由发现和路由维护的基础程序，及DSDV的逐跳(Hop-by-HoP)路由、目的节点序列号和路由维护阶段的周期更新机制，以DSDV为基础，结合DSR中的按需路由思想并加以改进。
它应用于无线自组织网络中进行路由选择的路由协议, 它能够实现单播和多播路由。
该协议是自组织网络中按需生成路由方式的典型协议。
用于特定网络中的可移动节点。
它能在动态变化的点对点网络中确定一条到目的地的路由，并且具有接入速度快，计算量小，内存占用低，网络负荷轻等特点。
它采用目的序列号来确保在任何时候都不会出现回环，避免了传统的距离向量协议中会出现的很多问题。
AODV最初提出的目的是为了建立一个纯粹的按需路由的系统。
网络中的节点完全不依赖活动路径，既不维护任何路由信息，也不参与任何定期的路由表交换。
节点不需要发现和维护到其他节点的路由，除非两个节点需要通讯或者节点是作为中间转发节点提供特定的服务来维护另外两个节点的连接性。
提出：With the goals of minimizing broadcasts and transmission latency when new routes are needed, we designed a protocol to improve up on the performance characteristics of DSDV in the creation and maintenance of ad-hoc networks.2. 特点优点：（1）基本路由算法为距离向量算法，但有所改进，思路简单、易懂。
（2）按需路由协议，而且节点只存储需要的路由，减少了内存的需求和不必要的复制。
（3）采用UDP 封装，属于应用层协议。
（4）支持中间节点应答，能使源节点快速获得路由，有效减少了广播数，但存在过时路由问题。
基于RSSI的无线传感器网络加权质心定位算法
收稿日期: 2005 11 12 陈维克: 男, 41 岁, 博士生, 高级工程师, 主要研究领域为无线传感器网络、机器人技术 * 国家自然科学基金项目资助( 批准号: 60475031) ; 湖北青年杰出人才基金项目资助( 批准号: 2005A BB021)
·266·
武汉理工大学学报( 交通科学与工程版)
PL( d) =
PL ( d 0) +
10k log
d d0
+
XR
( 2)
式中: P L ( d ) 为经过距离 d 后的路径损耗, dB; X R
为平均值为 0 的高斯分布随机变数, 其标准差范
围为 4～10. 式中 k 的范围在 2 至 5 之间. 取 d= 1 m, 代入式( 1) , 可得到L oss, 即 P L ( d0) 的值. 这样
标. 式中: d1 , d2, d 3 为未知节点获得的到 3 个信标
第2 期
陈维克等: 基于 R SSI 的无线传感器网络 加权质心定位算法
·26 7·
节点的 近似距离 ( 参 见图 1) ; ( x 1, y 1 ) , ( x 2, y 2 ) ,
( x 3, y 3) 为利用改进 Euclidean 定位方法计算出的
置在边界附近.
1. 2 无线电传播路径损耗模型分析
无线电传播路径损耗对于 RSSI 定位算法的 定位精度有很大影响. 常用的传播路径损耗模型
有[ 5] : 自由空间传播模型( f ree space pr opag ation
model ) ; 对 数 距 离 路 径 损 耗 模 型 ( log -distance
信标节点组合成下面的三角形集合, 这是提高定
利用最小二乘支持向量机实现无线传感器网络的目标定位
利用最小二乘支持向量机实现无线传感器网络的目标定位张晓平;刘桂雄;周松斌【摘要】针对接收信号强度值(RSSI)的波动直接影响无线传感器网络(WSN)目标定位准确度的问题,研究了利用最小二乘支持向量回归机(LSSVR)实现WSN的目标定位的基本原理,分析了固定探测节点和探测节点变化时的LSSVR建模定位特性,提出了基于自适应LSSVR回归建模实现WSN目标定位的方法(TL-AML).该方法综合考虑目标定位准确度和实时性,初始时刻首先建立LSSVR回归模型来定位目标,根据后面任一时刻探测节点与前一时刻回归模型建模节点的包含关系决定是否重新建模,实现自适应建模定位过程.基于CC2430无线传感网络实验平台,进行了相关TL-AML方法性能实验,通过合理选取建模参数,TL-AML方法的目标定位均方根误差(RMSE)比MLE方法减小34%～37%,比LSE方法减小60%～65%.建模参数在较大范围内取值时,TL-AML方法目标定位准确度比MLE和LSE方法有明显提高.在LSSVR建模情况下,TL-AML方法目标定位耗时0.2～0.4 s,无需重复建模时,目标定位耗时减少到0.04 s.实验结果表明,TL-AML方法能够显著减小RSSI波动对目标定位结果的影响,提高目标定位准确度,减少目标定位时间,且具有较好的目标定位实时性.【期刊名称】《光学精密工程》【年(卷),期】2010(018)009【总页数】9页(P2060-2068)【关键词】无线传感器网络;目标定位;最小二乘支持向量回归机;自适应回归建模【作者】张晓平;刘桂雄;周松斌【作者单位】华南理工大学,机械与汽车工程学院,广东,广州,510640;华南理工大学,机械与汽车工程学院,广东,广州,510640;广东省科学院自动化工程研制中心,广东,广州,510070【正文语种】中文【中图分类】TN929.1;TP3011 引言无线传感器网络（Wireless Sensor Networks，WSN）是综合了传感技术、计算技术和无线通信技术的新一代传感器网络，它可以通过传感器节点协同探测和融合目标信息来实现目标定位。
基于Zigbee的无线传感器网络定位技术
基于Zigbee的无线传感器网络定位技术李冉【摘要】文章简单地对无线定位的发展作了介绍，基于无线定位技术的发展以及目前使用比较广泛的定位算法，首先对定位系统的定位原理进行研究，然后利用接收信号强度指示RSSI（Received Signal Strength Indicator）定位技术对需定位的移动节点进行定位研究，最后完成了对定位系统的软件与硬件的设计。
%This paper makes a simple introduction about the development of wireless locationing, based on the development of wireless localization and the locationing algorithm widely used at present,study the locationing principle of locationing system at ifrst, then study the locationing of mobile node based on RSSI location technology, design the locationing system on software and hardware at last.【期刊名称】《无线互联科技》【年(卷),期】2016(000)004【总页数】2页(P17-18)【关键词】无线传感器网络;Zigbee;RSSI;定位【作者】李冉【作者单位】广东工业大学自动化学院，广东广州 510006【正文语种】中文随着科技的飞速发展，无线传感器网络（Wireless Sensor Networks，WSN）成了当今国际上炙手可热的、属于高度交叉综合学科、高度集成知识的前沿热点研究领域。
它是当代传感器、嵌入式、分布式信息处理、无线通信及云计算等技术综合交叉的学科，使用无线通信的技术完成网络的搭建，通过传感器在网络内部完成实时监控、感知和采集所需的各种环境或对象的信息，最后将这些信息通过无线技术汇总发送到用户终端，实现了自然环境、计算机世界和人类社会的连接。
无线传感器网络修正权值网格质心法目标定位算法
关键词 ：无线传感 器网络 ； 普通 网格质 心定 位算法 ； 修正权值 网格质 心定位算法
中图分 类号 ：Ｔ ３ ３ Ｐ ９ 文献标 识码 ：Ａ 文章编号 ：１０ －７ ７ ２ １ ） ８０ ２ －４ ００－ ８ （０ １ ０ － １ ７０ ９ － －
一
１ １ 修 正权 值 网格 质 心 定位 法 的模 型 ． 不 同于传统质 心定位法 ， 不是 对这些 探测到 目标 的节 点位置用质心法得 出的结果 作为 对 目标 位置 的估计 ， 因为 这样太粗略 ， 定位精度 差 。它采 用缩小 目标 存在 位置 区域 来提 高定位精度 ， 而为 了方便计算 ， 区域就取矩形 。然 后 此 将该矩形 区域均 匀划分 个网格 （ ， Ｍ＝ Ｗ为 自然数 ） 选 ， 出满 足下述要求 的网格点 ， 再计 算 出这些被 选 出的 网格 中 心 点坐标 ， 以它们 坐标均值 作为 目标位 置 的估 计。挑选 条
随着半 导体技术 、 系统技 术 、 微 通信技 术 、 计算 机技 术 的飞速 发展 ，Ｏ世纪 ９ ２ ０年代 末 ， 无线传 感器 网络 （ ｉ ｌｓ ｗｒ ｅｓ ｅ
ｓｎｏ ｅｗ ｒｓ ＷＳ ｓ 技 术 相 继 被 一 些 国 际 重 要 机 构 预 测 ｅ ｓｒ ｔｏｋ ， Ｎ ） ｎ
／
件是 ： 这些网格中有部分 网格是 在邻 居节点 里 面的不 能探
测 目标 的节点内部 ， 据所有 网格 与这些 不能探 测 目标 的 根
邻 居节 点的距离 ｄ 如果 ｄ ， ＜Ｒ， 则就将这些小 网格剔 除 。如
图１ 所示 ， 如果节点 ３检测 到 目标 进入 ， 搜索邻居节 点状态 表发现只有节 点 １和 ２也探测 到 目标 ， 而节 点 ４未探 测到
采用 WSVM 的三维无线传感器网络节点定位
采用 WSVM 的三维无线传感器网络节点定位梁娟;吴媛【期刊名称】《华侨大学学报（自然科学版）》【年(卷),期】2016(000)001【摘要】为了提高无线传感器网络三维节点的定位精度，针对 SVM 的核函数构建问题，提出一种基于小波支持向量机（WSVM）的定位算法。
首先，收集三维传感器锚节点信号强度，构建支持向量机学习样本；然后，将其输入到小波支持向量机进行学习，建立三维传感器节点定位模型；最后，采用仿真实验对模型性能进行测试。
研究结果表明：与传统三维定位算法对比，使用小波支持向量机中的三维传感器节点进行定位时，精度水平得到有效提升，获得更加稳定的节点定位结果，可以广泛应用于实际无线传感器网络系统中。
%Node localization is one of the key technologies in high three-dimension (3D)wireless sensor networks.In or-der to improve the three dimensional positioning accuracy of wireless sensor networks.This paper proposed a three-di-mension location algorithm based on wavelet support vector machine.Firstly,the signal intensity of three-dimension wire-less sensor anchor nodes is collected to build a support vector machine (SVM)learning samples.Then,the samples are input into wavelet support vector machine to establish the 3D sensor nodes locolization model.Finally,the simulation ex-periment is carried out to test the performance of location model.The results show that,compared with the traditional 3D location algorithm,the proposed method uses the wavelet support vector can improve the positioning accuracy for three-dimension wireless sensor network,and got a more stable node localization result,so the proposed method can be widely applied in the actual wireless sensor network system.【总页数】5页(P79-83)【作者】梁娟;吴媛【作者单位】河南工学院计算机科学与技术系，河南新乡 453002; 武汉理工大学信息工程学院，湖北武汉 430070;河南工学院计算机科学与技术系，河南新乡453002【正文语种】中文【中图分类】TP393【相关文献】1.采用三角形节点块处理无线传感器网络节点定位中节点翻转歧义的迭代方法 [J], 董恩清;刘伟;宋洋2.基于SCE-PSO的无线传感器网络节点三维定位方法 [J], 刘伟;李卓;杨晓斐;杨丽燕3.无线传感器网络节点的三维定位技术研究 [J], 高瑞娟;陈桂芬;李鹏4.三维无线传感器网络节点定位研究综述 [J], 徐越; 陈岑; 陈楠; 朱洪根5.无线传感器网络节点的三维定位技术 [J], 高瑞娟;陈桂芬;徐赫因版权原因，仅展示原文概要，查看原文内容请购买。
无线传感器网络中一种模糊加权目标定位方法
无线传感器网络中一种模糊加权目标定位方法蔡世清;周杰【摘要】提出了一种无线传感器网络( WSNs)中的模糊加权定位算法,利用探测节点RSSl值的估计距离为平面离散栅格分配权值,通过比较累计权值搜索出目标坐标,其模糊性使得该方法能够有效地抵抗各种强度的噪声,设定可调模糊度适应不同的衰落信道,在单目标定位中具有非常高的稳定性.针对多目标定位,提出变型的权值模型,设计了去模糊化算法将多个目标坐标提取出来.对实验仿真结果作出了评估,并提出了多目标定位的限制条件.%A fuzzy weights location algorithm in WSNs is proposed,target coordinate can be searched by comparing accumulated weights from RSSl of each detecting node. lt's an innovation method which can live a high-accuracy in low SNR because of its fuzziness and can adapt to different signal attenuating speed attribute to its flexible fuzzy degree. The proposed method performs a high stability in mono-target location application. There is also a deeper analysis in application to multi-target location,a transformed model is developed in allusion to multi-target location. Multiple targets coordinate is extracted successfully through defuzzification algorithm. Experimental result is evaluated,and restriction condition to multi-target location is proposed.【期刊名称】《传感器与微系统》【年(卷),期】2016(035)002【总页数】4页(P42-45)【关键词】无线传感器网络;接收信号强度指示;目标定位;模糊权值【作者】蔡世清;周杰【作者单位】南京信息工程大学电子与信息工程学院,江苏南京210044;南京信息工程大学电子与信息工程学院,江苏南京210044【正文语种】中文【中图分类】TP393目标定位[1]是无线传感器网络(WSNs)中重要的应用之一,常用的基本方法包括基于接收信号强度指示(RSSI)[2]、信号到达角度(AOA)[3]、信号到达时间(TOA)[4]、信号到达时间差(DTOA)[5]。
一种适用于无线传感器网络的基于最小二乘法的干扰识别方法[发明专利]
![一种适用于无线传感器网络的基于最小二乘法的干扰识别方法[发明专利]](https://img.taocdn.com/s3/m/c1e01c9ddc3383c4bb4cf7ec4afe04a1b071b0e7.png)
(10)申请公布号(43)申请公布日 (21)申请号 201510073199.5(22)申请日 2015.02.11H04L 29/06(2006.01)H04W 12/12(2009.01)(71)申请人北京科技大学地址100083 北京市海淀区学院路30号(72)发明人齐悦 黎宇飞 万亚东 王沁(74)专利代理机构北京金智普华知识产权代理有限公司 11401代理人皋吉甫(54)发明名称一种适用于无线传感器网络的基于最小二乘法的干扰识别方法(57)摘要本发明公开了一种适用于无线传感器网络的基于最小二乘法的干扰攻击识别方法。
传感器网络由于其无线媒质的开放性，其通信极易受到各种客观或主观的干扰，对网络性能造成影响。
网络通常会根据信道情况采取跳频等措施避免干扰的危害。
但是信道质量不好并不一定是干扰造成的，也可能是节点自身的原因。
因此，节点如能自识别出干扰和非干扰将有助于节点做出正确的处理选择，避免不必要的能量消耗。
本发明基于最小二乘法，利用sigmoid 函数的特性对干扰攻击进行检测，提高了检测率，并降低了功耗。
(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书1页 说明书3页 附图3页(10)申请公布号CN 104660598 A (43)申请公布日2015.05.27C N 104660598A1.一种适用于无线传感器网络的基于最小二乘法的干扰攻击识别方法，该方法使用正常数据收集模块、正常数据分析模块以及用于判定攻击的模块，其特征在于，所述干扰攻击识别方法包括以下步骤：步骤1：所述正常数据收集模块收集正常通信情况下的节点数据，并进行统计；所述节点数据为RSSI 与PDR 的值，其中RSSI 值为信号强度指示，即，正常节点接收到数据包时的发送节点的信号强度；PDR 值为数据包到达率，即，正常节点接收到的数据包与发送节点发送的数据包的比值；步骤2：所述正常数据分析模块处理上述步骤1的正常数据收集模块收集到的数据，通过曲线拟合方法进行拟合，得到拟合函数为sigmoid 函数然后根据后续收到的数据利用最小二乘法对拟合的曲线进行参数调整，即调整a，b 的值；所述对拟合曲线进行修正的方法为：将x 测代入上述拟合函数得求出令(f(x 测)-y 测)2或|f(x 测)-y 测|值最小时的a，b 值，其中，x 测，y 测为实际的测试值；为了确定不同节点的参数值a，b，通过以下步骤来修正a，b 的值，其中δ和θ为设定的误差阈值，且假设在修正过程中没有干扰，调整过程包括：将测得的x 测值代入上述拟合函数，若f(x 测)≤y 测，则保持a，b 值不变；若f(x 测)>y 测，并且f(x 测)-y 测≤|δ|，则保持a，b 值不变；若f(x 测)>y 测，并且|δ|<f(x 测)-y 测≤|θ|，则修改a，b 的值；若f(x 测)>y 测，并且f(x 测)-y 测>|θ|，则放弃此次测试数据；步骤3：根据上述步骤2中得到的sigmoid 函数来对后续收到的数据进行判断，设定判断过程中的误差阈值为ω，判断过程包括：将测得的x 测代入上文中修正后确定的sigmoid 函数，若f(x 测)≤y 测，则此时网络处于正常状态；若f(x 测)>y 测，并且f(x 测)-y 测≤|ω|，则此时网络处于正常状态；若f(x 测)>y 测，并且f(x 测)-y 测>|ω|，则此时网络存在干扰。
基于线性最小二乘估计的传感网节点三维测距定位算法
基于线性最小二乘估计的传感网节点三维测距定位算法黄庆宇;刘新华【摘要】Aiming at the problem that the traditional three-dimensional localization algorithm for sensor network nodes produce a singular matrix and high complexity,an improved localization algorithm based on three-edge measurement is proposed to realize node localization for Wireless Sensor Network(WSN),which is suitable for 3D localization in wireless sensor networks.The proposed algorithm obtains offset vector volume by tetrahedron formula.The target location of the 2D Linear Least Squares Estimation(LLSE)transformation is applied on the plane vector rotation.The target location is calculated by target position and offset vector.Simulation results show that compared with the traditional 3D Levenberg Marquardt(LM)localization algorithm,the proposed algorithm improves the accuracy by about 10% and not singular matrix,and the complexity is lower.%针对传统无线传感器网络节点三维定位算法会产生奇异矩阵及复杂度较高的问题,提出一种新的基于三边测量距离的定位算法,实现无线WSN中节点的三维定位.通过四面体体积公式计算得出偏移向量,运用平面上向量旋转的二维线性最小二乘估计变换的目标位置,由变换的目标位置及偏移向量计算得出目标位置.仿真实验结果表明,与传统的三维LM定位算法相比,改进算法精确性提高约10%且没有出现奇异矩阵,计算复杂度更低.【期刊名称】《计算机工程》【年(卷),期】2016(042)012【总页数】5页(P11-15)【关键词】无线传感器网络;三维定位;基于距离的定位;坐标旋转;偏移向量【作者】黄庆宇;刘新华【作者单位】武汉理工大学信息工程学院,武汉 430070;武汉理工大学信息工程学院,武汉 430070【正文语种】中文【中图分类】TP393三维节点定位问题主要应用于医疗保健、安防及紧急控制等系统。
基于小波变换测距优化的RSSI加权质心定位算法
基于小波变换测距优化的RSSI加权质心定位算法陈大孝;张莲;张攀;刘增里【摘要】为了减小RSSI定位算法在测距阶段的误差,提高定位精度,提出一种基于小波变换测距优化的RSSI加权质心定位算法,首先采用小波变换对接收到的信号强度进行滤波去噪,然后进行环境参数拟合,以减小测距阶段由于障碍物遮挡、人员走动或噪声干扰等因素造成的测距误差,坐标计算阶段采用加权质心定位算法来估计未知节点的位置坐标.仿真结果表明,改进后的算法有效地提高了定位精度.【期刊名称】《电子世界》【年(卷),期】2016(000)020【总页数】2页(P17-18)【关键词】小波变换;环境参数拟合;RSSI加权质心定位算法【作者】陈大孝;张莲;张攀;刘增里【作者单位】重庆理工大学电气与电子工程学院;重庆理工大学电气与电子工程学院;重庆理工大学电气与电子工程学院;重庆理工大学电气与电子工程学院【正文语种】中文无线传感器网络（WSN）技术涵盖计算机技术、现代传感技术和无线通信技术，正在迅速发展壮大，走近人们生活的方方面面，在军事应用、工业控制、医疗卫生、智能家居和环境监测等方面给人们带来了极大的便利［1］。
RSSI定位算法由于成本低廉，且无需额外的硬件支持，得到了广泛的应用［2］。
RSSI定位算法是要在当前环境下建立信号衰减模型，依据该模型利用测量出的RSSI值求出节点间的距离，最后求解未知节点的坐标。
测距阶段减少外界干扰，提高测距精度，是提高定位精度的重要环节。
本文提出在测距阶段利用小波变换对实测的RSSI值进行滤波，同时利用曲线拟合计算出当前室内环境下的环境参数，以提高测距精度；在坐标计算阶段，采用加权质心算法求解未知节点的坐标。
该算法可以有效减小距离测量的误差，提高定位精度。
小波变换作为短时傅里叶变换的延伸与发展，是一种局部化分析方法，在时域和频域上都能很好表征信号的局部信息，在信号分析以及图像处理等领域应用非常广泛。
小波变换的特点，也是它的优点所在，低熵性、多分辨率特性以及去相关性等，决定了其非常适用于信号的去噪。
一种改进的无线传感器网络定位算法
一种改进的无线传感器网络定位算法ZHANG Xin-hui;XIONG Xiao-xiao;ZHAO Xue-jian;SUN Zhi-xin【摘要】无线传感器网络在监测过程中,节点的位置信息具有重要的作用,没有位置信息的事件是毫无意义的.因此,定位技术在无线传感器网络应用中具有关键作用.文中在分析无线传感器网络中基于费马点模型的定位算法的基础上,结合利用中垂线划分测试三角形平面的思想,提出了一种用于三维传感网定位的VTM-APIT-3D算法.该算法首先利用费马点模型确定所定位节点所在的测试三棱锥,然后在测试三棱锥中使用三角形中线垂面对空间进行划分以提高定位精度.仿真结果表明,与其他使用费马点模型的DFPLE算法和FM-APIT-3D算法相比,该算法在定位精度和网络覆盖率上均有显著提高.当无线通信半径为30时,其定位精度提高至多约17.2％,网络覆盖率始终是100％.【期刊名称】《计算机技术与发展》【年(卷),期】2019(029)007【总页数】5页(P60-64)【关键词】无线传感器网络;三维定位;空间划分;三角形中线;垂面【作者】ZHANG Xin-hui;XIONG Xiao-xiao;ZHAO Xue-jian;SUN Zhi-xin 【作者单位】;;;【正文语种】中文【中图分类】TP3930 引言无线传感器网络具有低功耗、低成本、分布式和自组织的特征，可以广泛构造信息访问的平台以实现一些新的功能，例如对各种检测对象的信息收集，检测与跟踪指定范围内的复杂目标，等等。
为了在无线传感器网络中监测传感器网络的活动情况以实现一些具体的网络操作和网络应用，节点的位置信息非常重要[1]。
事件发生的位置以及节点的信息都建立在监测信息的基础上，毋庸置疑，没有定位信息的监测消息往往是毫无意义的[2]。
因此，位置信息在无线传感器网络应用中起到了关键作用。
在现阶段，常见的测距方法包括：到达时间(ToA)、到达时间差(TDoA)、到达角度(AoA)和接收信号强度指示器(RSSI)等等。