WSN中基于贝叶斯技术得源定位研究
WSN中基于自适应预测聚类的多组群目标的跟踪方法
WSN中基于自适应预测聚类的多组群目标的跟踪方法刘述木;杨建;黎远松【摘要】针对多传感器目标跟踪中的能源使用和跟踪精度之间的不平衡问题,提出了一种权衡网络寿命和精度的方法,即基于自适应预测聚类的多组群目标跟踪方法(APCMT),实现了同时跟踪多个组群.首先进行聚类,即捕捉组群行为属性的改变,例如形成、合并以及分裂;然后选择传感器,激活对组群区域有贡献的传感器,并进行组群跟踪.仿真场景在1 000 m×l 000 m的正方形区域内,随机部署500个传感器,与Kalman、效能节点选择(EENS)方法以及改进的动态簇(IDC)方法相比,提出的方法在跟踪精度方面更高.由于需要激活的传感器更少、计算时间更短,网络寿命得到了明显的提升.【期刊名称】《电信科学》【年(卷),期】2016(032)007【总页数】8页(P68-75)【关键词】无线传感器网络;目标跟踪;多传感器;预测聚类;多组群;跟踪精度【作者】刘述木;杨建;黎远松【作者单位】四川工程职业技术学院,四川德阳618000;四川工程职业技术学院,四川德阳618000;四川理工学院,四川自贡643000【正文语种】中文【中图分类】TP393无线传感器网络（wireless sensor network，WSN）[1]是许多应用程序重要的先决条件，例如航海、环境监测以及野生动物跟踪等。
这些系统必须具有高灵活性、高容错率、高传感精度以及低成本等特点[2]。
本文主要研究WSN的组群目标跟踪，在该应用中，不同组群的目标会一起移动，传感器用以估计组群的位置等信息，这在安防领域具有重要的应用价值。
已有许多研究者对该领域进行了研究。
为了跟踪和覆盖所有相似目标的区域，参考文献[3]提出了一种使用二进制传感器网络的区域组群目标跟踪方法。
检测组群区域是为了确定传感器节点的子集，当目标出现在感知距离内时，基于二进制的传感模型输出为“1”。
但在选择过程中重叠区域缺乏识别信息，同时过度使用传感器资源也会降低网络寿命[4]。
WSN中基于幻影源的源位置隐私保护研究
WSN中基于幻影源的源位置隐私保护研究
李万高[1];魏晓娟[2]
【期刊名称】《软件导刊》
【年(卷),期】2015(014)010
【摘要】探讨如何提高无线传感器网络中源位置隐私的安全性和节点能量的利用率。
分析基于流量分析的攻击者对源位置的安全威胁，总结7种典型的基于幻影
源的源位置隐私保护策略，并提出在路由过程中，节点可以根据自身的邻节点个数、剩余能量及其到基站的距离自适应调整发射半径，打破以往的发送距离为一跳的数据包转发方式。
【总页数】4页(P147-150)
【作者】李万高[1];魏晓娟[2]
【作者单位】[1]河南工程学院计算机学院河南郑州451191;[2]河南理工大学计算机科学与技术学院河南焦作454000
【正文语种】中文
【中图分类】TP309.7
【相关文献】
1.WSNs 中基于随机角度和圆周路由的源位置隐私保护策略研究 [J], 贾宗璞;魏晓娟;彭维平
2.WSN中基于幻影源的源位置隐私保护研究 [J], 李万高;魏晓娟
3.基于幻影路由的源位置隐私保护研究 [J], 卢妙杰;赵泽茂;唐向宏;周建钦
4.WSN中基于目标决策的源位置隐私保护方案 [J], 郭蕊;芦天亮;杜彦辉
5.WSNs中基于攻击感知的源位置隐私保护路由协议 [J], 蔡威
因版权原因，仅展示原文概要，查看原文内容请购买。
无线传感器网络中的目标定位算法
无线传感器网络中的目标定位算法无线传感器网络（Wireless Sensor Network，WSN）是一种由大量便携式无线传感器节点组成的分布式网络系统。
这些节点可以自主地采集环境信息，并将采集到的数据传输给距离较远的存储设备或其他节点。
在网络中，节点之间可以实现自组织和自协调，协同完成特定任务。
因此，WSN在环保、农业、国土安全、医疗、交通等领域都有着广泛的应用前景。
WSN的目标定位是WSN的核心技术之一，是WSN中对目标位置进行估计、确定的过程。
目标定位算法是实现目标定位的核心模块，目标定位算法可以分为基于距离测量、角度测量、混合测量以及信号强度测量等几种类型。
其中，信号强度测量是目前应用最广的一种方法。
一、信号强度测量信号强度是指在传感器节点和目标节点之间所收到的发射信号强度。
信号强度与物理环境、信号传输的距离和障碍物等有关系。
因此，基于信号强度进行目标定位时属于非精确性定位。
利用信号强度进行目标定位的方法，可以通过RSSI（Received Signal Strength Indicator）或者LQI（Link Quality Indication）来实现。
RSSI是指接收设备所接收到的某个无线信号的强度，通常以dBm为单位。
LQI是CC2420解码器中的一个参数，用来描述接收到的数据的可靠程度。
而在基于LQI进行对象定位时，利用的是该参数和接受到的数据的质量值之间的关系。
信号强度测量是一种基于收集RSSI值的方法，并基于RSSI值的合成和统计参数来估计目标节点位置的方法。
在信号强度测量的方法中，贝叶斯定位是其中通常采用的一种方法之一。
简单地说，贝叶斯定位是一种通过先验概率和实际测量值来进行定位的方法。
也就是说，通过收集节点间的RSSI或LQI的值，对目标节点的位置进行估算。
最终通过数据融合和机器学习等手段，达到提高目标定位精准度和减少误差的效果。
二、基于几何测量的目标定位算法基于几何测量的目标定位算法，是指通过传感器节点之间相互测量的物理参数（如水平角度、垂直角度、距离）来估计目标节点位置的算法。
无线传感器网络中的协作式定位算法研究
无线传感器网络中的协作式定位算法研究随着物联网技术的发展，无线传感器网络（Wireless Sensor Network, WSN）已经成为研究的热点之一。
在WSN中，定位技术是一项非常关键的技术，可以帮助用户实时监测、控制和管理物联网设备。
然而，WSN中的节点往往分布在复杂的环境中，节点之间的通信、安装位置的不同等问题都会对定位算法的准确性产生一定的影响。
因此，协作式定位算法的研究成为了WSN领域的一个热门话题。
一、协作式定位算法的基本思想协作式定位是指利用一组分布在空间中的节点，通过相互之间的协作来推算目标的位置信息的一种位置推断技术。
在WSN中，协作式定位算法的基本思想就是将所有节点的位置数据共享，通过算法融合得到目标节点的位置信息。
二、协作式定位算法的主要类型1. 基于距离的协作式定位算法基于距离的协作式定位算法是指通过测量目标节点和其他节点之间的距离来推断目标节点的位置。
这类算法最常用的技术是收发信号强度指示（Received Signal Strength Indicator, RSSI）和测距技术。
收发信号强度指示是利用无线电信号的信号衰减以及用于检测信号的无线电天线的特性来估计信号强度的一种测量技术，可以在WSN中用于测量节点之间的距离。
测距技术是通过信号的时间差或多径效应等方式测量节点之间的距离。
这种方法具有很高的精度和可靠性，但常常需要额外的硬件设备支持。
2. 基于角度的协作式定位算法基于角度的协作式定位算法是通过测量节点之间的角度信息来推断目标节点的位置。
这种算法最常用的技术是方向测量方法，例如TOA（Time Of Arrival）和AOA（Angle Of Arrival）等。
这种算法的缺点是容易受到环境的干扰，如建筑物的遮挡、节点的位置偏移等问题。
3. 基于时间的协作式定位算法基于时间的协作式定位算法是通过节点之间的时间信息来推断目标节点的位置。
最常用的技术是TDMA（Time Division Multiple Access）和TDOA（Time Difference Of Arrival）等。
基于智能优化的WSN定位算法研究与改进
基于智能优化的WSN定位算法研究与改进基于智能优化的WSN定位算法研究与改进摘要：无线传感器网络（Wireless Sensor Network，WSN）是一种将多个分布式的传感器节点连接起来的网络，用于感知、采集、处理和传输环境中的信息。
其中一个重要的应用场景是定位，即通过部署在环境中的传感器节点获取目标节点的位置信息。
然而，传统的定位算法在精度、能耗和实时性等方面存在一定的局限性。
本文研究了基于智能优化的WSN定位算法，并提出了一种改进方案，以提高定位的精度和性能。
一、引言随着无线传感器网络技术的发展，WSN在物联网、智能城市等领域中得到了广泛的应用。
定位作为其关键技术之一，对于实现各种应用场景具有重要意义。
然而，传统的WSN定位算法存在定位精度低、能耗大以及实时性差等问题。
因此，研究和改进WSN定位算法具有重要的理论和实际意义。
二、传统的WSN定位算法（一）距离测量定位距离测量定位是一种常用的定位方法，通过测量目标节点与基站或其他节点之间的距离来计算目标节点的位置。
该方法通常采用全局定位系统（Global Positioning System，GPS）或基于接收信号强度指示（Received Signal Strength Indicator，RSSI）的测距技术。
然而，由于受到多径传播、信号衰减等因素的影响，距离测量存在定位误差较大的问题。
（二）迭代定位迭代定位是一种通过迭代计算来逐步优化节点位置的方法。
该方法通过节点之间的距离测量和多轮迭代计算，逐渐逼近目标节点的位置。
然而，迭代定位算法通常需要大量的计算和通信开销，且对于实时性要求较高的应用场景不太适用。
三、基于智能优化的WSN定位算法智能优化算法是指采用人工智能思想和方法，通过搜索和优化技术来解决复杂问题的一类算法。
在WSN定位中，智能优化算法的引入可以提高定位的精度和效率。
（一）粒子群优化算法（Particle Swarm Optimization，PSO）粒子群优化算法是一种模拟鸟群觅食行为的随机优化算法。
基于ZigBee技术的WSN及定位方法实现的开题报告
基于ZigBee技术的WSN及定位方法实现的开题报告一、研究背景随着物联网技术的不断发展，感知设备的应用越来越广泛，尤其在无线传感器网络（Wireless Sensor Network，WSN）领域中，感知设备的应用尤为突出。
WSN由众多无线传感器节点组成，每个节点能够采集和处理周围环境的信息，并通过无线信号传输到中心节点。
ZigBee技术是一种典型的WSN协议，具有低功耗、低数据传输速率和低通信成本的特点。
因此，基于ZigBee技术的WSN具有广泛的应用前景。
WSN中的节点定位技术是其中一个重要的课题，对于实现对环境的快速感知和监测至关重要，也为许多应用场景的实现提供了必要的技术支持。
随着感知器部署的数量不断增加，如何准确地将它们的位置信息传输给感知信息处理中心也变得越来越重要。
目前，比较成熟的定位方法包括RSSI（Received Signal Strength Indicator）法、TOA（Time Of Arrival）法和TDOA（Time Difference Of Arrival）法等。
二、研究内容本文的研究内容主要包括基于ZigBee技术的WSN和节点定位技术。
首先，通过对ZigBee无线传感器网络的基本原理和协议进行研究，建立基于ZigBee技术的WSN网络。
其次，对WSN的节点定位技术进行研究，分析不同的定位方法及其优缺点，并结合WSN应用场景，选取合适的定位方法进行实验研究。
最后，通过实验数据分析、对比和总结，得出基于ZigBee技术的WSN节点定位方法的优化策略和实现方案，为WSN的快速感知和监测提供技术支撑。
三、研究方法本研究采用如下方法：1. 阅读相关文献和参考资料，了解基于ZigBee技术的WSN和节点定位技术的研究现状和发展趋势。
2. 建立基于ZigBee技术的WSN网络，并进行系统性能测试和评估。
3. 分析不同的节点定位方法，根据WSN应用场景的不同选择合适的定位方法进行实验研究。
基于贝叶斯网络的装备损伤定位系统研究
装备损 伤定 位是 指 战场 上 快速 、 准确 地 确 定 装
备 损伤定 位 流程 ， 开发 了基 于贝 叶斯 网络 的装备 并
损 伤定位 系统 。
备损 伤原 因及损 伤部 位 的过 程 ， 便 为装 备 战 场 损 以 伤评估 与修 复 … （ Ｄ Ｒ） 供 决 策依 据 ， 伤评 估 ＢＡ 提 损 是损 伤修复 的前 提 与基 础 ， 损 伤 定位 则 是 损 伤 评 而
ｅ ｕ ｐ ｎ ａ ｇ ｒｅ ｔ ｔ ｎ ａ ｅ ｄ ｓ ｕｓｅ ｔ ｅ ｍ ｏ ｅ ｆＢａ ｅ ｉｎ ｎ ｔ ｒ ｓ ｄ ｉ ｑ ｉ ｑ ｉ ｍｅ ｔｄ ｍａ ｅ ｏ ｎ ａｉ ｒ ｉｃ ｓ ｄ，ｈ ｄ ｌｏ ｙ ｓａ ｅｗｏ ｋ ｕ ｅ ｎ ｅ ｕｐｍｅ ｔｄ ｍａ ｅ Ｏ ｉ ｏ ｎ ａ ｇ －
１ 基 于贝叶斯 网络 的装备损伤定位
贝 叶斯 网络 是人 工智 能领域 中新 发展起 来 的一
种决 策推 理工具 ， 用 于 解决 不 确 定 性 或概 率 性 事 适
件 ， 以根 据不 完全 或 不 精 确 的知 识 或 信息 做 出推 可 理 。贝叶斯 网络 的这 种特点 正好 适合 根据装 备 的各 种随机 损伤 信息进 行装 备损 伤 的定位 。 １ 与损 伤树相 比 ， ） 它解 决 了损 伤树 中结 点 只处
限制 ， 如果没有案例及大量的经验数据信息 ， 则推理 失败 。针对 以上 问题 ， 者提 出 了基 于 贝 叶斯 网络 笔
的装备损 伤定位 方法 ， 讨 了基 于 贝叶斯 网络 的装 探
收稿 日期 ：０ ８１ －０ 修 回日期 ：０ ８１ － ２０ ．１２ ； ２ ０ －２２ ５ 项 目来 源： 军队科研计划项 目 作者简介 ： 马志军（ ９４ ， ， １７ 一） 男 博士研究生
基于贝叶斯的改进WSNs信任评估模型
基于贝叶斯的改进WSNs信任评估模型周治平;邵楠楠【期刊名称】《传感技术学报》【年(卷),期】2016(029)006【摘要】基于贝叶斯和熵，提出一种改进的WSNs信任评估模型。
考虑到非入侵因素带来的网络异常行为，引入异常衰减因子，利用修正后的贝叶斯方程估算直接信任，并利用滑窗和自适应遗忘因子进行更新。
根据直接信任的置信水平确定其是否足够可信来作为综合信任，减少网络能耗，并降低恶意反馈的影响。
如果直接信任不足够可信，计算间接信任来获得综合信任，利用熵来对不同的推荐赋予权重，克服主观分配权重带来的局限性，加强模型的适应性。
仿真实验表明，该模型能够有效检测恶意节点，具有较高的检测率和较低的误检率，同时在很大程度上降低了网络的能量消耗。
%Based on Bayesian and entropy,an improved trust evaluation model for wireless sensor networks(WSNs) is proposed. Considering the abnormal behavior caused by non-invasive factors,the abnormal discount factor is in⁃troduced to modify the Bayesian equation which is used to estimate the direct trust. The sliding window andadap⁃tive forgetting factor is used for the update of the direct trust. Then,according to the confidence level,whether the direct trust is credible enough to be a comprehensive trust can be determined,which effectively reduces energy con⁃sumption and the impact of malicious feedback. Finally,if the direct trust is not reliable enough,the comprehensive trust should be calculated,which uses entropy to assign weights to differentrecommendation. Simulation results show that the proposed model can detect malicious nodes effectively and reduce energy consumption of the network to a great extent.【总页数】7页(P927-933)【作者】周治平;邵楠楠【作者单位】江苏物联网技术应用教育部工程研究中心，江苏无锡214122;江苏物联网技术应用教育部工程研究中心，江苏无锡214122【正文语种】中文【中图分类】TP393【相关文献】1.基于改进贝叶斯和风险评估的无线传感网络信任模型 [J], 胡军;管春;胡涛2.基于时序信息分析的WSN贝叶斯信誉评价模型 [J], 滕志军;郭力文;吕金玲;侯艳权3.基于元胞自动机和静态贝叶斯博弈的WSN恶意程序传染模型 [J], 张红;沈士根;吴小军;曹奇英4.基于三角模糊数的贝叶斯供水管网评价模型改进及其应用 [J], 石小林;丁相毅;刘思然;凌敏华5.基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型 [J], 袁颖;谭丁;于少将;李杨;韩冰因版权原因，仅展示原文概要，查看原文内容请购买。
基于动态贝叶斯网络的WSNs链路质量预测
基于动态贝叶斯网络的WSNs链路质量预测舒坚;刘松;刘琳岚;谷小乐【期刊名称】《工程科学与技术》【年(卷),期】2017(049)002【摘要】无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。
为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络（dynamic Bayesian networks,DBN）的链路质量预测机制。
为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络（Bayesian networks,BN）处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。
实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI 预测模型相比,本文模型具有更高的预测准确度。
采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。
【总页数】8页(P152-159)【作者】舒坚;刘松;刘琳岚;谷小乐【作者单位】[1]南昌航空大学物联网技术研究所,江西南昌330063;[2]南昌航空大学软件学院,江西南昌330063;[3]南昌航空大学信息工程学院,江西南昌330063【正文语种】中文【中图分类】TP393【相关文献】1.基于动态贝叶斯网络的WSNs链路质量预测2.基于模糊支持向量回归机的WSN s链路质量预测3.一种基于BP神经网络的WSNs链路质量预测方法4.基于BPPN 的微电网通信WSN链路质量预测5.基于深度信念网络的WSN链路质量预测因版权原因，仅展示原文概要，查看原文内容请购买。
WSN节点定位技术研究及仿真 开题报告
毕业设计（论文）学生开题报告课题名称WSN节点定位技术研究及仿真课题来源纵向课题、真题课题类型BX 指导教师学生姓名学号专业班级本课题的研究现状、研究目的及意义无线传感器网络是当前国际上备受关注的、由多学科高度交叉的新兴前沿研究热点领域。
早在1999年，美国的《商业周刊》就将“网络化的微型传感器技术”评为21世纪最重要的21项技术之一。
微机电系统、无线通信和数字电子技术的进步孕育了无线传感器网络（WSN）。
并以其低功耗、低成本、分布式的自组织的特点带来了感知的一场革命，通过部署大量传感器节点至目标区域，WSN将改变我们与客观世界的交互方式，它的未来将远超我们的想象力。
定位是大多数应用的基础。
由于无线传感器网络节点的工作区域往往sgi人类不适合进入的区域，或者是敌对区域，甚至有时传感器节点需要通过飞行器抛撒，因此节点的位置通常是随机并且未知的。
而传感器节点自身的正确定位是提供监测事件位置信息的前前提，没有位置信息的监测信息往往没有意义。
传感器节点必须明确自身位置才能详细说明“在什么位置或区域发生了特定事件”，除能报告事件的发生地点外，还能进行目标跟踪，实时监视目标路线，预测目标轨迹等，实现对外部目标的定位和跟踪。
另一方面，了解传感器节点位置信息还可以协助路由，提高路由效率，为网络提供命名空间，向部署者提供网络的覆盖质量，实现网络的负载均衡以及网络拓扑的自配置等网络管理。
因此，确定事件发生的位置或获取消息的节点位置尤为重要，对传感器网络应用的有效性起着关键作用，而全球定位系统是目前使用最广泛最成熟的定位系统，通过卫星的授时和测距对用户节点进行定位，具有精度高、实时性好、抗干扰能力强等优点，但是定位适应于无遮拦的室外环境，用户节点通常能耗高且体积大，成本也比较高，需要固定的基础设施等。
人工部署和为所有网络节点安装GPS接受器都受到成本、功耗、拓展性等问题的限制，甚至在某些场合可能根本无法实现，这使得它不适用于低成本自组织的传感器网络。