-
公开(公告)号：CN104902567A
公开(公告)日：2015-09-09
申请号：CN201510368018.1
申请日：2015-06-29
Applicant: 江南大学
Abstract: 本发明涉及一种基于最大似然估计的加权质心定位算法。本发明主要包括对接受信号强度的优化处理和建立新的权值模型。未知节点对于接收到的信号强度去除极大极小值求均值。首先通过计算估计距离与实际距离之间的最大似然估计值作为权值，然后引进一个参数k调整信标节点数与未知节点之间的权重，建立新的权重模型，优化未知节点周围锚节点的权值分配。对接受的信号强度的处理，减小了测距模型中带入的误差，提高了定位的精度，新的权值模型优化了锚节点的权值分配，降低了定位成本，使得网络具有较好拓展性。
-
公开(公告)号：CN106993273A
公开(公告)日：2017-07-28
申请号：CN201710195145.5
申请日：2017-03-29
Applicant: 江南大学
CPC classification number: H04W4/025 , G01S5/0278 , G01S5/06 , H04W64/006 , H04W84/18
Abstract: 本发明提供一种基于距离加权和遗传优化的DV‑Hop定位方法，主要包括建立信号强度与距离关系来进行最小二乘算法位置计算，以及新的优化方法。首先通过锚节点之间的RSSI均值对最小跳数进行约束；然后利用锚节点之间的最小跳数对平均跳距加权；最后利用改进的遗传算法优化最小二乘算法的位置估计结果，提高了定位精度。
-
公开(公告)号：CN105517150A
公开(公告)日：2016-04-20
申请号：CN201511016779.7
申请日：2015-12-29
Applicant: 江南大学
Abstract: 本发明涉及一种基于自适应差分的粒子群定位算法。本发明主要包括建立信号强度与距离关系和最小二乘算法位置计算，以及新的搜索方法。首先利用未知节点收到锚节点的距离信息，采用最小二乘算法计算位置，然后利用改进的自适应差分算法生成新的种群，再用粒子群算法和新的变异策略进行局部搜索，与适应值比较反复迭代逐渐渐近收敛，最后得出未知节点位置。新的差分算法生成的种群，保证种群的多样性，粒子群算法和差分算法结合进行局部搜索，加快了收敛速度，提高了定位精度。
-
-
Search Results
3
records
(took 0.013 seconds)
