无线传感器网络节点的加权定位研究

doi:10.3778/j.issn.1002-8331.2010.18.032

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 100-102.DOI: 10.3778/j.issn.1002-8331.2010.18.032

无线传感器网络节点的加权定位研究

陈得民1，张元1，李鹏2

1.河南工业大学人工智能研究所，郑州 450001
2.哈尔滨工业大学计算机科学与技术学院，哈尔滨 150001

收稿日期:2008-12-11 修回日期:2009-02-26 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 陈得民

Nodes’ weighted localization research of wireless sensor network

CHEN De-min1，ZHANG Yuan1，LI Peng2

1.Artificial Intelligence Institute，Henan University of Technology，Zhengzhou 450001，China
2.College of Computer Scinece，Harbin Institute of Technology，Harbin 150001，China

Received:2008-12-11 Revised:2009-02-26 Online:2010-06-21 Published:2010-06-21
Contact: CHEN De-min

摘要/Abstract

摘要： 根据实际工程提出一种基于加权定位算法的粮库压力传感器网络模型。运用数学建模、数学分析、最优化理论知识，根据浅圆粮仓粮堆底部力场特性，提出一种加权定位算法，根据此算法构建压力传感器网络模型。对比文献中提出的几种传感器网络模型，该方法优化了传感器节点的布置，提高了监测精度。实验显示该方法具有很高可靠性和适用性。

关键词: 数学模型, 定位算法, 网络模型

Abstract: This paper presents a sensor network model based on the weighted localization algorithm in the practical project.Using maths modeling，maths analysis and optimization theory and according to the pressure characteristics of the grain bottom，a weighted localization algorithm is proposed，the sensor network model is founded based on the algorithm.Compared several models in literatures，this mode optimizes the nodes localization and advances the measure precision.Experiment shows high reliability and applicability.

Key words: maths model, localization algorithm, network model

中图分类号:

TE341
O242

陈得民1，张元1，李鹏2. 无线传感器网络节点的加权定位研究[J]. 计算机工程与应用, 2010, 46(18): 100-102.

CHEN De-min1，ZHANG Yuan1，LI Peng2. Nodes’ weighted localization research of wireless sensor network[J]. Computer Engineering and Applications, 2010, 46(18): 100-102.

[1]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[2]	徐乐，韦玉科. 基于三点定位与加权坐标的三角定位算法[J]. 计算机工程与应用, 2020, 56(9): 111-116.
[3]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[4]	王玉琨，安红梅. 喷泉景观的造型设计与模型研究[J]. 计算机工程与应用, 2019, 55(9): 211-215.
[5]	夏宇声，刘凯，张浩，金飞宇，郑林江. 基于多边限定的室内定位方法设计与系统实现[J]. 计算机工程与应用, 2019, 55(11): 250-256.
[6]	张文元1，丁京祯1，杨丽娜2，杨翔宇1. 室内外一体化最优路径分析算法实现[J]. 计算机工程与应用, 2018, 54(18): 58-65.
[7]	徐喆，宋泽奇. 带比例因子的卷积神经网络压缩方法[J]. 计算机工程与应用, 2018, 54(12): 105-109.
[8]	李林1，李小舜2，吴少智3. 基于迁移学习和显著性检测的盲道识别[J]. 计算机工程与应用, 2018, 54(11): 8-14.
[9]	赵玖玲，张文海. 降低固体推进剂特征信号的改进粒子群算法[J]. 计算机工程与应用, 2017, 53(19): 136-141.
[10]	许玉龙1，孙晓静2，曹莉1，王晓辉1. 基于矩阵编码的多目标进化求解面试分组问题[J]. 计算机工程与应用, 2017, 53(16): 249-257.
[11]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.
[12]	李新春，王晓明. 节点分布对无线传感器节点定位性能的影响[J]. 计算机工程与应用, 2016, 52(9): 112-115.
[13]	李时辉. 基于测距的蒙特卡罗盒传感网定位算法研究[J]. 计算机工程与应用, 2016, 52(7): 110-116.
[14]	王吉旭1，熊剑1，郭杭2，余恭敏1. 基于偏振光辅助定向的车辆自主式导航方法研究[J]. 计算机工程与应用, 2016, 52(7): 242-247.
[15]	周世超，张沪寅，杨冰. 基于深度信念网络的语音服务文本分类[J]. 计算机工程与应用, 2016, 52(21): 157-161.

无线传感器网络节点的加权定位研究

Nodes’ weighted localization research of wireless sensor network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics