-
题名无线传感器网络节点位置验证框架
被引量：20
- 1
-
-
作者
苗春雨
陈丽娜
吴建军
周家庆
冯旭杭
-
机构
杭州安恒信息技术股份有限公司
浙江师范大学网络应用安全研究中心
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2019年第6期1231-1243,共13页
-
基金
国家自然科学基金项目(61502431,61379023)
浙江省计算机科学与技术重中之重学科(浙江师范大学)基金项目(ZC323014074)
浙江省科技厅公益性技术应用研究计划基金项目(2015C33060)~~
-
文摘
节点定位是无线传感器网络(wireless sensor network,WSN)关键支撑技术之一,传统的定位算法均假设信标节点位置是可靠的,导致其无法应用于存在信标漂移、虚假信标和恶意信标的场景.针对上述问题,提出一种分布式轻量级的节点位置验证框架(node location verification framework,NLVF),作为底层框架为传统的2类定位算法(基于测距的定位算法与非测距定位算法)提供信标位置验证服务,以过滤位置不可靠的信标扩展传统定位算法的应用范畴.节点位置验证的核心算法UNDA(unreliable node detection algorithm)是基于节点相互距离观测结果建立位置信誉模型,在定位过程中排除位置信誉较低的信标,以提高定位结果的可靠性.实验结果表明,NLVF可服务于基于2类测距技术的定位算法,且适用于存在3种不可靠信标的场景,具有普适性;UNDA算法具有较高的检测性能,平均检测成功率在95%以上,NLVF具有较高的可用性.
-
关键词
无线传感器网络
节点定位
可信定位
节点位置验证
分布式信誉模型
-
Keywords
wireless sensor network(WSN)
node localization
reliable localization
node location verification
distributed reputation model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名无线传感器网络中基于分簇的节点定位异常检测
被引量：6
- 2
-
-
作者
张玉琴
秦拯
-
机构
湖南大学软件学院
-
出处
《计算机应用研究》
CSCD
北大核心
2010年第3期1139-1141,1153,共4页
-
基金
国家"973"项目子课题(2007CB310702)
湖南省科技资助项目(7007730)
-
文摘
在引入WSN分簇结构基础上,提出一种分布式的节点定位异常检测方法,利用聚类拓扑减少通信量,同时降低以往集中式检测存在的单点风险。该方法不需要任何已知的部署知识或额外的硬件,每个簇的簇头节点只需根据该簇节点报告的位置和邻居表信息进行过滤计算,更新权值,即可确定和撤销定位异常的节点。通过理论分析和仿真模拟验证了这种基于分簇的节点定位异常检测方法的正确性和有效性。
-
关键词
无线传感器网络
节点定位
异常检测
位置验证
分簇
-
Keywords
wireless sensor networks（WSNs）
node localization
anomaly detection
location verification
clustering
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名移动传感网节点位置预测方法研究
被引量：2
- 3
-
-
作者
杨文忠
夏扬波
张振宇
王庆鹏
-
机构
新疆大学信息科学与工程学院
新疆大学软件学院
-
出处
《现代电子技术》
北大核心
2020年第2期168-173,共6页
-
基金
国家自然科学基金项目（U1603115）
国家自然科学基金项目（61262087）
+1 种基金
国家“973”计划项目（2014CB340500）
新疆高校教师科研计划重点资助项目(XJEDU2012I09)
-
文摘
针对现有稀疏传感网中移动节点位置预测精度较低,提出一种基于深度信念网络的移动未知节点位置预测方法。首先利用深度信念网络强大的特征学习能力,分析不同信号强度向量样本集;其次在深度信念网络的最后一层级联一层支持向量机,将所学习到的信号强度分布特征作为顶层支持向量机的输入,构建距离预测模型;最后预测未知节点与其相邻节点之间的距离,判断其可能位置所在区域,计算得出未知节点的预测位置。仿真实验结果表明,文中所提出的位置预测方法与RBF神经网络位置预测方法相比,预测精度提高了19.3%;与支持向量机预测方法相比,预测精度提高了23%;与改进的MCL相比,预测精度提高了33.4%,且有较强的鲁棒性,适用于稀疏传感网络节点位置预测。
-
关键词
移动无线传感器网络
节点位置预测
深度信念网络
支持向量机
构建预测模型
仿真验证
-
Keywords
mobile wireless sensor network
node location prediction
deep belief nets
support vector machine
construction prediction model
simulation verification
-
分类号
TN711-34
[电子电信—电路与系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
