在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Le...在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。展开更多
在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的...在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.展开更多
文摘在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。
文摘在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.
