基于遗传模拟退火算法的无线传感器网络定位算法

无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题.第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化.其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数.仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位.     

基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法.改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标.仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小.     

基于跳距优化的改进型DV-Hop定位算法

DV-Hop定位算法是无线传感器网络节点定位的关键技术之一.传统DV-Hop定位算法节点定位,因跳数计算和跳距估计产生偏差,影响定位误差,为了提高定位精度,提出一种改进型定位算法.改进算法引入多通信半径方法细化节点间的跳数,计算未知节点平均跳距时,剔除孤立节点,并对利用锚节点得到的平均跳距进行加权归一化处理,使得未知节点定位精度提高.仿真结果显示,改进算法在不明显提高算法复杂度与通信量的基础上大大提高了定位精度.     

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离.在实际网络定位环境中,未知节点和锚节点之间多数是折线连接.当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大.为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法.采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试.仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值.     

基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。     

一种最优锚节点集合上的两重粒子群优化DV-Hop定位算法

当前粒子群优化的DV-Hop定位改进算法,网络中所有的锚节点都参与优化,但是一部分到未知节点估算距离误差较大的锚节点会引入大的定位误差。针对这种情况,首先提出了最优锚节点集合的概念;然后在定位过程中,应用离散粒子群算法构造了最优锚节点集合;最后在最优锚节点集合上应用连续粒子群算法对定位结果进行了优化。仿真实验表明,最优锚节点集合上的两重粒子群优化DV-Hop算法比DV-Hop和一次粒子群优化的DV-Hop明显提高了定位精度。     

基于蚁群粒子群混合的无线传感器网络定位算法

在无线传感器网络免于测距的定位算法中,DV-Hop算法是典型算法之一,蚁群粒子群算法(ACOPSO)通常被用来作全局优化;为了降低定位误差,提高定位精度,新算法先用DV-Hop算法估量未知节点与锚节点的测量距离,蚁群粒子群算法(ACOPSO)作后期优化,最小化DV-Hop的适应度函数,从而实现基于不同的距离或路径测量方法的优化;经过Matlab仿真分析表明,在相同的仿真环境中,新算法产生的平均定位误差比EV-Hop算法和基于粒子群的定位算法产生的平均定位误差更低,有效地提高了定位精度.     

基于锚节点选择的无线传感器网络定位算法

针对无线传感器网络定位系统中节点随机分布及锚节点数量有限而影响定位性能.在传统的DV-Hop定位算法基础上提出并分析一种基于锚节点选择的无线传感器网络定位改进算法.首先,根据距离矢量路由技术获得节点到锚节点间的距离.然后,选取合适锚节点进行初始位置估计,并进行位置优化.最后,将其升级为锚节点从而提高锚节点密度.仿真结果表明该算法与传统的DV-Hop定位算法相比定位精度有很好的改善,具有一定的可用性.     

改进人工蜂群优化的DV-Hop节点定位算法

针对距离矢量-跳数(DV-Hop)定位算法误差较大、难以应用于精度要求较高的无线传感器网络的缺点,提出一种改进人工蜂群优化的节点定位算法IABC-DV-Hop.IABC-DV-Hop采用最优适应度关联的线性递减邻域搜索策略对人工蜂群算法进行改进;采用改进人工蜂群算法替代DV-Hop极大似然估计法,用以计算未知节点坐标.实验结果表明:在相同网络环境下,相比于经典的DV-Hop定位算法,IABC-DV-Hop算法在定位精度和定位效率上均有不同程度的提高.IABC-DV-Hop算法可应用于定位精度、定位效率高的无线传感器网络.     

基于ASGSO算法的改进DV-Hop算法

针对无线传感器网络定位技术中DV-Hop算法在最后阶段计算待定位节点坐标时定位精度低的问题,提出了一种基于自适应步长萤火虫优化算法的改进DV-Hop算法(ASGSODV-Hop)。该算法将DV-Hop算法在估算节点坐标阶段所使用的最小二乘法用ASGSO算法代替,采用ASGSO智能算法的自适应迭代寻优对DV-Hop算法定位求解的问题建立特定的适应度函数并进行多次迭代计算实现优化,最终使待定位节点坐标与真实值更为接近。仿真结果表明,该算法的平均定位误差约为23.58%;相比于传统DV-Hop算法,ASGSODV-Hop算法可在无需附加通信开销的情况下使定位误差降低约46.49%,提高了节点的定位精度。     

无线传感器网络DV-Hop定位算法的改进方法研究

为了提高传统DV-Hop算法的定位精度,推动该算法的进一步发展,文中从平均跳距计算和未知节点坐标计算两个阶段入手对传统DV-Hop算法进行改进,提出了一种基于RSSI加权修正的平均跳距计算方法和一种基于最小二乘法修正的未知节点坐标计算方法。为了验证算法改进的有效性,在Matlab中进行了仿真实验。实验结果表明：文中算法相对于传统DV-Hop算法测距精度提高了约20%;定位精度较传统DV-Hop算法提高了约30%。理论和实践均表明：在同等条件下文中的改进算法与传统DV-Hop算法相比具有更高的定位精度。     

基于跳数区域划分的DV-Hop改进算法

DV-Hop节点定位算法使用跳数乘以平均每跳跳距估算节点间的距离,而平均每跳跳距的估算精确度与网络的拓扑结构、节点密度、节点通信半径等参数都有关系。针对DV-Hop算法过程存在的不足,为减少定位误差,本文提出了一种基于跳数区域划分的DV-Hop改进算法,引入了RSSI测距技术和限跳机制,优化参与定位的信标节点组合,采用多次三边测量法,最后用质心法确定未知节点坐标。MATLAB仿真测试表明,在相同的检测环境下,改进后的算法与其他改进算法相比,能更有效地降低定位误差,提高定位精度。     

无线传感器网络中一种修正DV-Hop算法

阐述了DV-Hop算法的基本原理。针对原算法中由于节点间跳数过大及小范围的部分节点聚集形成的相似误差使得未知节点的定位精度不高的问题,提出了一种修正DV-Hop定位算法。新算法通过设置门限值修正节点间的跳数,并利用信标节点的估计坐标和实际位置的偏差作为修正因子来修正未知节点的定位结果,同时剔除区域外的未知节点,提高了跳段距离估算精度,降低了定位误差。仿真实验结果表明,在不增加额外硬件的基础上,修正算法的定位精度明显要优于原算法,证明了修正算法的正确性。     

基于DV-Hop定位算法的改进

针对DV-Hop算法采用跳数乘以平均每跳跳距估算节点间的跳距,利用三边测量法或极大似然估计法估算节点坐标信息,算法过程存在缺陷从而造成定位误差过高的问题。为此提出一种基于节点密度区域划分的DV-Hop改进算法（DZDV-Hop）,依据网络的连通度和节点密度限制参与估算的信标节点的跳数,采用加权质心法估算定位坐标。Matlab仿真测试结果表明,在相同的网络硬件和拓扑结构环境下,改进后的算法能有效地减少节点通信量,且平均定位误差率比传统的DV-Hop算法减少了13.6%左右,提高了定位精度。     

基于无线传感器网络的DV-Hop定位算法的改进

在无线传感器网络的定位算法中,距离向量-跳段(DV-Hop)是典型的无需测距算法之一,但其定位精度不高。为提高算法的定位精度,通过对DV-Hop算法的理论分析,找出该算法产生误差的主要原因。针对该算法存在的缺陷,新算法巧妙利用无线信号在同种介质中传播速度的不变性,用计数器来测量锚节点间的传送时间以及锚节点与未知节点间的传送时间,并利用该时间比例来修正未知节点的估计距离。通过仿真实验表明:新算法减少了定位误差,提高了定位精度。     

基于人工蜂群算法的DV-Hop定位改进

针对无线传感器网络无需测距依赖的DV-Hop定位算法节点定位精度不高的问题,将鲁棒性强、收敛速度快且全局寻优性能优异的人工蜂群算法引入到DV-Hop算法的设计中,提出了一种ABDV-Hop(Artificial Bee ColonyDV-Hop)算法。该算法在传统DV-Hop算法的基础上,利用节点间的距离和锚节点的位置信息,在DV-Hop算法的最后阶段,通过建立目标优化函数,实现对未知节点坐标的估计。仿真结果表明,与传统DV-Hop算法相比,在不增加传感器节点的硬件开销的基础上,改进算法能有效降低定位误差。     

基于曲线拟合的改进DV-Hop定位算法

针对传统的DV-Hop(Distance Vector-Hop)定位算法存在定位精度不高的问题,提出基于曲线拟合的改进定位算法。在改进算法中,以锚节点的实际直线距离和估计距离之间存在的误差作为样本之一,结合误差所对应的节点间跳数,采用曲线拟合找出两者存在的关系。曲线拟合的结果,用于估计和预测锚节点和未知节点之间的距离误差,并对两者之间距离进行修正,从而减小两者之间的距离误差,降低未知节点定位误差。仿真结果表明,改进后的DV-Hop算法能够较好地修正了算法中关键的估计距离,显著提高了对于未知节点的定位精度。     

基于跳数修正的DV-Hop改进算法

针对无线传感器网络DV-Hop定位算法在实际应用中定位误差较大的问题,提出一种基于跳数修正的改进算法。在引入限跳机制的条件下,按未知节点与信标节点间的跳数值分类估算,对1跳区域内的节点采用RSSI测距技术,对于节点间跳数值大于1跳的节点,则利用信标节点间实际距离与估计距离的误差值修正平均每跳距离。仿真实验表明,在相同的网络条件下,与原DV-Hop定位算法和其他改进算法相比,改进后的算法能更有效地减少跳距估算带来的定位误差,提高平均定位精度并保持较好的算法稳定性。     

一种改进的煤矿井下无线传感器网络定位算法

针对煤矿井下巷道狭长,传感器节点分布不均匀,环境恶劣,井下人员定位不明确。传统算法定位精度不高。为此,提出一种改进DV-Hop的煤矿井下节点定位方法,利用无线信号同种介质中传播速度不变性,并利用节点间数据包传送时间对未知节点的估计距离进行修正。实验结果表明,改进算法有效地提高了无线传感器网络节点的定位精度,减少了定位误差,更加适合于类似于煤矿井下场景的定位需求。     

DV-Hop算法定位误差和覆盖率的改进

通过分析免测距的DV-Hop算法在定位精度及覆盖率方面的不足,提出一种改进的DV-Hop定位算法。规定只有在限定跳数内的信标节点信息才能被未知节点接收,并只有通过共线性检查证明信标节点的有效性,且有效信标节点数大于等于3时才能参与定位,分别用最小均方误差准则、归一化加权和总体最小二乘法(TLS)进行定位,然后升级已定位出的未知节点为信标节点,与最初的信标节点共同来定位其他未知节点。仿真结果表明相对于传统算法及现有的一种改进算法,本改进算法的定位精度和覆盖率有明显提高。