基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。