一种基于狼群优化的改进DV_Hop定位算法

DV_Hop算法是经典的无需测距的无线传感器网络节点定位算法之一,但由于节点分布不均匀,由平均跳距计算出的未知节点与锚节点的距离跟实际距离差距较大,导致其定位精度不高.针对这一问题,借助于狼群算法需要的计算参数较少以及具有良好的寻优精度的特点,提出一种基于优化狼群算法(IWCA)的DV_Hop算法(IWCADV_Hop).首先将DV_Hop算法的估计距离进行优化,对于距离锚节点跳数为1的未知节点,用RSSI方法直接求出它与锚节点的距离,从而减小估计距离的误差;其次,由于狼群算法容易陷入局部最优,提出优化狼群算法(IWCA),采用模拟退火的思想在探狼k次迭代未改变位置时,允许以一定概率向效果差的方向游走,游走方式采用混沌映射的方式;最后,将IWCA算法应用到节点定位的计算阶段,从而减小DV_Hop算法计算节点位置时产生的误差.理论分析与仿真实验表明,与同类算法相比,本文提出的IWCADV_Hop算法能提高无线传感器网络节点定位的准确性.     

基于入侵杂草优化算法的无线传感网节点定位

在基于测距的无线传感器网络节点定位中,最小二乘法由于定位误差的累积,定位精度不高。针对该问题,提出了一种基于入侵杂草优化算法的定位方法。该算法以定位误差为适应度函数,将定位问题转换为求解非线性方程组最优化问题。在求解的过程中,利用未知节点到锚节点的距离和锚节点可信度对适应度函数进行修正,以实现更高精度的定位。仿真实验表明:改进的定位算法,在不同测距误差、不同通信半径、不同锚节点数和不同节点数下,都能得到更高的定位精度。     

基于蛙跳算法的无线传感器网络节点定位

为减小测距误差对无线传感器网络定位精度的影响,将蛙跳算法应用到距离式定位算法的位置计算阶段中,提出了蛙跳定位算法。该算法在适应度函数设计中,根据节点间的测距信息对锚节点进行了加权处理,以降低测距误差对定位结果的影响。结合最小最大法构造初始种群,使其包含更多可行解,从而提高算法效率。仿真结果表明,与采用极大似然估计法或总体最小二乘法来进行位置计算的距离式定位算法相比,该算法有效降低了距离误差对定位精度的影响,具有较高的定位精确度和稳定性,是一种实用的无线传感器网络节点定位方法。     

基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。     

改进的距离重构三维定位算法

针对三维定位算法中节点坐标转换精度低的问题,在距离重构多维定位算法DR-MDS的基础上,提出了改进的距离重构三维定位算法。该算法在距离重构和MDS-MPA算法的思想下,采用优化的最小均方根偏差几何中心修正算法RMSDGCC(Root Mean Square Deviation-Geometric Center Correction),先计算出坐标转换矩阵,然后利用锚节点的几何中心对所有节点进行修正,实现节点从相对坐标向绝对坐标较高精度的转换。算法可以实现有效的坐标转换,获得较好的定位效果。实验结果显示,与原多维定位算法相比,在不引入测距误差的情况下,改进算法在测距半径为15 m时定位精度提高14%,定位误差缩小至0.63 m,测距半径为35 m时,定位精度提高87%,定位误差几乎为0。该改进算法在三维空间中有更高的节点定位精度。     

基于粒子群的DV_Hop算法优化

原DV_Hop算法中存在节点间距离估算的累计误差以及待测节点坐标求解时的误差问题。在平均跳距的计算阶段,信标节点先后以两个通信半径广播自身位置信息,精确了节点间最小跳数值,加入修正因子来校正平均跳距,得到更精确的未知节点坐标。采用基于线性优化惯性权重和线性加权改进的学习因子同步变化的粒子群算法来优化待测节点位置解析误差,降低待测节点的平均定位误差。仿真结果表明,与原有算法相比,该方法可以有效地降低估算距离误差,提高待测节点的定位精度。     

无线传感器网络中一种改进的DV-Hop定位算法

节点定位是无线传感器网络应用的关键技术,文章分析了DV-Hop算法及提出的一些改进方法;DV-Hop算法简单把跳数作为衡量节点距离的标准,这样会由于跳数相同、实际距离远近不同而选用错误的锚节点定位引起较大误差;通过引入了RSSI测距模型,把测距技术和非测距技术相结合,校正距离锚节点远近,在一跳之内以及多跳情况下分别实现更高精度的定位从而达到在一定程度上降低定位误差的目的。     

一种改进的免测距节点定位算法研究

为了更好地解决无线传感器网络中节点定位精度和复杂测距技术之间的矛盾,在分析现有免测距定位算法的基础上,提出了一种免测距的节点定位改进算法。对传统DV-HOP算法进行了三方面的改进：利用未知节点到锚节点的距离及节点通信半径为约束条件构造似然函数,确定未知节点分布的可能区域;依据未知节点到各邻居锚点的跳数对它估计的平均每跳距离进行加权处理,然后用各邻居锚节点加权处理后的平均点的平均每跳距离,最后通过最小均方误差准则优化这一估计值;当未知节点获得与其3个或3个以上邻居锚节点的距离后,首先运用进行三边测量法进行自身定位,其后升级为锚节点,向网络中传播自己的位置信息。参与下一个未知节点的定位过程中,实现了传统DV—HOD算法的改进。仿真结果表明了该节点定位算法的有效性。     

无线传感网络的3D粒子群定位算法

设计了一套基于粒子群算法的ZigBee无线传感网络3D定位算法。采用ZigBee节点JN5148进行测距,并对测距效果和误差进行分析。在设计粒子群算法目标函数时,根据测距距离远近赋予数据不同权重。仿真实验证明,本文定位算法性能良好。     

基于RSSI的无线传感器网络节点定位

研究基于Zigbee技术的无线传感器网络中未知节点的定位问题。针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降。为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法。此方法可以最大限度的减少测量误差大的节点对定位精度的影响。经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度。     

基于最优跳距和LevyPSO算法的DV_Hop定位算法*

针对DV_Hop(Distance Vector-Hop)算法中定位精度较低的问题,提出一种基于最优跳距与LevyPSO算法的无线传感器网络定位算法,即OLPDV_Hop(Optimal Jump Distance and Levy Particle Swarm Optimization DV_Hop).首先,通过单跳平均误差修正平均跳距,然后利用接收多锚节点的平均跳距估算节点间距离,使估算距离得以优化,最后利用LevyPSO算法替代最小二乘法求得未知节点位置,LevyPSO算法利用Levy飞行改变粒子移动方向以防陷入局部最优,并通过贪婪的更新评价策略产生最优解,最终得到全局最优.仿真结果表明,OLPDV_Hop 算法较 DV_Hop 算法、IPSODV_Hop(Improved Particle Swarm Optimization DV_Hop)算法和BDV_Hop(Based on DV_Hop)算法在定位精度上有明显改善.     

基于最优跳距和改进粒子群的DV-Hop定位算法*

针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题,提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法首先利用节点的通信半径对锚节点间跳数进行修正;然后根据全局和局部范围对锚节点的影响,选择最优平均跳距来估算距离;最后用改进的粒子群算法来优化未知节点坐标。仿真结果表明,OPDV-Hop算法相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法,定位误差分别减小16%、11%和5%左右,其能够有效的降低估算距离误差,提高定位精度。     

基于粒子群优化算法的室内定位方法

为了减小无线传感器网络节点的定位误差,将粒子群优化算法应用于定位中,与以往的适应度函数来源不同,为解决误差累积问题,在最小二乘原理基础上采用加权系数,确定适应度函数的表达式。在粒子群优化算法中引入三种不同的参数组合观察不同的参数对迭代次数以及定位精度的影响,然后通过两种不同的适应度函数对定位误差进行比较。实验结果表明,合适的参数选择能降低算法的复杂度,新的适应度函数更能减小定位误差。     

距离误差加权与多通信半径的蝙蝠优化定位算法

传统DV-Hop定位算法存在明显的定位误差,改进的粒子群优化算法由于易陷入局部最优、局部收敛过慢等问题无法满足节点的定位精度要求.针对于此,通过设置跳数阈值优选锚节点以排除异常锚节点对定位精度的干扰;引入多通信半径广播方法修正最小跳数;采用距离误差和跳数归一化思想修正平均跳距;通过利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等三方面改进蝙蝠算法,并利用改进的蝙蝠算法定位未知节点.仿真结果表明,相比传统DV-Hop、BIDV-Hop、GAPSODV-Hop等3种算法,本文改进的定位算法有效降低了定位误差,提高了定位精度.     

基于粒子群算法的多机无源定位系统优化布站

在一定海空战场背景下,通过调整多机无源定位系统中各机位置布局可以有效地提高该系统对特定区域目标的定位精度.文中通过推导多机时差定位算法误差的GDOP公式,提出了利用粒子群算法寻找多机无源定位系统最优布站的方法.与传统典型布站相比较显著降低了对区域目标定位误差,明显提升了多机无源定位动态快速布站能力.同时利用粒子群算法对...     

基于跳距修正与狮群优化的WSNs三维定位算法

针对DV-Hop在三维空间中存在定位误差,为提高节点定位精度,提出一种基于跳距修正和狮群优化的WSNs三维定位算法(HCLSO-3D).首先,通过多通信半径传播,对节点跳数进行精确划分,得到优化跳数值.其次,使用相似路径搜索算法获取与待定位节点到相应锚节点之间最相似的锚节点对的路径,对此路径平均跳距值进行修正,得到待定位节点到目标锚节点的平均跳距.最后,利用狮群算法优化求解待定位节点坐标位置.仿真结果表明,在同样的网络环境下,HCLSO-3D算法与3D-DV Hop定位算法和文献[16]定位算法相比,定位精度明显提高.     

基于粒子群优化算法的工业机器人定位抓取控制系统设计

为消除工业机器人实际抓取位置与定位位置之间的误差,实现对机器人抓取行为的有效控制,设计基于粒子群优化算法的工业机器人定位抓取控制系统。根据主要机器部件选型情况建立电气网络结构,再联合视觉传感器与定位控制平台,控制抓取夹爪的行动范围,完成工业机器人定位抓取控制系统硬件的总体设计。遵循粒子群优化算法应用需求,实施Gbest选取与Pbest更新,并联合所得计算结果,定义三维坐标系表达式,建立基于粒子群优化算法的定位坐标系。根据跟踪点坐标求解结果,确定控制系数优化处理条件,完善抓取控制原则,再联合相关应用结构,实现基于粒子群优化算法的工业机器人定位抓取控制系统的设计。实验结果表明,粒子群优化算法作用下,工业机器人实际抓取位置坐标在X轴、Y轴方向上均准确符合定位位置坐标,有效消除了抓取误差,能够实现对机器人抓取行为的有效控制。     

基于LQI权重和改进粒子群算法的室内定位方法

为解决无线传感网络节点在室内定位中由非视距和多径传输等因素导致定位误差较大的问题,提出了基于三角函数的粒子群算法.针对RSSI波动性引起的测距误差,利用LQI和RSSI值之间的关系对RSSI值进行优化,提出了基于LQI权重的RSSI测距算法.改进的粒子群算法相比较于标准粒子群算法优化了权重模型和速度更新策略,避免陷入局部最优值情况.在对算法进行仿真实验后,进一步将其运用到Zigbee平台的定位实验,通过实测实验证明该算法在测试环境下平均定位误差在0.5m以内,相比于LSE和标准PSO算法,获得较好的定位效果.