融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

基于蜣螂算法优化的 DV-Hop 定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。     

对跳距重估与最小跳数修正的DV-HOP算法

针对无线传感器网络DV-HOP算法中存在因平均跳距与最小跳数估计不准而引起的定位误差问题,提出了利用锚节点间距离对锚节点的平均跳距重估以及实现对待定位节点到锚节点最小跳数修正的DV-HOP算法。首先通过锚节点间实际距离与锚节点平均每跳距离与最小跳数乘积的误差值,来实现对待定位节点距离最近的锚节点平均跳距进行重估;并通过修正后的锚节点平均跳距来求出理论锚节点间最小跳数,求出理论最小跳数和实际最小跳数比值的修正系数,并通过修正系数实现对待定位节点的最小跳数修正,最后求出待定位节点到锚节点的距离,采用最小二乘法来计算出待定位节点的位置。仿真表明,改进的DV-HOP算法能降低节点定位的误差,提高定位的精度。     

路径相似度因子在DV-Hop改进中的应用

经典DV-Hop方法在非均匀分布网络中存在节点间距离估计误差较大以及节点定位精度低的问题。引入节点间多跳最短路径相似度因子的计算规则,用于在距离估计步骤中修正节点的每跳平均距离值,并在位置计算步骤中选择参与定位计算的信标节点;使用改进的模拟退火(SA)算法对节点初始位置进行优化。仿真表明,所述改进策略在随机生成的网络拓扑结构条件下,相对于经典DV-Hop算法平均可降低约20%的定位误差,相对于既有的先进改进方法平均可降低约4%的定位误差,表现出良好的定位性能。     

基于测距修正和蝙蝠优化的改进DV-Hop定位算法

本文对DV-Hop算法定位误差大的问题进行研究。针对DV-Hop算法在求解平均跳距和未知节点位置两个阶段的缺陷，提出一种基于测距修正和蝙蝠优化的改进DV-Hop定位算法。首先，采用最小均方误差准则求解锚节点间的平均跳距，并添加校正因子减小测距误差；其次，利用混沌映射策略初始化种群并设置阈值M控制映射的次数，采用速度加权策略控制搜索的步长，增强蝙蝠算法跳出局部最优的能力；最后，使用改进蝙蝠算法确定未知节点的位置。仿真结果表明，提出的定位算法具有更高的定位精度，相比DV-Hop算法、BADV-Hop算法、PSODV-Hop算法分别提升了32.35%、18.80%、8.16%。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

基于改进APIT算法WSNs节点定位在配电网研究

针对无线传感器网络节点在定位配电网故障时定位精度低、能耗大等问题,对近似三角形内点测试(APIT)算法进行节点定位改进。首先对RSSI测距权重值进行改进,在保持较高的精确度条件下来确定测量次数,达到最优测距能力;然后,对传统APIT定位容易受节点密度影响,采用三角形外接球的方法确定未知节点坐标;最后,使用细菌觅食算法(BFO)改进APIT锚节点在分布较少的边界区域进行确定,将每一个计算出坐标的传感器标记为已知锚节点。由仿真结果可知,改进的APIT算法定位误差降低,减少数据迭代次数,提高了节点定位精度。改进APIT算法在定位准确度、定位面积和能耗损耗优化于其他算法。     

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度，应用果蝇算法(fruit fly optimization algorithm, FOA)-蒙特卡罗锚盒(Monte Carlo anchor box, MCB)算法对无线传感器网络(wireless sensor network, WSN)系统中移动节点进行定位建模，分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明：FOA优化MCB算法具有比MCB算法更优的定位精度，当节点移动速度变大后可以获得更小的定位误差，在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线；当锚节点较少时，MCB与FOA优化MCB形成了较大的定位误差；随样本数增大，定位误差逐渐减小，在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值，易于实现推广。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

基于改进天鹰的三维室内多层结构定位算法

在面向一些大型商超、医院、教学楼等大规模室内多层结构定位中,针对多层WSN结构的非测距定位问题,提出一种基于改进天鹰的三维室内多层结构定位算法IAODV HOP算法。首先,为节点划分3类通信半径以细化跳数,同时利用最小均方差和权重因子修正节点的平均跳距。其次,用IAO算法对未知节点坐标进行寻优,通过佳点集策略对种群初始化,解决天鹰算法因初始种群随机分布而导致的种群的质量和多样性难以保证的问题,并且在局部搜索中加入黄金正弦的搜索策略完善种群的位置更新方式,增强了算法的局部搜索能力。通过仿真实验,本文所提算法IAODV HOP相较于传统3D DV Hop、PSO 3DDV Hop、N3 3DDV Hop以及N3 ACO 3DDV Hop算法,归一化平均定位误差分别下降7033%、6267%、64%、5367%,表现出更优的性能,具有更好的稳定性和更高的定位精度。     

基于粒子群TOA室内定位的系统误差修正

到达时间（time of arrival,TOA）的测距易受多径干扰的影响而产生较大的系统误差,造成室内定位时精度变差。针对上述问题,首先分析了TOA定位中系统误差的产生及特点,而后提出一种基于粒子群优化的定位算法。算法利用测距值与所求解位置的空间约束关系建立求解域,而后应用粒子群算法求解,并通过建立关于系统误差的罚函数和适应度函数实现误差修正,并减小粒子搜索空间,加快算法收敛速度。实验表明,利用本文描述的定位算法,可以有效抑制室内定位中测距产生的系统误差,定位精度得到明显提高。     

融合跳距修正与麻雀搜索的改进DV-Hop算法

针对WSN节点定位中DV-Hop算法存在较大定位误差的问题,深入分析产生误差的原因,提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数,并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法,把无线传感器的定位问题转化为求解最优问题,进而得到未知节点的位置。通过仿真,在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%,证明ISSA-DH算法能够有效减少定位误差。