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。     

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。     

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%。     

DV-Hop优化算法的性能分析与比较

DV-Hop算法是无线传感器网络中一种典型的非测距节点定位方法,在介绍基本DV-Hop算法原理的基础上,分析了其定位产生误差的原因。目前常见DV-Hop的优化算法主要是面向3个方面进行改进,分别为锚节点平均跳距的计算,未知节点平均跳距的估计,位置的优化求解。对基本的DV-Hop算法进行逐步分析,对常见的DV-Hop优化算法分类并对其理论分析比较,针对每一步骤的优化策略进行仿真实验,进而得到一种较好的优化策略,为后续的研究和改进提供指导。     

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。     

基于网络跳距修正的DV-Hop定位算法

针对DV-Hop算法在网络拓扑结构不规则的环境中存在较大误差的问题,提出改进的DV-Hop算法,该算法通过引入全网平均每跳误差修正值获得未知节点到锚节点的有效距离,可避免后续计算过程中误差的累积。利用MATLAB7.5.0仿真平台对DV-Hop算法和改进算法进行仿真分析的结果表明,在没有增加通信开销的基础上,随着锚节点所占比例的增加,改进后的DV-Hop算法比原DV-Hop算法在定位精度、覆盖率及稳定性上都得到了大大提高。     

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。     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

基于三角不等式的加权双曲线定位DV-HOP算法

针对DV-HOP算法中信标距未知节点越远其测距误差越大的问题,提出了一种基于三角不等式的加权双曲线定位DV-HOP算法。该算法在计算信标间的距离和未知节点到一跳信标距离的基础上,利用三角不等式对未知节点到多跳信标的距离进行约束,以减小测距误差。在双曲线定位过程中引入一个与距离成反比的权值,以降低测距误差对节点定位精度的影响。仿真实验表明,在相同的条件下,与DV-HOP及相关改进算法相比,定位精度分别提高了13%和7%以上,且稳定可靠、易于实现。     

基于IMA-FPGA的电力传感器失调节点定位方法

为了解决动态测试系统中,由于电力传感器失调节点定位偏差,产生的测试数据失调现象,提出基于改进关联挖掘算法(Improved Mining Association Algorithm,IMA)及FPGA实现的电力传感器失调节点定位方法,对关联挖掘算法进行了详细的逻辑分析。利用该算法思路获取电力传感器失调节点间的关联规则,基于该关联规则,通过电力传感器失调节点的DV-Hop定位算法,将未知电力传感器失调节点到信标节点间的距离,用网络中节点平均每跳距离和到信标节点间的跳数乘积表示,采用三角定位获取电力传感器失调节点的位置。为了将最佳电力传感器动态定位器运用在在线检测中,在动态定位器的硬件结构中融入了分布式算法,给出了电力传感器动态定位器的高速并行FPGA实现过程。实验结果说明,所提方法进行电力传感器失调节点定位时的执行时间与内存使用量方面均优于传统方法,定位准确率方面比传统方法也有很大提高,有一定的实际应用价值。     

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。     

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.     

基于麻雀搜索的协同定位算法研究

无线传感器网络的定位问题可以转化为适应度函数最优问题,并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据,从而导致定位精度的提升有限。为了解决这一问题,提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段：粗略搜索和精细搜索。在粗略搜索阶段,未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段,未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先,采用Cat混沌映射方法来保证初始种群的均匀分布,从而有助于确定最佳位置。其次,构建了两种不同的适应度函数,一种用于粗略搜索,另一种用于精细搜索。其中,用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后,提出了一种新的精细搜索方法,以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析,验证了所提方法的有效性。     

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。