无线传感器网络中平均跳距修正的DV-Hop定位算法

针对基本无线传感器网络DV-Hop定位算法中,计算平均跳距时产生偏小误差的原因,提出了基于平均跳距修正的DV-Hop算法。改进算法中,引入信标节点个数比例、所有信标节点平均跳距的最大值以及所有信标节点平均跳距的平均值三个因子,并采用它们对平均跳距进行修正。通过Matlab软件对算法进行仿真验证,结果表明,改进后的DV-Hop算法有效降低了未知节点的定位误差,是一种可行的无线传感器网络节点定位解决方案。     

WSN中基于最佳指数的加权DV-Hop算法

DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。     

一种基于变异系数的DV-Hop定位改进

无线传感器网络节点定位至关重要,有着广泛的应用前景。为减小DV-Hop算法在无线传感器网络节点定位中的误差,针对DV-Hop中平均每跳距离的计算方式进行了改进,利用变异系数的加权方式来求解平均每跳距离,使其更接近真实值。仿真结果表明,改进算法在定位精度、稳定性方面都具有更好的性能,是一种可行的定位解决方案。     

无线传感器网络中一种基于加权的DV-Hop定位算法

无线传感器网络节点定位至关重要,有着广泛的应用前景。为减小DV-Hop算法在无线传感器网络节点定位中的误差,针对DV-Hop中平均每跳距离的计算方式进行了改进,利用变异系数的加权方式来求解平均每跳距离,使其更接近真实值。仿真结果表明,改进算法在定位精度、稳定性方面都具有更好的性能,是一种可行的定位解决方案。     

基于平均跳距修正的三维DV-Hop定位算法研究

本文在基于三维DV-Hop定位算法的基础上,提出了一种基于平均跳距修正的三维DV-Hop定位算法.该算法除了将DV-Hop定位算法从二维空间扩展到三维空间以外,还对未知节点到锚节点的平均每跳距离作了相应的修正,仿真结果表明:与原始算法相比改进后的算法定位精度有了一定提高.     

定位算法在传感器网络中的改进策略

研究节点定位技术是传感器网络中的一个重要课题。针对DV-Hop定位算法适应节点均匀分布的网络这一特性,为了减小DV-Hop定位算法的定位误差,提出了节点的部署策略;针对平均每跳距离在求不同跳数的节点之间的距离时有着不同程度的影响,为了提高待定位节点的定位精度,提出了距离修正值策略。经过以上处理之后,得到了更加准确的平均每跳距离的估计值。实验表明,改进后的算法不仅提高了定位精度,同时也改善了定位的稳定性。     

DV-Hop无线网络定位算法研究

针对无线传感器网络定位的DV-Hop定位算法定位精度不足,文中提出了一种改进后的DV-Hop算法。改进后的算法在原基础上引入了均匀量化模型来提高每段跳距的精度和最小二乘法以解决定位过程中造成的累积误差。仿真结果证明,改进后的算法显著的提高了未知节点的定位精度。     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

一种加权的DV-Hop定位改进算法

针对 DV-Hop 定位算法中在计算未知节点到锚节点距离时产生较大误差的问题,提出了一种改进的 DV-Hop 算法。改进算法对全网平均每跳距离和局部平均每跳距离进行了加权处理,得到了未知节点的平均每跳距离,又提出了一种改进的加权最小二乘法来得到未知节点的坐标,减小了节点的定位误差。仿真结果表明,在不需要增加额外的硬件设施的基础上,改进算法的定位精度相比于原算法明显提高。     

一种无线传感器网络中 DV-Hop定位的改进算法

针对无线传感器网络中经典定位算法 DV-Hop 存在定位精度低的缺陷,提出了一种改进算法。在传统 DV-Hop 算法的基础上,首先采用最小均方误差准则校正信标节点的平均每跳距离,然后对各未知节点到参考信标节点的平均每跳距离进行加权处理,最后通过参数分析,对未知节点进行位置修正。仿真实验结果表明,改进算法相比于传统的 DV-Hop 定位算法以及已有的改进算法具有很高的定位精度,并且无需增加额外的硬件设施。因此在工程上具有很好的实用性。     

基于加权的DV-Hop算法在WSN中的应用与研究

定位在无线传感器网络中非常重要,在DV-Hop定位算法中,平均每跳距离的计算误差过大.提出了改进的DV-Hop定位算法,结合较少跳数范围内加权的思想求解平均每跳距离,再乘以跳数,使其结果更加接近真实值.MATLAB仿真结果显示,改进的DV-Hop算法定位在不需要增加硬件开销的基础上增加了定位精度,定位误差明显减少.     

改进人工免疫算法优化的DV-Hop节点定位算法

由于无线传感器网络连通性不合理,导致计算待测节点与已知节点间距离时存在误差。为此,提出一种改进的人工免疫算法(AIA)优化DV-Hop未知节点坐标。首先对原平均跳距加权,其次利用网络中信标节点间距离产生的偏差构造跳距校正值得到最终的全网平均跳距。最后在计算待测节点坐标时引入AIA,针对AIA易陷入局部最优以及收敛速度过慢的问题,在局部搜索过程中采用高斯变异方法对AIA进行改进,扩大搜索范围,得到优化的待测节点坐标。经Matlab仿真证明,与原DV-Hop算法相比,改进后的算法在节点总数、信标节点比例以及通信半径三方面平均定位误差降低了近15%左右,具有较高的定位精度和较好的定位稳定性,同时也改善了算法的收敛性。     

无线传感器网络中DV-Hop定位算法的改进

无线传感器网络中基于无需测距的节点定位算法定位精度不高,一般应用在粗精度定位中。为了提高基于无需测距的DV-Hop算法定位精度,利用最小均方差准则改进算法,通过修改指数值精化平均每一跳距离,提出不同通信半径、不同锚节点覆盖率下的最佳指数值概念,并应用在一种锚节点均匀分布环境中,进一步提高定位精度。MTLAB仿真结果表明,在最佳指数值下,改进的算法在不同锚节点覆盖率、不同通信半径下能提高定位精度,同时不会增加节点能量消耗与硬件成本。     

基于跳数修正的DV-Hop改进算法

针对传统DV-Hop算法中,跳数信息无法如实反应节点实际距离关系,而导致节点在无线传感网络定位过程中存在较大误差的问题,提出一种对跳数进行水平及垂直修正的改进算法。在相邻节点间,跳数进行水平修正,修正过程引入RSSI技术,对1跳按节点间距离与节点通信半径比值分段,细化跳数。同时在水平修正的基础上,分析节点间可能性分布,对不相邻节点引入修正角度进行垂直修正。仿真结果证明,在相同网络情况下,与传统DV-HOP算法相比,改进算法在增加少量计算量的前提下有效提高了定位精度。     

无线传感器网络中DV-Hop定位方法的一种改进策略

原DV-Hop(Distance Vector-Hop)方法的定位步骤可归纳为两步：距离估计与位置计算。其中,距离估计精度对网络拓扑敏感,而位置计算算法对距离估计精度敏感,从而导致方法整体对多样性网络拓扑分布的鲁棒性较差。针对这一问题进行分析与改进,在距离估计阶段提出基于1跳内最近邻信标与其余信标的跳数连接关系独立确定未知节点与各信标间平均跳距的策略,以此改善未知节点与信标之间的距离估计误差;在位置计算阶段提出在原有Lateration算法的基础上增加牛顿迭代法优化步骤,以此提高定位精度。实验结果表明,在相同的网络条件下,与原DV-Hop方法和其他典型改进方法相比,改进策略首先在距离估计阶段提高了距离估计精度,进而在位置计算阶段提高了对距离估计误差的鲁棒性,从而整体上可有效提高全网未知节点的定位精度。     

WSN节点定位算法改进研究

在无线传感网络(WSN)中,节点的定位是一个非常之关键的问题,而DV-Hop算法是节点定位诸多算法中最主要的一个算法,但它计算未知节点到锚节点的距离时存在些许问题,所以提出了一个新的计算节点间距离的方法,考虑到在未知节点到锚节点路径上三个连续的节点所形成的角度的影响,使得距离的计算更精确.通过仿真可以得知这个改进算法能有效地提高未知节点定位的覆盖率和精度.     

A fast handover protocol for 6LoWPAN wireless mobile sensor networks

Node localization is one of the most critical issues for wireless sensor networks, as many applications depend on the precise location of the sensor nodes. To attain precise location of nodes, an improved distance vector hop (IDV-Hop) algorithm using teaching learning based optimization (TLBO) has been proposed in this paper. In the proposed algorithm, hop sizes of the anchor nodes are modified by adding correction factor. The concept of collinearity is introduced to reduce location errors caused by anchor nodes which are collinear. For better positioning coverage, up-gradation of target nodes to assistant anchor nodes has been used in such a way that those target nodes are upgraded to assistant anchor nodes which have been localized in the first round of localization. For further improvement in localization accuracy, location of target nodes has been formulated as optimization problem and an efficient parameter free optimization technique viz. TLBO has been used. Simulation results show that the proposed algorithm is overall 47, 30 and 22% more accurate than DV-Hop, DV-Hop based on genetic algorithm (GADV-Hop) and IDV-Hop using particle swarm optimization algorithms respectively and achieves high positioning coverage with fast convergence.