基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。     

基于混合粒子群优化算法的DV-Hop定位算法

针对无线传感器网络节点定位技术中DV-Hop算法的不足,利用混合粒子群优化算法对DV-Hop算法的位置估计进行校正,提出了一种CCPDV-Hop算法,该方法在不需要任何额外硬件设备和通信开销基础上,将未知节点定位问题抽象为高维最优化问题,并利用混合粒子群优化算法进行求解。仿真实验结果表明,改进的DV-Hop算法与传统方法相比,定位误差显著下降,定位精度和鲁棒性都有明显提高。     

基于粒子群算法的改进DV-Hop定位算法

针对无线传感器网络(WSNs)节点定位问题中DV-Hop算法的不足,提出利用粒子群优化算法对改进DV-Hop得到的估算位置校正。这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量。最后将仿真实验结果与改进DV-Hop算法进行比较,表明基于PSO算法优化的改进DV-Hop定位算法在优化性能上有所改进,有效提高了节点定位精度,证明该方法的有效性。     

无线传感器网络节点定位算法的研究

无线传感器网络作为一种全新的信息获取和处理技术,可以在其应用领域内实现大规模的监测和追踪任务,而网络中的节点定位是应用的基础,掌握不同定位算法对不同约束条件的敏感程度是十分必要的,从定位精度、通信开销、节点密度、容错性、对硬件设施的依赖等角度,对节点定位算法进行分析和总结。     

免疫粒子群优化的DV-Hop定位算法

DV-Hop算法在定位过程中,由于信标节点与待定位节点之间的距离估算存在较大的定位误差,使得定位精度不佳。将免疫机制引入粒子群算法中,提出了免疫粒子群优化的DV-Hop算法。利用免疫粒子群算法优化待测节点的位置坐标,当PSO算法陷入局部最优解时,通过免疫抗体的选择、促进和抑制机制产生新的粒子空间,使该算法跳出局部最优值,收敛于全局最优解。MATLAB仿真实验表明,在相同实验环境下与经典的DV-Hop算法和常规的粒子群改进的DV-Hop算法比较,所提算法有效地降低了定位误差。     

WSNs中基于粒子群优化的节点定位算法

节点定位是无线传感器网络(WSNs)的关键技术之一.接收信号强度指示(RSSI)测距技术以其不需增加任何额外的硬件设备的特点在节点定位中得到广泛应用.为了提高定位精度,在RSSI测距的基础上,提出将粒子群优化算法( PSO)引入节点定位中.首先由RSSI测得未知节点与锚节点的距离,然后应用PSO算法计算出未知节点的估计...     

仿生算法的无线网络传感器节点定位

为解决当前无线网络传感器节点定位误差大的问题,提出了基于仿生算法的无线网络传感器节点定位方法.首先采用最小二乘法建立无线网络传感器节点定位的非线性方程组最优化问题,然后选取仿生算法中的约束粒子群优化算法求解节点定位模型的解,根据最优解得到无线网络传感器节点定位结果.实验结果表明,在不同条件下,本文方法的无线网络传感器节...     

一种基于DV-Hop的无线传感器网络节点定位算法

针对无线传感器网络节点的自身定位问题,提出一种基于分布式协作的DV-Hop改进算法.在距离计算的基础上,采用最大似然估计方法选取共线度较低的参考点作为锚节点.综合考虑所有锚节点,以可信度为准则,通过加权平均计算每一个未知节点的平均跳距.计算未知节点的定位误差,将误差低于预设阈值的未知节点转化为锚节点,扩大定位范围.仿真结果表明,在初始锚节点数和通信半径相同的情况下,该算法的定位误差比DV-Hop算法减少约20％,尤其当节点密度较小时,其定位误差可稳定在40％以下.当节点通信半径超过10 m时,该算法的剩余节点比例可降低约30％.     

基于改进粒子群优化算法的无线传感器网络定位

针对经典DV-Hop定位算法第3阶段计算未知节点位置存在较大误差的问题,提出一种基于改进粒子群优化算法的无线传感器网络定位方法。首先分析DV-Hop算法误差大的原因,并将定位问题转换成未知节点坐标的优化问题,然后采用改进粒子群算法对问题进行优化,并引入收缩因子加快搜索速度和精度,找到全局最优未知节点坐标,最后在Matlab 2012平台上进行仿真实验。仿真结果表明,本文算法提高了传感器节点的定位精度,大幅度降低了定位误差。     

一种约束粒子群优化的无线传感器网络节点定位算法

节点定位是无线传感网络的关键技术。无线电测距虽然精度高,但用最小二乘算法进行节点定位的误差较大。为了提高基于测距的无线传感器网络节点定位的精度,把节点定位问题转换成约束优化问题,再运用粒子群优化算法进行求解。求解过程中,通过设定约束适应度函数和距离适应度函数,降低了搜索的计算量,加快了收敛速度,最终较快地得到较优解。仿真实验表明,约束粒子群优化定位算法与最小二乘法相比,在不同测距误差、不同测距半径、不同描节点数和不同节点数的情况下,都能得到更高精度的解。这说明此算法具有更强的杭误差性、更好的收敛性和更少的硬件设备投入等优点,另外在节点稀疏的网络中定位效果也更优越。     

基于决策思想的微粒群三维定位算法研究

为了进一步提高微粒群定位算法的收敛速度和定位精度,提出了一种采用个体决策思想的微粒群三维定位算法,首先对每个微粒进行评价并分配不同的惯性权重,然后利用个体历史位置及其适应值信息进一步优化每个微粒的个体历史最优位置,弥补了微粒群算法对个体历史经验信息利用不足的缺陷.仿真结果表明,改进算法能够以更高的精度和较少的迭代次数定位未知节点,与标准微粒群定位算法和典型的定位算法相比表现出了较好的性能.     

改进的无线传感器网络DV-Hop定位算法

在无线传感器网络中,DV-Hop定位算法在计算未知节点到锚节点的距离以及相邻节点跳距时存在较大误差。为此,提出一种改进的DV-Hop定位算法。在未知节点到锚节点的路径中,考虑相邻3个节点组成的夹角对距离的影响,根据邻近节点重叠度计算夹角,引入网络平均连通度计算节点间的跳距,从而更精确地计算距离。仿真结果表明,改进算法可提高节点的定位精度和覆盖率。     

一种改进的煤矿井下无线传感器网络定位算法

针对煤矿井下巷道狭长,传感器节点分布不均匀,环境恶劣,井下人员定位不明确。传统算法定位精度不高。为此,提出一种改进DV-Hop的煤矿井下节点定位方法,利用无线信号同种介质中传播速度不变性,并利用节点间数据包传送时间对未知节点的估计距离进行修正。实验结果表明,改进算法有效地提高了无线传感器网络节点的定位精度,减少了定位误差,更加适合于类似于煤矿井下场景的定位需求。     

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

无线传感器网络的节点定位算法

无线传感器网络作为一种全新的信息采集和处理方式,节点位置的确定是无线传感器网络应用的基础。结合无线传感器网络节点定位算法的性能评价以及分类方式,通过分析典型DV-Hop算法的误差产生,提出改进方案,并利用仿真环境验证。     

改进的无线传感器网络DV-Hop定位算法

在众多定位技术中,DV-Hop定位算法是应用最广泛的算法之一,它实现简单,对节点硬件要求较低,但该算法使用跳段距离代替实际距离,而平均每跳距离的计算精度受网络的连通度、节点密度等影响。针对DV-Hop定位算法的缺陷,提出修正平均每跳距离和估计距离来提高定位精度的改进算法,并在3种不同的节点分布环境下进行仿真。仿真实验结果表明,改进后的算法定位精度得到了有效的提高。     

基于DV-Hop定位算法的改进研究

在无线传感器网络DV-Hop定位算法中,网络平均跳距离的估算是决定定位精度的重要因素之一。传统的DV-Hop定位算法只考虑了最近一个锚节点佑计的平均跳距,从而导致定位误差较大。为了提高节点定位精度,在原算法基础上提出了一种改进算法,考虑使用多个锚节点佑算的平均跳距离并且采用加权平均跳距代替传统算法中的平均跳距。仿真实验结果表明,在相同的网络环境下,改进后的算法能有效地减少跳距计算带来的定位误差,提高定位精度。