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。     

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离.在实际网络定位环境中,未知节点和锚节点之间多数是折线连接.当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大.为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法.采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试.仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值.     

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。     

基于蚁群粒子群混合的无线传感器网络定位算法

在无线传感器网络免于测距的定位算法中,DV-Hop算法是典型算法之一,蚁群粒子群算法(ACOPSO)通常被用来作全局优化;为了降低定位误差,提高定位精度,新算法先用DV-Hop算法估量未知节点与锚节点的测量距离,蚁群粒子群算法(ACOPSO)作后期优化,最小化DV-Hop的适应度函数,从而实现基于不同的距离或路径测量方法的优化;经过Matlab仿真分析表明,在相同的仿真环境中,新算法产生的平均定位误差比EV-Hop算法和基于粒子群的定位算法产生的平均定位误差更低,有效地提高了定位精度.     

融合正余弦优化与跳距优化的DV-Hop定位算法

针对DV-Hop定位算法中跳距计算不精确以及最小二乘法求解不能达到最优无偏状态导致定位不准确的问题,提出一种融合正余弦优化与跳距优化的DV-Hop定位算法,并给出了最优化锚节点的概念.该算法首先选取每个未知节点周围所有锚节点中平均跳距最小的锚节点作为最优化锚节点;然后选取其余任一锚节点与未知节点构成三角形,将最优化锚节...     

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。     

基于移动锚节点的改进DV-Hop算法

DV-Hop是一种典型的无须测距的定位算法,针对该算法在定位过程中存在的定位精度不高的问题,提出了一种基于移动锚节点的改进算法。利用锚节点的移动形成多个虚拟锚节点,有效减少了锚节点的使用数量;并在原算法基础上,修正平均跳距,使其更接近真实值。仿真结果表明:改进算法定位误差比传统DV-Hop算法平均降低了约 30%,大大提高了定位精度。     

基于蝙蝠算法的DV-Hop定位改进

无线传感器网络DV Hop定位算法在定位过程中,由于待定位节点和锚节点之间的估算距离存在误差,这就使得定位结果必然会有误差,因此定位问题的本质就是最小化定位误差;蝙蝠算法是一种具有良好性能的智能优化算法,根据节点间的距离和锚节点的位置,应用蝙蝠算法对DV-Hop的定位结果进行了优化;基于蝙蝠算法的DV Hop优化,无需额外增加硬件设备和节点间的通信数据量;仿真实验证明,应用蝙蝠算法改进的DV-Hop定位较原始DV Hop定位平均提高定位精度35％以上.     

遗传粒子群优化的DV-Hop定位算法

用常规粒子群改进的DV-Hop算法由于粒子易陷入局部最优而导致较大的定位误差,对此,提出了结合遗传粒子群的DV-Hop定位(GAPSO-DV-Hop)算法.首先根据最大理想跳数筛选锚节点,计算加权平均每跳距离,权重采用锚节点之间距离、最小跳数、以及通信半径构成;其次,用遗传机制改进粒子群算法以代替最小二乘法,所作改进包括使用前摄估计缩小粒子搜索范围、根据遗传算法中的交叉策略生成待交叉粒子队列,并在每次迭代后选取最差个体做动态变异.仿真结果表明,在相同环境下,所提GAPSO-DV-Hop算法的定位精度明显高于常规DV-Hop算法以及其他对比算法.     

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...     

三维无线传感器网络中DV_Hop定位算法的改进

在三维无线传感器网络中,采用非测距定位方法 DV_Hop时,由于三维空间中节点分布复杂,测距误差增大,定位准确度迅速降低,为了提升它的准确度,提出一种改进的DV_Hop定位方法,使用最小均方差估计未知节点与已知节点之间的距离,定位结果用粒子群算法优化,以距离误差因子加权均方误差作目标函数,采用凹函数递减策略,提前进入局部搜索,提高定位准确度。仿真结果表明,相同条件下,改进的DV_Hop算法定位准确度要优于传统DV_Hop算法。     

基于RGM算法的锚节点布点算法

目前所有的定位算法都将研究的重点放在如何提高定位精度上面却很少研究如何布置锚节点,只是在算法中随意的选取满足条件的锚节点,然而算法并没有明确的对锚节点的布置提出要求,所以想要随时都能获取合适的锚节点只能随机布置大量的锚节点.然而大量的增加锚节点的数量势必极大地提高系统的成本并且在实际的布置操作中也是不现实的.针对以上问题,文章在RGM算法的基础上提出一种优化布点的算法.算法通过细致的分析每组定位单元在定位区域的覆盖情况,在满足定位精度条件的基础上计算出每一个锚节点的布置坐标并对锚节点的数量进行精简.仿真实验表明,按照该算法来布置锚节点不会降低定位精度.     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

基于差分演化和粒子群优化的改进WSN覆盖算法

动态部署传感器节点随机性大,无法保证特定目标区域的覆盖质量,引入智能优化算法后有效提高了节点动态部署的质量,但一般的智能优化算法在动态部署时存在“早熟”等缺陷。为了进一步提高节点动态部署的质量,针对节点的覆盖问题进行研究,结合粒子群优化和差分演化的优点,前期用粒子群优化算法,发挥粒子群擅长前期搜索收敛较快的特点,后期用差分演化算法,发挥差分演化擅长局部搜索的特点,这样取双方所长,克服双方所短,从而使算法有更好的搜索能力。仿真结果表明,本文提出的算法相对于改良惯性权重的粒子群算法、结合虚拟力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,优化后的网络覆盖率更高。     

无线传感器网络节点分布与定位性能之间的关系分析

无线传感器网络中锚节点分布情况在很大程度上影响未知节点定位的精度,但目前对均匀性的分析相对较少,针对这一问题,对锚节点分布与无线传感器网络定位算法性能之间的关系进行全面分析。首先提出了锚节点均匀分布的相关概念,并设计建立了相应的网络系统模型,然后对质心算法、DV-Hop算法、最小包容圆算法性能与锚节点分布之间的关系进行了仿真实验。结果表明：锚节点的分布情况对所有定位算法均有影响,其中质心算法对锚节点均匀性最敏感,DV-Hop算法次之,最小包容圆算法对锚节点均匀性最不敏感,分析结果对无线传感网络实际应用具有指导意义。     

稀疏节点下APIT算法的一种改进

APIT定位算法对硬件要求不高,定位较精确,易于实现,被广泛应用于无线传感器网络定位系统,但存在因锚节点稀疏而带来的定位精度低的问题;对APIT算法进行了深入分析,通过引进新的算法(设置一个计数器比较判内判外的次数,然后比较其权重提高判别的准确率;或者利用计数器计算跳数最后用三边测量法估算位置)对其在节点稀疏环境下边缘地区无法定位的问题进行改进,并从节点比例方面比较了两种算法的定位精度和覆盖范围;在1000m*1000m范围内设置160个未知节点与80个锚节点并逐次改变锚节点个数进行仿真定位;结果表明,在锚节点稀疏情况下,改进的APIT算法定位精度和覆盖率均远高于传统APIT算法。