基于多通信半径的加权DV-Hop定位算法

DV-Hop定位算法是无线传感器网络中一种常用的基于非测距的定位技术,该算法使用平均跳距表示实际距离,在实际应用中造成很大的误差和节点能耗。为此,分析了加权DV-HOP 定位算法,并在加权算法基础上,引入多通信半径广播方法细化节点间的跳数,最后提出了一种基于加权DV-HOP的改进型RWDV-Hop定位算法。仿真结果证明,加权DV-HOP在定位精度上比DV-HOP算法提高了7.3%,改进型RWDV-HOP在定位精度上比加权DV-HOP算法提高了6.7%。     

基于多重回归分析的DV-HOP定位算法研究*

针对无线传感器网络中已有DV-HOP定位算法节点定位精度不高的问题,提出了一种RSDV-HOP（RSSI and statistics DV-HOP）算法。该算法运用统计学中的多重回归分析方法,通过对锚节点信息建立的回归模型,运用到全网中实现对未知节点的定位。仿真结果表明,RSDV-HOP算法在定位精度上相比DV-HOP算法有明显的提高。     

关于无线传感器网络定位算法仿真

针对无线传感器网络(WSNs)节点定位的问题,提出了一种通过构建粒子群机制的量子神经网络模型优化距离矢量跳跃(DV-HOP)的定位算法(PSO-QNN),根据传统DV-HOP所得到的平均距离和实测节点距离构建量子神经网络模型,并通过粒子群算法对平均距离进行训练,从而得到较优平均值,实现了对DV-HOP算法的优化.算法缩短了传统人工神经网络的训练时间,并且加快了收敛速度.仿真结果表明:与传统DV-HOP算法相比,所提出的PSO-QNN算法能够减少约20%的定位误差,定位精度显著提高.     

基于锚节点分布特性的跳距修正的DV-Hop定位算法

多数DV-HOP定位算法没有考虑锚节点分布的不均匀对定位精度的影响.为此,提出一种新的跳距修正的DV-HOP定位算法(Hop-distance-Corrected DV-HOP,HDCD).基于锚节点的分布特性,HDCD算法通过全局锚节点信息对跳距进行修正.并考虑未知节点局部锚节点对定位精度的影响,对未知节点的测距进行修正,降低测距误差.最后,利用最小二乘法估计未知节点的位置.仿真结果表明,相比于传统的DV-HOP算法,HDCD算法降低定位误差.在锚节点分布不均匀的环境下,HDCD算法仍能够获取较高的定位精度.     

基于改进的粒子群算法在WSN节点定位中的研究

如何能够减小无线传感中的节点定位误差一直都是研究的热点。提出一种基于改进的粒子群优化算法以修正DV-Hop误差的传感器节点定位方法,通过分析粒子间距离、双变异因子和权重设置改进了粒子群算法,改进后的粒子群算法减少了未知节点与锚节点间距离的估计误差。仿真实验表明,相对于DV-HOP算法,本文的算法可以有效地提高传感器节点定位精度。     

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度（RSSI）对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。     

基于Amorphous的无线传感器网络定位算法研究

简述Amorphous算法的定义及应用,详细的给出了Amorphous定位算法的步骤,系统分析了影响Amorphous算法定位精度的参数,包括锚节点的个数、节点通信半径和总节点的数目.给出了仿真结果并通过对仿真结果分析得出了上述参数的较优值.仿真结果表明,使用这些优化的参数,Amorphous算法可以有效降低无线传感器网络的节点的定位误差.     

改进DV-HOP输电线路上的WSN节点定位

输电线路在线优化监测问题,是现在电力系统领域研究的重要课题之一.针对输电线路上无线传感器网络节点准确定位问题,分别在一维和二维空间上给出了改进的DV-HOP算法,根据输电线路上的无线传感器网络节点链状线型非均匀分布特点,结合节点的连通性,精确计算未知节点到每个锚节点间的距离,再用三边定位算法准确定位.仿真结果表明,改进DV-HOP算法使得无线网络传感器节点定位误差受到抑制,能够达到更高的定位精度,更加适合输电线路上无线传感器网络节点定位定位.     

基于灰狼算法和极大似然估计的改进DV-HOP算法

DV-HOP算法是无线传感器网络中一种常见的基于非测距的定位技术,该算法使用平均跳距表示实际距离,在实际应用中造成很大的误差和节点能耗。为此,在原有DV-HOP算法的基础上,引入了灰狼算法细化节点之间的跳数,用极大似然估计法修正实际坐标与估计坐标之间的误差。仿真结果表明,改进算法在不显著提高算法复杂度的基础上提高了一定的定位精度。     

布谷鸟算法在无线传感器网络中的定位研究

无线传感器网络（Wireless sensor network,WSN）中的核心技术之一就是节点定位。不同的定位方法对定位结果有不同的影响。针对最小二乘法在求解未知节点位置过程中定位精度的不足,提出一种WSN节点定位算法——基于改进的布谷鸟搜索算法(Cuckoo search ,CS)的定位算法。首先根据优化目标建立数学模型,然后设计了布谷鸟搜索算法中的适应值函数,并修改步长和拒绝概率参数,快速确定未知节点坐标位置。数字仿真实验表明：与基于距离向量跳数的定位方法（Distance vector hop,DV-HOP),基于自适应的布谷鸟搜索和距离向量跳数的定位算法（Self-adaption cuckoo search and distance vector hop,SACSDV-HOP)进行比较,本文算法可以有效提高节点定位精度,降低定位误差,具有较高的实用性。