排序方式: 共有210条查询结果,搜索用时 8 毫秒
131.
为了满足矿井安全生产和监测需要,针对井下巷道特殊环境和异构无线传感器网络特点而提出一种改进DV-Hop定位精度的解决方案。该方案考虑了井下节点分布不均匀和平均跳距之间的偏差度对定位精度的影响,在选取跳数和平均跳距的过程中均引入了一个筛选因子,从而得到更加精确的平均跳数和平均跳距,以达到提高定位精度目的。仿真结果表明:该方案能有效提高DV-Hop算法定位精度,更加适合井下弯曲复杂场景的定位。 相似文献
132.
基于DV-Hop定位算法和RSSI测距技术的定位系统 总被引:4,自引:1,他引:4
针对 DV Hop算法在实验环境中存在的问题,加入接收信号强度指示器(RSSI)测距模块辅助定位,对算法进行改进。为了实现定位系统,首先,需要建立当前实验环境的RSSI模型;然后,应用该模型,从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明:改进后的定位系统在增加少量计算复杂度的情况下,改善了系统的稳定性,提高了定位的精度,可以被应用到无线传感器网络中。 相似文献
133.
无线传感器网络分布式定位算法研究 总被引:6,自引:1,他引:6
王书聪 《计算机技术与发展》2008,18(11)
定位技术是传感器网络中的关键技术之一.重点介绍DV-Hop,ROCRSSI两种分布式非测距定位算法及具体实现过程,DV-Hop算法以增加网络通信开销为代价获得了较高的容错性和覆盖率;ROCRSSI算法简单、部署成本低,但对周围环境和锚节点密度依赖性较大.从开销、容错性、定位精度、覆盖率等方面对两种算法的具体性能做了评价比较. 相似文献
134.
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. 相似文献
135.
在无线传感器网络中,节点定位技术是保证其他应用有效的基本功能,而定位过程可分为距离估计和位置计算两个阶段。文中就距离估计阶段介绍了Sum-Dist、DV-Hop以及Euclidean算法,并在Matlab中仿真实现,最后分析比较其结果表明,各算法在响应的环境中具有良好的表现,和一定的提升空间。 相似文献
136.
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。 相似文献
137.
138.
DV-Hop算法是一种经典的距离无关的无线传感器网络节点定位算法.详细分析了DV-Hop算法的定位过程,针对其局限性提出一种改进的DV-Hop算法.该改进算法在传统DV-Hop算法的第一阶段采用分簇策略以减小通信开销和分组冲突概率,并且用拟牛顿优化算法代替传统的最小二乘法计算节点位置,最后用Matlab7.0进行仿真.... 相似文献
139.
140.
节点定位技术是当前无线传感器网络研究的热点之一.基于跳距估计的DV-Hop(distance vector hop)定位算法是无需测距定位算法的典型代表,它具有算法简单、易实现等优点,但也存在定位模糊、定位精度不高的缺点.针对DV-Hop算法的定位模糊问题,提出一种基于校正矢量的分布式迭代求精算法(correction vector based distributed localization refinement algorithm, CVLR).在DV-Hop定位完成后,CVLR利用节点与其邻居节点间的伪测距距离和定位距离构建位置校正矢量,然后将求精过程建模为使这2个距离的差值的平方和在校正矢量方向上的最小化问题,最后用一种简单的迭代搜索算法求解该最小化问题.CVLR实现过程中,分为仅利用1跳邻居节点信息的CVLR1和同时利用1跳和2跳邻居节点信息的CVLR2.仿真结果表明:与DV-Hop,DV-RND (an improved DV-Hop localization algorithm based on regulated neighborhood distance),DV-EA (an improved DV-Hop localization algorithm based on evolutionary algorithm)相比,CVLR1的定位精度平均提高30%,25%,20%,CVLR2的定位精度平均提高45%,42%,40%. 相似文献