基于邻居节点相似度的改进DV-Hop节点定位算法

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。     

无线传感器网络中一种改进的DV-Hop定位算法研究

节点定位算法是无线传感器网络中的关键技术。针对DV-Hop定位算法定位精度不高的问题,提出一种改进的DV-Hop定位算法,通过减小全网平均跳距与真实的平均跳距的差距,重新修订不在网络区域的未知节点的坐标,提高平均跳距取值的准确性。仿真结果表明,在同等网络环境下,改进的DV-Hop定位算法的定位误差减小,能有效提高节点的定位精度。     

基于多通信半径和跳距加权的WSNs三维迭代定位算法 �

针对三维DV-Hop全局跳数划分不够精确,平均跳距与实际跳距偏差大导致定位误差大的问题,提出一种基于多通信半径和跳距加权的WSNs三维迭代定位算法。首先,参考锚节点比例设置跳数阈值进行迭代定位;其次,利用多通信半径和多跳跳数偏差对单跳和多跳节点跳数进行精确划分;最后,将估计跳距与最大通信半径的偏差设为平均跳距的权值,采用最小最大法计算节点位置。仿真结果表明,在锚节点比例较大和通信距离较短时,该算法与3D-DVHop、3D-WD-DVHop和基于三维球形分割定位算法相比,定位精度明显提高。     

节点分区与平均跳数加权的三维DV-Hop定位算法

针对三维DV-Hop定位算法的两个重要定位因素——网络锚节点的平均跳距与未知节点到锚节点的跳数存在的固有缺点,提出一种改进的三维DV-Hop定位算法3DPHW-DVHop（Partial HopSize Weighted）。改进算法在求网络平均跳距时,利用区域划分和节点跳数加权进行算法综合优化,最后用极大似然法估算未知节点的位置,经过对理论的分析和仿真实验的证明,得出基于区域划分的跳数加权的三维DV-Hop定位算法在同等环境条件下比传统DV-Hop定位算法定位精度明显提高。     

距离误差加权与多通信半径的蝙蝠优化定位算法

传统DV-Hop定位算法存在明显的定位误差,改进的粒子群优化算法由于易陷入局部最优、局部收敛过慢等问题无法满足节点的定位精度要求.针对于此,通过设置跳数阈值优选锚节点以排除异常锚节点对定位精度的干扰;引入多通信半径广播方法修正最小跳数;采用距离误差和跳数归一化思想修正平均跳距;通过利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等三方面改进蝙蝠算法,并利用改进的蝙蝠算法定位未知节点.仿真结果表明,相比传统DV-Hop、BIDV-Hop、GAPSODV-Hop等3种算法,本文改进的定位算法有效降低了定位误差,提高了定位精度.     

基于改进布谷鸟算法的WSN节点定位

有效的定位算法在无线传感器网络（WSN）的应用中起着重要的作用。针对DV-Hop算法在求解未知节点位置过程中定位精度低的问题进行了研究,提出了改进的无线传感器网络节点定位算法（SACSDV-Hop)。首先引入布谷鸟搜索（CS）算法,然后动态调整CS算法的发现概率 及影响步长大小的参数 以提高CS算法的收敛速度和局部搜索能力。SACSDV-Hop算法用改进的布谷鸟算法（SACS）代替DV-Hop算法在估算未知节点的位置坐标阶段所使用的最小二乘法,把节点定位问题转变为智能寻优问题,降低跳距估计误差对其的影响。仿真实验结果表明,所提算法比CSDV-Hop算法及传统的DV-Hop算法具有更高定位精度,并且不需要增加硬件开销。     

基于改进粒子群算法的无线传感器网络节点定位

针对传统距离矢量-跳数(DV-Hop)算法中最小二乘法的估计误差过大、粒子群(PSO)算法易陷入局部最优的问题,提出了一种改进粒子群算法与DV-Hop的融合算法。首先从粒子速度、惯性权重、学习策略、变异方面对粒子群算法进行改进,增强算法跳出局部最优的能力,提高迭代后期算法的搜索速度;然后在DV-Hop算法第三阶段采用改进粒子群算法优化节点的定位结果。仿真结果表明:相比传统DV-Hop算法、基于混沌粒子群算法的DV-Hop改进算法(MPSO1-DV-Hop)和基于改进型粒子群优化的DV-Hop算法(MPSO2-DV-Hop),该算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。     

改进混合蛙跳算法在无线传感网定位中的应用

提出了一种改进混合蛙跳优化算法,用于改善无线传感网中距离矢量跳段定位算法的精度。首先根据锚节点与未知节点的位置关系利用DV-Hop算法进行初始定位, 然后分析误差来源,将目标定位机制转化为求解非线性总体最小二乘问题。同时合理选择加权因子和适应度函数,并利用带有混沌映射与柯西变异的改进混合蛙跳算法对未知节点坐标进行优化。在实验中,比较了最小二乘法、粒子群算法和改进混合蛙跳算法在定位中的性能。结果显示该智能算法简单可靠,而且有效提高了定位精度。     

提高DV-Hop算法定位精度研究

从DV-Hop算法模型出发,为突破算法应用限制条件,采用总体最小二乘法原理,研究了锚节点位置信息存在误差时,无线传感器网络中传感器的定位问题,得到了更一般的结果。仿真结果表明,在100×100的仿真场景内部署100个传感器节点,通信半径为30 m、高斯噪声方差为1,当锚节点数量占总节点数量之比小于8%时,可显著改善WSN的定位精度,平均定位精度比原方法提高了20%~30%;当锚节点数量占总节点数量之比大于8%时,两种方法定位精度趋于相等。