一种大规模传感器网络节点分布式定位算法

针对大规模无线传感器网络(WSN)中节点难以定位的问题,该文提出一种基于改进牛顿法的分布式定位算法。该算法包括网络划分和分布式算法。首先,根据节点位置和节点之间直接相连的距离信息,将无线传感器网络划分为若干个重叠的子区域,并将子区域的定位问题归结为无约束优化问题,每个子区域可以独立计算;然后,使用分布式算法估计子区域中的节点位置并进行局部融合。实验结果表明,与已有算法相比,该算法具有良好的扩展性,在大规模网络中定位精度更高,能满足大规模无线传感器网络中节点定位需求。

一种新的传感器节点分布式定位算法

大规模无线传感器网络中节点定位问题可以归结为高度非线性非凸的优化问题。该问题在大规模无线传感器网络中难以直接求解,因此提出了一种新的传感器节点分布式定位算法。首先将大规模无线传感器网络构成的全局无向图分解为一系列部分重叠的子图,进而将全局的优化问题分解为一系列小规模的子图内优化问题,每个子图内的优化问题可以独立进行迭代求解。新的传感器节点分布式定位算法每步迭代包含两个步骤,首先使用Barzilai-Borwein梯度法估计出划分好的部分重叠子图中节点的位置,使用的Barzilai-Borwein梯度法具备收敛速度较快,计算复杂度较低的特点,然后再对不同部分重叠的子图内的同一个传感器节点进行融合求平均。通过理论分析和仿真结果表明,新的传感器节点分布式定位算法与已有算法相较,具有较高的扩展性,在大规模无线传感器网络中有较高的定位精度,能满足大规模的无线传感器网络节点的定位需求。