基于WBOA的3D-DV-Hop节点定位算法

针对三维(3D)-DV-Hop定位算法未知节点从最近的锚节点获取平均跳距估算距离时定位精度低的问题,提出了一种新的基于WBOA的3D-DV-Hop算法。首先,该算法去除了网络中无法通信和无法定位的节点;然后添加了修正因子,修正平均跳距。接着创建一个用于优化的蝴蝶初始种群,构建目标函数。采用自适应权重来平衡全局搜索与局部搜索的能力,使得算法不易陷入局部最优,加快了算法的收敛精度;最终求得全局最优平均跳距。仿真结果表明:尽管算法的平均运行时间略有增加,但算法的定位精度得到了有效提高。

基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

基于螺旋更新策略蜜獾优化的DV-Hop定位算法

节点定位是无线传感器网络(Wireless Sensor Networks,WSNs)的关键技术之一。针对传统距离向量跳段(Distance Vector Hop,DV-Hop)算法定位误差偏大的问题,提出了一种改进蜜獾算法(Honey Badger Algorithm,HBA)与DV-Hop相结合的算法。首先,针对网络平均跳距估计不准的问题,依据锚节点比例对未知节点平均跳距进行分段修正。其次,采用改进型的HBA替换最小二乘法估算未知节点的位置,进一步降低计算误差。初始化蜜獾个体时引入Sobol序列,增加初始种群的多样性;为了加强HBA的局部搜索能力,引入了螺旋更新策略。最后,采用镜像策略规避估算位置越界的情况。结果表明,所提算法相较于传统DV-Hop算法、平均跳距修正的DV-Hop算法和基于粒子群优化(Particle Swarm Optimization,POS)的DV-Hop算法具有更高的定位精度和稳健性。

DV-Hop定位算法的混沌粒子群优化

针对距离矢量跳距(Distance Vector Hop,DV-Hop)定位算法通信半径选择不合理导致平均跳距和定位误差较大的问题,提出一种基于混沌粒子群改进的DV-Hop定位算法,利用混沌映射的遍历性和随机性实现粒子的局部深度搜索,避免粒子群算法陷入局部最优。通过混沌粒子群优化(Particle Swarm Optimization,PSO)算法迭代求解所有信标节点的通信半径,引入混沌理论调整非线性惯性权重优化搜索过程,通过混沌搜索和混沌扰动迭代求解信标节点的最佳通信半径;通过极大似然估计(Maximum Likelihood Estimate,MLE)法计算的平均定位误差作为混沌粒子群算法的适应值函数;使用费希尔矩阵求解的误差下限作为约束条件求解适应值函数,同时把平均通信半径作为节点能耗模型的阈值来降低节点能量消耗。仿真实验表明,提出的算法在不增加算法复杂度的前提下能够在定位精度方面提升近58%,节点能量消耗方面降低近24%。

基于蜣螂算法优化的DV-Hop定位算法

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。

基于改进灰狼优化算法的DV-Hop传感器定位算法

定位技术一直以来是无线传感器网络领域的研究热点。传统距离向量(Distance Vector-Hop,DV-Hop)定位算法的定位误差较大,针对该问题,在传统DV-Hop算法的基础上,提出了一种基于改进灰狼优化算法的DV-Hop传感器定位算法(Levy Grey Wolf Optimization Distance Vector-Hop,LGWODV-Hop)。第1阶段,采用锚节点双通信半径计算跳数;第2阶段,将锚节点的估计距离与真实距离的差值作为误差因子来修正全网络中的平均跳距;第3阶段,用结合Levy飞行策略的灰狼优化算法代替最小二乘法求解未知节点坐标。仿真结果表明,在一定的条件下,所提出的算法平均定位误差相较于传统DV-Hop算法、DEDV-Hop算法和PSODV-Hop算法分别降低了56.09%,22.87%和3.02%。

改进型DV-Hop定位模型及其求解的混合视觉进化神经网络

针对DV-Hop定位模型跳距估计精度低且难准确获取未知节点位置的问题,提出改进型DV-Hop定位优化模型及其求解的混合视觉进化神经网络优化算法。DV-Hop定位模型设计中,引入4种通信半径细化节点间的跳数计算,并利用动态权重因子修正最小跳数及平均跳距计算模型,获得改进型DV-Hop的计算模型。算法设计中,依据果蝇和蝗虫视觉系统的信息处理机制,建立输出全局和局部学习率的混合视觉神经网络,进而在此神经网络的输出引导下,借助哈里斯鹰优化算法中哈里斯鹰的位置更新策略设计状态更新策略,由此获得能求解DV-Hop定位问题的视觉进化神经网络优化算法。比较性的数值实验显示,该算法求解基准函数优化问题具有明显优势,并对未知节点的定位精度高且收敛速度快。

基于多通信半径和改进遗传算法的DV-Hop定位

针对无线传感器网络定位算法中DV-Hop(distance vector-hop)算法定位精度不高的问题,从跳数和跳距两方面进行优化,提出了一种利用多通信半径和改进遗传算法优化的DV-Hop定位算法。首先,设置节点的通信半径为多个,细化节点间的跳数,降低跳数误差;其次,将局部搜索能力强的禁忌搜索算法与遗传算法相结合优化信标节点的平均跳距;最后,采用加权的方式修正未知节点的平均跳距,降低跳距误差。仿真结果表明:在同等条件下,本文改进算法比传统DV-Hop算法和有关改进算法定位精度更高。

基于新息的改进EKF-DV-Hop定位算法研究

为提高扩展卡尔曼DV-Hop(EKF-DV-Hop)定位算法的准确性,降低其定位误差,提出了一种基于新息的改进自适应EKF-DV-Hop定位算法(Adaptive Extended Kalman Filter DV-Hop,AEKF-DV-Hop)。首先定义误差因子,通过除去对计算信标节点跳距误差大的节点进而增加跳距准确性,并应用最小二乘法估算未知节点的坐标;然后将估算的坐标和信标节点间的欧氏距离作为EKF的观测量,进一步优化未知节点坐标;最后使用自适应算法在线更新状态噪声矩阵和观测噪声矩阵。仿真对比得到,AEKF-DV-Hop对环境具有更好的适应性,定位精度有较明显的提升,增强了环境适应性。

融合测距修正与蝙蝠优化的DV-Hop改进算法

针对传统DV-Hop算法定位精度不高的问题,提出一种融合测距修正与蝙蝠优化的改进DV-Hop算法。首先通过多通信半径对节点之间的最小跳数进行细化,其次融入加权思想减少跳距误差,最后引用改进蝙蝠算法替代最小二乘法计算未知节点坐标,将未知节点定位问题转化为求解最优问题。matlab仿真结果表明,相比经典DV-Hop算法和相关算法,改进DV-Hop算法定位精度得到有效提高。

基于自适应差分粒子群优化的DV-Hop定位算法

针对常规DV-Hop算法存在定位精确度偏低,难以满足高精度定位应用的需求等问题,提出一种基于自适应差分粒子群优化的DV-Hop定位算法。该算法首先利用节点间RSSI值实现跳数计算的精确化,然后引入跳距可信度提高平均跳距的计算精度,最后利用自适应差分粒子群优化算法来估计未知节点的位置。实验结果表明,在不同节点数量、通信半径以及锚节点数三种情况下,改进后算法的节点定位精确度相比于传统DV-hop定位算法分别提高了45.3%、42.9%和39.7%。

基于割圆术的DV-Hop全局优化WSNs节点定位算法改进研究

为提升DV-Hop(distance vector-hop)算法定位精度水平,提出一种基于割圆术的DV-Hop全局优化(circle-cutting technique for global optimization of DV-Hop algorithm,CTGO-DV-Hop)算法。该算法精确了最小跳数,引入权值模型对全部锚节点的平均单跳距离进行优化,并采用加权最小二乘递推算法对未知节点坐标进行拟合。实验测试多种因素对于算法的影响,结果表明,所提出的CTGO-DV-Hop算法表现出良好的性能,相较于DV-Hop、OCSLC-DV-Hop和WOCS-DV-Hop,平均定位误差的最大降幅为70%左右,适用于构建节点数目大、锚节点比例低的无线传感器网络系统。

基于测距修正和蝙蝠优化的改进DV-Hop定位算法

本文对DV-Hop算法定位误差大的问题进行研究。针对DV-Hop算法在求解平均跳距和未知节点位置两个阶段的缺陷,提出一种基于测距修正和蝙蝠优化的改进DV-Hop定位算法。首先,采用最小均方误差准则求解锚节点间的平均跳距,并添加校正因子减小测距误差;其次,利用混沌映射策略初始化种群并设置阈值M控制映射的次数,采用速度加权策略控制搜索的步长,增强蝙蝠算法跳出局部最优的能力;最后,使用改进蝙蝠算法确定未知节点的位置。仿真结果表明,提出的定位算法具有更高的定位精度,相比DV-Hop算法、BADV-Hop算法、PSODV-Hop算法分别提升了32.35%、18.80%、8.16%。

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题,本文提出了一种基于测距修正和哈里斯鹰优化算法的DV-Hop改进算法。该算法采用多通信半径调整网络节点最小跳数,利用最小均方差和权重因子优化网络节点平均跳距,采用改进的哈里斯鹰算法替代最小二乘法进行位置计算,引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化,通过最优解求解得到网络节点近似坐标值。仿真结果表明,在不同条件下,改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力,节点定位误差平均下降20.13%和7.74%,定位精度较高。

DV-Hop定位算法改进方法研究

无需测距的网络定位技术因其具有成本低廉和算法灵活的特点,使其成为各国研究的热门技术。针对DV-Hop算法节点位置不明确的缺点,采用MIN-MAX与最小加权二乘法相结合替代三边测量的方法对DV-Hop定位算法进行了改进。通过在仿真平台上对改进的DV-Hop定位算法进行仿真实验,实验结果表明该改进算法可以提高定位精度。

基于改进NSGA-Ⅲ算法的DV-Hop三维定位算法

在三维空间节点定位算法中,DV-Hop算法凭借其原理简单、成本低的优势得到了大量学者的广泛关注。针对DV-Hop算法中因计算误差导致的定位精度较低的问题,研究NSGA-Ⅲ算法的交叉和变异并进行自适应改进,使得子代个体的进化更加均匀,提高找到全局最优解的概率,减少陷入局部的解空间。最后结合蚁群算法提升了该算法在复杂网络环境中的定位精度。仿真结果表明,与其他算法相比,文章提出的基于改进NSGA-Ⅲ和蚁群算法的DV-Hop三维定位算法具有较好的定位精度。

基于人工鱼群算法的dv-hop定位算法改进研究

随着无线网络传感器在各行各业的广泛应用,实际应用场景中的许多问题逐渐浮现出来,尤其是定位算法缺陷。文章主要从无线传感器定位的dv-hop算法局限性出发,指出其用跳段距离代替直线距离的显著缺点,并基于各项研究,提出应用人工鱼群算法的全局密集网络特点对dv-hop定位算法进行改进。经验证,基于人工鱼群算法改进后的dv-hop定位算法能显著弱化无线传感器节点定位误差大,减少节点硬件开销,提升无线传感器的定位精度和效率。

基于双通信半径的传感器网络DV-Hop定位算法

为了减少传统的DV—Hop算法对未知节点定位时产生的较大误差，分析了影响传统DV—Hop算法定位精度的两个因素，继而提出了一种改进算法。改进算法在进行未知节点定位时，信标节点先后使用两个通信半径广播自身位置信息，从而获得未知节点与信标节点间更精确的跳数，并计算出它们之间更精确的距离，得到未知节点更精确的坐标。仿真结果显示，改进算法相比于传统DV—Hop算法相对定位误差减少了13%～15%，并且减少了由于网络拓扑结构不同带来的定位误差的差异性。

无线传感器网络中DV-Hop节点定位改进算法研究

介绍了无线传感器网络中DV-Hop算法的定位原理、误差来源。针对DV-Hop算法在未知节点到信标节点距离计算中的不足,在分析信标节点间估计距离与真实距离误差的基础上,提出了改进算法。改进算法修正了网络平均每跳距离与未知节点估计坐标的区域范围。仿真结果表明,在相同的网络环境下,改进算法的定位精度得到明显提高。