WSN中改进的MCB移动节点定位算法

考虑到蒙特卡洛盒移动节点定位算法中存在的定位精度低的缺陷,提出一种改进的基于RSSI的MCB定位算法。该算法依据节点接收的RSSI值缩小锚盒子区域;利用二次牛顿插值法预测节点运动轨迹,估算移动速度,进一步获取有效采样区域;然后依据采样盒大小自适应确定采样个数,避免多余样本的采集;最后借鉴遗传算法中交叉和变异思想优化采集过程。实验仿真结果表明在不同锚节点密度情况下,改进后的移动节点算法的定位精度始终优于传统MCB算法。

基于FOA-MCB的无线传感器网络节点定位精度分析

为提高无线传感器网络节点定位精度,提出基于FOA-MCB的无线传感器网络节点定位精度分析法。先分析基于FOA-MCB算法的无线传感器网络节点定位过程,掌握锚节点在节点定位时发挥的作用,再采用基于GDOP值的无线传感器节点定位精度分析法分析锚节点几何布局对节点定位精度的影响。实验得出:当锚节点数量是3个且定位节点出现在锚节点环绕区间时,定位精度最高,即使节点移动距离以0.1mm/s的速度增大,节点定位精度也不受影响。

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度,应用果蝇算法(fruit fly optimization algorithm,FOA)-蒙特卡罗锚盒(Monte Carlo anchor box,MCB)算法对无线传感器网络(wireless sensor network,WSN)系统中移动节点进行定位建模,分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明:FOA优化MCB算法具有比MCB算法更优的定位精度,当节点移动速度变大后可以获得更小的定位误差,在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线;当锚节点较少时,MCB与FOA优化MCB形成了较大的定位误差;随样本数增大,定位误差逐渐减小,在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值,易于实现推广。

动态WSN中基于改进的蒙特卡罗盒子定位算法

针对蒙特卡罗盒子定位算法在动态WSN定位方面所存在的计算量大,精确度不高以及耗时等缺点。提出一种量子粒子群算法优化蒙特卡罗盒子的定位算法(QPSO-MCB)。该算法不仅减小了解空间的搜索时间,同时提高了采样效率,有效改善了蒙特卡罗盒子定位算法的高误差和低效率。仿真结果表明,与蒙特卡罗盒子算法相比,平均采样效率有了明显提高,特别当移动速度增加的情况下,定位误差反而下降。