基于三角形重心扫描的改进APIT无线传感器网络自定位算法

传感器节点的自定位问题是无线传感器网络的重要研究内容之一.APIT是一种主要的非基于测距的定位算法.相对于其他非基于测距定位算法,APIT具有定位精度高、通信开销小等优点.但是,APIT要求有较高的锚节点密度,而且在APIT测试过程中,边界效应以及低邻居节点密度容易增加InToOut和OutToIn测试错误的发生次数.另外,APIT算法中的网格扫描算法对于OutToIn错误的容错性较差且其执行效率低.针对以上问题,提出了一种基于三角形重心扫描的改进APIT算法.首先,分析了APIT测试中的两种典型错误InToOut和OutToIn错误产生的原因,引入了对APIT测试方法的两处改进;然后,分析了网格扫描算法对节点定位精度和算法执行效率的影响,提出了一种三角形重心扫描法,有效改进了算法的定位精度和执行效率;最后,通过仿真实验验证了改进后的算法不但可以有效地减少InToOut和OutToIn两类错误发生的次数,提高平均定位精度,改善算法的性能,而且对OutToIn错误的容错性更强,执行效率更高,能够显著地提高节点的平均精度.

基于区域分割的无线传感器网络定位算法

针对传统APIT算法在定位精度方面的不足,提出一种基于区域分割的无线传感器网络定位算法(RSLA)。为了减小边界效应造成的误差,RSLA算法为每个待定位节点添加一个计数器。PIT测试之后,RSLA算法利用三角形的三条中垂线将三角形划分成多个小区域,通过比较待定位节点收到三角形三个顶点发来的信号强度,进一步判断待定位节点属于哪一个小区域,最后利用三角形重心扫描算法估算待定位节点位置。仿真实验表明,相比传统APIT算法,RSLA算法在定位精度方面有较大的提高。