基于遗传算法的无线传感器网络节点自身定位参数优化方法

提出一种自身定位参数优化方法,首先利用遗传算法在全局寻优方面的优势,改善了无线传感器网络中节点自身位置信息的定位精度欠佳问题,其次,遗传算法利用优化方法,初始种群优化、调整适应度的选取运算、引入错误校正因子等,对节点自身位置进行精确定位,从而有效提升节点定位精度和稳定性。实验结果表明,在测距阶段和定位阶段均取得了一定进展。该方法将位置问题建立在不同的距离或路径的基础上,以求得最优解,从而克服了传统以数理统计为主的局限性,同时能够保证系统的性能,节省网络资源。

无线传感器网络节点定位算法的研究与改进

针对无线传感器网络中DV-Hop定位算法的不足,在其基础上提出三种改进的定位算法,并介绍每种算法的基本原理和实现方法。在同一仿真平台上进行比较,分析三种改进算法在锚节点比率不同的情况下,对定位误差和覆盖率的影响。仿真结果证明了改进算法的有效性。

基于分治求精的无线传感器网络节点定位算法

节点自身定位是无线传感器网络应用的支撑技术之一。将分治法运用到无线传感器网络节点自身定位问题中,研究了锚节点位置关系对节点定位的影响,设计了基于分治求精的无线传感器网络节点定位算法(divide-and-conquer and refinement method based localization algorithm,DRBLA)。DRBLA采用先分而治之、再整体求精的思想,根据锚节点位置关系对定位的影响,有效筛选锚节点构成组合分别对未知节点初步定位,随后加权求精得出最终定位结果。DRBLA不需要额外添加硬件,通信量小且容易实现。仿真结果显示,相对于传统基于测距的定位算法,DRBLA具有明显的优越性,尤其是可以利用较少的锚节点取得较高的定位精度。

高密度无线传感器网络分簇定位算法

节点自身定位是无线传感器网络应用的支撑技术之一。提出了一种适用于大规模高密度无线传感器网络的分簇定位算法。首先定义了节点的势作为簇首选举依据,网络中节点间的距离由接收信号强度和通信半径的关系间接计算得到,各簇内的拓扑信息由簇首保存,簇首利用线性规划法实现簇内相对定位;随后从sink节点开始逐步进行簇间位置融合,最终实现全网的绝对定位。相比集中式的凸规划定位算法,所提算法计算复杂度低、通信量小、定位精度高,且不需要预先知道环境中的信号衰减因子,有一定的抗噪声干扰能力。仿真结果显示,在节点按均匀网格分布和均匀随机分布两种情况下,所提算法能取得较好的定位效果。

无线传感器网络三维APIT网格化算法

针对无线传感器网络中APIT算法只能在二维平面范围内应用的限制,提出了3D-GPIT算法,通过在最佳三角形内点测试算法的基础上进行三维空间的延拓,依靠基于四面体测试的方法获得未知节点估算区域的优选集,再利用三维网格方法优化计算。在100 m×100 m×100 m空间区域内,通过逐次改变给定参数进行定位仿真。结果显示在三维空间定位有着通信开销低、精度较高的优势。