基于加权质心和DV-Hop混合算法WSN定位方法研究

为了提高无线传感器网络中节点定位的精确度,分析了DV-Hop(distance vector—hop,距离向量-跳段)定位算法和质心算法的优缺点,提出基于加权质心和DV-Hop混合算法,并用MATLAB进行了仿真实验。实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DV-Hop平均提高了20%,比质心算法平均提高了15%。该混合算法在提高无线传感器节点精确度上是有效的。

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。

无线传感器网络中DV-Hop定位算法的改进

针对传统的DV-Hop定位算法在定位过程中,存在锚节点与未知节点之间的平均跳距估计的不足以及定位过程中出现的未知节点坐标超出既定区域的情况,提出一种改进的DV-Hop(Distance Vector-Hop)定位算法。在改进算法中,对平均跳距进行补偿,并对超出定位区域的未知节点的坐标进行重新修正。仿真结果表明,改进后的DV-Hop算法能够更准确地对平均跳距进行估计,有效降低了未知节点的定位误差。

基于无线传感器网络的DV-Hop定位算法的改进

在无线传感器网络的定位算法中,距离向量跳段(DV-Hop)是典型的无需测距算法之一,但其定位精度不高。为提高算法的定位精度,通过对DV-Hop算法的理论分析,找出该算法产生误差的主要原因。针对该算法存在的缺陷,新算法巧妙利用无线信号在同种介质中传播速度的不变性,用计数器来测量锚节点间的传送时间以及锚节点与未知节点间的传送时间,并利用该时间比例来修正未知节点的估计距离。通过仿真实验表明:新算法减少了定位误差,提高了定位精度。

无线传感器网络中基于APIT与DV-HOP的混合定位算法

无线传感器网络定位技术作为物联网的主要研究内容有着不可或缺的地位。为了达到高定位精确度、高节点覆盖率,本文在对各种基本经典算法深度分析的基础上,提出近似三角形内点(APIT)定位算法和距离向量跳段(DV-HOP)定位算法相结合的混合定位算法。采用角度判断未知节点的准确位置,对三角形内部和外部节点分别进行定位,内部采用APIT算法,定位精确度提高了65%,外部采用最小跳数对DV-HOP加权进行定位,定位精确度提高了24%。相比于原始算法,本文提出的混合算法可以对所有未知节点进行定位,减少了定位误差。通过MATLAB仿真,证明了其有效性。

一种改进DV-HOP无线传感器网络定位算法

针对大型网络不规则性及翻转歧义造成距离向量-跳段(DV-HOP)定位算法性能较差的问题,提出了一种改进的DV-HOP定位算法。针对不规则网络,提出了一种基于节点密度的误差修正方法。网络区域部署节点数量大,节点翻转歧义误差不可避免,故提出了一种基于半圆模型的定位误差修正方法。仿真实验表明:本文改进算法比现有改进算法的定位精度提高了6%,并且能够有效地弱化翻转歧义造成的误差,因此能够较好地实现对未知节点的实时精准定位。

一种基于误差修正的改进DV-Hop算法

节点定位技术是无线传感器网络中的一项关键技术,针对DV-Hop算法对不规则随机分布网络定位误差较大的问题,提出了一种基于误差修正的改进算法。该算法借鉴差分GPS思想,在DV-Hop算法距离估计阶段,利用信标节点的误差差分修正估计距离;同时充分考虑网络实际,通过多信标误差加权的方式获得估计距离修正值,以提高算法定位精度。通过仿真研究验证了改进算法的有效性。

提高DV-Hop算法定位精度研究

从DV-Hop算法模型出发,为突破算法应用限制条件,采用总体最小二乘法原理,研究了锚节点位置信息存在误差时,无线传感器网络中传感器的定位问题,得到了更一般的结果。仿真结果表明,在100×100的仿真场景内部署100个传感器节点,通信半径为30 m、高斯噪声方差为1,当锚节点数量占总节点数量之比小于8%时,可显著改善WSN的定位精度,平均定位精度比原方法提高了20%~30%;当锚节点数量占总节点数量之比大于8%时,两种方法定位精度趋于相等。

基于测距修正的差分进化的DV-Hop定位算法

设计精确的定位算法是无线传感网络(wireless sensor networks, WSNs)的研究热点。针对距离向量-跳距(distance vector-Hop, DV-Hop)定位算法的定位精度不高问题,提出基于测距修正的差分进化的节点定位算法(RDEL)算法,提高节点定位精度。首先,RDEL算法利用接收信号强度值对跳数值进行修正,然后,通过构建测距误差代价函数,并利用无偏估计对跳距进行校正。最后,通过差分进化算法估计未知节点的位置。仿真结果表明,相比于传统的DV-Hop算法,提出的RDEL算法降低了平均定位误差,提高了定位精度。

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。

无线传感器节点加权平均跳距定位算法

为了提高无线传感器网络节点定位精度,在DV-Hop算法基础上提出一种加权平均跳距定位算法IDV-Hop(Improv-ed DV-Hop)。根据DV-Hop使用简单平均跳距计算节点间距离,导致较大误差这个特点,为了减少误差新算法采用加权平均跳距代替简单平均跳距。仿真实验结果表明,与DV-Hop算法相比,IDV-Hop算法有效地减少了距离计算带来的误差,提高了定位精度,能更好地满足实际应用的需求。

基于双通信半径与改进灰狼算法的距离向量跳段定位

针对无线传感器网络中距离向量跳段(DV-Hop)算法定位精度不高的问题,提出了一种基于双通信半径及改进灰狼算法的DV-Hop定位算法。首先,用双通信半径广播信标节点的位置,得到其与未知节点之间的跳数,从而得到信标节点与未知节点之间的距离。然后,用改进的灰狼算法估算未知节点的位置。仿真结果表明,相比传统的DV-Hop算法及同类型算法,改进DV-Hop算法的定位精度更高、稳定性更好。

一种无线传感器网络定位算法的改进

为了减小距离向量-跳段(DV-hop)算法中计算平均跳距时所造成的误差对定位的影响,提出一种基于测距信息的改进DV-hop算法。改进算法充分考虑DV-hop算法中信标节点计算平均跳距误差较大这一因素,将接收的信号强度指示(RSSI)算法中测得信号强度值转化为距离信息,再将距离信息引入DV-hop算法平均跳距的计算中,并在不同信号传播模型下进行仿真分析。仿真结果表明,在同一信号传播模型下,改进算法比原DV-hop算法有着更小的定位误差。

无线传感器网络节点定位算法的研究

无线传感器网络的许多应用都是基于节点的位置信息。传感器网络由于节点数量巨大,资源十分有限,全部节点都采用GPS定位设备是不适宜的。介绍了利用2个锚节点定位的DV-Hop算法。仿真实验证明了该方法的有效性。

电网输电线路故障监控定位算法

为解决DV-Hop算法应用于智能电网输电线路故障监控时存在定位精度低的问题,提出一种电网输电线路故障监控定位算法。引入最小均方差计算锚节点间平均跳距,通过一个与最小跳数相关的动态权值对未知节点到锚节点的平均跳距进行修正。采用二维双曲线法估算未知节点坐标,利用参数因子更新估算坐标。实例仿真计算结果表明,在典型电网输电线路故障监控场景中,该算法比DV-Hop算法具有更高的定位精度。

改进的人工蜂群优化DV-Hop定位算法

针对距离向量跳段(DV-Hop)算法在多边定位中误差较大的问题,详细分析了定位误差形成的原因,并提出了一种改进的人工蜂群优化DV-Hop定位算法。该算法引入数学优化模型,使用改进的区域限定人工蜂群算法对该模型进行目标寻优,优化多边定位的执行过程。实验结果表明,改进的人工蜂群算法可减少多边定位阶段的误差和计算量,且定位效果较好。

基于改进樽海鞘群算法的无线传感器网络节点定位

传统距离矢量-跳数(DV-Hop)定位算法中定位阶段的准确率较低,提出了一种改进樽海鞘群算法优化的DV-Hop定位算法。首先,利用Cat混沌映射产生混沌序列,用以种群初始化;其次,在追随者更新时加入环境和优秀个体的影响,引入精英引导变异实现;最后,用败者淘汰策略去除较差个体同时产生较优个体。实验结果表明:优化后的DV-Hop算法与传统DV-Hop算法及其他对比算法相比,定位精度较高,具有更好的定位能力。

定位算法在传感器网络中的改进策略

研究节点定位技术是传感器网络中的一个重要课题。针对DV-Hop定位算法适应节点均匀分布的网络这一特性,为了减小DV-Hop定位算法的定位误差,提出了节点的部署策略;针对平均每跳距离在求不同跳数的节点之间的距离时有着不同程度的影响,为了提高待定位节点的定位精度,提出了距离修正值策略。经过以上处理之后,得到了更加准确的平均每跳距离的估计值。实验表明,改进后的算法不仅提高了定位精度,同时也改善了定位的稳定性。