基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。

基于粒子群优化的DV-Distance改进算法

DV-Distance算法通过未知节点与锚节点间的多跳协作,实现节点位置估计,简单实用,但定位精度不高。为了提高算法性能,本文提出一种基于粒子群优化的DV-Distance改进算法,针对RSSI测距引起的误差,利用链路质量指示(LQI)对RSSI的测量值进行惯性滤波,建立基于LQI的RSSI测距模型;并针对位置估计方法所引起的误差,通过粒子群算法对节点位置进行优化。结合DV-Distance算法自身特点,确定了粒子群算法适应值函数的选取和关键算法参数的确定。最后,仿真和实验证明改进算法有效可行,具有较高的定位精度。

基于IFOA优化DV-distance算法的无线传感器网络定位研究

对无线传感器网络节点定位问题进行研究,提出一种基于IFOA优化DV-distance算法的WSNs定位方法。针对DV-distance算法定位精度低、噪声影响大,受限于网络拓扑结构等问题,将改进的果蝇优化算法(IFOA)引入到DVdistance设计中,实现了节点位置的精确定位,为进一步提高算法定位的精度,引入动态加权修正因子,并给出动态误差修正策略,最后对WSNs节点定位问题进行实验仿真,仿真结果表明,基于IFOA优化的DV-distance定位算法较DV-distance和传统定位算法在定位精度上有明显改善。

无线传感器网络DV-Distance定位算法

针对DV-Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV-Distance算法。DV-Distance定位算法通过求未知节点到参考节点之间跳段距离之和来确定未知节点坐标,改进算法在原算法的基础上,将参考节点间的真实距离与这些参考节点间的跳段距离之和的比值作为修正权值,用这个修正权值来提高定位所需距离值的精确度,并利用RSSI测距技术限定可较为精确测距的有效未知节点,从而更进一步提高定位的精度。通过计算机的仿真和实验验证,结果表明此改进算法相对于原算法,较为明显的降低了定位误差,提高了定位的精度。

一种改进型DV-distance自定位算法

由于DV-distance算法计算待定位节点到锚节点的距离是以分段距离之和代替直线距离,在网络不够密集的情况下,误差非常大;改进后的算法在原算法的基础上考虑了待定位节点到锚节点的跳数以及中间节点的邻节点数的影响,建立数学模型,对距离进行修正;通过仿真对比证实改进后的算法较大程度提高了定位的精度。

传感器网络中改进的DV-distance定位算法

由于DV-distance算法是用累计距离代替直线距离,在网络节点稀疏的环境下两者之间的误差很大,从而导致定位误差很大。所以DV-distance算法仅适用于同性密集网络。本文主要针对DV-distance算法这种只能适用于同性密集网络[1]的缺点,根据三角形两边和大于第三边的原理,引入了约束条件,从而剔除一些误差较大的点的组合,最后用质心法求解待定位节点的坐标,从而提高DV-distance在网络节点稀疏互通性差的环境下的定位精度。

基于DV-Distance的无线传感器网络定位算法研究

无线传感器网络是一种全新的信息获取和处理技术,而节点自定位技术是无线传感器网络的主要支撑技术之一.由于无线传感器的节点数量非常大,致使利用GPS定位装置收集节点位置信息的代价将会很大.因此,研究能够适应无线传感器网络节点位置信息的算法是极其重要的.本文重点对距离无关的定位算法中的DV-Distance算法进行了研究,通过MATLAB软件平台对DV-Distance算法进行了仿真实现,结果表明不同信标节点密度时,定位算法的定位误差不同,而当存在障碍物及GPS误差也会影响定位误差.

改进的无线传感器网络DV-Distance定位算法

针对DV-Distance定位算法受网络拓扑结构和环境噪声影响大等问题,从2个方面对算法进行了改进。改进的DV-Distance算法在原算法基础上,通过设定共线度阈值来优化多跳网络中定位锚节点分组的选择,使其能更好的适应低密度、不规则网络,并利用最小二乘算法与泰勒级数展开法相结合方法来估计最终位置,从而提高算法的鲁棒性。仿真结果表明,改进算法与原算法相比,具有更高的定位精度,并且在锚节点数量比较小和节点密度低情况下,仍具有较好的定位性能。