一种基于狼群优化的改进DV_Hop定位算法

DV_Hop算法是经典的无需测距的无线传感器网络节点定位算法之一,但由于节点分布不均匀,由平均跳距计算出的未知节点与锚节点的距离跟实际距离差距较大,导致其定位精度不高。针对这一问题,借助于狼群算法需要的计算参数较少以及具有良好的寻优精度的特点,提出一种基于优化狼群算法(IWCA)的DV_Hop算法(IWCADV_Hop)。首先将DV_Hop算法的估计距离进行优化,对于距离锚节点跳数为1的未知节点,用RSSI方法直接求出它与锚节点的距离,从而减小估计距离的误差;其次,由于狼群算法容易陷入局部最优,提出优化狼群算法(IWCA),采用模拟退火的思想在探狼k次迭代未改变位置时,允许以一定概率向效果差的方向游走,游走方式采用混沌映射的方式;最后,将IWCA算法应用到节点定位的计算阶段,从而减小DV_Hop算法计算节点位置时产生的误差。理论分析与仿真实验表明,与同类算法相比,本文提出的IWCADV_Hop算法能提高无线传感器网络节点定位的准确性。

基于粒子群的DV_Hop算法优化

原DV_Hop算法中存在节点间距离估算的累计误差以及待测节点坐标求解时的误差问题。在平均跳距的计算阶段,信标节点先后以两个通信半径广播自身位置信息,精确了节点间最小跳数值,加入修正因子来校正平均跳距,得到更精确的未知节点坐标。采用基于线性优化惯性权重和线性加权改进的学习因子同步变化的粒子群算法来优化待测节点位置解析误差,降低待测节点的平均定位误差。仿真结果表明,与原有算法相比,该方法可以有效地降低估算距离误差,提高待测节点的定位精度。

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法(PDDV_Hop)定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。

三维无线传感器网络中DV_Hop定位算法的改进

在三维无线传感器网络中,采用非测距定位方法 DV_Hop时,由于三维空间中节点分布复杂,测距误差增大,定位准确度迅速降低,为了提升它的准确度,提出一种改进的DV_Hop定位方法,使用最小均方差估计未知节点与已知节点之间的距离,定位结果用粒子群算法优化,以距离误差因子加权均方误差作目标函数,采用凹函数递减策略,提前进入局部搜索,提高定位准确度。仿真结果表明,相同条件下,改进的DV_Hop算法定位准确度要优于传统DV_Hop算法。

基于最优跳距和LevyPSO算法的DV＿Hop定位算法

针对DV_Hop(Distance Vector-Hop)算法中定位精度较低的问题,提出一种基于最优跳距与LevyPSO算法的无线传感器网络定位算法,即OLPDV_Hop(Optimal Jump Distance and Levy Particle Swarm Optimization DV_Hop)。首先,通过单跳平均误差修正平均跳距,然后利用接收多锚节点的平均跳距估算节点间距离,使估算距离得以优化,最后利用LevyPSO算法替代最小二乘法求得未知节点位置,LevyPSO算法利用Levy飞行改变粒子移动方向以防陷入局部最优,并通过贪婪的更新评价策略产生最优解,最终得到全局最优。仿真结果表明,OLPDV_Hop算法较DV_Hop算法、IPSODV_Hop(Improved Particle Swarm Optimization DV_Hop)算法和BDV_Hop(Based on DV_Hop)算法在定位精度上有明显改善。