共查询到18条相似文献,搜索用时 78 毫秒
1.
针对无线传感器网络中Grid-Scan算法定位精度较低的问题,提出了一种基于虚拟锚节点策略的Grid-Scan定位算法。具体做了三个方面的工作:对未知节点设置可定位阈值,邻居锚节点数大于可定位阈值的未知节点使用Grid-Scan算法进行定位,定位后的节点升级为虚拟锚节点;邻居锚节点数小于可定位阈值的未知节点利用极大似然法完成定位,定位后的节点升级为虚拟锚节点;锚节点及虚拟锚节点共同参与对剩余未知节点的定位。仿真结果表明,改进算法在不同锚节点密度、不同通信半径和不同栅格大小的网络中以及通过不规则传播模型后都具有较好的定位精度。 相似文献
2.
《计算机应用与软件》2015,(11)
针对无线传感器网络中无需测距的DV-Hop算法定位精度低的缺陷,提出改进算法。改进算法是以传统的DV-Hop算法为依据,利用RSSI为依托。在获得跳数的步骤之后,对跳数进行修正,再对平均每跳距离进行加权处理,最后修正节点之间的距离,以提升传感器节点的定位精度。通过Matlab仿真实验结果表明,与传统的DV-Hop算法相比,改进算法能更加准确地估计了跳数、平均每跳距离与节点间的距离,提高了定位精度,较实际地反映出了网络的状况。 相似文献
3.
4.
5.
6.
无线传感器网络节点的定位算法 总被引:43,自引:0,他引:43
针对无线传感器网络节点定位问题进行了研究,提出了一种新的节点定位算法,介绍了算法的基本原理和实现方法。该算法不需要任何额外的硬件支持,节点间通信开销少。仿真实验显示,在网络迓接度为8、参考节点数量为20的情况下,平均定位误差小于节点射频通信距离的21%。 相似文献
7.
8.
用常规粒子群改进的DV-Hop算法由于粒子易陷入局部最优而导致较大的定位误差,对此,提出了结合遗传粒子群的DV-Hop定位(GAPSO-DV-Hop)算法.首先根据最大理想跳数筛选锚节点,计算加权平均每跳距离,权重采用锚节点之间距离、最小跳数、以及通信半径构成;其次,用遗传机制改进粒子群算法以代替最小二乘法,所作改进包括使用前摄估计缩小粒子搜索范围、根据遗传算法中的交叉策略生成待交叉粒子队列,并在每次迭代后选取最差个体做动态变异.仿真结果表明,在相同环境下,所提GAPSO-DV-Hop算法的定位精度明显高于常规DV-Hop算法以及其他对比算法. 相似文献
9.
10.
为了解决DV-Hop算法定位精度低的问题,提出一种分轮优化的改进DV-Hop定位算法。首先通过跳数阈值限制锚节点广播信息的范围;其次用每轮锚节点的平均每跳距离误差来修正锚节点的平均每跳距离;然后通过共线度检测区域,找出适合定位的锚节点组;再用三边测量法计算出参与定位的每组锚节点组的定位结果,用所有锚节点组定位结果的均值作为未知节点的估计位置;最后把本轮定位的未知节点升级为新的锚节点,进行下一轮定位。仿真结果表明,改进算法在不增加额外硬件开销的基础上,减小了定位误差,有效地提高了定位精度。 相似文献
11.
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。 相似文献
12.
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。 相似文献
13.
DV-Hop定位算法利用跳数乘以平均每跳跳距估算节点间距离,针对算法过程存在缺陷导致定位误差较大的问题,在不改变原算法的步骤,也不需要额外增加硬件设备的条件下,从两个方面对传统DV-Hop定位算法进行了改进:一是基于节点的通信半径对节点间的跳数进行修正;二是借助信标节点间的估计距离与实际距离的偏差对平均每跳跳距进行修正。仿真实验表明,在相同的网络环境下,改进后的算法与传统算法相比定位误差减少了15%左右;与另外一种利用估算出的理想跳数值对信标节点间的实际跳数值进行修正的改进算法相比,定位误差也有5%~7%的降低。实验结果表明所提出的改进算法能更有效地降低节点间的距离估算误差,提高定位精度。 相似文献
14.
基于无线传感器网络的DV-Hop定位算法的改进 总被引:1,自引:0,他引:1
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。 相似文献
15.
针对传统DV-Hop算法中定位精度低的问题,该算法从三个方面进行改进,(1)设置距离发射端标准一跳时节点所接收的接收信号强度指示(RSSI)值,利用节点接收信号的RSSI值与设置的RSSI值之间的比来修正跳数。(2)将未知节点的平均跳距分两段考虑,使未知节点到锚节点的估计距离更精确。(3)构造校正向量,对未知节点的估计坐标进行校正。仿真实验表明改进算法的定位精度明显高于传统DV-Hop算法和文献[6]基于RSSI比值修正的算法,稳定性也有一定的提升。 相似文献
16.
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。由于DV-Hop定位算法中误差来源主要是未知节点与锚节点间距离的估计误差,为了减小该误差,引入理想锚节点间距,排除锚节点计算出的单跳平均距离中的误差较大的部分,修正全网平均单跳距离,再对使用最小二乘法计算得到的未知节点坐标进行修正。仿真结果表明,该算法能有效提高节点定位精度,且算法对锚节点数目和节点通信半径要求较低,能有效节约网络的能耗和成本。 相似文献
17.
为进一步提高无线传感器网络(WSN)的定位精度,对锚节点分布与网络定位精度之间的关系进行研究,提出一种新的基于“聚集-共线度”(DAC)和“节点度”(ND)的锚节点选择算法——DAC-ND。首先,通过实验分析得出锚节点在共线分布和集中分布时对定位精度影响较大;然后,经过对基于共线度的锚节点选择算法进行分析和比较,发现现有的基于最小角和最小高的两类锚节点共线度算法(DC-A和DC-H)均存在不足;最后,综合这两类算法的优势提出一种新的基于“聚集-共线度”的概念,并结合“节点度”提出DAC-ND锚节点选择算法。通过Matlab仿真实验得出,与锚节点随机选择算法相比,DAC-ND算法可大幅降低平均定位误差(54%~73%);与基于最小角和最小高的共线度选择算法等相比,采用DAC-ND算法平均定位误差可分别降低15%~23%和12%~23%。实验结果表明,DAC-ND算法相比DC-A和DC-H能够获得更高的定位精度,从而验证了DAC-ND算法的有效性。 相似文献
18.
针对DV-Hop算法定位精度不高的问题,提出一种基于误差加权和估计距离修正的改进DV-Hop算法。该算法先采用距离误差和跳数归一化加权的思想对锚节点的平均跳距进行修正,再根据锚节点距待定位节点位置的远近程度对两者间的估计距离进行修正。仿真结果表明:改进算法在无需增加额外通信开销的情况下,使定位精度提高约48.95%,稳定性更高。 相似文献