共查询到19条相似文献,搜索用时 78 毫秒
1.
针对传统的DV-Hop(Distance Vector-Hop)定位算法存在定位精度不高的问题,提出基于曲线拟合的改进定位算法。在改进算法中,以锚节点的实际直线距离和估计距离之间存在的误差作为样本之一,结合误差所对应的节点间跳数,采用曲线拟合找出两者存在的关系。曲线拟合的结果,用于估计和预测锚节点和未知节点之间的距离误差,并对两者之间距离进行修正,从而减小两者之间的距离误差,降低未知节点定位误差。仿真结果表明,改进后的DV-Hop算法能够较好地修正了算法中关键的估计距离,显著提高了对于未知节点的定位精度。 相似文献
2.
3.
无线传感器网络DV Hop定位算法在定位过程中,由于待定位节点和锚节点之间的估算距离存在误差,这就使得定位结果必然会有误差,因此定位问题的本质就是最小化定位误差;蝙蝠算法是一种具有良好性能的智能优化算法,根据节点间的距离和锚节点的位置,应用蝙蝠算法对DV-Hop的定位结果进行了优化;基于蝙蝠算法的DV Hop优化,无需额外增加硬件设备和节点间的通信数据量;仿真实验证明,应用蝙蝠算法改进的DV-Hop定位较原始DV Hop定位平均提高定位精度35%以上. 相似文献
4.
针对经典DV-Hop算法定位精度较低的问题,提出一种基于改进Jaya的DV-Hop定位算法。该算法首先添加修正因子修正平均跳距,然后通过共线性的概念选择锚节点以减小定位误差,接着引入Tent映射生成初始种群,以增强种群多样性,提高收敛速度,最后构建目标函数,利用改进的Jaya优化算法求得未知节点坐标。仿真结果表明,提出算法与经典DV-Hop算法和改进算法相比,定位误差平均值分别降低了75.00%和 65.83%,定位精度更高。 相似文献
5.
针对无线传感器网络无需测距依赖的DV-Hop定位算法节点定位精度不高的问题,将鲁棒性强、收敛速度快且全局寻优性能优异的人工蜂群算法引入到DV-Hop算法的设计中,提出了一种ABDV-Hop(Artificial Bee ColonyDV-Hop)算法。该算法在传统DV-Hop算法的基础上,利用节点间的距离和锚节点的位置信息,在DV-Hop算法的最后阶段,通过建立目标优化函数,实现对未知节点坐标的估计。仿真结果表明,与传统DV-Hop算法相比,在不增加传感器节点的硬件开销的基础上,改进算法能有效降低定位误差。 相似文献
6.
针对无线传感器网络(WSNs)节点定位问题中DV-Hop算法的不足,提出利用粒子群优化算法对改进DV-Hop得到的估算位置校正。这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量。最后将仿真实验结果与改进DV-Hop算法进行比较,表明基于PSO算法优化的改进DV-Hop定位算法在优化性能上有所改进,有效提高了节点定位精度,证明该方法的有效性。 相似文献
7.
基于DV-Hop的无线传感器网络定位算法在洪泛过程中产生大量信息而导致能量消耗大的问题,提出了一种选择边界锚节点的算法。通过减少参与洪泛的锚节点个数来减少能量消耗,从而延长无线传感器网络的生存周期。实验表明,提出的算法不仅能够减少传递的信息量,而且还能略微提高定位精度。 相似文献
8.
9.
基于改进的平均跳距和估计距离的DV-Hop定位算法* 总被引:4,自引:0,他引:4
为了提高DV-Hop定位算法在不规则网络中的精确度,针对该算法的不足之处,提出了一种基于平均跳距和估计距离的改进的DV-Hop算法。该算法考虑了未知节点到参考节点的路径与参考节点间的路径可能存在重合或部分重合这一特性,对平均跳距进行修改,并利用误差对距离进行修正。仿真实验结果表明,在不规则网络环境下,改进算法的定位精度得到明显提高。 相似文献
10.
基于DV-Hop算法的误差改进方法 总被引:1,自引:0,他引:1
传感器网络由于资源受限,定住算法需要考虑定位精度,网络购建成本,通信、计算开销等多方面因素。结合上述的评价标准以及分类方式.通过分析典型的DV—Hop的误差产生原因,提出改进方案,并利用仿真环境实现。 相似文献
11.
12.
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
13.
定位是无线传感器网络中最重要的问题之一。针对DV-Hop算法定位精度低问题,提出基于进化算法的多通信半径DV-Hop改进定位算法。该方法在多通信半径定位算法基础上,使用蛙跳算法对锚节点跳距进行优化,并对其适应值函数进行改进,让跳距值更接近真实值,然后在DV-Hop算法最后阶段利用遗传算法求解未知节点坐标。实验仿真结果表明,改进算法在不增加额外硬件情况下,大大降低了定位误差,相比于传统DV-Hop算法,定位精度提高了大约69%,相比其他文献,定位精度提高了大约21%。 相似文献
14.
针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。 相似文献
15.
16.
17.
针对无线传感器网络节点的自身定位问题,提出一种基于分布式协作的DV-Hop改进算法.在距离计算的基础上,采用最大似然估计方法选取共线度较低的参考点作为锚节点.综合考虑所有锚节点,以可信度为准则,通过加权平均计算每一个未知节点的平均跳距.计算未知节点的定位误差,将误差低于预设阈值的未知节点转化为锚节点,扩大定位范围.仿真结果表明,在初始锚节点数和通信半径相同的情况下,该算法的定位误差比DV-Hop算法减少约20%,尤其当节点密度较小时,其定位误差可稳定在40%以下.当节点通信半径超过10 m时,该算法的剩余节点比例可降低约30%. 相似文献
18.