一种改进的布谷鸟搜索移动信标节点定位方法
发布时间：2021-08-05 22:07
针对未知节点静止,信标节点移动方式下的无线传感器网络定位问题进行了研究。为进一步提高无线传感器网络节点的定位覆盖率,提出了一种基于改进布谷鸟搜索算法（AF-CS）的多移动信标节点定位算法。通过RSSI定位和DV-Hop算法获取未知节点坐标的粗略值,采用改进布谷鸟搜索算法迭代求解信标节点移动的目标位置,最后对未知节点进行重新定位。仿真结果表明:多移动信标节点定位算法可有效提高对未知节点的定位覆盖率;AF-CS算法对比原始布谷鸟搜索算法（CS）提高了目标函数定位覆盖率,加快了算法收敛速度。在网络拓扑结构变化时,该算法可通过信标节点移动保持对未知节点较高的定位覆盖率。
【文章来源】：山西大学学报(自然科学版). 2019,42(01)北大核心
【文章页数】：8 页
【部分图文】：
图２通信半径与定位覆盖率关系Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉｕｓａｎｄｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅ
Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉｕｓａｎｄｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅ图２通信半径与定位覆盖率关系Ｆｉｇ．３Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅａｎｄｎｕｍｂｅｒｏｆｉｔｅｒａｔｉｏｎｓ图３定位覆盖率与迭代次数关系３．２改进算法对定位覆盖率的影响在信标节点数量为２５个，通信半径为Ｒ＝３０ｍ时，ＡＦＣＳ算法与基本ＣＳ算法对未知节点的定位覆盖率对比如图３。从图中可以看出，在第１９０次迭代时，基本ＣＳ算法收敛的定位覆盖率为８４．５１％；而改进布谷鸟算法（ＡＦＣＳ）在第８１次迭代后收敛，定位覆盖率为９８．４７％。改进布谷鸟算法ＡＦＣＳ加快了算法的收敛速度，提高了定位覆盖率。３．３信标节点目标位置分布图４表示为通信半径Ｒ＝１５ｍ时，１８个信标节点目标位置分布图。在此状态移动信标节点的定位覆盖率为３１．２２％；图５表示为通信半径Ｒ＝２５ｍ时，１８个信标节点目标位置分布图，在此状态移动信标节点的定位覆盖率为８０．５７％。Ｆｉｇ．４Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝１５ｍ图４Ｒ＝１５ｍ时１８个目标位置分布Ｆｉｇ．５Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝２５ｍ图５Ｒ＝２５ｍ时１８个目标位置分布４结论本文提出了一种基于改进布谷鸟搜索算法（ＡＦＣＳ）的多移动信标节点定位算法。该算法以对未知节点的定位覆盖率为目标函数，通
后收敛，定位覆盖率为９８．４７％。改进布谷鸟算法ＡＦＣＳ加快了算法的收敛速度，提高了定位覆盖率。３．３信标节点目标位置分布图４表示为通信半径Ｒ＝１５ｍ时，１８个信标节点目标位置分布图。在此状态移动信标节点的定位覆盖率为３１．２２％；图５表示为通信半径Ｒ＝２５ｍ时，１８个信标节点目标位置分布图，在此状态移动信标节点的定位覆盖率为８０．５７％。Ｆｉｇ．４Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝１５ｍ图４Ｒ＝１５ｍ时１８个目标位置分布Ｆｉｇ．５Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝２５ｍ图５Ｒ＝２５ｍ时１８个目标位置分布４结论本文提出了一种基于改进布谷鸟搜索算法（ＡＦＣＳ）的多移动信标节点定位算法。该算法以对未知节点的定位覆盖率为目标函数，通过ＲＳＳＩ定位、ＤＶ－Ｈｏｐ算法和基于ＡＦＣＳ算法的移动信标节点两阶段定位过程，提高对未知节点的定位覆盖率。本文引入鱼群觅食因子改进布谷鸟搜索算法，有效改善了迭代后期因算法变异能力下降而陷入局部最优解的状态，继而提高了对未知节点的定位覆盖率，加快了算法的收敛速度。综上所述，该算法在网络拓扑结构改变时可通过信标节点的移动性保持对未知节点较高的定位覆盖率。０３１山西大学学报（自然科学版）４２（１）２０１９
【参考文献】：
期刊论文
[1]基于改进布谷鸟算法的无线传感网络覆盖多目标优化[J]. 潘浩,舒服华. 吉林师范大学学报(自然科学版). 2017(02)
[2]基于移动节点的DV-Hop算法优化[J]. 彭运桃,傅明,袁爱平. 计算机工程与设计. 2017(03)
[3]基于混沌遗传算子的人工鱼群算法[J]. 樊友洪,邓韧,李生林,罗凯文,郭宇栋. 计算机系统应用. 2017(03)
[4]WSN中基于多功率移动锚节点的智能定位算法[J]. 毛永毅,陈鹏. 西安邮电大学学报. 2016(03)
[5]MR-MC无线传感器网络基于森林的数据收集研究[J]. 张伟平,郭亚红,王蒙,倪林雨,李金宝. 通信学报. 2016(03)
[6]无线传感器网络节点定位中移动信标的路径规划[J]. 张强,张庆,张磊,于纪言,贾方秀. 兵器装备工程学报. 2016(02)
[7]基于WSNs的军用机场仓库环境监测系统设计[J]. 唐希浪,肖明清,宋海方,姚鹏. 传感器与微系统. 2015(10)
[8]基于布谷鸟搜索算法的无线传感器网络节点定位[J]. 肖晓丽,李旦江,谭柳斌. 计算机工程与应用. 2017(02)
[9]基于布谷鸟算法的结构损伤识别[J]. 徐浩杰,刘济科,吕中荣. 中山大学学报(自然科学版). 2015(04)
[10]基于改进人工鱼群算法的WSN覆盖优化策略[J]. 王明亮,闵新力,薛君志. 微电子学与计算机. 2015(06)
本文编号：3324543
【文章来源】：山西大学学报(自然科学版). 2019,42(01)北大核心
【文章页数】：8 页
【部分图文】：
图２通信半径与定位覆盖率关系Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉｕｓａｎｄｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅ
Ｆｉｇ．２Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉｕｓａｎｄｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅ图２通信半径与定位覆盖率关系Ｆｉｇ．３Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｌｏｃａｌｉｚａｔｉｏｎｃｏｖｅｒａｇｅａｎｄｎｕｍｂｅｒｏｆｉｔｅｒａｔｉｏｎｓ图３定位覆盖率与迭代次数关系３．２改进算法对定位覆盖率的影响在信标节点数量为２５个，通信半径为Ｒ＝３０ｍ时，ＡＦＣＳ算法与基本ＣＳ算法对未知节点的定位覆盖率对比如图３。从图中可以看出，在第１９０次迭代时，基本ＣＳ算法收敛的定位覆盖率为８４．５１％；而改进布谷鸟算法（ＡＦＣＳ）在第８１次迭代后收敛，定位覆盖率为９８．４７％。改进布谷鸟算法ＡＦＣＳ加快了算法的收敛速度，提高了定位覆盖率。３．３信标节点目标位置分布图４表示为通信半径Ｒ＝１５ｍ时，１８个信标节点目标位置分布图。在此状态移动信标节点的定位覆盖率为３１．２２％；图５表示为通信半径Ｒ＝２５ｍ时，１８个信标节点目标位置分布图，在此状态移动信标节点的定位覆盖率为８０．５７％。Ｆｉｇ．４Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝１５ｍ图４Ｒ＝１５ｍ时１８个目标位置分布Ｆｉｇ．５Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝２５ｍ图５Ｒ＝２５ｍ时１８个目标位置分布４结论本文提出了一种基于改进布谷鸟搜索算法（ＡＦＣＳ）的多移动信标节点定位算法。该算法以对未知节点的定位覆盖率为目标函数，通
后收敛，定位覆盖率为９８．４７％。改进布谷鸟算法ＡＦＣＳ加快了算法的收敛速度，提高了定位覆盖率。３．３信标节点目标位置分布图４表示为通信半径Ｒ＝１５ｍ时，１８个信标节点目标位置分布图。在此状态移动信标节点的定位覆盖率为３１．２２％；图５表示为通信半径Ｒ＝２５ｍ时，１８个信标节点目标位置分布图，在此状态移动信标节点的定位覆盖率为８０．５７％。Ｆｉｇ．４Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝１５ｍ图４Ｒ＝１５ｍ时１８个目标位置分布Ｆｉｇ．５Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆ１８ｔａｒｇｅｔｐｏｓｉｔｉｏｎｓａｔＲ＝２５ｍ图５Ｒ＝２５ｍ时１８个目标位置分布４结论本文提出了一种基于改进布谷鸟搜索算法（ＡＦＣＳ）的多移动信标节点定位算法。该算法以对未知节点的定位覆盖率为目标函数，通过ＲＳＳＩ定位、ＤＶ－Ｈｏｐ算法和基于ＡＦＣＳ算法的移动信标节点两阶段定位过程，提高对未知节点的定位覆盖率。本文引入鱼群觅食因子改进布谷鸟搜索算法，有效改善了迭代后期因算法变异能力下降而陷入局部最优解的状态，继而提高了对未知节点的定位覆盖率，加快了算法的收敛速度。综上所述，该算法在网络拓扑结构改变时可通过信标节点的移动性保持对未知节点较高的定位覆盖率。０３１山西大学学报（自然科学版）４２（１）２０１９
【参考文献】：
期刊论文
[1]基于改进布谷鸟算法的无线传感网络覆盖多目标优化[J]. 潘浩,舒服华. 吉林师范大学学报(自然科学版). 2017(02)
[2]基于移动节点的DV-Hop算法优化[J]. 彭运桃,傅明,袁爱平. 计算机工程与设计. 2017(03)
[3]基于混沌遗传算子的人工鱼群算法[J]. 樊友洪,邓韧,李生林,罗凯文,郭宇栋. 计算机系统应用. 2017(03)
[4]WSN中基于多功率移动锚节点的智能定位算法[J]. 毛永毅,陈鹏. 西安邮电大学学报. 2016(03)
[5]MR-MC无线传感器网络基于森林的数据收集研究[J]. 张伟平,郭亚红,王蒙,倪林雨,李金宝. 通信学报. 2016(03)
[6]无线传感器网络节点定位中移动信标的路径规划[J]. 张强,张庆,张磊,于纪言,贾方秀. 兵器装备工程学报. 2016(02)
[7]基于WSNs的军用机场仓库环境监测系统设计[J]. 唐希浪,肖明清,宋海方,姚鹏. 传感器与微系统. 2015(10)
[8]基于布谷鸟搜索算法的无线传感器网络节点定位[J]. 肖晓丽,李旦江,谭柳斌. 计算机工程与应用. 2017(02)
[9]基于布谷鸟算法的结构损伤识别[J]. 徐浩杰,刘济科,吕中荣. 中山大学学报(自然科学版). 2015(04)
[10]基于改进人工鱼群算法的WSN覆盖优化策略[J]. 王明亮,闵新力,薛君志. 微电子学与计算机. 2015(06)
本文编号：3324543
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3324543.html
