无线传感器网络三维定位交叉粒子群算法

发布时间：2018-05-04 08:48

本文选题：无线传感器网络 + 定位　；参考：《农业机械学报》2014年05期

【摘要】：针对标准粒子群算法进化后期收敛速度慢、易陷入局部极小点、早熟收敛等问题,提出一种基于交叉粒子群的农业无线传感器网络三维定位算法。该方法主要包括汇聚节点选取、测量距离修正、节点定位3个阶段,通过借鉴遗传算法交叉操作的思想,增加粒子的多样性,减小测距误差、锚节点数量对定位结果的影响,有效提高定位算法全局搜索能力。仿真结果表明,该方法的稳定性和定位精度均优于标准粒子群算法。在测距误差和锚节点数量相同的条件下,与混合蛙跳定位算法进行性能比较,两种算法的最大定位误差分别为1.337 8 m、1.747 3 m,最小定位误差分别为0.258 3 m、0.561 5 m,平均定位误差分别为0.651 2 m、1.044 7 m。
[Abstract]:Aiming at the problems of slow convergence, easy to fall into local minima and premature convergence in the late stage of evolution of standard particle swarm optimization, a 3D localization algorithm for agricultural wireless sensor networks based on cross-particle swarm optimization is proposed. This method mainly includes three stages: the selection of convergence nodes, the correction of measurement distance and the location of nodes. By using the idea of cross-operation of genetic algorithm for reference, the diversity of particles is increased, the error of ranging is reduced, and the effect of number of anchor nodes on the location results is also discussed. The global search ability of localization algorithm is improved effectively. Simulation results show that the stability and positioning accuracy of the proposed method are better than that of the standard particle swarm optimization algorithm. When the ranging error and the number of anchor nodes are the same, the performance of the algorithm is compared with that of the hybrid leapfrog localization algorithm. The maximum localization error of the two algorithms is 1.337 m-1. 747 3 m, the minimum location error is 0.258 3 mU 0.561 5 m, and the average location error is 0.651 2 mU 1.044 7 m.
【作者单位】：河南科技大学农业工程学院;中国农业大学现代精细农业系统集成研究教育部重点实验室;
【基金】：国家高技术研究发展计划(863计划)资助项目(2011AA100704)
【分类号】：TP212.9;TN929.5;TP18

【参考文献】

相关期刊论文前10条

1 彭宇;王丹;;无线传感器网络定位技术综述[J];电子测量与仪器学报;2011年05期

2 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

3 毛永毅;李明远;张宝军;;一种NLOS环境下的TOA/AOA定位算法[J];电子与信息学报;2009年01期

4 柴毅;尹宏鹏;李大杰;张可;;基于改进遗传算法的BP神经网络自适应优化设计[J];重庆大学学报(自然科学版);2007年04期

5 张晓平;刘桂雄;周松斌;;利用最小二乘支持向量机实现无线传感器网络的目标定位[J];光学精密工程;2010年09期

6 徐小卜;王勇;陶晓玲;;基于支持向量机分类的WSN节点定位算法[J];计算机工程;2010年24期

7 张顶学;关治洪;刘新芝;;一种动态改变惯性权重的自适应粒子群算法[J];控制与决策;2008年11期

8 张顶学;廖锐全;;一种基于种群速度的自适应粒子群算法[J];控制与决策;2009年08期

9 骆成凤;刘正军;王长耀;牛铮;;基于遗传算法优化的BP神经网络遥感数据土地覆盖分类[J];农业工程学报;2006年12期

10 王俊;刘刚;;基于遗传BP算法的温室无线传感器网络定位方法[J];农业工程学报;2012年21期

【共引文献】

相关期刊论文前10条

1 何文德;杨凤年;刘光灿;;无线传感器网络在文物保护中的应用[J];安防科技;2007年07期

2 聂宽胜;刘军;;WSN定位算法实际应用性能评价指标及其影响因素的分析[J];安防科技;2009年06期

3 刘海波;邹涛;翁哲;;无线传感器网络在执勤枪械定位中的应用[J];安防科技;2009年09期

4 焦俊;陈无畏;李绍稳;王继先;;基于改进PSO的智能车辆转向自适应PID控制[J];安徽大学学报(自然科学版);2008年06期

5 张开风;胡艳军;许耀华;姜新红;仇乐乐;王福俊;高韦;丁胜建;;WSN与GPRS结合的远程图像等数据采集系统设计[J];安徽大学学报(自然科学版);2011年04期

6 林丽萍;;无线传感器网络节点的研究与应用[J];安徽职业技术学院学报;2010年04期

7 余华;孙艳红;车银超;郭玉峰;;无线传感器网络在现代农业中的应用[J];安徽农业科学;2010年04期

8 余华;吕宁波;;基于无线传感器网络的农田信息管理系统的研究[J];安徽农业科学;2010年32期

9 范书平;高巍;马宝英;;一种无线温度传感器网络中节能的路由协议[J];安徽农业科学;2011年02期

10 杨治秋;柴宝杰;;无线传感器网络在农业信息监控系统中的应用[J];安徽农业科学;2011年35期

相关期刊论文前10条

1 吕良彬;曹阳;高洵;罗卉;;基于球壳交集的传感器网络三维定位算法[J];北京邮电大学学报;2006年S1期

2 方震;赵湛;郭鹏;张玉国;;基于RSSI测距分析[J];传感技术学报;2007年11期

3 杜存功;丁恩杰;苗曙光;王满意;朱微维;;无线传感器网络改进型节点定位算法的研究[J];传感器与微系统;2010年01期

4 朱剑;赵海;孙佩刚;毕远国;;基于RSSI均值的等边三角形定位算法[J];东北大学学报(自然科学版);2007年08期

5 肖硕;魏学业;王钰;;基于信标优化选择的无线传感网络定位方法研究[J];电子测量与仪器学报;2009年03期

6 彭宇;宋佳;彭喜元;;无线传感器网络故障管理架构设计方法概述[J];电子测量与仪器学报;2009年11期

7 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

8 戴桂兰;赵冲冲;邱岩;;一种基于球面坐标的无线传感器网络三维定位机制[J];电子学报;2008年07期

9 田孝华,廖桂生;减轻TOA和AOA定位系统非视距影响的方法[J];电子与信息学报;2003年12期

10 段凯宇;张力军;;基于到达角Kalman滤波的TDOA/AOA定位算法[J];电子与信息学报;2006年09期

相关期刊论文前10条

1 马潇霄;赵安军;马光思;;无线传感器网络中的定位算法研究[J];计算机应用;2010年S1期

2 唐辉;张英杰;阮承治;;基于DV-HOP的改进算法及仿真[J];电子科技;2010年07期

3 罗浩;刘忠;彭鹏菲;任雄伟;程远国;;一种声纳浮标无线传感器网络中的目标定位方法[J];火力与指挥控制;2011年02期

4 杜新恒;程良伦;;无线传感器网络中距离无关定位算法的研究[J];计算机工程与应用;2008年33期

5 朱勇;王萍;张昕明;;基于WSN的加权组合三边气体源定位算法研究[J];电子测量技术;2009年08期

6 程远国;徐辉;;传感器网络加权质心自定位算法[J];计算机工程与应用;2009年07期

7 张金林;王敬东;李鹏;;基于局部分布式优化的无线传感器网络定位算法[J];现代电子技术;2011年06期

8 肖硕;魏学业;王钰;;基于信标优化选择的无线传感网络定位方法研究[J];电子测量与仪器学报;2009年03期

9 胡炜薇;胡冀;应智花;;基于一个移动锚节点的无线传感器网络节点定位算法[J];系统仿真学报;2010年04期

10 周立君;刘宇;;基于RSSI的无线传感器网络节点定位技术研究[J];电子测量技术;2010年08期