水下传感网络的低复杂度APIT算法及OPNET仿真实现
发布时间：2021-07-21 14:04
由于水声传感网络具有能量的局限性,所以低复杂度的定位算法更适用于水声传感网络。传统的APIT算法能够以较少的控制开销获得较好的定位精度,有利于水下传感网络定位的实现,但其复杂度高,冗余误差较大。以点扫描的方式取代传统网格扫描法,提出一种低复杂度的APIT算法,并在OPNET平台上搭建水声传感网络环境,阐述该算法在水下传感网络节点定位的实现过程。仿真结果表明,待定位节点与锚节点密度的增加有助于改善算法的性能,且在同等条件下本文算法比传统APIT算法定位精度更高。
【文章来源】：系统仿真学报. 2020,32(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
PIT原理图Fig.1TheoryofPIT
邻居节点的信号强度Tab.1SignalstrengthofunknownnodeManditsneighbors/mV锚节点M1……nA126B237C3171.2传统的网格扫描法网格扫描法(GridSCANalgorithm)的基本思想是用一个矩阵来表示待定位节点有可能出现的区域。具体做法：将整个网络按照一定的步长分为若干个网格，并利用APIT算法判断待定位节点与三角形的关系。若待定位节点在三角形内部，则将三角形内所有的网格的值加1，反之则减1。待遍历所有的三角形后，具有最大值的网格所构成的区域就是待定位节点有可能出现的最大区域。如图3中黑色的三角形是待定位节点，而阴影区域就是待定位节点可能出现的最大多边形区域。图3传统的网格扫描法Fig.3TraditionalgridSCANalgorithm1.3低复杂度的APIT算法传统的网格扫描法是以单位网格进行扫描，扫描的结果是以网格构成的多边形区域，该多边形的形状未知，故难以求得该多边形重心的复杂度。本文基于这个问题，提出以网格顶点为单位进行扫描，即网格点扫描法，然后采用APIT算法判断未知节点与三角形的位置关系，若待定位节点在三角形内部，则将三角形内所有的点的值加1，反之则减1。待遍历所有的三角形后，将具有最大值点的坐标求算术平均，作为待定位节点的坐标。如图4中黑色的三角形是待定位节点，黑色圆点即为最大值的点。图4低复杂度APIT算法Fig.4Low-complexityAPITAlgorithm传统的APIT算法以网格为单位进行扫描，由于判断网格是否在三角形内部没有一个固定的标准且当网格不够小时，无疑会引入一定的冗余；在算法的实现上，该算法先按点划分网络，再由每相邻的4个点构成一个网格，而计算重叠区域的重心时又需要将网格还原成点的形式，这使得?
图3传统的网格扫描法Fig.3TraditionalgridSCANalgorithm1.3低复杂度的APIT算法传统的网格扫描法是以单位网格进行扫描，扫描的结果是以网格构成的多边形区域，该多边形的形状未知，故难以求得该多边形重心的复杂度。本文基于这个问题，提出以网格顶点为单位进行扫描，即网格点扫描法，然后采用APIT算法判断未知节点与三角形的位置关系，若待定位节点在三角形内部，则将三角形内所有的点的值加1，反之则减1。待遍历所有的三角形后，将具有最大值点的坐标求算术平均，作为待定位节点的坐标。如图4中黑色的三角形是待定位节点，黑色圆点即为最大值的点。图4低复杂度APIT算法Fig.4Low-complexityAPITAlgorithm传统的APIT算法以网格为单位进行扫描，由于判断网格是否在三角形内部没有一个固定的标准且当网格不够小时，无疑会引入一定的冗余；在算法的实现上，该算法先按点划分网络，再由每相邻的4个点构成一个网格，而计算重叠区域的重心时又需要将网格还原成点的形式，这使得算法的复杂度大大提高。本文提出的低复杂度APIT算法以点为单位，判断点是否在三角形内部时不存在疑义，缩小了交集区域，解决了传统APIT算法可能出现的冗余问题；此外，该算法在具体实现上省去了降维和升维的过程，相比于传统的APIT算法，算法复杂度大大降低。2APIT算法节点建模本文利用OPNET平台实现低复杂度APIT的定位过程[7]，网络的拓扑结构中只有2种相互独立的节点模型，即锚节点和待定位节点。本节将详细阐述这2种节点的建模过程。
本文编号：3295165
【文章来源】：系统仿真学报. 2020,32(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
PIT原理图Fig.1TheoryofPIT
邻居节点的信号强度Tab.1SignalstrengthofunknownnodeManditsneighbors/mV锚节点M1……nA126B237C3171.2传统的网格扫描法网格扫描法(GridSCANalgorithm)的基本思想是用一个矩阵来表示待定位节点有可能出现的区域。具体做法：将整个网络按照一定的步长分为若干个网格，并利用APIT算法判断待定位节点与三角形的关系。若待定位节点在三角形内部，则将三角形内所有的网格的值加1，反之则减1。待遍历所有的三角形后，具有最大值的网格所构成的区域就是待定位节点有可能出现的最大区域。如图3中黑色的三角形是待定位节点，而阴影区域就是待定位节点可能出现的最大多边形区域。图3传统的网格扫描法Fig.3TraditionalgridSCANalgorithm1.3低复杂度的APIT算法传统的网格扫描法是以单位网格进行扫描，扫描的结果是以网格构成的多边形区域，该多边形的形状未知，故难以求得该多边形重心的复杂度。本文基于这个问题，提出以网格顶点为单位进行扫描，即网格点扫描法，然后采用APIT算法判断未知节点与三角形的位置关系，若待定位节点在三角形内部，则将三角形内所有的点的值加1，反之则减1。待遍历所有的三角形后，将具有最大值点的坐标求算术平均，作为待定位节点的坐标。如图4中黑色的三角形是待定位节点，黑色圆点即为最大值的点。图4低复杂度APIT算法Fig.4Low-complexityAPITAlgorithm传统的APIT算法以网格为单位进行扫描，由于判断网格是否在三角形内部没有一个固定的标准且当网格不够小时，无疑会引入一定的冗余；在算法的实现上，该算法先按点划分网络，再由每相邻的4个点构成一个网格，而计算重叠区域的重心时又需要将网格还原成点的形式，这使得?
图3传统的网格扫描法Fig.3TraditionalgridSCANalgorithm1.3低复杂度的APIT算法传统的网格扫描法是以单位网格进行扫描，扫描的结果是以网格构成的多边形区域，该多边形的形状未知，故难以求得该多边形重心的复杂度。本文基于这个问题，提出以网格顶点为单位进行扫描，即网格点扫描法，然后采用APIT算法判断未知节点与三角形的位置关系，若待定位节点在三角形内部，则将三角形内所有的点的值加1，反之则减1。待遍历所有的三角形后，将具有最大值点的坐标求算术平均，作为待定位节点的坐标。如图4中黑色的三角形是待定位节点，黑色圆点即为最大值的点。图4低复杂度APIT算法Fig.4Low-complexityAPITAlgorithm传统的APIT算法以网格为单位进行扫描，由于判断网格是否在三角形内部没有一个固定的标准且当网格不够小时，无疑会引入一定的冗余；在算法的实现上，该算法先按点划分网络，再由每相邻的4个点构成一个网格，而计算重叠区域的重心时又需要将网格还原成点的形式，这使得算法的复杂度大大提高。本文提出的低复杂度APIT算法以点为单位，判断点是否在三角形内部时不存在疑义，缩小了交集区域，解决了传统APIT算法可能出现的冗余问题；此外，该算法在具体实现上省去了降维和升维的过程，相比于传统的APIT算法，算法复杂度大大降低。2APIT算法节点建模本文利用OPNET平台实现低复杂度APIT的定位过程[7]，网络的拓扑结构中只有2种相互独立的节点模型，即锚节点和待定位节点。本节将详细阐述这2种节点的建模过程。
本文编号：3295165
本文链接：https://www.wllwen.com/kejilunwen/wltx/3295165.html
