基于SAPSO算法和RSSI优化的DV-Hop定位算法
发布时间：2021-10-01 07:00
针对DV-Hop算法在平均跳距估计时和采用最小二乘法估计未知节点坐标存在较大的定位误差,提出了利用RSSI测距技术和模拟退火粒子群算法（SAPSO）优化改进的DV-Hop算法——SAPSOR-DV-Hop。该算法首先利用RSSI测距技术定义锚节点的平均跳距误差,并利用该误差修正未知节点与锚节点间的距离;其次采用SAPSO算法替代最小二乘法对未知节点定位进行优化。仿真实验结果表明,所提出的SAPSOR-DV-Hop算法与传统的DV-Hop算法和其他两种算法相比有较高的定位精度。
【文章来源】：软件. 2020,41(08)
【文章页数】：4 页
【部分图文】：
节点总数变化Fig.1Changesintotalnumberofnodes
第41卷第8期软件《软件》杂志欢迎推荐投稿：cosoft@vip.163.com86图1节点总数变化Fig.1Changesintotalnumberofnodes图2为基于信标节点数量的变化对定位误差的影响分析，节点总数为100，通信半径为25，信标节点数量从10开始逐渐递增至38，当信标节点数量增加时，四种算法的平均定位误差均有下降的趋势。图2信标节点数量变化Fig.2Changesinthenumberofbeaconnodes图3为基于通信半径的变化对定位误差的影响分析，节点总数为100，信标节点数量为10，通信半径从15开始逐渐递增至50。由图3可知，当通信半径增加时，四种算法的平均定位误差都会减小；通信半径在大于25m之后，定位误差减小幅度变小且趋于平缓。图3通信半径变化Fig.3Changeofcommunicationradius5结束语本文在DV-Hop算法的基础上，提出了一种改进的DV-Hop定位算法——SAPSOR-DV-Hop算法，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段。通过仿真实验可以验证，SAPSOR-DV-Hop算法和传统的DV-Hop算法相比，有明显较高的定位精度，但是在无线传感器定位中，节点的能耗影响着网络的生存时间和定位的精度，所以在无线传感器网络定位中节点的节能问题将有待于研究。参考文献[1]宗宇雷,吕品品,李珂,赵逸.混合参数方法下的室内无线定位技术综述[J].软件,2016,37(03):62-66.[2]徐慧娟.基于DV-Hop测距修正的遗传模拟退火定位算法[J].传感技术学报,2018,31(01):147-151.[3]王改云,王磊杨,路皓翔.基于混合群智能算法优化的RSSI质心定位算法[J].计算机科学,2019,46(09):125-129.[4]汪明,许亮,何小敏.无线传感器网络精度优选RSSI协作定位算法[J].计算机应用,2018,38(07):1981-1988.[5]楼国
ofnodes图2为基于信标节点数量的变化对定位误差的影响分析，节点总数为100，通信半径为25，信标节点数量从10开始逐渐递增至38，当信标节点数量增加时，四种算法的平均定位误差均有下降的趋势。图2信标节点数量变化Fig.2Changesinthenumberofbeaconnodes图3为基于通信半径的变化对定位误差的影响分析，节点总数为100，信标节点数量为10，通信半径从15开始逐渐递增至50。由图3可知，当通信半径增加时，四种算法的平均定位误差都会减小；通信半径在大于25m之后，定位误差减小幅度变小且趋于平缓。图3通信半径变化Fig.3Changeofcommunicationradius5结束语本文在DV-Hop算法的基础上，提出了一种改进的DV-Hop定位算法——SAPSOR-DV-Hop算法，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段。通过仿真实验可以验证，SAPSOR-DV-Hop算法和传统的DV-Hop算法相比，有明显较高的定位精度，但是在无线传感器定位中，节点的能耗影响着网络的生存时间和定位的精度，所以在无线传感器网络定位中节点的节能问题将有待于研究。参考文献[1]宗宇雷,吕品品,李珂,赵逸.混合参数方法下的室内无线定位技术综述[J].软件,2016,37(03):62-66.[2]徐慧娟.基于DV-Hop测距修正的遗传模拟退火定位算法[J].传感技术学报,2018,31(01):147-151.[3]王改云,王磊杨,路皓翔.基于混合群智能算法优化的RSSI质心定位算法[J].计算机科学,2019,46(09):125-129.[4]汪明,许亮,何小敏.无线传感器网络精度优选RSSI协作定位算法[J].计算机应用,2018,38(07):1981-1988.[5]楼国红,张剑平.粒子群算法修正测距的无线传感器网络节点定位[J].吉林大学学报(理学版),2018,56(03):650-656.[6]KumarS,LobiyalDK.
【参考文献】：
期刊论文
[1]基于混合群智能算法优化的RSSI质心定位算法[J]. 王改云,王磊杨,路皓翔. 计算机科学. 2019(09)
[2]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉. 微电子学与计算机. 2019(03)
[3]粒子群算法修正测距的无线传感器网络节点定位[J]. 楼国红,张剑平. 吉林大学学报(理学版). 2018(03)
[4]基于模拟退火的改进粒子群算法研究及应用[J]. 薛永生,吴立尧. 海军航空工程学院学报. 2018(02)
[5]无线传感器网络精度优选RSSI协作定位算法[J]. 汪明,许亮,何小敏. 计算机应用. 2018(07)
[6]基于DV-Hop测距修正的遗传模拟退火定位算法[J]. 徐慧娟. 传感技术学报. 2018(01)
[7]遗传粒子群优化的DV-Hop定位算法[J]. 高美凤,李凤超. 传感技术学报. 2017(07)
[8]基于RSSI测距的DV-Hop算法[J]. 刘三阳,胡亚静,张朝辉. 控制与决策. 2017(10)
[9]混合参数方法下的室内无线定位技术综述[J]. 宗宇雷,吕品品,李珂,赵逸. 软件. 2016(03)
[10]一种新的基于模拟退火的粒子群算法[J]. 赵乃刚. 软件. 2015(07)
本文编号：3417379
【文章来源】：软件. 2020,41(08)
【文章页数】：4 页
【部分图文】：
节点总数变化Fig.1Changesintotalnumberofnodes
第41卷第8期软件《软件》杂志欢迎推荐投稿：cosoft@vip.163.com86图1节点总数变化Fig.1Changesintotalnumberofnodes图2为基于信标节点数量的变化对定位误差的影响分析，节点总数为100，通信半径为25，信标节点数量从10开始逐渐递增至38，当信标节点数量增加时，四种算法的平均定位误差均有下降的趋势。图2信标节点数量变化Fig.2Changesinthenumberofbeaconnodes图3为基于通信半径的变化对定位误差的影响分析，节点总数为100，信标节点数量为10，通信半径从15开始逐渐递增至50。由图3可知，当通信半径增加时，四种算法的平均定位误差都会减小；通信半径在大于25m之后，定位误差减小幅度变小且趋于平缓。图3通信半径变化Fig.3Changeofcommunicationradius5结束语本文在DV-Hop算法的基础上，提出了一种改进的DV-Hop定位算法——SAPSOR-DV-Hop算法，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段。通过仿真实验可以验证，SAPSOR-DV-Hop算法和传统的DV-Hop算法相比，有明显较高的定位精度，但是在无线传感器定位中，节点的能耗影响着网络的生存时间和定位的精度，所以在无线传感器网络定位中节点的节能问题将有待于研究。参考文献[1]宗宇雷,吕品品,李珂,赵逸.混合参数方法下的室内无线定位技术综述[J].软件,2016,37(03):62-66.[2]徐慧娟.基于DV-Hop测距修正的遗传模拟退火定位算法[J].传感技术学报,2018,31(01):147-151.[3]王改云,王磊杨,路皓翔.基于混合群智能算法优化的RSSI质心定位算法[J].计算机科学,2019,46(09):125-129.[4]汪明,许亮,何小敏.无线传感器网络精度优选RSSI协作定位算法[J].计算机应用,2018,38(07):1981-1988.[5]楼国
ofnodes图2为基于信标节点数量的变化对定位误差的影响分析，节点总数为100，通信半径为25，信标节点数量从10开始逐渐递增至38，当信标节点数量增加时，四种算法的平均定位误差均有下降的趋势。图2信标节点数量变化Fig.2Changesinthenumberofbeaconnodes图3为基于通信半径的变化对定位误差的影响分析，节点总数为100，信标节点数量为10，通信半径从15开始逐渐递增至50。由图3可知，当通信半径增加时，四种算法的平均定位误差都会减小；通信半径在大于25m之后，定位误差减小幅度变小且趋于平缓。图3通信半径变化Fig.3Changeofcommunicationradius5结束语本文在DV-Hop算法的基础上，提出了一种改进的DV-Hop定位算法——SAPSOR-DV-Hop算法，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段。通过仿真实验可以验证，SAPSOR-DV-Hop算法和传统的DV-Hop算法相比，有明显较高的定位精度，但是在无线传感器定位中，节点的能耗影响着网络的生存时间和定位的精度，所以在无线传感器网络定位中节点的节能问题将有待于研究。参考文献[1]宗宇雷,吕品品,李珂,赵逸.混合参数方法下的室内无线定位技术综述[J].软件,2016,37(03):62-66.[2]徐慧娟.基于DV-Hop测距修正的遗传模拟退火定位算法[J].传感技术学报,2018,31(01):147-151.[3]王改云,王磊杨,路皓翔.基于混合群智能算法优化的RSSI质心定位算法[J].计算机科学,2019,46(09):125-129.[4]汪明,许亮,何小敏.无线传感器网络精度优选RSSI协作定位算法[J].计算机应用,2018,38(07):1981-1988.[5]楼国红,张剑平.粒子群算法修正测距的无线传感器网络节点定位[J].吉林大学学报(理学版),2018,56(03):650-656.[6]KumarS,LobiyalDK.
【参考文献】：
期刊论文
[1]基于混合群智能算法优化的RSSI质心定位算法[J]. 王改云,王磊杨,路皓翔. 计算机科学. 2019(09)
[2]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉. 微电子学与计算机. 2019(03)
[3]粒子群算法修正测距的无线传感器网络节点定位[J]. 楼国红,张剑平. 吉林大学学报(理学版). 2018(03)
[4]基于模拟退火的改进粒子群算法研究及应用[J]. 薛永生,吴立尧. 海军航空工程学院学报. 2018(02)
[5]无线传感器网络精度优选RSSI协作定位算法[J]. 汪明,许亮,何小敏. 计算机应用. 2018(07)
[6]基于DV-Hop测距修正的遗传模拟退火定位算法[J]. 徐慧娟. 传感技术学报. 2018(01)
[7]遗传粒子群优化的DV-Hop定位算法[J]. 高美凤,李凤超. 传感技术学报. 2017(07)
[8]基于RSSI测距的DV-Hop算法[J]. 刘三阳,胡亚静,张朝辉. 控制与决策. 2017(10)
[9]混合参数方法下的室内无线定位技术综述[J]. 宗宇雷,吕品品,李珂,赵逸. 软件. 2016(03)
[10]一种新的基于模拟退火的粒子群算法[J]. 赵乃刚. 软件. 2015(07)
本文编号：3417379
本文链接：https://www.wllwen.com/kejilunwen/wltx/3417379.html
