无线传感网络DV-Hop定位算法的研究与改进
本文关键词: 无线传感器网络 DV-Hop算法 伪误差因子 坐标修正 定位误差 出处:《南昌航空大学》2017年硕士论文 论文类型:学位论文
【摘要】:传统DV-Hop算法是一种仅依靠网络连通性进行节点坐标位置估算的非测距类定位算法,可较大程度上减少硬件成本。因此,在一些对定位精度要求一般的场合中,该算法应用相当广泛,备受研究人员的青睐。然而,传统算法在拓扑随机的网络环境中,定位精度还有较大的提高空间。通过对大量相关文献调研后发现,多数改进算法主要从以下两个方面对传统算法进行改进:即在定位算法的第二阶段修正平均每跳距离估算精度和第三阶段修正未知节点坐标估算方法。本文的主要研究内容是如何有效提高DV-Hop算法的定位精度,具体包括以下几点:(1)考虑到传统算法在定位过程第二阶段中平均每跳距离估算误差较大的问题,本文提出了一种基于伪误差因子的AC-DV-Hop算法。其主要思想是:定义并引入伪误差因子Factor,通过伪误差因子可以剔除对测距误差影响较大的信标节点,再根据新的信标节点集合计算出修正后的平均跳距,从而提高信标节点每跳跳距的估算精度。(2)针对未知节点在第三阶段中坐标计算仍存在不足的地方,本文在AC-DV-Hop算法基础上提出了一种新算法——基于坐标修正的LC-DV-Hop算法。其主要思想是:先使用前面提出的AC-DV-Hop改进算法提高平均跳距值的估算精度,然后,每个信标节点先将自身假设成未知节点,可根据到其它信标节点的坐标位置信息计算出自身坐标的估计误差,再通过定义对应的权值(离待测节点跳数值越近,则所占权值越大;反之,则权值越小),将所有信标节点坐标估计误差和权值的乘积值应用到未知节点的坐标估算中,进一步减少定位误差,提高算法性能。最后,本文对改进前后的算法、已有加权改进型算法进行实验仿真,仿真结果表明:在相同的仿真参数下,本文提出的改进算法的平均定位误差和稳定性方面均优于DV-Hop算法和加权改进型DV-Hop算法。
[Abstract]:The traditional DV-Hop algorithm is a kind of non-ranging location algorithm which only depends on the network connectivity to estimate the node coordinate position, which can reduce the hardware cost to a great extent. This algorithm is widely used and favored by researchers. However, there is still much room for improvement in the localization accuracy of the traditional algorithm in the topological random network environment. Through the investigation of a large number of related documents, it is found that, Most of the improved algorithms mainly improve the traditional algorithm from the following two aspects: the accuracy of the second stage of the location algorithm to revise the average distance per hop and the third stage of the revision of the unknown node coordinate estimation method. To study how to effectively improve the positioning accuracy of DV-Hop algorithm, Including the following points: 1) taking into account the large error in the estimation of average distance per hop in the second phase of the localization process by the traditional algorithm. In this paper, a new AC-DV-Hop algorithm based on pseudo error factor is proposed. The main idea of this algorithm is to define and introduce the pseudo error factor Factor, by which the beacon nodes which have great influence on ranging error can be eliminated. Then the revised average hopping distance is calculated according to the new beacon node set, so as to improve the estimation accuracy of each hopping distance of beacon node. Based on the AC-DV-Hop algorithm, a new LC-DV-Hop algorithm based on coordinate correction is proposed in this paper. The main idea of this algorithm is to improve the estimation accuracy of the average hopping distance by using the AC-DV-Hop improved algorithm. First, each beacon node assumes itself as an unknown node, and the estimation error of its coordinates can be calculated according to the coordinate position information of other beacon nodes, and then the corresponding weights are defined (the closer the hopping value is to the node to be tested, the closer it is to the hopping value of the node to be tested. The bigger the weight is, the smaller the weight is, and then the product value of coordinate estimation error and weight value of all beacon nodes are applied to the coordinate estimation of unknown nodes, which can further reduce the positioning error and improve the performance of the algorithm. In this paper, the algorithm before and after the improvement, the existing weighted improved algorithm for experimental simulation, the simulation results show that: under the same simulation parameters, The proposed improved algorithm is superior to the DV-Hop algorithm and the weighted modified DV-Hop algorithm in terms of average positioning error and stability.
【学位授予单位】:南昌航空大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP212.9;TN929.5
【相似文献】
相关期刊论文 前10条
1 胡永洁,郭渊博,马建峰;基于排序机制的全序广播算法分类与性能分析[J];系统工程与电子技术;2005年01期
2 韩秀苓,程凡,高建林,,李传光;管道自适应有源噪声控制算法[J];Journal of Beijing Institute of Technology(English Edition);1995年01期
3 陶新民;徐晶;童智靖;刘玉;;不均衡数据下基于阴性免疫的过抽样新算法[J];控制与决策;2010年06期
4 赵国峰;闫亮;;用于快速流分类的关键字分解Hash算法[J];计算机工程;2010年16期
5 郭雷勇;谭洪舟;高守平;郭笑梅;;RFID系统阅读器反碰撞算法分类与研究[J];计算机技术与发展;2009年09期
6 郝水侠,李凡长;多Agent的并行思智算法[J];计算机工程与应用;2004年10期
7 刘贝家;方景龙;;基于SVDD的多示例学习算法[J];科技通报;2011年02期
8 田大东;邓伟;;基于不同惩罚系数的SMO改进算法[J];计算机应用;2008年09期
9 许敏;王士同;顾鑫;;TL-SVM:一种迁移学习算法[J];控制与决策;2014年01期
10 李雅林;张化祥;张顺;;基于近邻加权及多示例的多标记学习改进算法[J];计算机工程与应用;2013年16期
相关博士学位论文 前10条
1 吴涛;粒子群及量子行为粒子群优化算法的改进研究[D];西南交通大学;2014年
2 徐勇;分布式压缩感知的算法及其应用研究[D];中国地质大学;2015年
3 王贵参;重叠社区发现中的边聚类算法研究[D];吉林大学;2016年
4 蔡先发;基于图的半监督算法及其应用研究[D];华南理工大学;2013年
5 蒋良孝;朴素贝叶斯分类器及其改进算法研究[D];中国地质大学;2009年
6 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
7 孙岩;贝叶斯网络结构学习算法研究与应用[D];大连理工大学;2010年
8 吴伟宁;主动学习算法中采样策略研究[D];哈尔滨工业大学;2013年
9 汪庆淼;基于目标函数的模糊聚类新算法及其应用研究[D];江苏大学;2014年
10 戴朝华;搜寻者优化算法及其应用研究[D];西南交通大学;2009年
相关硕士学位论文 前10条
1 李超;基于标签传播及适合度的社团聚类算法研究[D];西南大学;2015年
2 刘晨曦;RFID定位VIRE算法的研究与改进[D];贵州师范大学;2015年
3 马睿;利用岩石光谱和改进的PC算法实现矿物的识别[D];新疆大学;2015年
4 万猛;推荐系统攻击检测算法的研究[D];电子科技大学;2014年
5 刘排;基于OMNeT++的无线传感器网络节点定位改进算法的研究[D];河北工业大学;2015年
6 陈辰;无线通信领域MIMO检测类算法的硬件加速技术研究[D];国防科学技术大学;2013年
7 韩超;场景分类与道路场景异常识别算法研究[D];北京交通大学;2016年
8 董楠;行车热点中无监督聚类算法的研究与应用[D];东北大学;2014年
9 林玉琪;基于多智能体的数据流聚类算法研究[D];福州大学;2013年
10 曹鹏;基于Spark平台的聚类算法的优化与实现[D];北京交通大学;2016年
本文编号:1524323
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1524323.html