论文部分内容阅读
无线传感器网络是一种分布式的网络,由大量微小的、低成本的且具有多功能、多信息获取能力的传感器节点组成,它们之间通过无线链路进行通信。无线传感器网络的应用前景十分广泛,在很多领域中发挥着不可替代的作用,发展潜力巨大。该技术的广泛应用将会对现代军事、现代信息技术、现代制造业及许多重要的社会领域产生巨大的影响。对于大多数实际应用而言,未获得节点的准确位置,则收集到的数据信息是没有任何意义的。节点的精准定位是无线传感器网络中非常重要的一部分,因此本文提出了两种改进算法来提高传统DV-Hop算法的定位精度。其中HTDV-Hop算法针对DV-Hop算法中由跳数产生的误差较大的缺点,提出了基于相似度因子拟合改进DV-Hop定位算法;针对定位过程中锚节点个数有限以及平均跳距产生的定位误差等缺点提出了基于机器学习和灰狼优化改进算法即EG-DV-Hop算法。(1)本文提出了一种基于相似度因子和拟合函数的定位算法—HTDV-Hop,该算法分为四个步骤:第一步是获取锚节点到所有节点间的跳数信息;第二步是计算相似度因子,并对相似度因子与锚节点实际距离进行线性拟合,利用拟合函数修正锚节点到所有一跳节点间距离;第三步是修正锚节点到所有多跳节点间的距离;最后一步是借助改进后的距离,利用最小二乘法计算未知节点的坐标。仿真结果表明,与传统DV-Hop算法相比,定位精度提高了约35.6%。(2)本文还提出了一种利用虚拟锚节点来增加锚节点的数量并进行辅助定位的算法,即基于机器学习和灰狼优化的定位算法—EG-DV-Hop。该算法分为四个步骤:第一步是利用ELM学习模型预测未知节点的物理位置;第二步是利用随机生成且已知位置的点将未知节点升级为虚拟锚节点;第三步是用灰狼优化算法优化锚节点之间的平均跳距;最后一步是借助改进的平均跳距,对其余未知节点进行定位。仿真结果显示,与DV-Hop算法相比,EG-DV-Hop算法的定位精度提高了约25%。经过大量的仿真实验,结果表明,与其他算法相比,本文提出的基于相似度因子和拟合函数的定位算法(HTDV-Hop)与基于机器学习和灰狼优化的定位算法(EG-DV-Hop)不仅算法简单且能实现高精度的定位,具有很好的应用前景。