论文部分内容阅读
伴随着社会科技与日俱进的发展趋势,无线传感器网络技术的在人类生活应用中显得愈发重要。不论是在环境监测领域、军事领域、工业控制领域、医疗领域,还是在灾害监测预报、公共安全和城市智能交通领域,都可以发现无线传感器网络的身影。而在诸多的应用领域,传感器节点自身位置的获取都是至关重要的,无线传感器网络对所有信息的采集与分析,都建立在节点对自身位置的准确获取上,如果节点位置无法获得,则所有获取到的信息都是毫无意义的,所以节点定位技术一直是无线传感器网络中最大的研究热点之一。DV-Hop定位算法作为应用最为广泛的无线传感器节点定位算法之一,拥有无需测距、简单易实现、可扩展性强等优点,但其也存在节点定位精度低的缺陷。本文通过对DV-Hop定位算法进行误差来源分析,提出了两种不同的优化算法以提高其定位精度:(1)基于双通信半径与跳距改进的DV-HOP定位算法(DCRC-DH)。传统DV-Hop定位算法,通过信标节点的泛洪获取到整个网络中所有节点间的跳数信息,并依此求得网络中各信标节点的平均跳距信息,未知节点保存的自身平均跳距来自于距离其最近的信标节点,并通过跳数与跳距相乘的方式得到信标节点与未知节点间的估计距离。这种获取距离的方式导致了DV-Hop定位算法存在较大的定位误差。本文采取了构建双通信半径传感器节点的方式,并在此基础上引入信任度的机制,采取信任度加权的方式重新定义了未知节点平均跳距信息的获取方法,从而精确了未知节点与信标节点的距离,提升了DV-Hop算法定位精度。(2)基于改进粒子群算法优化的DV-HOP定位算法(IPSO-DH)。传统的DV-Hop定位算法在得到最小跳数和跳距信息后,通常采用固定的计算方法来获取未知节点的坐标信息。由于节点间的估计距离往往存在误差,从而导致节点坐标计算结果不够精确。本文使用改进的PSO算法替代了传统计算的方法。通过对粒子群算法的惯性权重和学习因子的改进,很大程度上避免了粒子陷入“早熟”造成无法获得全局最优位置。通过改进后的粒子群优化算法对DV-Hop定位算法进行改进,很大程度上减少了未知节点坐标计算误差带来的算法定位误差。由于本文提出的两种改进算法分别针对DV-Hop定位算法的不同阶段,所以最后将本文所提出的两种改进方式进行融合汇总,提出一种融合后的改进算法。DV-Hop算法误差产生的主观原因一般情况下有信标节点与未知节点的比例、节点间跳数信息、平均跳距信息和节点坐标计算方法四个方面,除信标节点与未知节点的比例选取之外,新的算法将另外三个方面逐一进行了改进,改进后的算法定位性能优于融合前的两种优化算法。