无线传感器网络中自定位算法的研究

来源 :中南大学 | 被引量 : 0次 | 上传用户:vivian16s
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线传感器网络被认为是21世纪最重要的技术之一,在军事、环境、工业等领域具有相当广阔的应用。传感器节点的定位技术因其在无线传感器网络中发挥着重要作用而尤为受到关注。本文针对此领域的问题,通过对已有典型定位算法的定量分析比较,提出了一种基于DV-Hop的改进定位算法。虽然DV-Hop算法免测距,这在一定程度上节省了硬件开销,但它存在定位精度不高,覆盖率不广的缺点,针对这个缺陷,本文首先提出了一种按节点优先级进行定位并升级为新锚节点的改进算法。该算法是从第二轮次开始增加一次新锚节点广播,由各未知节点根据自身所收到的新旧锚节点广播的多少来确定其优先级,选择该轮次中优先级最高的节点按DV-Hop算法实现定位并升级为新锚节点;同时,建立了利用两个锚节点和一个连通限制条件的算法模型。仿真结果表明,该改进算法一定程度上提高了定位精度和覆盖率。针对DV-Hop算法中存在的误差累积问题,本文又提出了一种利用加权最小二乘估计来改进算法的策略。即根据每个锚节点的位置精度,对于升级为锚节点的节点赋予其一个合理的权值,该权值用于形成加权矩阵,在下一轮定位计算过程中,使用加权最小二乘算法进行节点位置计算。通过实验表明,该方法在降低误差累积,提高定位精度上确实有效可行。
其他文献
语义Web的发展为实现对Web异构信息的智能访问和处理提供了一个平台。对于传统Web,通过利用可视化的标记语言(如HTML)对资源进行标识,提供了用户可以理解但机器不可理解的知
RBFNN以其简单的结构、快速的训练过程和良好的推广能力等诸多优点已在许多应用领域取得了成功,特别在模式识别和函数逼近方面。在RBF神经网络中,隐单元的位置和相应宽度值的
随着嵌入式系统的快速发展,在一些信息家电中,例如PDA、机顶盒、DVD/VCD播放机等,图形用户界面(GUI)越来越受到人们的重视。MiniGUI(Mini Graphical User Interface)最初是一
随着网络技术的快速发展,互联网已经成为人们生活不可缺少的一部分。虽然随着网络硬件技术的发展网络带宽不断增大,但是网络资源总是有限的,由于网络中资源和流量的分布不均
传统决策树算法通过计算属性的信息熵来选择属性,信息熵大的属性被优先选取构造决策树。在计算信息熵时,它仅考虑语法层面上字、词的简单匹配,没有考虑数据的语义信息,缺乏对
针对工业控制领域自动化所遇到的时间、地点、经验、决策限制等问题,提出了模糊控制规则自动生成软件的设计研究。软件是在数据挖掘的理论基础上,对模糊控制器中控制规则的自
无线Mesh网(Wireless Mesh Network,WMN)是无线局域网和移动自组织网络的结合,具有自组织、自配置和自治愈等特点,是一种新型的多跳网络结构,是下一代无线网络的关键技术。由
驾驶员疲劳已成为引发交通事故的主要因素之一,用基于机器视觉的方法来检测驾驶员疲劳在实时性、准确性、非接触性、适用性及经济性等方面比其他监控方法有更大的优势,成为当
无线传感器网络(WSN,wireless sensor network)是以多个小体积、低成本的传感器节点经由多跳路由形成的分布式数据收集网络。经过近年来对WSN在各方面应用的学习和研究,我们
现代的编程语言(Java、C#、Ruby、JavaScript等)往往都使用自动的内存管理技术,使用垃圾收集器来负责内存空间的管理,程序员只负责分配内存,无需关注内存的回收工作,内存的回收工