基于最优跳距处理策略的无线传感器网络智能定位算法

doi:10.3724/SP.J.1087.2012.01836

计算机应用 ›› 2012, Vol. 32 ›› Issue (07): 1836-1839.DOI: 10.3724/SP.J.1087.2012.01836

基于最优跳距处理策略的无线传感器网络智能定位算法

李牧东,熊伟,郭龙

空军工程大学电讯工程学院，西安710077

收稿日期:2011-12-12 修回日期:2012-02-10 发布日期:2012-07-05 出版日期:2012-07-01
通讯作者: 李牧东
作者简介:李牧东（1987-），男，陕西西安人，硕士研究生，主要研究方向：无线传感器网络定位；熊伟（1965-），男，陕西西安人，副教授，博士，主要研究方向：无线传感器网络、电路与系统；郭龙（1987-），男，陕西咸阳人，硕士研究生，主要研究方向：无线传感器网络覆盖技术。

Intelligent algorithm for locating nodes in wireless sensor network based on processing strategy of optimal hopping distances

LI Mu-dong,XIONG Wei,GUO Long

Institute of Telecommunication Engineering, Air Force Engineering University, Xi'an Shaanxi 710077, China

Received:2011-12-12 Revised:2012-02-10 Online:2012-07-05 Published:2012-07-01
Contact: LI Mu-dong

摘要/Abstract

摘要： 针对传统DV-Hop算法存在较大定位误差及忽略锚节点自身误差的问题，提出了一种基于最优跳距处理策略(PSOHD)的智能定位算法。该策略充分考虑了网络拓扑结构和锚节点自身误差对定位精度的影响，首先对锚节点引入两个通信半径，并分别统计每个锚节点通信半径范围内的节点数；然后采用加权最小二乘估计修正锚节点间的平均跳距；最后对用于未知节点位置估计的平均跳距进行筛选并加权处理。另外在定位阶段引入了粒子群优化(PSO)算法对未知节点进行定位。仿真结果表明，在适当增加节点能量消耗的条件下，改进算法的定位精度有明显改善，是一种可行的无线传感器网络(WSN)节点定位的解决方案。

关键词: 无线传感器网络, DV-Hop算法, 最优跳距处理策略, 粒子群优化算法, 定位精度

Abstract: Focusing on the problems of poor locating performance and ignoring anchor nodes' inaccuracy in traditional DV-Hop algorithm which is one of the range-free algorithms in Wireless Sensor Network (WSN), an intelligent algorithm for locating nodes based on Processing Strategy of Optimal Hopping Distances (PSOHD) was proposed. Fully considering the effect of dynamic topology and anchor nodes' difference, this algorithm firstly introduced two communication radii with anchor nodes to calculate the nodes of communication range respectively. Secondly, the average one-hop distance among anchor nodes was refined by means of weighted least squares estimation. Finally, the average one-hop distance used by each locating node for estimating its location was optimized through weighting the N received average one-hop distances from anchor nodes. In addition, Particle Swarm Optimization (PSO) algorithm was presented to locate the unknown nodes. The simulation results show that the improved algorithm has obviously better location precision at the cost of increasing appropriate energy. Thus, it is a practical scheme for WSN with both inaccuracy of anchor nodes and random dynamic topology.

Key words: Wireless Sensor Network (WSN), DV-Hop algorithm, Processing Strategy of Optimal Hopping Distances (PSOHD), Particle Swarm Optimization (PSO) algorithm, location precision

中图分类号:

TP393.07

李牧东熊伟郭龙. 基于最优跳距处理策略的无线传感器网络智能定位算法[J]. 计算机应用, 2012, 32(07): 1836-1839.

LI Mu-dong XIONG Wei GUO Long. Intelligent algorithm for locating nodes in wireless sensor network based on processing strategy of optimal hopping distances[J]. Journal of Computer Applications, 2012, 32(07): 1836-1839.

参考文献

［1］王焱欣，王培康.一种无线传感器网络定位算法的分析和改进［D］.合肥：中国科学技术大学,2007.

［2］ NICULESCU D, NATH B. Ad-Hoc positioning system (APS) ［C］// Proceedings of the 2001 IEEE Global Telecommunications Conference. New York: IEEE Communications Society, 2001: 2926-2931.

［3］ NICULESCU D, NATH B. DV based positioning in Ad Hoc net-works ［J］. Journal of Telecommunication Systems, 2003, 22(1-4): 267-280.

［4］ AHN H, HONG J. DV-Hop localization algorithm with multi-power beacons under noisy environment ［C］// 2011 Third International Conference on Ubiquitous and Future Networks. New York: IEEE Communications Society, 2011: 4577-1177.

［5］嵇玮玮,刘中.DV-Hop定位算法在随机传感器网络中的应用研究［J］.电子与信息学报,2008,30(4):970-974.

［6］张佳，吴延海，石峰,等.基于DV-Hop的无线传感器网络定位算法［J］.计算机应用,2010,30(2):323-327.

［7］邱萌,徐惠民.一种无线传感器网络无测距依赖定位算法［J］.仪器仪表学报,2007,28(4A):544-547.

［8］刘峰,张翰,杨骥.一种基于加权处理的无线传感器网络平均每跳跳距估计算法［J］.电子与信息学报，2008,30(5):1222-1225.

［9］ EBERHART R C, SHI Y H. Particle swarm optimization: developments, applications and resources ［C］// Proceedings of the IEEE Congress on Evolutionary Computation. Piscataway: IEEE, 2001: 81-86.

［10］ KENNEDY J, EBERHART R C. Particle swarm optimization ［C］// Proceedings of IEEE International Conference on Neural Networks. Piscataway: IEEE, 1995: 1942-1948.

［11］杨维,李歧强.粒子群优化算法综述［J］.中国工程科学,2004,6(5):87-93.

［12］ SHI Y, EBERHART R C. Empirical study of particle swarm optimization ［C］// Proceedings of the IEEE Congress on Evolutionary Computation. Piscataway: IEEE, 1999: 1945-1950.

［13］张静，曹敦，傅明,等.DV-Hop算法定位误差和覆盖率的改进［J］.计算机应用，2011，31（7）：1944-1947.

[1]	杨乐, 张达敏, 何庆, 邓佳欣, 左锋琴. 改进猎人猎物优化算法在WSN覆盖中的应用[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2506-2513.
[2]	高培根, 锁斌. 基于加权犹豫模糊集的实验设计与分阶段PSO-Kriging建模[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2144-2150.
[3]	沈涵, 王中生, 周舟, 王长元. 基于多应用场景的改进DV-Hop定位模型[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1219-1227.
[4]	杜晓昕, 周薇, 王浩, 郝田茹, 王振飞, 金梅, 张剑飞. 智能算法的亚群优化策略综述[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 819-830.
[5]	王震, 张珊珊, 邬斌扬, 苏万华. 基于自适应粒子群优化算法的串联复合涡轮储能优化策略[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 611-618.
[6]	李大海, 詹美欣, 王振东. 基于多个改进策略的增强麻雀搜索算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2845-2854.
[7]	单飞桥, 王照伟, 沈跃. 基于精确时间协议的工业无线传感器网络时间同步方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2255-2260.
[8]	梁军, 洪泽泓, 余松森. 基于改进粒子群优化算法和遗传变异的图像分割模型[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1743-1749.
[9]	高智慧, 韩萌, 刘淑娟, 李昂, 穆栋梁. 基于智能优化算法的高效用项集挖掘方法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1676-1686.
[10]	于振华, 刘争气, 刘颖, 郭城. 基于自适应混合粒子群优化的软件缺陷预测特征选择方法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1206-1213.
[11]	马学森, 许雪梅, 蒋功辉, 乔焰, 周天保. 混合自适应粒子群工作流调度优化算法[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 474-483.
[12]	柳春锋, 李峥, 王居凤. 分布式工厂中微型制造单元多目标优化[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3824-3832.
[13]	刘拥民, 杨钰津, 罗皓懿, 黄浩, 谢铁强. 基于双向循环生成对抗网络的无线传感网入侵检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 160-168.
[14]	田洪亮, 王佳玥, 李晨曦. 基于混合算法区块链和节点身份认证的数据存储方案[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2481-2486.
[15]	盖荣丽, 高守传, 李明霞. 粒子群优化算法求解最优控制点的非均匀有理B样条曲线拟合[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2177-2183.

基于最优跳距处理策略的无线传感器网络智能定位算法

Intelligent algorithm for locating nodes in wireless sensor network based on processing strategy of optimal hopping distances

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics