基于无线传感器网络的DV-Hop定位算法的改进

计算机应用 ›› 2011, Vol. 31 ›› Issue (05): 1189-1192.

基于无线传感器网络的DV-Hop定位算法的改进

赵灵锴^1,2,洪志全¹

1.成都理工大学信息科学与技术学院,成都610059
2.宜宾学院计算机与信息工程学院,四川宜宾644000

收稿日期:2010-10-29 修回日期:2010-12-19 发布日期:2011-05-01 出版日期:2011-05-01
通讯作者: 赵灵锴
作者简介:赵灵锴(1977-),男,重庆人,讲师,硕士研究生,主要研究方向:无线传感器网络、计算机网络安全;洪志全(1957-),男,四川成都人,教授,主要研究方向:软件设计、分布式数据库、计算机网络。

Improved DV-Hop localization algorithm based on wireless sensor networks

ZHAO Ling-kai^1,2, HONG Zhi-quan¹

1. College of Information Science and Technology, Chengdu University of Technology, Chengdu Sichuan 610059,China
2. School of Computer and Information Engineering, Yibin University, Yibin Sichuan 644000,China

Received:2010-10-29 Revised:2010-12-19 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 在无线传感器网络的定位算法中,距离向量-跳段(DV-Hop)是典型的无需测距算法之一,但其定位精度不高。为提高算法的定位精度,通过对DV-Hop算法的理论分析,找出该算法产生误差的主要原因。针对该算法存在的缺陷,新算法巧妙利用无线信号在同种介质中传播速度的不变性,用计数器来测量锚节点间的传送时间以及锚节点与未知节点间的传送时间,并利用该时间比例来修正未知节点的估计距离。通过仿真实验表明:新算法减少了定位误差,提高了定位精度。

关键词: 无线传感器网络, 定位, 距离向量-跳段, 计数器, 估计距离

Abstract: Distance Vector-Hop (DV-Hop) is one of the typical algorithms for Wireless Sensor Network (WSN), but its accuracy is not high. This paper analyzed DV-Hop algorithm and discovered the main reason for the error. Based on the defect of DV-Hop algorithm, the new algorithm depended on the invariant velocity of the wireless signals in the same medium, and used the counter to measure the time of data transmission between unknown node and anchor node as well as between anchor nodes. The new algorithm modified the estimated distance of the unknown node through the ratio of time. The simulation results show that the new algorithm reduces the positioning error and improves the positioning accuracy.

Key words: Wireless Sensor Network (WSN), localization, Distance Vector-Hop (DV-Hop), counter, estimated distance

赵灵锴洪志全. 基于无线传感器网络的DV-Hop定位算法的改进[J]. 计算机应用, 2011, 31(05): 1189-1192.

ZHAO Ling-kai HONG Zhi-quan. Improved DV-Hop localization algorithm based on wireless sensor networks[J]. Journal of Computer Applications, 2011, 31(05): 1189-1192.

[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]	吴筝, 程志友, 汪真天, 汪传建, 王胜, 许辉. 基于深度学习的患者麻醉复苏过程中的头部运动幅度分类方法[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2258-2263.
[3]	高阳峄, 雷涛, 杜晓刚, 李岁永, 王营博, 闵重丹. 基于像素距离图和四维动态卷积网络的密集人群计数与定位方法[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2233-2242.
[4]	姚梓豪, 栗远明, 马自强, 李扬, 魏良根. 基于机器学习的多目标缓存侧信道攻击检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1862-1871.
[5]	程小辉, 黄云天, 张瑞芳. 基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1927-1934.
[6]	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.
[7]	蔡美玉, 朱润哲, 吴飞, 张开昱, 李家乐. 基于注意力机制和多粒度特征融合的跨视角匹配模型[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 901-908.
[8]	党伟超, 张磊, 高改梅, 刘春霞. 融合片段对比学习的弱监督动作定位方法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 548-555.
[9]	阚绪康, 史格非, 杨雪榕. 基于动态特征点滤除与关键帧选择优化的ORB-SLAM2算法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3185-3190.
[10]	乔恩保, 高向阳, 程俊. 基于支持向量机的自恢复自适应蒙特卡洛定位算法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3246-3251.
[11]	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.
[12]	朱东莹, 钟勇, 杨观赐, 李杨. 动态环境下视觉定位与建图的运动分割研究进展[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2537-2545.
[13]	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.
[14]	王逸, 裴生雷, 王煜. 基于CSI和K-means-SVR的多指纹库室内定位方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1636-1640.
[15]	王先兰, 周金坤, 穆楠, 王晨. 基于多任务联合学习的跨视角地理定位方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1625-1635.