论文部分内容阅读
无线传感器网络作为一种新的实时监控和信息处理技术,在未来的社会发展中具有重要的作用。在无线传感器网络的众多应用中,节点定位技术是其应用于目标监测、目标识别和目标跟踪的支撑技术之一,因此具有很大的研究意义。在节点定位算法中,基于非测距机制的DV-HOP算法具有成本低,能耗小,算法实现简单等优点而被大量关注,但该算法也存在定位误差较大的不足。本文通过分析DV-HOP算法在定位时产生较大误差的原因,提出优化方案来进行改进,主要工作如下:(1)为了提高DV-HOP算法的定位精度,并针对该算法在利用最大似然估计法求解未知节点坐标过程中,包含的矩阵方程存在累积误差以及需要大量的浮点运算导致计算成本较大的问题,提出了一种免疫粒子群优化的DV-HOP定位算法。本文将智算法中原理简单、易于实现的PSO算法运用到DV-HOP算法中,通过分析PSO算法存在的不足,引入免疫机制来改进PSO算法,克服迭代寻优中的不够稳定,容易陷入局部最优解的问题,再利用改进的免疫粒子群算法取代DV-HOP算法中使用极大似然法获取未知节点位置,从而对DV-HOP算法的定位结果进行优化。(2)本文将二维的DV-HOP算法延伸至三维空间中,展开对三维DV-HOP算法的研究。针对三维空间中DV-HOP算法在计算跳数和跳距时存在的不合理方面,提出了一种基于跳数修正和平均跳距选择策略的三维DV-HOP定位算法。首先对最小跳数估值法进行改进,通过细化通信半径,让信标节点广播时分别采用多个不同的功率,划分邻居节点组通信从而获取非整数的最小跳数,提高了最小跳数的计算精度;另外,由于单个参考信标不能反映整个网络的特性,利用相同的平均跳距计算距离会产生较大误差,本文提出了根据节点具体位置去选择不同的平均跳距计算方法,当信标节点距离未知节点较远时,则采用多个信标加权取平均来计算,使得平均跳距计算更为准确;最后利用改进的免疫粒子群算法优化未知节点坐标。综上,本文通过MATLAB软件搭建了仿真环境,并对上述两种算法进行了仿真实验。实验结果表明,在不增加额外硬件的前提下,两种改进算法均能有效降低定位误差,提高定位精度,同时改进后的算法具有更好的鲁棒性,更适合复杂网络环境下的无线传感器定位。