文摘

考虑距离的缺陷Vector-Hop (DV-Hop)定位算法使错误和误差积累在无线传感器网络(WSN),我们提出了一种新的DV-Hop基于折衷办法加权质心定位算法。这个算法二维位置分布,设计了通信半径、最小,首先形成一个合理的网络连接。然后,该算法修正信标节点及其邻居节点之间的距离,形成一个更精确的跳跃距离最短路径可以优化。最后,我们的理论提出的定位算法在仿真实验和验证,包括通信半径相同,不同的通信半径,和不同的节点密度相同的通信半径,并比较了定位误差和定位精度,算法之间的分别和DV-Hop定位算法。实验的结果表明,该定位算法减少了本地化的平均误差和提高了定位的准确性。

1。介绍

由于无线通信的快速发展,低能量的快速发展,低成本、集约化、多功能微型无线传感器网络推广。和大量的无线传感器节点是无线传感器网络的关键元素之一(1,2];因此,研究在无线传感器网络定位技术是无线传感器网络研究的关键问题,具有重要意义。

DV-Hop定位算法(3)首次提出了德拉戈Niculescu罗格斯等人,美国,这是一个分布式的定位算法基于距离矢量路由协议不包括(4]。许多学者和科研机构在DV-Hop定位算法进行了深入研究。在文献[5),为了减少DV-Hop误差,介绍了理想的信标节点间距消除较大的误差计算的平均单跳距离信标节点和整个网络的平均单跳距离修正。然后,未知节点坐标计算的最小二乘方法纠正。在文献[6),距离的加权平均误差和距离估计误差,提出了修正原来的平均跳距。提高粒子群的重量通过使用分段指数和对数衰减的重量。在文献[7),为每个信标节点,添加到每个信标节点的重量计算的平均跳距。主节点定义,提出了网络拓扑结构将被认为是更全面,和局部和全局特征将体重更好;为了计算节点的估计距离,改进的粒子群优化算法的最大似然估计方法来定位节点坐标。在文献[3),信标节点广播信息的范围是有限的跳数的门槛;每个锚节点的平均距离是纠正每个信标节点的平均距离误差;这一轮的未知节点升级到一个新的锚节点为下一轮的定位。在文献[8],multicommunication半径方法介绍了改进节点之间的跳。当计算的平均跳距离未知节点,消除孤立节点和信标节点获得的平均跳距离加权和规范化改进未知节点的定位精度。在文献[9),未知节点与信标节点之间的距离计算使用不同的平均跳距离。利用信标节点的星系群优化思想在网络划分为不同的种类:粒子群优化算法用于估计未知节点在每个人口,这是最佳的位置,加权质心算法优化的次优方案设置为未知节点的坐标。

所有上述研究给出一个好的主意DV-Hop定位算法的研究。本文提出了另一个改进计划基于DV-Hop算法。这个算法二维位置分布,设计了通信半径、最小,首先形成一个合理的网络连接。然后,该算法修正信标节点及其邻居节点之间的距离,形成一个更精确的跳跃距离最短路径可以优化。最后,我们的理论提出的定位算法在仿真实验和验证,包括通信半径相同,不同的通信半径,和不同的节点密度相同的通信半径,并比较了定位误差和定位精度,算法之间的分别和DV-Hop定位算法。实验结果表明,该定位算法减少了本地化的平均误差和提高了定位的准确性。与DV-Hop算法相比,其定位精度增加从0.6到0.7,其他DV-Hop约为0.3;和新DV-Hop展示了定位精度波动稳定在0.1。

2。DV-Hop定位算法的分析

DV-Hop定位算法是一种分布式range-free定位算法基于距离矢量路由协议(5]。其中的主要原则是计算信标节点与未知节点之间的距离乘以平均轮跳距离信标节点的跳数。然后,未知节点的位置信息是通过三边测量,三角,multilateration [10),从而实现本地化。网络拓扑结构建立了一个随机安排的无线传感器节点,40路径从信标节点对未知节点可能不直。因此,可能存在一些错误节点定位过程中当使用DV-Hop算法(11]。此外,众多的跳数越多,越大(即错误。积累、错误发生)。

2.1。DV-Hop算法的基本过程

本地化的节点使用DV-Hop [12,13算法主要分为三个步骤。

步骤1。计算最小信标节点与未知节点之间的跳数。信标节点广播信息,显示自己的位置邻近节点通过使用经典的距离向量路由协议(14]。包含的信息 ,在哪里 , ,和代表了标识符、坐标和信标节点的跳数 ,分别。此外,的初始值设置为零。节点收到广播信息记录定位和信标节点的跳数向量,然后传播到邻近的节点(跳数的值是递增)。当一个节点接收到相同的id,它应该是比较的新获得的价值与原来的值,然后选择最小值替换和更新原来的组织;否则,新获得的组是废弃的。的位置信息和所有信标节点的最小跳数是通过网络这种通信模式。

步骤2。估计平均跳的距离。计算平均跳距的目的和最小跳数第一个是来估计未知节点与信标节点之间的距离。后获得本地化和信标节点的跳数在第一阶段,整个网络的平均跳距可以计算。然后广播到整个网络的信息,或全部网络。此外,大多数节点需要接收的平均跳距离他们最近的信标节点。信标节点与未知节点之间的距离可以通过平均跳距离乘以计算跳数。在这里,和表示平均跳距离和跳一个信标节点之间的距离 和一个未知的节点 分别如下公式所示: 未知节点与信标节点之间的距离计算使用以下公式: 在哪里意味着平均跳距离,而啤酒花未知节点之间的最小跳数和信标节点。
如图1,这显示了DV-Hop定位算法的网络拓扑,红色和蓝色的圆圈表示信标节点和未知节点,分别。信标节点之间的距离和跳数众所周知,代表一个未知节点。根据公式(1),可以计算平均跳距(40 + 75)/ (2 + 5)= 16.42。在图1,未知节点接收平均跳距离信标节点 。在此基础上,根据公式(2),三个信标节点之间的距离和未知节点3×16.42 m, 2×16.42 m,分别和3×16.42 m。

步骤3。基于平面几何,可以获得未知节点的坐标的情况知道的坐标和三个信标节点之间的距离。假设三个信标节点的坐标 , ,和 ,分别与这三个信标节点和未知节点之间的距离D 表示为 , ,和 ,另外,然后,得到下面的公式: 与此同时,节点的坐标D可以通过使用以下公式计算: 通过这种方式,可以计算出未知节点的坐标。网络拓扑结构建立了一个随机安排的无线传感器节点,信标节点对未知节点的路径可能不直。因此,节点定位过程中可能存在一些错误当使用DV-Hop算法。此外,众多的跳数越多,越大(即错误。积累、错误发生)。

2.2。DV-Hop算法的误差分析

DV-Hop算法是基于最短路径优先机制。网络中节点广播他们的定位信息和计算其他节点,这样距离信标节点获得所需的最小跳数到达其他节点和已知位置信息。同时,真正的路径节点之间被视为近似直线计算平均跳距离,这是应用在网络节点的平均跳距定位,当未知节点预计将获得的平均跳距离最近的信标节点与良好的沟通条件估计self-localization头寸。因此,在本地化过程中,各种因素可以使定位误差超过了实际需求。这些因素包括网络节点分布不均匀,实际跳节点之间的距离远远超过,或不到,通信半径,和没有信标节点可用于未知节点附近的通信。然而,质心定位算法(15)需要一个多边形的质心作为参考的坐标位置和节点之间的实际距离,要求较低的通信半径,信标节点的密度。因此,网络建设的成本可以减少使用的算法。因此,作者提出了一种新的DV-Hop基于折衷办法加权质心定位算法(16]。

3所示。折衷办法加权质心定位算法

3.1。改进算法

在计算几何,可以获得一个多边形的质心计算顶点的平均坐标。假设一个多边形的位置矢量边满足以下方程, ,然后坐标它的质心(17,18表达如下所示:

定理1。考虑到网络节点G与N节点,节点密度和节点分布遵循与密度的二维泊松点的过程;确保概率(G连接),建立了最优的节点通信半径是什么

证书。如果网络G连接, , ,它不是一个孤立的节点;节点度 ,然后最小节点度图G 。

因为节点分布二维泊松点,

因此, 。

根据独立的泊松过程的事件,

,根据概率(G连接) ,然后 ,它可以推断。 ,和最低的节点通信半径,·QED。

定义1。选择地区,附近的节点相对于节点集是 使用1-norm的优点是节省计算时间,因此广场区域选择。

定义2。的- - - - - -节点密度节点相对于集是 的方程, 自附近是一个开集,因此至少有吗节点的节点集 。

定义3。假设附近的节点集 , 节点之间的欧氏距离和节点 , 作为网络通信半径,然后附近距离模型

定义4。假设和机会网络中变量的随机均匀分布,存在吗 , 公共区域内的所有节点吗& ,也就是说, ,然后邻居的距离是 有可能存在 , ,但 ,和neighbouthood距离的折衷办法加权质心在本文提出

3.1.1。折衷办法加权质心定位通信模型

采用对数正态分布阴影衰落模型是基于实验的实证模型:

从理论上讲,重量系数反映了所有信标节点对质心位置的影响。定位的重量是 在哪里估计未知节点之间的距离吗和信标节点 。然而,是重量因素(图2)。

3.1.2。定位模型

假设路径从节点的路径到节点 , 和是邻居,路径的定位距离吗是

之间的路径和不是唯一的,而是存在一个最短路径满足吗价值。假设是最短的路的距离,

选择优化的体重未知节点的通信范围内,计算 ,估计距离未知节点到信标节点是

计算误差和精度,而计算的平均跳距离,信标节点相邻的信标节点 搜索获得误差因素,表达的吗 ,如公式所示:

计算质心的定位精度一个信标节点 ,表示为 ,然后,归一化平均定位误差:

3.1.3。计算节点的坐标

通过使用最小二乘方法(LSM),距离未知节点 信标节点计算,然后距离在两个节点之间可以从以下公式计算:

因此,

让,

然后,

它可以发现从公式(20.),

节点的坐标 未知节点是

3.2。改进算法的程序

步骤1。跳数的节点之间的最短路径是通过广播信息,这是一样的程序用于DV-Hop定位算法。

步骤2。基于折衷办法加权质心附近距离模型,计算社区距离,重量因素,最短路径,优化。

步骤3。距离未知节点到信标节点计算使用公式(6)- (25)。然后,利用LSM,得到未知节点的坐标,流程图如图3。

4所示。仿真和数据分析

4.1。建立一个网络仿真环境

评估提出的改进算法的有效性和实用性,与MATLAB软件进行系统级仿真,分析并比较测试数据。一百无线传感器节点是随机分布在100米×100米的正方形,其中包括40信标节点和60未知节点。其他参数设置如表所示1。

4.2。仿真和性能分析

的网络拓扑DV-Hop基于折衷办法加权质心定位算法。其中,红色○和黑+表示信标节点和未知节点,分别为(图4)。距离估计未知节点与信标节点之间通过产品最低跳和平均跳两个节点之间的距离;然而,节点之间的最小数量的啤酒花在很大程度上取决于节点的通信半径。不同的通信半径会有不同的跳的距离,这也会导致不同的节点位置;如数据所示4(一)- - - - - -4 (c)节点密度越大,通信半径越小,和拓扑更接近实际的位置。此外,优化网络拓扑结构可以节省网络能量消耗,延长网络生命周期。

本地化错误起源于DV-Hop定位算法和提出的定位算法相比在同一通信半径(R= 50米),DV-Hop定位算法的节点定位误差波动范围内15到60岁,而该算法的范围2至15,更稳定。主要原因是未知节点的数量的增加将减少最低通信半径。未知节点的数量相当于总数的节点(更少的信标节点)这是一个重要的因素影响当前的网络连接。本地化错误起源于DV-Hop定位算法和提出的定位算法相比在同一通信半径(R= 50米),DV-Hop定位算法的节点定位误差波动范围内15到60岁,而该算法的范围更稳定(图2和15之间5)。

它显示了比较平均DV-Hop算法的定位精度与所提出的定位算法。这表明DV-Hop定位算法的定位精度在0.3到1.2范围各不相同,而改进的定位算法在0.1和0.2之间波动。主要原因是新DV-Hop算法的定位精度更高的通信半径随着数量的增加(图6)。

平均定位误差产生的比较从DV-Hop定位算法提出的定位算法在不同的通信半径。总共有100组实验进行了通信半径R从10米提高到80米。在新的DV-Hop定位算法,当节点通信半径增加,定位精度较小,定位性能更好(图7)。

DV-Hop算法的定位精度与DV-Hop相比基于折衷办法加权质心定位算法,和其他DV-Hop。获得结果,共进行了100组实验与增加通信半径R(≤10米R≤(图80)8)。

在同一通信半径和不同密度的信标节点,比较两种算法的平均定位误差。同样,通信半径R固定在50米,信标节点的数量从10增加到80年的50组实验。DV-Hop算法平均定位误差的增加逐渐从30。而其他DV-Hop定位算法大约是15,和新DV-Hop定位算法基于一个折衷办法加权质心低于5;特别是,其定位性能是30和60个信标节点之间的最优。它几乎不受通信半径和节点的总数。主要原因是更准确的信标节点及其邻居之间的距离可以通过优化方程(13)和(14),这无疑可以减少所有未知节点的定位误差(图9)。

比较两种算法的定位精度在同一通信半径,但对不同密度的信标节点,就完成了。的通信半径R被设置为50米,信标节点数量的增加逐渐从10到80年的50组实验。与DV-Hop算法相比,其定位精度增加从0.6到0.7,其他DV-Hop约为0.3;和新DV-Hop展示了定位精度波动稳定在0.1。折衷办法信标节点计算的加权质心定位模型,下一步是设计优化的重量和优化的最短路径。信标节点密度越高,分布更合理,定位精度越高,定位性能越好(图10)。

5。结论

针对缺点在轮DV-Hop算法的实际应用,如节点的不均匀分布,孔,在平均跳距和大错误,一种新的定位算法,结合DV-Hop折衷办法加权质心算法,提出了。信标节点实现本地化利用质心算法,然后使用局部精度作为本地化的重量未知节点。通过理论推导和仿真实验,发现改进的定位算法降低定位误差和提高未知节点的定位精度与DV-Hop算法相比是否使用相同的网络。与DV-Hop算法相比,其定位精度增加从0.6到0.7,其他DV-Hop约为0.3;和新DV-Hop展示了定位精度波动稳定在0.1。值得一提的是,这项研究是在一个理想的网络仿真环境,所以仍然需要研究改进算法的应用在现实的网络环境在未来。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是与项目没有资助。KJ2014A096题为“智慧旅游平台应用的物联网在旅游业位置感知服务,“资金支持的一个关键从安徽省自然科学基金项目,中国。