学术模板总结报告.ppt

图4 DV-hop定位结果 3 算法仿真及结果分析 锚节点数为16个，锚节点比例为13.8％。 在如上参数的条件下，DV-hop算法仿真的定位误差为39.34％。 3 算法仿真及结果分析 粒子群算法的初始粒子数为20个，粒子群算法的更新次数是10次。图5是以DV-hop为基础的基于LCV和粒子群优化的节点定位综合算法的仿真实验。 图5 基于LCV的节点定位综合算法的定位结果 3 算法仿真及结果分析 基于矢量的无线传感器网络节点定位综合算法 王驭风，王岩 《通信学报》 2008年11月 汇报人：XXX 目录 1 引言 2基于校正矢量和粒子群优化的节点定位综合算法 3 算法仿真实验及结果 本文目录结构 4 总结 引言 Range-based TDOA(Time Difference of Arrival)算法 RSSI(Received signed Strength Indicator)算法 已知基站发送端发射功率，在接收节点测量接收功率，计算信号的传播损耗； 使用信号衰减模型将传播损耗转化为距离。 在节点上安装超声波收发器和RF收发器,记录两种不同信号在两个节点中的传播时间差； 由传播时间差计算得到距离。 1引言 Range-free DV-HOP 定位算法 质心定位算法 锚节点每隔一段时间向邻节点广播一个信号(自身ID 和位置信息)。当未知节点接收到来自不同锚节点的信号数量超过某一个值后，则确定位置为这些锚节点所组成的多边形的质心。 计算未知节点与锚节点的最小跳数；根据估算距离公式，计算未知节点和锚节点的实际距离；利用三边测量法计算位置信息 1引言 DV-HOP算法 RSSI算法 TDOA算法 质心定位算法 凸规划定位算法 TOA算法 1引言 基于矢量的定位综合算法 Range-free 测距算法 智能优化算法 1引言 基于校正矢量和粒子群优化的节点定位综合算法 2基于校正矢量和粒子群优化的节点定位综合算法 2.1 位置校正矢量（LCV） 2.2 分簇计算校正步长 位置校正矢量 校正步长 位置校正值 2.3 簇边缘附加矫正 2.1 位置校正矢量 未知节点通过DV-hop算法得到自身的估计位置，将其与邻居节点估计位置之间的距离记为“计算距离”。 而通过RSSI等测距方法得到的与邻居节点间的距离记为“测量距离”。 引入位置校正矢量的目的就是通过调整节点的位置，尽可能缩小计算距离与测量距离之间的差别，因此LCV的每个分量是沿着未知节点到某个邻居节点的方向，分量的大小为对应的计算距离与测量距离的差值。 2.1 位置校正矢量 图1 位置矫正矢量图 固定节点的位置校正矢量 2.1 位置校正矢量 假设节点S通信范围内有N个邻居节点，节点自身的估计位置为PS=(xs, ys)， N个邻居节点的估计位置为Pi=(xi, yi) ，节点S与第i个邻居节点的计算距离为dci 2.1 位置校正矢量 节点S获得的N个测距值为dmi，i=1，2，?，N。节点S与第i个邻居节点的差异值的大小可以表示为ui 2.1 位置校正矢量 节点S与第i个邻居节点位置校正矢量的矢量方向表示为 因此，节点S的合成LCV为 图2 位置矫正矢量图 （实线为节点实际位置，虚线为节点估计位置） 2.1 位置校正矢量 移动节点的位置矫正矢量 2.1 位置校正矢量 对于移动节点，初始位置估计方法： 移动节点Sm在tk+1时刻的初步估计位置等于其在tk时刻的定位结果的基础上加上 2.1 位置校正矢量 2.1 位置校正矢量 假设节点密度不变 S S tk tk+1 0 X Y 图3 移动节点的初始定位 移动节点用距离变化值代替距离值构建LCV（位置校正矢量），过程如下： 2.1 位置校正矢量 Sm与第i个邻居节点的计算距离为 测量距离为 tk时刻 Sm与第i个邻居节点的计算距离为 测量距离为 tk+1时刻 差异值表示为： 2.1 位置校正矢量 节点Sm与第i个邻居节点位置校正矢量的矢量方向表示为 因此，节点S的合成LCV为 图2 位置矫正矢量图 （实线为节点实际位置，虚线为节点估计位置） 2.1 位置校正矢量 LCV矢量的合成方法与固定节点相同。 2.2 分簇计算矫正步长 由于每个未知节点同时调整自身的位置，因此LCV只能给出节点位置的调整方向，而沿这个方向移动的距离(将其称之为校正步长)需要通过另外的方法来计算。 为了避免集中式算法，同时兼顾节点的能耗，考虑使用分簇的计算方式来获取校正步长。考虑到算法的尽可能简单化和锚节点的计算通信能力比较强，就将每个锚节点作为簇头，未知节点以自身的当前估计位置为准，加入距离最近的锚节点所在的簇。 问题描述 分簇后，以