基于ZigBee的定位算法MATLAB仿真及结果分析汇编.doc

3.4 TDOA算法仿真 我们取节点总数为100个，已知节点为20个，通信半径为60米，边界长宽均为100米，已知节点坐标和未知节点坐标均随机产生，定位结果如下： 绝对误差 3.3225e-13米，相对误差 5.5376e-13%,均接近于0（盲节点的定位误差视为0），所有节点均可被定位且它们的定位误差几乎为0。因为将盲节点的定位误差视为0，则此TDOA定位算法的误差来源于计算过程中的小数位数的取舍，这样的误差是十分小的与接近于0的运算结果相符。 注：≈0表示接近于0（远小于1）。 绝对误差：定位出的未知节点的坐标与实际坐标相差的距离值 平均绝对误差：N次运算绝对误差的均值 相对误差：绝对误差与节点通信半径的比 平均绝对误差：N次运算相对误差的均值 平均盲节点比例：盲节点总数占总未知节点数的比例 将不能被定位的节点的估计位置全置为（0,0） 图XX.基于TDOA算法的定位仿真结果 图XX.基于TDOA算法的定位仿真定位出来的每个未知节点的对误差 同样的因为已知节点和未知节点坐标均为随机产生，所以定位结果的误差也具有随机性，因此保持上述条件不变做多次运算求定位误差的平均值则可以表示在上述条件下定位的一般误差水平 1次 10次 20次 40次 50次 100次 200次 300次 500次 800次 平均绝对误差（米） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均相对误差（%） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均盲节比例（%） 0 0 0.06250 0.03125 0.05000 0.03750 0.06875 0.08750 0.07750 0.13000 表XX.多次运算后的平均绝对误差、平均相对误差、平均盲节比例 从上表中我们可以看出，随着定位次数的增加平均绝对误差和平均相对误差一直是远小于1的，而平均盲节比例处于不稳定状态，因此我们选择做100次定位运算作为定位运算的代表值。由于定位算法的原理导致了在已知节点通信半径外的未知节点间不能通信，所以会出现无法定位的盲节点，盲节点的出现还与网络的拓扑结构有关。 下面我们来计算不同通信半径100次定位的平均相对误差和平均绝对误差以及平均盲节点比例。 15米 20米 25米 30米 35米 40米 45米 50米 55米 平均绝对误差（米） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均相对误差（%） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均盲节比例（%） 87.34 65.50 39.09 21.56 10.35 6.33 2.34 1.25 0.37 60米 65米 70米 75米 80米 85米 90米 95米 100米 平均绝对误差（米） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均相对误差（%） ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 ≈0 平均盲节比例（%） 0.01 0.25 0 0 0 0 0 0 0 表XX.不同通信半径100次定位的平均相对误差和平均绝对误差以及平均盲节点比例 由上表仿真数据我们可以看到，在已知节点比例、节点总数和定位范围一定时随着节点通信半径的增大平均盲节点的比例逐渐下降（平均绝对误差和平均相对误差一直都远小于1），当通信半径达到一个临界值时（本次仿真此临界值为70米，临界值与已知节点比例、节点总数和定位范围等因素有关）可以消除盲节点。 下面我们研究在通信半径一定（60米）总节点数一定（100个）时不同已知节点比例的情况（已知节点比例不同时100次定位的平均相对误差和绝对误差），因为已知平均绝对误差与平均相对误差不受上述因素影响，因此只研究平均盲节点比例的变化。 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 平均盲节点比例（%） 4.06 0.075 0 0 0 0 0 0 0 0 表XX.在通信半径一定、总节点数一定时不同已知节点比例的情况下平均盲节点比例 由上述表分析可知，TDOA定位算法的精度较高，但会存在盲节点，为了消除盲节点就要用增加已知节点比例、优化网络拓扑结构、增大节点通信距离等多种方法，这增加了组网的难度和组网的费用，而且在复杂环境下TDOA定位的使用会受到很大影响。 在这里提出两种改进算法：1、多次定位（本论文只研究二次定位）：首先，我们对能够定位的未知节点进行定位并记录不能定位的节点，然后我们将前一次定位得到的未知节点作为已知节点，与开始时的已知节点一起为剩下的未知节点的定位提供服务，这样在下一次定位时