基于进化规划重采样的DV916技术分析.docx

基于进化规划重采样的DV-Hop定位改进张万礼，杨小莹，宋启祥宿州学院信息工程学院，安徽宿州 234000摘要：针对DV-Hop定位算法中利用三边测量法或极大似然估计法计算未知节点坐标带来的误差问题，本文将稳定性高，收敛速度快且全局寻优能力优异的进化规划算法引入到DV-Hop定位算法中，提出一种基于进化规划重采样的DV-Hop定位改进算法（Evolutionary Programming Resampling DV-Hop,EPRDV-Hop）。在获得未知节点与锚节点的估算距离后，进行位置采样获得未知节点的初始位置估计，然后利用进化规划进行位置的重采样优化，最后通过迭代方式获得未知节点最终的位置估计。仿真结果证明，EPRDV-Hop算法在不增加硬件的情况下，有效提高了节点的定位精度。关键词：无线传感器网络；DV-Hop算法；进化规划；重采样1引言节点位置信息在无线传感器网络（Wireless Sensor Network，WSN）的各种应用中占据着非常重要的位置。目前的定位算法被分为基于测距和无需测距两大类[1]。DV-Hop[2]算法是一种典型的无需测距定位算法，对硬件要求比较低，计算简单，因此广泛应用于无线传感器网络节点定位中。但该算法存在较大的定位误差，针对此问题，很多学者进行了大量研究。张爱清[3]采用RSSI信号对每跳进行分级的方式修正跳数；温江涛[4]采用采用RSSI信号对第一跳进行分级、节点间的距离比值加权处理其它的跳数的方式修正跳数；肖丽萍[5]通过对未知节点和锚节点间的跳数同时进行修正的方式减低跳数带来的定位误差；冯江[6]通过加权处理平均每跳距离的方式修正跳距带来的误差；王颖[7]根据邻近节点的夹角引入网络平均连通度方式修正节点间的跳距；王新生[8]使用多个锚节点估算的平均跳距离加权处理未知节点的平均跳距方式修正跳距误差；Lu Qingming[9]加权处理平均每跳距离后计算未知节点坐标；Li Wenwen[10]采用差分进化算法求未知节点的坐标位置，李牧东[11]采用人工蜂群算法求未知节点的坐标位置。这些改进算法基本上都是针对定位过程的第一第二阶段带来的误差进行改进。而对定位第三阶段带来的误差的改进较少。本文针对DV-Hop 定位第三阶段带来的误差，结合进化规划算法原理，提出了基于进化规划重采样的DV-Hop改进方案。仿真实验表明在不增加额外硬件的条件下，EPRDV-Hop算法的定位精度有较大的提高。2 DV-Hop算法基金项目：国家科技支撑计划项目（2012BAD35B02）;安徽省青年人才基金重点项目(2013SQRL083ZD)；宿州学院科研平台开放课题（2012YKF38）；安徽高校省级自然科学研究重点项目(KJ2014A247)。作者简介：张万礼（1977-），讲师，硕士，主研方向：计算机网络，无线传感器网络。E-mail:zhangwanli0557@2.1 定位过程DV-Hop定位算法通过跳数乘以跳距得出未知节点与锚节点之间的估算距离，进而估算出未知节点坐标位置。定位过程分为三个阶段。第一阶段：每个锚节点向网络中广播包含标识号、自身坐标位置和跳数的分组，初始化为0。邻居节点收到后，查看表中是否已有该锚节点信息，如果没有则记录下分组信息，并将，然后向其邻居节点转发该分组；如果已经存在并且跳数值比记录表中的跳数值大则忽略该分组。广播结束后，所有节点均获得到每个锚节点的最小跳数值。第二阶段：利用第一阶段获得的位置信息和跳数信息，各个锚节点利用式(1)计算平均每跳距离。(1)其中，,分别是节点的坐标，为两节点之间的最小跳数。然后将广播至网络中，未知节点仅记下第一个，然后利用记录表中的与相乘即可得到每个锚节点的估算距离。第三阶段：利用三边测量法或极大似然估计法获取未知节点的坐标位置。2.2 定位误差分析传统DV-Hop算法中，未知节点获取三个或以上锚节点的估算距离后，利用三边测量法或极大似然估计法确定未知节点的坐标位置。设各锚节点的坐标位置为，未知节点坐标为，未知节点与锚节点的估算距离分别为，则有式(2)成立。 (2)由式(2)的线性表达式为，其中，，b=。使用标准的最小均方差估计，得出未知节点的坐标为：。在传统的DV-Hop算法定位第一阶段，获取节点间的最小跳数时，只要通信半径范围内的距离无论远近都记为1 跳，无法反映实际距离的大小，利用式(1)计算出来的平均每跳距离必然存在误差，得出的，必然导致误差的累积，因而通过式(2)得到的未知节点坐标误差较大，影响了整个算法的定位精度。记锚节点与未知节点实际距离与估算距离误差为，式(2)可变为(3)求解未知节点坐标时，只要使值取得最小，即式(4)取得最小值，此时求出的未知节点坐标受误差的影响最小，从而提高坐标计算的准确度。 (4)3 EPDV-Hop算