基于K最近邻分类的无线传感器网络定位算法.pdfVIP

学兔兔 第35卷 第l0期 仪 器 仪 表 学 报 VoL 35 No．10 2014年 1O月 Chinese Journal of Scientific Instrument Oct．2014 基于K最近邻分类的无线传感器网络定位算法术 石 欣，印爱民，张 琦 (重庆大学自动化学院 重庆 400030) 摘 要：针对无线传感器网络中，大部分节点硬件配置低，缺少自定位能力的问题，提出一种基于K最近邻分类的分布式算法 LKNN。将定位问题转换成为分类问题，根据信标节点的位置信息和相距跳数计算节点间的相似度，利用K最近邻(KNN)二分 分类横纵坐标，确定未知节点的坐标，经过质点弹簧算法MSO进一步优化节点的估计位置。仿真研究表明，LKNN算法定位过 程中，K最近邻算法分类准确度高，质点弹簧算法可以改善边界效应，提高边缘区域节点的定位精度。相比于DV-Hop算法， LKNN定位效果更为理想，尤其是在C形随机分布的不规则网络中，平均误差和误差的标准差减小20％一50％。进一步实验结 果验证了LKNN算法的有效性和实用性。 关键词：无线传感器网络；位置估计；定位算法；K最近邻算法；质点弹簧优化 中图分类号：TP393 TH70 文献标识码：A 国家标准学科分类代码：510．99 Localization in wireless sensor networks based on K--Nearest Neighbor Shi Xin，Yin Aimin，Zhang Qi (College ofAutomation，Chongqing University，Chongqing 400030，China) Abstract：Aim at the node localization problem in wireless sensor networks consisted of inexpensive sensing devices wit}l limited re- sources，a novel distributed algorithm called LKNN(1ocalization based on K-nearest Neighbor)is posed．The localization problem can be solved as a binary classification using the k-nearest neighbor algorithm．LKNN localizes the networks based on connectivity i~orma- tion(i．e．，hop counts only)and beacon locations．And then a modified version of mass·spring optimization is posed to further improve the location estimation in LKNN．The simulation study shows that，the accuracy of the KNN classification is remarkably high and this supports our approach of using KNN classification for the node localization problem；mass—spring optimization addresses the border prob— lem effectively；and compared with the DV—Hop，LKN