[计算机硬件及网络]素材天下.ppt

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 1引言 1引言 1引言 素材天下 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 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 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 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 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 2.1 位置校正矢量 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 为目标来计算簇内节点的校正步长。位置校正矢量的作用是使簇内所有邻居节点之间经过位置校正后，计算距离与测量距离差值的总和最小化，因此求校正步长的问题可以描述为一个多元函数最小化问题。 2.2 分簇计算矫正步长 簇内网络整体位置最优化 假设簇内有N个未知节点，它们的估计位置分别为Pi=(xi, yi) ，LCV分别为 ，i=1，2，⋯，N，待求步长为step，step是一个由stepi组成的N维向量。 问题的目标函数可以表示为 2.2 分簇计算矫正步长 2.2 分簇计算矫正步长 N维向量值最小 素材天下 2.2 分簇计算矫正步长 2.3 簇边缘附加矫正 簇内节点的相对位置的最优化并不意味着全局网络所有节点的位置实现了最优化，有可能存在簇整体平移或者簇间距离误差反而增大的问题。因此考虑对簇与簇之间的位置进行调整。 由簇的每个边缘节点查找所有不属于本簇但是在自身通信半径内的邻居节点。利用它们之间的计算距离和测量距离构建附加位置校正矢量。 2.3 簇边缘附加矫正 算法仿真及结果分析 仿真环境：MATLAB 区域：边长为100的正方形 节点数：随机布置了100个未知节点 节点通信半径：20 网络的连通度：约为10 测量距离：真实距离加上一个误差不超过10%的高斯随机变量 3 算法仿真及结果分析 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 图6 算法循环次数与锚节点计算时间以及定位误差的关系 3 算法仿真及结果分析 4 总结 在DV-hop算法的基础上，本文结合测距技术和改进的粒子群优