一种基于优化算法的无线传感器网络定位算法.docVIP

一种基于优化算法的无线传感器网络定位算法 　　摘要：该文提出一种基于遗传模拟退火算法的定位算法。在现有的定位算法中，DV-Hop算法的硬件开销小，但定位精度不高，当网络中节点的跳数大于或等于2时，未知节点与锚节点之间的估计距离会产生较大的误差，为此本文将遗传模拟退火算法用于DV-Hop算法中，以提高节点间的平均每跳通信距离估计精度，进一步提高定位精度。仿真结果与分析表明，新算法的定位精度有一定的提高。 　　关键词：定位算法；遗传算法；模拟退火；DV-Hop 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)04-0775-02 　　无线传感器网络(Wireless Sensor Network,WSN)是由大量的廉价微型传感器节点通过无线通信方式形成的一个多跳的自组织网络系统，而定位是WSN的一个关键问题。节点准确地进行自身定位在无线传感器网络的应用中非常重要。首先，传感器节点采集到的数据必须结合其位置信息才有意义，否则，如果不知道数据所对应的地理位置，数据就失去意义。其次，无线传感器网络节点自身定位还可以在外部目标的定位和追踪以及提高路由效率等方面发挥作用。因此，实现节点的自身定位对无线传感器网络有着重要的意义。 　　现有的WSN定位算法是根据少量的位置已知的节点（锚节点）以及它们与其他节点的通信信息来估算整个网络中每个节点的位置。WSN定位算法可分为基于距离信息（Range-Based）和不基于距离信息（Range-Free）两类，前者是根据节点间的距离或角度等信息定位，后者仅仅根据节点间的连通信息实现节点定位。本文主要是对不基于距离信息的定位算法DV-Hop进行研究并改进。 　　1 DV-Hop算法 　　1.1 DV-Hop算法 　　DV-Hop算法由三个阶段组成。 　　第一阶段，使用典型的距离矢量交换协议，使网络中所有未知节点获得距初始锚节点的跳数； 　　第二阶段，在获得其他锚节点位置（xj，yj）和相隔跳数后，各锚节点（xi，yi）利用所收集的信息按式（1）计算平均跳距： 　　（1） 　　式中si是锚节点i的平均每跳距离，hij为节点i和节点j之间的跳数；然后将平均每跳距离作为一个校正值广播至网络中。校正值采用可控洪泛法在网络中传播，这意味着一个节点仅接收获得的第一个校正值，而丢弃所有后来者，这个策略确保了绝大多数节点可以从最近的锚节点接收校正值。在大型网络中，可通过为数据包设置一个TTL域来减少通信量。当接收到校正值之后，节点根据跳数计算与锚节点之间的距离。 　　第三阶段，在二维空间中，一旦一个未知节点获得与3个或更多锚节点的距离后，执行三边测量法或最大似然估计法计算自身的位置。 　　如图1所示，已知信标节点L1与L2，L3之间的距离和跳数。L2计算得到校正值（即平均每跳距离）（40+75）/（2+5）=16.42。假设A从L2获得校正值，则它与3个信标节点之间d1=3×16.42，d2=2×16.42，d3=3×16.42，然后使用三边测量法确定节点A的位置。 　　1.2 DV-Hop算法中锚节点平均每跳距离现有的改进方法 　　原DV-Hop算法的主要误差在于计算未知节点与锚节点之间的估计距离时，是用跳数乘以平均每跳距离来表示，而当网络中的跳数大于或等于2跳时，未知节点与锚节点之间的实际距离与跳数乘以平均每跳距离所得的值，存在较大的误差，因此如何提高锚节点的平均每跳距离的估计精度是本文改进的出发点。 　　文献[2]中对算法改进的思想为： 　　当所有的节点获得每跳距离后，使用公式（其中Hopsizei为单个节点的每跳距离，n为锚节点个数）计算全网平均每跳距离，并将该值用于di=hops*Hopsizeave中，计算未知节点与锚节点之间的距离。 　　文献[3]中对算法改进的思想为： 　　未知节点在接收多个锚节点的平均每跳距离后，对各锚节点估计的平均每跳距离作归一化加权处理，离未知节点越近的锚节点的权值越大。 　　记锚节点i估计的平均每跳距离为si、未知节点距锚节点i的跳数为Ni，其中i=1，2…。设未知节点共收到k个锚节点的信息，每个锚节点的平均每跳距离的加权值为Wi，则取，即锚节点i的权值等于未知节点到锚节点j的跳数的倒数除以该未知节点到各锚节点的跳数的倒数和。由各锚节点估计的平均每跳距离，可得未知节点的平均跳距为，即未知节点的平均每跳估计等于各锚节点估计的平均每跳距离的加权和。 　　文献[6]中对算法的改进思想为： 　　为了充分利用各锚节点的信息，未知节点不仅仅记录接受到的第一个平均每跳距离，而是记录所有锚节点的平均每跳距离，然后进行加权平均。考虑到各锚节点距离未知节点的远近不同，对不同锚节点的平均每跳距离赋予不同的权值，权值取决于未知节