基于DVDistance定位算法研究.docVIP

基于DVDistance定位算法研究 　　 [摘 要] 在分析现有基于多跳的无线传感器网络定位算法的基础上，针对其中的DV_Distance算法进行了研究，提出了一种改进的差分DV_Distance算法，使得算法定位精度明显提高并对其性能进行仿真分析。 　　 [关键词] 无线传感器网络 DV-Distance算法 改进的DV-Distance算法 　　 1、概述 　　 WSN（无线传感器网络）作为一个全新的研究领域，向科技工作者提出了大量的挑战性研究课题，网络自身定位问题就是其中之一。网络节点必须明确自身位置才能详细说明“在什么位置或区域发生了特定事件”，实现对外部目标的定位和追踪。很多学者就WSN的定位算法进行了研究，取得了丰富的成果。根据定位机制，可将现有WSN自身定位算法分为两类range-based和range-free，即基于测距技术的定位算法和无需测距的定位算法。 　　 其中，DV-Distance算法属于Range-based定位技术，该算法是相邻节点使用RSSI测量节点间点到点距离，然后利用类似于距离矢量路由的方法传播与锚节点的累计距离。当未知节点获得与3个或更多锚节点的距离后使用三边测量定位。本文所讨论的无线传感器网络定位算法也主要是基于DV-Distance算法的。下面简要介绍一下DV-Distance算法，在此基础上，提出一种改进的差分DV-Distance定位算法。 　　 2、DV_Distance的差分定位算法 　　 DV_Distance算法如图1所示，参考节点周期性的广播出它的位置信息，其他的节点就可以获得参考节点广播的信息（例如参考节点的位置坐标和它到未知节点的当前累积距离以及本身的编号等等）并且把传播的距离传给参考节点。未知节点就利用得到的累积距离去估算他们自己的位置。比如图1中BN1，BN2，BN3都会利用网络把包括有自己信息的信息包发送给未知节点UN-k，UN-k节点和BN1节点之间的通信会经过另外一个未知节点，当BN1把信息包传给这个中间节点时，中间的未知节点就会知道它到BN1的距离，当它把BN1的信息包转发给UN-k时会把它到BN1的距离累加在距离变量上，因此当UN-k接收到这个转发来的包以后利用自己到中间转发节点的距离累加在刚才的距离变量上，就可以获得UN-k到BN1节点之间的距离了，图中BN1到UN-k的距离为2+2=4，即图中的公式desk(1,k)=4。其他的两个距离也同理可得。这样就可以得到UN-k到三个参考节点的距离了，也就可以利用三边定位算法来计算自己的位置。 　　 　　 　　 　　 　　 　　 文献【1】提出的基于的差分定位算法由三个阶段组成，首先通过路由协议，使网络中所有节点获得到参考节点的跳数、到参考节点的每跳距离之和以及参考节点的位置坐标。当某个参考节点接收到其余参考节点的信息时，便可以根据两者的位置坐标计算出两者间真实距离，根据真实距离和两者间每跳距离累积和之间的差别，便可以计算出距离误差修正值。在第二阶段，各个参考节点向网络中未知节点广播自己到其余各参考节点的距离误差修正值。距离误差修正值采用可控泛洪法在网络中传播，这意味着一个节点仅接受获得的第一个修正值，而丢弃所有后来者，这个策略确保了绝大多数节点从最近的参考节点接收修正值。未知节点接收到这些距离误差修正值后，便可利用这些修正值计算自己到各参考节点的有效距离。当未知节点得到三个及三个以上参考节点的有效距离后，就可以在第三阶段利用三角关系计算出自己的位置。 　　 3、改进的DV_Distance的差分定位算法 　　 文献【2】提出的算法在一定程度上降低了未知节点到参考节点的距离估计误差，提高了定位精度。但该算法存在一个缺点在计算距离误差修正值时没有考虑到参考节点间的跳数。显然，在到同一个参考节点的路径上，跳数越少的节点，由每跳距离和得到的估计距离的累积误差就小，跳数越多的节点，距离累积的误差就大，该算法没有对此进行区分，而是采用了同样的误差修正值。本文针对以上问题，对文献【2】提出的算法进行了改进，改进后的算法与文献【2】提出的算法的区别主要体现在定位过程的第一、二步中。 　　 在第一步中，任何未知位置节点在接收到参考节点的位置信息时除需记录参考节点位置信息及到参考节点的累积距离和之外，还需要记录到参考节点的跳数。当某个参考节点接收到其它参考节点的信息时，计算估计距离误差修正值的方法修改为： 　　 　　 　　 上式中，N为参考节点i和j之间的跳数，其余参数同前。 　　 在第二步中，当未知节点接收到距离自己最近的参考节点的误差修正值后，计算到参考节点的有效距离修正为 　　 　　 　　 图2详细说明了改进后的算法的距离误差修正值及有效距离的计算方法。由图2可知，参考