一种基于参考节点选择模型的无线传感器网络定位算法

格式：pdf
大小：353.92 KB
文档页数：5

下载文档原格式

/ 5

无线传感器网络中节点定位算法的研究与应用

无线传感器网络中节点定位算法的研究与应用无线传感器网络是由许多具有自我组织、自我修复和自我协调能力的节点组成的一个无线网络系统，节点可以感知、控制和传递信息。

在无线传感器网络中，节点定位是一项非常重要的任务。

然而，由于节点通常被放置在难以到达的地区，无线传感器网络的节点定位变得特别困难。

为了解决这个问题，许多研究学者们开始深入探讨无线传感器网络的节点定位算法。

这些算法不仅在理论上进行了深入的研究，还不断地在实际应用中进行验证，促进了无线传感器网络中节点定位算法的进一步发展与完善。

一、无线传感器网络的节点定位算法1.1 距离法距离法是一种最简单的节点定位方法，它基于节点之间的距离来计算其位置。

节点的距离可以通过三角测量、信号强度和时间差测量等方式来获得。

然而，由于无线传感器网络中的节点位置不断变化，距离法在实际应用中存在着较大的误差。

1.2 多边形法多边形法是一种通过测量多个节点之间的距离并构建一个多边形来计算节点位置的方法。

这种方法需要至少三个节点，然后通过三角形定位法来计算节点位置。

虽然多边形法可以比距离法更准确地定位节点，但它也需要更多的计算工作。

1.3 拓扑法拓扑法是一种基于节点距离和位置关系的节点定位方法。

该方法可以通过节点之间的关系来计算节点位置，并且在拓扑法中节点之间的距离不需要精确。

然而，由于节点之间的关系可能会受到网络拓扑结构的影响，因此在实际应用中也存在着误差。

1.4 混合法混合法是一种将多种节点定位方法混合在一起来减少定位误差的方法。

这种方法可以结合距离法、多边形法和拓扑法等多种方法来计算节点位置。

虽然混合法可以减少节点定位误差，但它也需要更多的计算和存储资源。

二、无线传感器网络中节点定位算法的应用2.1 农业领域在农业领域中，无线传感器网络可以用来监测土壤湿度、土壤温度、气温、湿度等因素。

通过节点定位算法，可以精确地获得农田的空间信息，为农业生产提供更好的支持和保障。

2.2 环境监测在环境监测领域中，无线传感器网络可以用来监测大气污染、噪声水平、温度、湿度等气象和环境变量。

一种基于无线传感器网络的RF定位算法研究

估测。对于ＧＳ而言，Ｐ不适用于室内环境的定位，而且产生的费用相当大。后者虽然便宜，是精度又太低。但
对于基于接收信号强度指示（ｅｅｅｉａｓｅｇｒｃｉｄｓｎｌｔｎｔｖｇｒｈｉｉｔｎＲＳ）定位，经有了一些方法来解决。Ｂ — ｎｃｉ，ＳＩ的ｄａｏ已ｕ
上下幅度变动非常大，如果２个锚节点之间的距离太远，ＲＳ对于真实值也会相距甚远。所以，取了４个 “ 近ＳＩ选最
—
厂——
糯的步长Ｌ和新的超始点
Ｙ
＝一
计ｆ算
匝麴
图１运算法则的流程图
ｓｅｇ（Ｓ）ｆｍｕｋｏｎｎｄｔｈｎｈｒｏｅｅｓｒ，ｎｅＳｆｒａｏａｓｒｄｉｔｔｎｔＲＳｒｎｎｗｏｅａｔｅａｃｏｎｄｓｓａｕｅａｄｔＳｉｏｍｔｎｉｔｎｆｍｅｏｒｈｏｉｍｄｈＲｎｉｓｒｏｎ
Ｐ＝００ｌ（ｉ０＝＋１ｎｏｒｒ），ｐｇ／（）１
有一些定位估测方法，例如：ＰＧＳ是基于从卫星传输信
号来进行定位，然而其他定位是依赖于陆地上的通信站点。
如在手机系统中，位最近的基站能够被认为是一个定位定
度而设定相应的步长￡。在这些反复的计算中，到了４个得
３实验和结果

无线传感器网络的位置定位与跟踪

无线传感器网络的位置定位与跟踪无线传感器网络（Wireless Sensor Networks）是一种由大量分布式传感器节点组成的网络，这些节点能够通过无线通信相互连接并协同工作。

传感器网络的位置定位与跟踪是该领域的一个重要研究方向，它可以广泛应用于环境监测、智能交通、军事侦察等各个领域。

1. 引言无线传感器网络的位置定位与跟踪是指通过已部署的传感器节点获取目标节点的位置信息，并实时地追踪其运动轨迹。

由于传感器节点的资源受限以及网络环境的不确定性，传感器网络的定位与跟踪成为一个具有挑战性的问题。

本文将介绍一些常见的无线传感器网络定位与跟踪技术。

2. 基于距离测量的定位方法基于距离测量的定位方法是一种常见且有效的传感器网络定位技术。

该方法通过测量传感器节点之间的距离来推算目标节点的位置。

常见的距离测量方法包括基于信号强度的距离估计、时间差测量和角度测量等。

这些方法在定位精度和复杂度上存在差异，研究者们不断探索着如何提高定位精度和降低计算复杂度。

3. 基于信号强度的定位方法基于信号强度的定位方法是一种简单且易于实现的传感器网络定位技术。

该方法通过测量目标节点接收到的信号强度来推算其距离。

然而，由于信号在传输过程中会受到阻尼、衰减和多径效应的影响，使得基于信号强度的定位存在较大的误差。

为了克服这一问题，研究者们通常采用校准算法来提高定位精度。

4. 基于时间差测量的定位方法基于时间差测量的定位方法是一种通过测量目标节点接收到信号的到达时间差来推算其距离的传感器网络定位技术。

这种方法通常借助全球定位系统（Global Positioning System, GPS）以及同步算法来精确测量时间差。

然而，GPS在室内环境下信号弱化，导致精度下降；同时，同步算法的复杂度较高，使得该方法的应用受到限制。

5. 基于角度测量的定位方法基于角度测量的定位方法是一种通过测量目标节点和传感器节点之间的角度来推算其位置的传感器网络定位技术。

一种无线传感器网络的节点自定位方法

摘
要：节点定位对许多无线传感器网络的应用来说是非常关键的，出了一种基于移动锚节点的无测距的节提
点定位算法。此算法建立在ＭｏｔＣｒｎｅａｌｏ定位算法基础之上，通过利用节点收集到的信息来加速算法中样本的选取，而提高定位的精度和效率。仿真结果表明，此节点定位技术平均定位精度能达到０２个通信半径，．与其他类似定位
２Ｃｌｇｆｒｔｎａｎｉｅｎ，Ｘａｇａｎｅｉ，Ｘａｇａｕｎ４１５Ｃｉ）．ｏｌｅｆＩｏｍａｉｎＥｇｎｒｇｉｎｔｎＵｉｒｔｉｎｔｎＨｎ１，ｈｎｅｏｎｏｄｅｉｖｓｙａ１０ａ
ＡｂｔａｔＬｃｌｚｔｏｓｃｕｉｌｏｍａｐｉａｉｓｉｒｌｓｓｎｏｅｔｒ、Ｔｈｓａｔｃｅｐｅｅｔｄａｅ．ｒｅｓｒｃ：ｏａｉａｉｎｉｒｃａｔｎｙａｐｌｃｔｏｎｎｗｉｅｅｓｅｓｒｎｗｏｋｓｉｒｉｌｒｓｎｅａｒｎｇｆｅａｈｏ — ａｅＯａｉａｉｎａｇｒｔｎｃｒｂｓｄｌＣｚｔｏｌｏｉｈｍｏｒｌｓｅｏｔｒｓｔａｕｉｔｕｏｎｈｅｌｆｒｗｉｅｅｓｓｎｓｒｎｅｗｏｋｈｔｂｌｐｔＭｏｅＣａｌＬｃｉａｉｎａｇｒｔｍｎｔｒｏｏａｚｔｏｌｏｉｈｌ
ＫＵＡＮＧｉ — ｉＣｉｉｇＬｎａ一．ＡＩＺ — ｎｘ
（．ｏｅｅｏｆｒａｉｃｎｅａｄＥｇｎｅｎ，ＣｎｒｌＳｕｈＵｉｅｉ，Ｃａｇｈｕａ１０３Ｃｉａ１ＣｌｇＩｏｍｔｎＳｉｃｎｎｉｒｇｅｔｏｔｎｒｔｈｎｓａＨｎｎ４０８，ｈｎ；ｌｆｎｏｅｅｉａｖｓｙ

一种基于RSSI的无线传感器网络的改进定位算法

ＦｎｅｇｕＬｉｏｇＣｈｎａｇｏｅｇＣｈｎｘｕＺｈｎｅｇＹｕｎｕ
（ｏｌｇｆＥｌｃｒｃｌＥｎｉｅｒｇ，ＮａａｉｅｓｔｆＥｎｉｅｒｎＣｌｅｏｅｔｉａｇｎｅｉｅｎｖｌＵｎｖｒｉｙｏｇｎｅｉｇ，Ｗｕａ４０３）ｈｎ３０３
１引言
在无线传感器网络的许多应用中，测到事件监
离（ａｇ— ａｅ）ｒｎｅｂｓｄ的定位算法和与距离无关（ａｇ — ｒｎｅ
ｆｅ）ｒｅ的定位算法ｌ。基于距离的定位中，２ｊ常采用的方法有：于到达时间Ｔ基ＯＡ的定位、于到达时基间差ＴＡ的定位、于接受信号强度指示ＲＳＤＯ基ＳＩ的定位和基于到达角度ＡＯ的定位等。与距离Ａ无关的定位算法主要有：心算法、 — ｐ算法、质ＤＶＨｏ
ＡｂｔａｔＩｈｐｌａｉｎｆｖｒｓｋｎｓｏｒｌｓｅｓｒｎｔｒ．ｓｎｏｏｅｓｎｗｈｉ１ｃｔｎｉｆｒｓｒｃｎｔｅａｐｉｔｓｏａｉｉｄｆｗｉｅｅｓｓｎｏｅｗｏｋｅｓｒｎｄｓｍｕｔｋｏｔｅｒｏａｉｎｏ — ｃｏｅｏ
ｓｔｏｅｒｒｃｍｐｒｄｔｈｒｄｔｏｌＲＳｇｉｈ．ｉｉｎｒｏｏａｅＯｔｅｔａｉｉｎａＳＩａｌｏｒｔｍ
ＫｙＷｏｄｗｉｅｅｓｓｎｏｅｗｏｋ（ＳｅｒｓｒｌｓｅｓｒｎｔｒｓＷＮ）ｏｅｌｃｌａｉｎ，ＲＳＩ，ｎｄｏａｉｔｏｚＳ，ＡＰＴＩＣｌｓｍｂｒＴＰ９．ａｓＮｕｅ３］９

无线传感器网络节点定位算法综述

ｐｏｎｅｕ．ｉｔｄｏｔ
Ｋｅｒｓ：ｒｌｓｅｏｅｏｋ；ｏｅｌｃｉａｏｌｃｌａｏｇｒｔｍｓｙｗｏｄｗｉｅｅｓｓｎｓｒｎｔｒｎｄｏａｚｔｎ；ｏａｉｔｎａｏｈｗｌｉｚｉｌｉ
节点定位是通过一定的技术、法和手段获方

１节点定位原理
在本文中，已知自身位置的传感器节点为信标节点；不能确定的自身位置的节点为未知节点；通信半径内的所有节点都是该节点的邻居节点。
在传感器节点定位过程中，知节点在获得未
ＡｖｅｏｃｌａｉｎＡｌｏｉｈｎＷｉｅｅｓＳｎｏｔｒＲｅｉｗｆＬｏａｉｔｇｒｔｍｓｉｒｌｓｅｓｒＮｅｗｏｋｚｏ
ＬｕＬｕｎｙａ／ＪｎＩＹａ－ｕｎ
（ｅａｔｎｆｔａ－ｅｔｃｌａｄＣｍｐｔｎｉｅｄｇＵｎｖｒｉｆｈｎｈｉｏｃｅｃｎｄＴｃｎｌｇ，ｈｇａ２０９）ＤｐｒｔＯｐｉｌｌｃｉｎｏｕｅＥｇｃｎ，ｉｅｓｙｏａｇａｆｒｉｎｅａｍｅｏｃｅｒａｒｎｔＳＳｅｈｏｏｙＳａｈ００３ｎｉ
绍了几种代表性算法的原理和特点。通过对现有算法的分析比较，出了可能的热点研究方向。指关键词：线传感器网络；点定位；无节定位算法
中图分类号：Ｐ９Ｔ３３文献标志码：Ａ文章编号：６１— ４６２１）５— ０１０１７０３（００００５ — ４

无线传感器网络选择性DV-Hop定位算法

以，当未知节点利用平均每跳距离估计到信标节点的距离
时会产生误差。已知未知节点到信标节点的距离增加时，
离和跳数，Ｊ，计算得到校正值为（０＋７／２＋５）＝４５）（１．２６４ｍ。假设Ａ从Ｌ获得校正值，则它与３个信标节点之
Ｔｅｈｏｏｙ，ｚｏ２１６，ｉａ；２ＳｈｏｆＩｆｒｔｎａｄＥｅｔｏｉｓｃｎｌｇＸｕｈｕ２１１Ｃｈｎ．ｃｏｌｎｏｍａｏｎｌｃｒｎｃ，ｏｉ
Ｂｉｎｓｉｔｏｅｈｉｇ，ｅｉｇ１０８，ｈｎ）ｅｉｇＩｔｕｅｆｃｎｌｙＢｉｎ００１ＣｉａｊｎｔＴｏｊＡｓａｔＡｍｉｇａｌｇｏｉｏｉｇｅｒｒｒｔｏｏｖｎｉａｄｓｎｅｖｃｒｏＤ — ｏ）ｏａｚｔｎｂｔｃ：ｉｎｔａｅｐｓｉｎｒａｆｃｎｅｔｎｉａｃｅｔ — ｐ（ＶＨｐｌｃｌａｏｒｒｔｎｏｅｏｌｔｏｈｉｉ
ｔａｈｅｅｉｅＤＶ— ｐｌｃｌａｉｎａｇｒｔｍａｆｃｉｅｙｒｄｃｈｖｒｇｏａｉｎｅｒｒｒｔｎｄｐｏｈｔｔｅｓｌｃｖＨｏｏａｉｔｏｉｚｏｌｈｃｎｅｆｔｌｅｕｅｔｅａｅａｅｌｃｔｒａｅａｄａａｔｔｅｖｏｏ
传统Ｄ — ｏ定位算法的定位过程由３个阶段组成：ＶＨｐ１使用典型的距离矢量交换协议，）通过节点间信息交换，网络中所有节点获得与信标节点之间的最小跳数。使２每个信标节点在获得其他信标节点位置信息和跳）数信息之后，利用公式（）１计算网络平均每跳距离，并将其

一种基于RSSI的无线传感网络安全定位算法

第３期
马梁，等：一种基于ＲＳＩ的无线传感网络安全定位算法Ｓ
・５４・
损耗，因此需要将高斯噪声添加到仿真里。其计
ＩＤ、坐标、．及平均误差因子与最大误差因、
．

算公式为：
复杂性使得节点很可能遭到攻击，而且会不同程度地影响定位的准确性，这样就使节点的整个位置信
息无效。因此，定位的过程非常重要ｌ。基于此，ｌＪ
，的真实坐标，ｄ为它们之间的距离。在存在虫洞
摘要：为防止在不可靠环境中传感节点被捕获，提出一种与范围无关的算法来解决节点的定位问题，即基于接收信号强度（ｃｉｅｉｎｌｔｅｇｈｉｄｃｔｎＳＩ的安全定位算法。介绍了通过估计各个锚节点的环境参数，用加权ｒｅｖｄｓｇａｒｎｔｎｉａｉ，ＲＳ）ｅｓｏ
耗）自由空间可以被忽略，刀２５（号传播衰减在 ∈『，信】
平均ＲＳＳＩ
．
，
利用式（）算出锚节点Ａｎｈｒ未知５ｃｏ￣与
节点的估计距离ｄｅ，同时计算ｓｔ
—
因子）基于指定路径的损耗因子，为
ｏｅｈｒｗａｅｏａｈｒｆｒｎｅｐｉｔｏｏｅＡｔｈａｉ，ｉｔｅｊｉｔｎｏ－ｉｔａｔｃｄｓａａｚｈｆｔａｄｒｆｅｃｅｅｅｃｏｎｒｎｄ．ｅｓｍｅｔｈｔｍｅｎｈｏｎｄｎｎｊｎｔｋｍｏｅ，ｎｌｅｔｅａｏａｙ

基于移动信标节点的无线传感器网络定位算法研究_唐宏

表1 仿真参数
检测区域面积
参数
值 200m×200m
节点通信范围
20m
未知节点个数
100个
未知节点对锚节点排斥力系数
0.5
ቤተ መጻሕፍቲ ባይዱ
未知节点对锚节点吸引力系数
0.5
预设定的折线位置锚点的吸引力系数
1
S0 是信标节点i通信范围内未知节点的集合， S1 是信标节点通信范围内 i −1位置的信标节点集合。
Fi _boundary 是信标节点i收到边界的排斥力，同样与其同边
保护之中。
1.2 三边测量技术三边测量技术的基本思想[2]是根据3个已知坐标的节
点到未知节点的距离来确定节点坐标。已知A、B、C三
个节点的坐标分别为 (xa , ya )、 (xb , yb )和， (xc , yc )它们到未知节点 D(x, y)的距离分别为 da 、 db 和 dc ，如图3所示。
ரব‫ ۅ‬j ߵ਍ STTJǄ ႑ࡽ
ഽ‫ ܈‬ǅऺ໙‫ాྷݔ‬௅߲
‫ޏ‬
ব‫ڟۅ‬ጲम‫ڦ‬ਐ૗
ரব‫ۅ‬ᅎ‫ူڟۯ‬ᅃ࿋ዃ j >j ,2
࿄ኪব‫ۅ‬๟‫ޏ‬๭‫ڟ‬ ෙ߲ᅜฉփཞ࿋ዃ
‫ڦ‬ரব‫ۅ‬႑တԈ ๟
ऺ໙ব‫ۅ‬࿋ዃ 图2 移动锚节点定位流程
锚节点的工作一般分为三个阶段。1) 锚节点i计算到其通信范围内所有未知节点的距离；2) 锚节点估计其范围内节点的位置；3) 锚节点移动到下一位置。
应用Range-based定位机制的传感器网络中的节点可分为两类：一类节点是不具备测量自身坐标能力的节点，我们称其为普通节点或未知节点，它们构成了网络的主体；另一类节点装备了GPS[4]之类的定位工具，能够测量

无线传感器网络中的节点定位算法

ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ・信息技术
无线传感器网络中的节点定位算法
陈凤娟
（辽宁对外经贸学院
辽宁大连１１６０５２）
【摘
要】无线传感器网络是由部署在监视区域的大量微型的具有无线通信及计算能力的传感器节点，以无线多跳
ｐｒｏｃｅｓｓｉｎｇＴｈｉｓｐａｐｅｒａｎａｌｙｚｅｓｔｈｅｅｘｉｓｔｉｎｇａｌｇｏｒｉｔｈｍｓａｂｏｕｔｌｏｃａｌｉｚａｔｉｏｎｐｒｏｂｌｅｍｓｉｎｗｉｅｌｒｅｓｓｓｅｎｓｏｒｎｅｗｏｔｒｋ．Ｔｈｅｎｉｔｒｅｓｅａｒｃｈｅｓｏｎｈｏｗｔｏｒｅｄｕｃｅｔｈｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｏｆｎｅｗｏｔｒｋａｎｄｅｘｔｅｎｄｔｈｅｎｅｗｏｔｒｋｌｉｆｅ．
ＣｈｅｎＦｅｎｇ－ｊｕａｎ
ｉａｏｎｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｔｅｒｎａｔｉｏｎａｌＢｕｓｉｎｅｓｓａｎｄＥｃｏｎｏｍｉｃｓＬｉａｏｎｉｎｇＤａｌｉａｎ７１６０５２）
无线传感器网络中的节点根据功能的不同，可以分
位的研究能使无线传感器网络的应用更广泛．而高效的定位算法能提高无线传感器网络的其他研究领域的效率。本文首先分析了无线传感器网络的基本概念和结

基于虚拟节点的BP无线传感器网络定位算法

ＷＳ．Ｎｓ
ＫｅｒｓｉｌｓｓｎｏｅｏｋＷＳｓ；ｕ — ｃｏｎｄ；ｎｕａｎｔｏｋ；ｉｕｌｏｅｙｗｏｄ：ｗｒｅｅｓｒｎｔｒｓ（Ｎ）ｓｂａｈｒｏｅｅｒｌｅｒｓｖａｎｄｓｅｓｗｎｗｔｒ
ｓｂａｃｏｓａｄＢｅｒｌｎｔｏｋｉｐｏｏｅｏｖｒａｌｎｒａｅｔｅｎｍｂｒｏｎｈｒｎｄｈｔａｅｕｅｒｕ．ｎｈｒｎＰｎｕａｅｗｒＳｒｐｓｄｔｉｕｌｉｅｅｓｈｕｅｆａｃｏｏｅｔａｒｓｄｆｔｙｏ
ｌｃｉｔｎａｇｒｔｍｏｌｒａｌｍｐｏｅｔｅｌｃｌａｉｎｐｅｉｌｏｈｃｕｄｇｅｔｉｒｖｈａｉｔｒｃｓｆｈｎｎｗｎｎｄｓａｄｒｕｅｔｅｃｓｓｆｌａｏｉｙｏｚｏｏｔｅ
ｏｓｎｉｕａｄｓｔｔｒｎｕａｈｒｎｄｅ，ｎｄｉｉａｅｈｔｓｂ— ｎｈｒｎｄｎｆｕｉｇｖｒｌｎｏｅｏｄｅｅｍｉｅｓｂ—ｎｃｏｏｔａｎｄｃｔｓｔａｕａｃｏｏｅａｄＢＰｅｒｌｎｅｗｏｋｎｕａｔｒ
ｌｃｌａｉｎ，ｎｈｔｏｆｆｄｎｐｒｐｉｔｓｂａｃｏｏｅｉｂｏｇｔｕｈｏｇｈｉｔａｏｅｏｏａｉｔｚｏａｄｔｅｍｅｈｄｏｎｉｇａｐｏｒｅｕ — ｎｈｒｎｄｓｒｕｈｐｔｒｕｈｔｅｖｒｌｎｄｓｔｉａｕ

无线传感器网络SL-n迭代定位算法

（汉科技大学冶金自动化与检测技术教育部：程研究中心，湖北武汉４０８）武３０１
摘
要：无线传感器网络迭代多边定位算法在迭代定位过程中使用全局最小均方估计（Ｓ）法估计盲节点的位ＭＭＥ方
ｓｗｈｔｔｅｐｏｐｅｈｏｔａｈｒｏｓｄＳＬ— ｌｏｒｔｍｕｔｒｏｒｓＭＭＳＥｅｈｏｎｏｒｌｓｔｔｏｎａａｌｒｄｅｔｅｐｉｉｒｒｎａｇｉｈｏｐｅｆｍｍｔｄｉｖｅａｌｉｕａｉｎｄｃｒｅｕｃｈｏｓｔｏｎｅｒｏｓｆｃｅｔｙｗｈｅｈｅｒｆｒｎｃｒｏｓｌｒ．ｕｆｉｎｌｉｎｔｅｅｅｅｅｒｒｉａｇｅＫｅｗｏｄｓｙｒ：ｗｉｅｅｓｓｓｔｏｋｓｉｅａｉｕｌｉａｅａｉｒｌｓｅｎｏｒｎｅｗｒ；ｔｒｔｖｅｍｔｌｔｒｔｏｎ；ＳＬ一ｌｅｅｅｃｏｄｓ，：ｒｆｒｎｅｎｅ
ｓｔａｉｎｗｉｅｌｓｓｎｓｔｒｉｅａｉｅｍｕｔｌｔｒｔｏｎａｇｒｔ，ａｎｗｅｔｍａｉｌｏｔａｌｄＳＬ— ｗｅｅｉｕｔｏｎｉｒｅｓｅｏｒｎｅｗｏｋｔｒｔｖｌｉａｅａｉｌｏｈｍｉｅｓｉｔｏｎａｇｒｈｍｃｌｅｉｎｒｐｏｐｅｒｏｓｄ．ＦｉｓｌｌｓｍｐｌｒａｎｄｕｉｇｒｌｔｒｔｏｎｏｒｐａｔａＭＳＥｒｍｖｅｙｏｍｂｉｔｏｆｎｒｆｒｎｅｒｔｙａｌａｅｓｗｅｅｏｂｔｉｅｓｎｔｉａｅａｉｒｉｌＭｆｏｅｒｃｎａｉｎｏｅｅｅｃ

无线传感器网络的节点定位算法

大部分应用都依赖于传感器节点或监控目标的位置信息。可以看出节点定位在无线传感器网络中的重要
性。
Ｒａｇ — ｅ位算法则不需要距离或角度信息，ｎｅｆｅ定ｒ仅依
靠网络连通性即可实现计算节点位置。
维普资讯
无线传感器网络的节点定位算法
文章编号：０３５５（０７０—０２０１０ —８０２０）８０３ —３
无线传感器网络的节点定位算法
ＮｏｃｌｚｔｏｇｒｔｄｅＬｏａｉａｉｎＡｌｏｉｈｍｏｉｅｅｓＳｎｓｔｒｆｒＷｒｌｓｅｏｒＮｅｗｏｋ
ｎｄｏLeabharlann ａｉａｉｎａｇｒｔｍｎｈｎｌｓｓｏｌｓｉａｏｅｌｃｌｔｏｌｏｉｈａｄｔｅａａｙｉｆａｓｃｌｚｃＤＶ— ｐａｇｒｔｍ．ａｓｒｖｓｔｅｆａｉｉｔｆｍｅｈｄｙｓｉｌｔｇｔｅＨｏｌｏｉｈｌｏｐｏｅｈｅｓｂｌｙｏｔｏｓｂｔｍｕａｉｈｉｎ
用。
对优势，是不能满足无线传感器网络节点定位算法但
低功耗、低成本的要求，景并不乐观。前Ｒｎｅｆｅ定位算法在精度上能够满足大多数应ａｇ— ｅｒ用要求的同时对于功耗和成本的要求相对很低。ＤＶ—
ａｐｐｌａｔｏｏｆＷＳＮ．Ｔｈｉａｐｒｄｓｓｅｅｈｏｆｉｐｏｖｎｇｌａｉａｔｏｎｐｅｃｓｏｎｔｒｇｈｔｖａｕａｉｎａｈｅｔｘｏｎｉｉｎｃｓｐｅｉｃｕｓｓｍｔｄｓｏｍｒｉｏｃｌｚｉｒｉｉｈｏｕｈｅｅｌｔｏｎｄｔａｏｍｙｏｆ

一种基于遗传算法的无线传感器网络节点定位技术研究

点初始位置进行求精；文献［３用遗传算法优化定１】位参数；文献【４用遗传算法对无线传感网络节点１】
定位及求取其路径；本文提出一种新的无线传感网络节点定位算法。遗传算法完成节点定位的基本步骤如下：
（）个体的编码１编码是把问题的可行解从解空间转换到遗传
即：Ａ＋（ｉ）ｘｅ—ｅ＝Ｂ
式中（一）Ｐ项为误差项，其为ｋ１一维随机误差向量，根据最小二乘原理求解方程使
２
以上定位算法均具有自身的特点，但它们的定
∑ ｅ＝ｂ『－）ｌ一Ｉｉ取值达到最小来求的估计
（ｃｏｌｆｌｔｎｃｎｆｒｔｎＥｇｎｅｉｇＪｇａｇｈｎＵｎｖｒｔ，ｉｎＪａ￣４０９ＣｉａＳｈｏｏＥｅｒｉａｄＩｏｍａｏｎｉｃｒ，ｉｇｎｓａｉｅｓｙＪａ，ｉｇｉ３０，ｈ）ｃｏｎｉｎｎｉ ’ ａ３ｎ
Ａｂｔａｔｓｒｃ：腑
Ｌ（一）２一２．一ｘ。（）Ｊｙ
（２）
ｆ《Ｉ３Ｉ一＋一＋一］（）
ｌ一一一ｊ《《＋＋。
用最小二乘法估计求未知节点的位置（，）Ｙ，
位置进行初步估计，在第２阶段采用遗传算法对节
虽然采用ＧＳＰ定位系统可以精确得到每个节点
收稿日期：２１—４１；修改日期：２１－６１０１０－８０１０－０基金项目：吉安市重点科技计划项目（吉市科技字［０９４２０１０号）作者简介：＋廖萍（９０）１８一，男，湖南衡阳人，讲师，主要从事计算机应用、计算机网络、无线传感器网络等研究（ｍｉｊｇｌｏｉｇ６．ｒ）Ｅａｌｘｓａｐｎ＠１３ｏ；：ｊｉｃｎ孔翠香（９８）１７一ｔ女ｔ陕西渭南人－讲师・硕士．主要从事无线传感器网络、Ａｏ络等研究（ｍａｌｌｙ８８１３ｏ）ｄｈｃ网Ｅｉｉｔ８＠６．ｒ．：ｕｍ８ｃｎ

基于深度神经网络的传感器网络节点定位算法研究

基于深度神经网络的传感器网络节点定位算法研究随着科技的不断发展和普及，传感器网络（Sensor Networks）在现代化生产和生活中得到了广泛应用。

传感器网络是由大量的节点组成，这些节点通过无线信道相互通信，实时采集和传输各种监测数据。

传感器节点的精确定位是传感器网络中一个重要的问题，定位的精度直接决定了传感器网络的实时性和可靠性。

传统的传感器网络节点定位算法通常采用基于距离或角度的方法，如广播定位（Bassetto定位）、最小二乘估计（Least Square Estimation）等。

这些算法的精度较低，受到环境变化和信号干扰的影响较大。

随着深度神经网络（Deep Neural Network）技术的发展，基于深度神经网络的传感器网络节点定位算法逐渐成为研究热点。

深度神经网络是一种模仿人脑神经元系统的机器学习模型，具有自动学习、强适应性、高鲁棒性等优势。

基于深度神经网络的传感器节点定位算法主要分为两个阶段：离线训练模型和在线解算位置。

离线训练模型阶段，首先需要确定传感器网络中节点的位置信息和信号强度信息，然后将这些信息作为训练集输入深度神经网络模型中进行学习和训练。

传统的节点定位算法往往只考虑节点之间的距离或角度，而基于深度神经网络的节点定位算法除了距离和角度之外，还考虑了节点之间的信号强度等其他信息，从而提高了位置估计精度。

在训练阶段中，需要注意不同环境下的不同特征和干扰因素，构建适合不同环境的神经网络模型。

在线解算位置阶段，传感器节点会不断收集周围节点的信号强度信息，利用事先训练好的深度神经网络模型进行解算，最终得到节点的位置信息。

在线解算的过程中，需要注意选择较为稳定的解算算法和有效的信息传输机制，保证算法的实时性和稳定性。

同时，在实际应用中，还需要考虑传感器节点的能耗和通信质量等因素，从而优化算法的性能。

基于深度神经网络的传感器节点定位算法具有精度高、适应性强、可靠性好等优点。

通过训练和优化神经网络模型，可以提高算法的准确度和实时性。

无线传感器网络节点自身定位算法研究

摘
要：无线传感器网络中节点自身位置信息是实现其应用的最重要因素之一。针对节点自身定位的研
究很多，但很大一部分都集中在算法的改进和新算法的开发上，很少给出纵向直观的仿真效果比较。研究选取无需测距算法中４种典型的算法，出它们在不同参数下的仿真定位效果图，给对于工程人员根据实际
ＣｉａＵｎｖｒｉｆｎｎｎｅｈｏｏｙ，ｕｈｕ２１０ＣｉａｈｎｉｓｙｏｉｇａｄＴｃｎｌｇＸｚｏ２００，ｈｎ）ｅｔＭｉＡｂｔａｔｈｏｅｓｌｌａｚｔｎｉｆｒｔｎｏｉｌｓｓｎｏｎｔｏｋ（Ｎ）ｓｏｅｏｔｅｍｓｉｐｒｎｓｒｃ：Ｔｅｎｄｅ－ｃｌａｏｏｉｆｒｅｓｅｓｒｅｒｓＷＳｓｉｎｆｈｏｔｍｏｔｔｆｏｉｉｎｍａｏｗｅｗａ
２１年第３０１０卷第８期
传感器与微系统（ｒｎｄｃｒｎｃｏｙｔｅｈｏｇｓＴａｓｕｅｄＭｉｓｓｍＴｃｎｌｉ）ａｒｅｏｅ
４３
无线传感器网络节点自身定位算法研究
陈常山，张申
（中国矿业大学物联网研究中心信０
中图分类号：Ｔ２．Ｎ９９５文献标识码：Ａ文章编号：１０－７７２１）８０４－３００９８（０１０－０３０
Ｒｅｅｒｈｏｄｅｆｌｃｌｚｔｏｌｏｉｈｍｓａｃｎｎｏｅｓｌ—ｏａｉａｉｎａｇｒｔ
ｆｃｏｏｔｐｐｉａｉｎ．ａｔｒｆｒｉｓａｌｃｔｏｓＴｈｅｅａｅｎｒｒｕｍｅｏｓｒｓａｃｓｏｅｆｌｃｌｚｔｏｌｏｔｍｓｂｕｓｆｔｍｏｕｎｒｕｅｅｒｈｅｎｓｌ－ｏａｉａｉｎａｇｒｈ，ｔｍｏｔｏｈｅｆｃｓｏｉ

无线传感器网络DV-Distance定位算法

和的比值作为修正权值，用这个修正权值来提高定位所需距离值的精确度，并利用ＲＳ测距技术限定ＳＩ可较为精确测距的有效未知节点，从而更进一步提高定位的精度。通过计算机的仿真和实验验证，结
果表明此改进算法相对于原算法，较为明显的降低了定位误差，提高了定位的精度。
ｌｃｌｚｎｓｉｐｏｅＡｎｔｅｔｃｎｑｅｏＳＩｔｉｔｎｄｓｔｅａｖｌｄｎｄ，ｔｅｐｅｉｉｎｏｏａｉｉｇｉｍｒｖｄ．ｄｗｉｔｅｈｉｕｆＲＳｌｍｉｏｅｂａｉｏｅｈｒｃｓｏｆｈｈｏｏ
ｌｃｉｉｇｃｎｂｅｉｒｖｄｗｉｈｓｉｒｖｄｌｃｉａｏｌｏｔｍ．ＳｍｕａｉｎｄｍｏｓｒｔｓｔａｈｏａｚｎａｍｐｏｅｔｔｉｍｐｏｅｏａｚｔｎａｇｒｈｌｈｌｉｉｉｌｔｏｅｎｔａｅｔｔｅｈｉｒｖｄａｇｒｔｍｂｉｕｌｅｕｅｅｅｒｒａｄｉｒｒｃｓａｒｄｔｎｍｐｏｅｏｉｌｈｏｖｏｓｙｒｄｃｓｔｒｏｎｓｍｏｐｅｉｅｔｎｔａｉｏａＤＶ・ｓａｃｏａｉａ。ｈｅｈｉｌ－ｔｎｅｌｃｌｚ。Ｄｉ
ｔｇｒｔｍｓｉａｏｉｏｎｌｈ．
Ｋｅｗｏｄ：ｒｌｓｅｓｒｎｔｒ；ｏａｉａｏ；ｙｒｓｗｉｅｅｓｓｎｏｅｗｏｋｓｌｃｚｔｎＤＶ— ｉｔｃ；Ｓ；ｉｈｓｌｉＤｓａｅＲＳｕ．ａＳＵＮＬｅｉ

一种新的无线传感器网络节点定位算法

摘
要：线传感器网络中的节点定位问题一直是一个倍受国内外关注的问题，无由此已经提出了很多定位算法，并取得了很好的成果。在总结已有成果的基础上，图论的启发，受到将无线传感器网络当成是一个连通的节点无向图，出了一种改进的贪婪算提
法，高了算法跳出局部最优的能力。该算法采用单个移动锚节点遍历整个图，而实现了所有节点的定位。分析与实验表提从对明该方法在定位精度和系统能量消耗方面都具有很好的性能。关键词：线传感器网络；无定位；改进贪婪算法；移动锚节点；图论
ｇｅｄｌｏｔｍｉｐｏｏｅｎｈｎｅｅｃｐｂｌｙｏｊｍｐｎｕｅｏａｏｔｍ．ｈｓｔｄｕｅｂｌａｃｏａｅｓｒｅｙａｒｈｒｐｓｄａｄｅａｃｓｈａｉｔｆｕｉｇｏｔｈｃｌｐｉｇｉｓｎｔａｉｔｌｍｕＴｉｍｅｈｓｓｍｏｉｎｈｒｒｖｒｏａｅｔ —
Ｃｏｌｇｆｍｐｔｒ＆ＣｏｌｅｏＣｏｕｅｅｍｍｕｉａｉｎＥｇｎｅｉｇＣｈｎｓａＵｎｖｒｉｆＳｉｎｅａｄＴｃｎｌｇ，ａｇｈ１１４Ｃｈｎｎｃｔｏｎｉｅｒ．ａｇｈｉｅｓｙｏｃｅｃｎｅｈｏｏｙＣｈｎｓａ４０１，ｉａｎｔ
Ｄｈ１．７８．ｓ．０．３１０２０．３文章编号：０２８３（０２０．１６０文献标识码：中图分类号：Ｐ９Ｏ３７／ｉｎ１２８３．１．０２０ｊｓ０２８１０．３１２１）８０１—３ＡＴ３３

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第２４卷第２期
２１０１年２月
传感技术学报
ＣＮＥＥＪＲＨＩＳＯＵＮＡＬＯＥＳＳＡＮＴＡＯＲＦＳＮＯＲＤＡＣＵＴＳ
Ｖｏ．４Ｎｏ２１２．
Ｆｂ２１ｅ．０１
ＬｃｌａｉｎＡｇｒｈＢｓｄＯｎｈｒＮｏｅＳｌｔｄｌｏｉｌｓＳｎｏｅｗｒｓｏａｉｔｌｏｉｍａｅｉＡｃｏｄｅｃｚｏｔｌｅＭｏｅｆｒＷｒｅｓｅｓｒＮｔｏｋｅ
ａｏｔａｅｎＡｃｏｏｅｓｌｔｏｅ（ＬＳ，ｈｃｒｇｎｉｂｒｎｄｓｉｏｒｆｅｃｏｅｌｒｈｂｓｄｏｎｈｒｎｄｅｃｅｍｄｌＭＣＡ）ｗｉｂｉｅｈｏｏｅｎｅｒｎｅｎｄｓｉｇｉｍｅｄｈｎｇｔｅｎ
叭胁；） ¨
，
Ａｓｒｃ：ｏａｚｔｎｉａｍｐｒｎｔｈｏｇｎＷｉｌｓＳｎｏｅｏｋ（Ｎ）ａｄｔｅｌａｉｔｎｏｂｔａｔＬｃｌａｉｓｎｉｏａｔｅｎｌｙｉｉｏｔｃｏｒｅｅｓｒＮｔｒｓＷＳ，ｎｈｏｌａｏｆｅｓｗｃｚｉ
Байду номын сангаас
＼．６９２７１９部队训练处，湖南株洲４２０１０５
／
摘要：定位技术是无线传感器网络的关键技术之一，移动节点的定位则是定位技术中的难点。目前以蒙特卡洛算法为基
础的几种定位算法普遍存在对锚节点数量要求较高、位误差较大的问题。针对实际应用中一般的运动模型，出一种基于定提参考节点选择模型的蒙特卡洛定位算法（ＣＡ）采样时通过参考节点选择模型，相邻节点纳入参考节点选择范围，量ＭＬＳ，将尽选取距离定位节点较近且分布均匀的参考节点构成采样盒，置估计时利用样本与节点依据运动模型预测的上一时刻运动位方向的角度确定权重，免低质量样本的过度使用，高定位精度。仿真结果表明，法在定位精度、位覆盖率和时间复杂避提算定
Ｌｉ，ＩＭｎＬＵＯｉｇ，ＴｎＸＵａＨｕ
、ｎｓ９ｚＨｎ２ｉ（ｅ７ｕａ２ｐＬｔｈ０Ｃ１ｉｏｉＺｕ４’ ｈ啦ｔｇ￣～ｏｎ０ｎ．ｉ９ｈｕＵｆａＤｏ６１５ａ
．
Ｐ
。
１
，
＇
ＥＡＣ６５ＰＥＣ：１０
ｄｉ１．９９ｊｉｎ１０－６９２１．２０１ｏ：０３６／．ｓ．０４１９．０１０．２ｓ
一
种基于参考节点选择模型的无线传感器网络定位算法
李敏罗挺，，徐华
／．勤工程学院后勤信息工程系，庆４１１；１后重０３１＼
ｍｏｉｏｅｉｏｕ．ｅｅｌｅｏｅｐｏｌｍｓｓｃｓｎｅｏｎｙａｃｏｏｅａｄｈｇｒｏｆｌｃｉａｉｎ，ｂｌｎｄｓａｎｄｓＴｈｒｉｓｓｍｒｂｅ，ｕｈａｅｄｆｒｍａｎｈｒｎｄｎｉｈｅｒｒｏｏａｚｔｅｌｏ
ｄｒｃｉｎｏｏｏｅａｔｎｙｍｏｉｎｍｏｅ，ｉｈａｏｄｔｅｅｃｓｉｅｕｅｏａａｌｒｉｉｇｐｅｉｉｎｏ — ｉｅｔｏｆｎｄｅｆｒｃｓｉｇｂｔｄｌｗｈｃｖｉｈｘｅｓｖｓｆｂｄｓｍｐｅ，ａｓｎｒｃｓｏｆｌｏｏｃｌｚｔｏＴｈｓｍｕａｉｎｅｎｔａｅｔａｔｅｒｐｓｄｌｏｉａｉａｉｎ．ｅｉｌｔｄｍｏｓｒｔｓｈｔｈｐｏｏｅａｇｒｔｏｈｍｐｏｉｅｂｔｅｐｒｏｍａｃｉｌｃｌｚｔｏｒｖｄｓｅｔｒｅｆｒｎｅｎｏａｉａｉｎ
ｃｕｓｆｓｍｐｅ，ｎｅｅｔｔｅｎａｅｔｎｏｅｏｒｅｏａｌａｄｓｌｃｈｅｒｓｄｓｗｈｉｈｉｔｂｔｓｍｍｅｒｃｌｔｏｓｒｃａｌｂｘ．Ｎｅｔｉｃｄｓｒｕｅｙｉｔｉａｌｏｃｎｔｕｔｓｍｐｅｏｙｘ，ｎｃｕｓｆｅＭｕｔｇｐｓｔｏＭＣＬｅｉｅｈｓｍｐｅ’ ｉｈｔａｃｒｉｇｔｈｎｌｆｓｍｐｅａｄｍｏｉｇｏｒｅｏｖａｉｏｉｎ，ｎｉＡＳｄｃｄｔｅａｌＳｗｅｇｃｏｄｎｏｔｅａｇｅｏａｌｎｖｎ
ｉｐｅｅｔｏａｚｔｎｍｔｄａｅｎＭｏｔＣｒｏａｉｔｎＡｇｒｈＭＣ）ＴｉｐｐｒｐｏｏｅａＭＬｎｒｓｎｃｌａｏｅｏｓｂｓｄｏｎｏａｌＬｃｌａｏｌｉｍ（Ｌ．ｈｓａｅｒｐｓＣｌｉｉｈｏｚｉｏｔ
ｐｅｉｉｎ，ｏａｉａｉｎｃｖｒｇａｄｔｍｅｃｍｐｅｉｙｒｃｓｏｌｃｌｔｏｏｅａｅ，ｎｉｏｌｘｔ．ｚＫｅｒｙｗｏｄｓ：ｒｌｓｅｓｒｎｔｒ；ｏａｉａｉｎ；ｏｔ — ｒｏ；ｉｈｗｉｅｅｓｓｎｏｅｗｏｋｓｌｃｌｔｏＭｎｏＣａｌｗｅｇｔｚ