下载文档原格式
改进的无线传感器网络DV—Hop定位算法的研究摘要DV-Hop算法是无线传感器网络常用的定位算法，本文在现有DV-Hop 算法及其改进思路的基础上，结合无线传感器网络低能耗的要求，提出一种节能的高精度的DV-Hop定位方法。
关键词无线传感器网络；DV-Hop定位算法；节能；改进前言无线传感器网络（Wireless Sensor Networks，WSN）是指在某个区域分布的传感器，通过无线的方式，把这些传感器收集的信息汇集起来，以实现对该区域内特定状态进行监测和控制。
无线传感器网络广泛应用于军事国防、目标追踪、环境感知和健康監测、智能交通等领域。
而在这些领域的大部分应用里，用户所需的数据中，80%需要与位置相关，这就要求无线传感器网络必须具备可靠的定位技术。
无线传感器网络的定位算法主要分为：基于测距和非测距的算法[1]。
DV-Hop 算法属于非测距的定位算法，通过网络连通性和节点之间互相发送信息的方式来计算未知节点的位置[2]，功耗小，但定位精度较低[3]。
为此，许多学者提出了许多改进的无线传感器网络DV-Hop定位算法，有效提高了定位的精度，但仍与实际需求有一定的差距[4]。
为提高无线传感器网络节点定位的精度，提出了一种节能的高精度的DV-Hop定位算法。
1 一种节能的高精度的DV-Hop定位方法目前的研究针对DV-Hop算法的各种缺陷，提出了各种不同的改进方法，取得了一定的成果。
但还是还存在着以下一些问题：改进后的算法定位精度提高得不是很明显、增加了节点的能量消耗、算法对网络连通度依赖仍然过高等。
针对上述问题，本文通过研究DV-Hop算法及其改进算法的思路，综合利用各自的优势，讨论如何提高算法的定位精度，该改进算法拟解决下述4个问题：（1）寻找一种新的可控泛洪协议，既不降低泛洪广播方式的可靠性，还能减少信息内爆、重叠等现象，达到降低发送数据包的数量的目的。
在满足定位精度和定位覆盖率的基础上最大限度地降低节点的通信开销。
基于改进DV-Hop的无线传感器网络定位算法优化基于改进DV-Hop的无线传感器网络定位算法优化摘要：随着无线传感器网络(Wireless Sensor Networks, WSNs)的广泛应用，节点定位的准确性和精度已成为无线传感器网络中的一个重要问题。
DV-Hop是一种经典的无线传感器网络定位算法，但存在定位误差大、能耗高以及稳定性差的问题。
为了改进DV-Hop算法，本文提出了一种基于改进DV-Hop 的无线传感器网络定位算法优化方案。
通过对跳数获取和参考节点选择的改进，提高了定位的准确性和精度，并通过在网络中添加时钟同步机制来提高算法的稳定性。
实验结果表明，所提出的优化算法在定位精度和稳定性方面都有显著的改善。
关键词：无线传感器网络、定位算法、DV-Hop、优化、准确性1. 简介无线传感器网络的节点定位对于许多应用至关重要，如环境监测、目标追踪等。
传统的DV-Hop算法是一种常用的无线传感器网络定位算法，但其存在误差大、能耗高以及稳定性差的问题。
因此，对DV-Hop算法进行改进以提高定位精度和稳定性是一个重要的研究方向。
2. DV-Hop算法原理DV-Hop算法的基本思想是通过测量节点之间的跳数和节点之间的距离，来实现无线传感器网络中的节点定位。
算法流程如下：（1）节点跳数获取：每个节点通过广播消息的方式将其跳数信息传递给周围的节点；（2）参考节点选择：每个节点根据其邻居节点的跳数信息，选择相对跳数最小的邻居节点作为参考节点；（3）定位信息计算：每个节点通过测量与参考节点之间的距离，以及参考节点的位置信息，计算自己的位置。
3. 改进DV-Hop算法为了提高DV-Hop算法的定位精度和稳定性，本文提出了以下改进：（1）跳数获取改进：传统的DV-Hop算法通过广播方式获取节点的跳数信息，容易受到干扰和错误，影响定位的准确性。
本文提出使用局部信息和全局信息相结合的方式来获取节点的跳数信息，减少了干扰和错误的可能性。
一种改进的DV-Hop节点定位算法摘要节点定位是无线传感器网络中的关键技术之一。
在经典的DV-Hop算法的基础上,提出一种改进算法。
将传统的基于平面的节点定位算法扩展到三维空间,并设置一个门限跳数,减少了网络节点之间的通信量。
仿真结果表明,改进的算法能够有效地提高定位精度,具有较高的适应性。
关键词无线传感器网络;DV-Hop算法;门限跳数;三维0引言无线传感器网络(Wireless Sensor Network,WSN)就是由部署在监测区域内的大量的廉价微型传感器节点组成,通过无线通信方式形成一个多跳的自组织网络系统。
它与塑料电子学、仿生人体器官并称为全球未来三大高科技产业。
它在军事、工业、民用等领域有巨大的应用价值和前景。
在无线传感器网络中,节点的放置通常是随机的,因此,节点的位置信息是数据采集不可或缺的部分。
位置信息除了用来报告事件的发生地点外,还可用于协助路由、传感器网络安全、功率控制等。
根据定位过程中是否需要测量实际节点间距离,把定位算法分为基于距离的定位算法和距离无关的定位算法。
DV-Hop算法是目前研究和应用最为广泛的无需测距定位算法之一,但其在计算未知节点和信标节点间的距离时估算较粗糙,使其定位精度受到较大影响。
本文主要针对DV-Hop算法中存在的实用性不强和计算量大等一些问题进行了一些改进。
1DV-Hop算法简介美国路特葛斯大学的Ni-culescu等人利用距离矢量路由和GPS定位的原理提出了一系列分布式定位算法,合称为自组织定位系统(Ad-hocPositioning System,APS)A。
其中DV-Hop定位方法是目前应用最为广泛的节点定位算法之一。
基于二维空间的DV-Hop算法的过程:1.1测量未知节点与信标节点间的最小跳数每个信标节点采用广播的方式将其位置信息(IDi,xi,yi,Hopsi)传递给其他节点,其中,Hopsi是跳数,它的初始时为0,当接收节点接收到来自同一个信标节点但跳数不同的位置信息时,记录最小的跳数,忽略较大跳数的分组。
无线传感器网络DV-Hop定位算法丛珊;陈桂芬【期刊名称】《长春理工大学学报（自然科学版）》【年(卷),期】2018(041)002【摘要】定位技术在无线传感器网络应用中起着非常重要的作用,也是具有挑战性的一种技术.近些年来,为了解决节点定位不精确的问题,很多定位算法被相继提出.在无需测距的定位算法中,DV-Hop定位算法利用节点之间的跳距估计传感器节点的位置,受到了越来越多学者的关注,但是这种定位算法本身也存在着一定的不足.针对DV-Hop定位算法的不足,提出了先对未知节点平均跳距进行加权处理,再用修正算法修正节点位置的改进算法.仿真结果显示,改进后的定位算法在一定程度上提高了节点的定位精度,具有很强的应用性.%Positioning technology is one of the basic and key technologies of wireless sensor network application;it's also a challenging technique. In recent years,in order to solve the problem of inaccurate location of nodes,many local-ization algorithms have been proposed. Among range-free algorithms,the hop distance between nodes was used to esti-mate the location of sensor nodes in DV-Hop localization algorithm. But this positioning also has the defects of low positioning accuracy. Aiming at the shortage of DV-Hop location algorithm,an improved algorithm is proposed to weight the average hop distance and then correct the location of the nodes. The simulation results show that the im-proved localization algorithm has higher performance and better effect.【总页数】5页(P105-109)【作者】丛珊;陈桂芬【作者单位】长春理工大学电子信息工程学院,长春130022;长春理工大学电子信息工程学院,长春130022【正文语种】中文【中图分类】TP393【相关文献】1.无线传感器网络中一种改进的DV-Hop定位算法研究 [J], 何少尉2.基于DV-HOP的分布式无线传感器网络定位算法研究 [J], 刘国辉3.基于DV-Hop算法的海洋无线传感器网络节点定位 [J], 曹立杰4.基于DV-Hop算法的海洋无线传感器网络节点定位 [J], 曹立杰5.无线传感器网络的改进DV-hop定位算法研究 [J], 周凯;周培钊;付文涵;魏胜非因版权原因，仅展示原文概要，查看原文内容请购买。
DV―Hop算法在节点定位中的应用DV―Hop算法在节点定位中的应用基于跳数和平均跳数距离求取节点间距离的DV-Hop算法是与信号衰减无关的节点定位算法，在网络本钱、布局和信号衰减的角度具有较高的实用性。
本文在详细介绍了DV-Hop算法的定位原理的根底上，分析了算法的主要误差来源于节点的跳数和平均跳数距离值的求取，并列举了目前针对于该算法在节点定位方面所提出的改良方案。
在节点定位方面，通过本文的学习，可以为后续的优化定位算法提供一定的技术参考。
【关键词】节点定位无线网络DV-Hop算法DV-Hop定位算法采用跳数信息计算节点间的距离值，无需采用RSSI信号强度估算节点间距离，即使在低信标密度的条件下也能获得较高的定位精度。
1 DV-Hop定位算法该算法利用距离矢量的多跳传输定位算法，无需测量节点间距离，该算法的定位过程共分为3个阶段。
1.1 计算未知节点与每个锚节点的最小跳数锚节点向周围播送包含自身位置信息的节点之间跳数分组包，跳数初始值为0，分组包如表1所示。
直连通信范围内的邻居节点邻居节点接收分组信息，并记录来自于同一个锚节点的最小跳数，然后将跳数加1，并转发给其他邻居节点。
在洪泛过程中，锚节点的位置以及锚节点到未知节点的跳数信息记录在未知节点上。
2 DV-Hop算法的主要问题定位精度与网络功耗是该算法应用的主要性能指标，目前在节点定位方面，该算法主要存在以下的问题。
算法中的网络节点需要通过播送数据包的方式获得网络节点的信息，数据传输大，网络的通信开销和能耗较大。
锚节点布置不均匀，平均跳数距离计算的精度也就不相同。
锚节点密度大的区域，跳段距离值计算精度高，反之，那么精度低。
锚节点密度的也不能过大，当锚节点密度增加到一定程度时，增加锚节点的密度并不能改善平均跳数距离估算精度，反而会增加网络本钱。
3 目前采用的改良方法目前在平均跳数距离和跳距的方面进行了很多的研究，采用多种方法提高节点定位的精度，定位技术有了很大的提高。
第１６卷㊀第３期２０１８年９月南京工程学院学报(自然科学版)ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｖｏｌ.１６ꎬＮｏ.３Ｓｅｐ.ꎬ２０１８㊀㊀ｄｏｉ:１０.１３９６０/ｊ.ｉｓｓｎ.１６７２－２５５８.２０１８.０３.０７投稿网址:ｈｔｔｐ://ｘｂ.ｎｊｉｔ.ｅｄｕ.ｃｎ基于跳段距离优化的改进ＤＶ－Ｈｏｐ定位算法卢松玉(南京工程学院工业中心ꎬ江苏南京２１１１６７)摘㊀要:系统介绍无线传感器网络ＤＶＨｏｐ分布式定位算法的工作机理ꎬ并指出该算法的不足.为了减小原算法的定位误差ꎬ基于加权原则改进了计算全网平均每跳距离的公式.仿真结果表明ꎬ改进算法与原ＤＶＨｏｐ定位算法及已有的改进算法相比ꎬ能够更好地提高节点定位精度.关键词:无线传感器网络ꎻＤＶＨｏｐ定位算法ꎻ加权全网平均每跳距离中图分类号:ＴＰ３９３ＡｎＩｍｐｒｏｖｅｄＤＶ￣ＨｏｐＬｏｃａｌｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＨｏｐＤｉｓｔａｎｃｅＯｐｔｉｍｉｚａｔｉｏｎＬＵＳｏｎｇ￣ｙｕＩｎｄｕｓｔｒｉａｌＣｅｎｔｅｒ ＮａｎｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ Ｎａｎｊｉｎｇ２１１１６７ ＣｈｉｎａＡｂｓｔｒａｃｔ ＴｈｉｓｐａｐｅｒｓｙｓｔｅｍａｔｉｃａｌｌｙｉｎｔｒｏｄｕｃｅｓｔｈｅｗｏｒｋｉｎｇｐｒｉｎｃｉｐｌｅｏｆＤＶ￣Ｈｏｐｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋａｎｄｉｄｅｎｔｉｆｉｅｓｉｔｓｐｒｏｂｌｅｍｓ.Ｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅｅｒｒｏｒｒａｔｅ ｔｈｅａｖｅｒａｇｅｐｅｒｈｏｐｄｉｓｔａｎｃｅｏｆａｌｌｎｅｔｗｏｒｋｓｉｓｉｍｐｒｏｖｅｄｂａｓｅｄｏｎｔｈｅｗｅｉｇｈｔｅｄｐｒｉｎｃｉｐｌｅ.Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｃａｎｆｕｒｔｈｅｒｅｎｈａｎｃｅｔｈｅｌｏｃａｌｉｚａｔｉｏｎａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｅｘｉｓｔｉｎｇｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍ.Ｋｅｙｗｏｒｄｓ ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ ＤＶ￣Ｈｏｐｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ ｗｅｉｇｈｔｅｄａｖｅｒａｇｅｐｅｒｈｏｐｄｉｓｔａｎｃｅｏｆａｌｌｎｅｔｗｏｒｋｓ收稿日期:２０１８－０６－０１ꎻ修回日期:２０１８－０６－３０基金项目:南京工程学院校级科研基金项目(ＣＫＪＣ２０１５０８)作者简介:卢松玉ꎬ硕士ꎬ讲师ꎬ研究方向为无线传感器网络㊁无线通信.Ｅ￣ｍａｉｌ:ｌｕｓｙ＠ｎｊｉｔ.ｅｄｕ.ｃｎ引文格式:卢松玉.基于跳段距离优化的改进ＤＶＨｏｐ定位算法[Ｊ].南京工程学院学报(自然科学版)ꎬ２０１８ꎬ１６(３):３９－４３.㊀㊀无线传感器网络(ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋꎬＷＳＮ)是集自动化传感技术㊁计算机微电子技术㊁无线通信技术等为一体的新型测控网络ꎬ它可以通过不同类型的微传感器动态地采集网络覆盖范围内监测对象的实时信息ꎬ并以自组织的方式将该信息无线传送到用户终端ꎬ实现信息世界与物理世界的紧密联通ꎬ在生产㊁生活的众多领域具有广阔的应用前景[１].随着ＷＳＮ的快速发展ꎬ传感器节点的位置信息在其中扮演着越来越重要的角色ꎬ如在环境监测㊁智能建筑㊁海洋科考甚至军事侦察等众多研究项目中ꎬ传感器节点需及时反馈所处位置的采集数据ꎬ如温度㊁湿度㊁气压㊁光照㊁风速等至中央处理器ꎬ这些数据不仅和信息采集的时间有关ꎬ也与采集对象的具体位置密不可分.因此ꎬ确定传感器节点的位置是ＷＳＮ应用过程中必须解决的关键技术之一[２－３].迄今为止ꎬＷＳＮ节点定位技术和算法的研究前后大致经历了两个阶段.第一阶段主要是指网络中存在基础设施的定位系统ꎬ这些定位系统对网络硬件的要求比较高ꎬ因而实现定位的经济成本也相对较高ꎬ此类定位技术在实现过程中需要测量相邻节点间的绝对距离(方位)ꎬ并利用该距离(方位)来计算未知节点的坐标ꎬ因此称为基于距离的定位算法ꎬＣｒｉｃｋｅｔ室内定位系统[４]㊁微软的ＲＡＤＡＲ系统[５]㊁基于ＰＣＡ降维的定位算法[６]等都南京工程学院学报(自然科学版)２０１８年９月属于基于距离的定位算法ꎻ第二阶段可称作无需基础设施的定位系统ꎬ网络结构简单但定位精度欠佳ꎬ涉及到的各类算法复杂度普遍较大ꎬ该类定位方法舍弃了事先测量节点间的准确距离或方位ꎬ选择利用网络连通性估算未知节点的坐标ꎬ故也称为距离无关的定位算法ꎬ目前ꎬ典型的距离无关的定位算法包括质心算法[７]㊁基于ＳＶＭ的定位算法[８]㊁ＤＶＨｏｐ算法[９]等.本文首先介绍距离无关的定位算法中ＤＶＨｏｐ算法的基本步骤ꎬ并指出该算法的不足之处ꎻ然后结合已有的改进算法ꎬ对平均每跳距离进行加权优化处理ꎻ最后通过大量的仿真对比验证改进后算法的优越性.１㊀传统ＤＶ－Ｈｏｐ算法１.１㊀ＤＶ－Ｈｏｐ算法的定位过程ＤＶＨｏｐ即距离向量路段定位机制是由美国ＲｕｔｇｅｒｓＵｎｉｖｅｒｓｉｔｙ的ＤｒａｇｏｓＮｉｃｕｌｅｓｃｕ等人在２００３年提出的６种分布式定位算法之一[１０].研究定位算法的学者们将ＤＶＨｏｐ算法的定位过程归纳为三步:１)广播信息ꎬ锚节点在网络中以泛洪的方式周期性播报自身信标信息ꎬ其中包含该锚节点的位置信息和一个初始值为０的跳数参数ꎬ在该锚节点通信范围内的邻居节点(其他锚节点或未知节点)收到相应信息后ꎬ记录该位置信息ꎬ并内部自动将跳数值加１ꎬ进而接力转发给它周围的邻居节点ꎬ如果接收到同一个标号的锚节点信息ꎬ网络节点只需存储最先接收到的信息ꎬ即保留跳数为最小值的此锚节点数据.２)估算距离ꎬ每个锚节点根据第一步已经记录的其他锚节点数据(坐标和跳数信息)计算自身的平均每跳距离ＨｏｐＳｉｚｅｉ＝ðｊʂｉ(ｘｉ－ｘｊ)２＋(ｙｉ－ｙｊ)２ðｉʂｊｈｉｊ(１)式中:(ｘｉꎬｙｉ)ꎬ(ｘｊꎬｙｊ)分别为锚节点ｉ和ｊ的坐标ꎻｈｉｊ为锚节点ｉ和ｊ之间记录的跳数.锚节点将自身的平均每跳距离继续广播至网络中ꎬ每个未知节点根据先到先得原则仅保留最先接收到的平均每跳距离ꎬ而丢弃所有随后接收到的其他平均每跳距离ꎬ并再次转发给自己的邻居节点ꎬ通过该策略可使绝大多数未知节点能从距离其最近的锚节点处接收到平均每跳距离ꎬ并以该值作为校正值估算到各个锚节点的距离ｄｉ＝ＨｏｐＳｉｚｅｒｅｖｉｓｅˑｈＡｉ(２)式中:ＨｏｐＳｉｚｅｒｅｖｉｓｅ为遴选出的校正值ꎻｈＡｉ为待求的某未知节点Ａ与锚节点ｉ之间的跳数.３)计算未知节点坐标ꎬ未知节点利用第二步得到３个或更多锚节点的估算距离ꎬ列出相应方程组(ｘ１－ｘ)２＋(ｙ１－ｙ)２＝ｄ２１⋮(ｘｎ－ｘ)２＋(ｙｎ－ｙ)２＝ｄ２ｎìîíïïïï(３)利用三边测量法㊁极大似然估计法或最小二乘法计算自身的坐标[１１].１.２㊀ＤＶ－Ｈｏｐ算法不足ＤＶＨｏｐ算法显著的优点是不需要任何附加的硬件支持ꎬ也无需节点具有精确的测距能力ꎬ利用网络中少量锚节点的信息ꎬ通过相邻节点间的数据交换与协作及多边测量技术即可实现未知节点的定位ꎬ其算法实现简单㊁易扩展.但同时也存在不足ꎬ主要有:利用折线距离代替直线距离存在算法上的误差ꎬ特别是节点间的跳数较多时ꎬ产生的累积误差会越来越大[１２]ꎻ由于节点在网络中是随机分布的ꎬ具有极大的０４１４第１６卷第３期卢松玉:基于跳段距离优化的改进ＤＶＨｏｐ定位算法偶然性ꎬ当网络中的未知节点仅以最先接收到的锚节点平均每跳距离作为其与所有其他锚节点之间的平均每跳距离ꎬ算法变简单了ꎬ但也存在明显的硬伤ꎬ因为只有一个距离未知节点最近的锚节点信息无法代表网络中所有锚节点的信息ꎬ用单个信标对未知节点定位无疑显得片面ꎬ增大了定位误差的不确定性.２㊀改进算法针对传统ＤＶＨｏｐ算法存在的不足ꎬ一些研究者提出了不同的改进方案.文献[１３]根据网络中的信标信息对所有锚节点进行分类ꎬ只选择距离未知节点较近的几个锚节点参与每跳距离估算ꎬ即事先设定一个锚节点与未知节点之间的跳数阈值ꎬ到未知节点的跳数值大于等于该阈值的任何锚节点信息可直接舍弃ꎻ文献[１４]提出基于多通信半径的ＤＶＨｏｐ定位算法ꎬ主要思想是为已知信标信息的锚节点设置２~３个通信半径ꎬ从而在增加锚节点网络泛洪次数的同时减少定位误差.还有诸多其它的改进算法ꎬ本文在此不一一赘述.２.１㊀未知节点平均每跳距离的优化因部署在网络中的节点总是呈现不规则分布ꎬ在ＤＶＨｏｐ算法中ꎬ某个未知节点使用距离自己最近的锚节点平均每跳距离作为校正值进行距离估算ꎬ必然产生无法确定的误差.针对这个问题ꎬ文献[１５]定义了一个全网平均每跳距离的概念ꎬ即ＨｏｐＳｉｚｅａｖｅ＝ðｎｉ＝１ＨｏｐＳｉｚｅｉｎ(４)式中:ＨｏｐＳｉｚｅｉ为网络中每个锚节点根据式(１)计算出的平均每跳距离ꎻｎ为网络中的锚节点总数.显然ꎬ利用全网平均每跳距离ＨｏｐＳｉｚｅａｖｅ取代单个锚节点的平均每跳距离ＨｏｐＳｉｚｅｉꎬ综合考虑了所有锚节点的信标数据ꎬ进而由式(２)来估算未知节点与锚节点之间可能的距离ꎬ这当然更全面㊁客观.该算法虽然考虑了所有锚节点的平均每跳距离ꎬ但没有考虑不同锚节点在计算全网平均每跳距离中的权重ꎬ以相同权重来计算全网平均每跳距离ꎬ最后的定位必然存在算法上的误差.因此ꎬ本文在前人的理论研究基础上ꎬ拟作出如下改进:１)由于所有锚节点的坐标以及锚节点间的跳数已知ꎬ故可以首先计算任意两个锚节点ｉ与ｊ之间的实际距离ꎬ即计算距离ｄｃ＝(ｘｉ－ｘｊ)２＋(ｙｉ－ｙｊ)２(５)２)利用传统算法中式(１)来估算锚节点ｉ与ｊ之间的跳段距离ꎬ即估算距离ｄｅ＝ｈｉｊˑＨｏｐＳｉｚｅｉ(６)３)根据前述储存的信息计算锚节点自身的平均每跳距离误差εｉ＝ðｎｉʂｊ(｜ｄｃ－ｄｅ｜/ｈｉｊ)(ｎ－１)(７)锚节点以洪泛的形式将计算得到的自身平均每跳距离ＨｏｐＳｉｚｅｉ及其误差εｉ在网络中持续广播ꎬ未知节点对接收到的上述信息进行两步处理:第一步ꎬ根据接收到的每个锚节点的平均每跳距离误差εｉ计算该锚节点在网络中的权值ωｉ＝(１/εｉ)ðｎｉ＝１(１/εｉ)(８)第二步ꎬ利用第一步得到的权值对公式(４)进行修正ꎬ即南京工程学院学报(自然科学版)２０１８年９月图１㊀改进的ＤＶＨｏｐ算法流程ＨｏｐＳｉｚｅᶄａｖｅ＝ðｎｉ＝１ωｉＨｏｐＳｉｚｅｉｎ(９)２.２㊀改进的ＤＶ－Ｈｏｐ算法流程在本文的改进算法中ꎬ未知节点不是仅以距离自己最近的锚节点的信标信息作为计算参数ꎬ还考虑网络中所有锚节点的信标信息ꎬ且遵循位置信息越精确(测距误差越小)所占的权重越高的原则来计算全网平均每跳距离(或称加权全网平均每跳距离)ꎬ也即使测距误差大的锚节点对未知节点定位估计的影响尽可能地小ꎬ从而有取舍地综合所有锚节点的信息.本文改进的ＤＶＨｏｐ算法流程图如图１所示.３㊀仿真选择Ｍａｔｌａｂ７.０作为算法仿真平台ꎬ设置一个１００ˑ１００的正方形区域ꎬ同时在该区域中任意部署１００个网络节点ꎬ用随机函数生成的网络拓扑图如图２所示ꎬ图２中:２０个∗代表锚节点ꎻ８０个＋代表未知节点.将网络视为理想化ꎬ即所有节点之间均可通信且无障碍或干扰.设置仿真参数ꎬ运行仿真程序.为检验本文算法的可行性ꎬ同时模拟了原算法和文献[１５]算法.通过简单的对比ꎬ评价不同算法的优劣.在通信半径设定为２５的模拟场景中ꎬ对８０个未知节点随机进行一次仿真(见图３).从图３可以看出ꎬ原算法的定位误差参差不齐ꎻ文献[１５]提出的改进算法(改进法一)定位误差主要位于１０~１５区间ꎬ平均误差明显偏大ꎻ本文提出的改进算法(改进法二)定位误差相对平均ꎬ方差较小ꎬ大部分节点定位误差集中在５附近ꎬ相比原算法及文献[１５]的改进算法ꎬ总体定位误差缩小ꎬ定位效果明显提高.图２㊀网络节点分布示意图㊀㊀㊀㊀㊀图３㊀未知节点一次定位误差分布图在网络区域为１００ˑ１００㊁通信半径为２５的模拟场景中ꎬ不断改变锚节点数目ꎬ随机进行１００次试验ꎬ试验结果如图４所示.由图４可以看出ꎬ无论哪种算法ꎬ其平均定位误差总是与网络中的锚节点数目呈负相关关系ꎻ当网络中锚节点的数目偏少ꎬ可以选择改进法二与改进法一ꎬ二者的定位精度接近ꎬ且均优于原算法ꎬ而当网络中锚节点的数目较多(达到１０以上)时ꎬ改进法二表现更好ꎬ定位误差明显要比改进法一及原算法都小一些ꎬ具有全面的优越性.将锚节点数目固定为２０ꎬ改变节点通信半径ꎬ进行１００次试验并取平均.由图５可以看出:当通信半径处于２５~４０区间ꎬ即通信半径较小时ꎬ改进法二的定位误差比原算法及改进法一都明显要小ꎻ随着节点２４第１６卷第３期卢松玉:基于跳段距离优化的改进ＤＶＨｏｐ定位算法通信半径的持续增大ꎬ三种算法的定位误差均呈现一定的上升趋势ꎬ但改进法一的定位误差增大更显著ꎬ而改进法二与原算法的定位误差相对而言更小一些.这说明ꎬ当锚节点数目一定时ꎬ节点间的通信半径对未知节点的定位准确度影响很大ꎻ在节点通信半径较小的情况下ꎬ本文提出的改进算法定位误差明显偏小ꎬ具有一定范围内的优势.图４㊀定位误差与锚节点数目的映射关系㊀㊀㊀㊀图５㊀定位误差与通信半径的映射关系４ 结语本文在无线传感器网络原ＤＶＨｏｐ算法及文献[１５]改进算法的基础上提出一种新的改进算法ꎬ引入加权全网平均每跳距离的概念来优化锚节点的平均每跳距离ꎬ并通过Ｍａｔｌａｂ仿真平台对该算法进行检验.理论研究与仿真结果均表明ꎬ在适当增加节点能量开销的前提下ꎬ本文提出的改进算法与原ＤＶＨｏｐ算法及文献[１５]的改进算法相比ꎬ节点定位的误差值明显减小ꎬ说明本文提出的改进算法在改善ＷＳＮ节点定位精度方面的可行性.参考文献:[１]㊀刘美ꎬ刘桂雄ꎬ张晓平.无线传感器网络目标定位跟踪技术与应用[Ｍ].北京:科学出版社ꎬ２０１７.[２]㊀赵仕俊ꎬ唐懿芳.无线传感器网络[Ｍ].北京:科学出版社ꎬ２０１３:８９－９１.[３]㊀ＭＡＯＧꎬＦＩＤＡＮＢꎬＡＮＤＥＲＳＯＮＢ.Ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｌｏｃａｌｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ[Ｊ].ＣｏｍｐｕｔｅｒＮｅｔｗｏｒｋｓꎬ２００７ꎬ５１(１０):２５２９－２５５３.[４]㊀ＰＲＩＹＡＮＴＨＡＮꎬＣＨＡＫＲＡＢＯＲＴＨＹＡꎬＢＡＬＡＫＲＩＳＨＮＡＮＨ.Ｔｈｅｃｒｉｃｋｅｔｌｏｃａｔｉｏｎ￣ｓｕｐｐｏｒｔｓｙｓｔｅｍ[Ｃ]//ＰｒｏｃＩｎｔ ｌＣｏｎｆｏｎＭｏｂｉｅＣｏｍｐｕｔｉｎｇａｎｄＮｅｔｗｏｒｋｉｎｇꎬＡｕｇｕｓｔ６－１１ꎬ２０００ꎬＢｏｓｔｏｎꎬＭＡ:３２－４３.[５]㊀ＢＡＨＬＰＢꎬＰＡＤＭＡＮＡＢＨＡＮＶＮ.ＲＡＤＡＲａｎｉｎ￣ｂｕｉｌｄｉｎｇＲＦ￣ｂａｓｅｄｕｓｅｒｌｏｃａｔｉｏｎａｎｄｔｒａｃｋｉｎｇｓｙｓｔｅｍ[Ｃ]//ＰｒｏｃｏｆＩＥＥＥＩＮＦＯＣＯＭꎬＴｅｌＡｖｉｖꎬＩｓｒａｅｌꎬ２０００(２):７７５－７８４.[６]㊀ＫＵＨＡꎬＺＨＵＣ.Ｓｅｎｓｏｒｎｅｔｗｏｒｋｌｏｃａｌｉｚａｔｉｏｎｕｓｉｎｇｌｅａｓｔｓｑｕａｒｅｓｋｅｒｎｅｌｒｅｇｒｅｓｓｉｏｎ[Ｊ].ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＴｅｃｈｎｉｑｕｅｓｆｏｒＫｎｏｗｌｅｄｇｅＥｘｔｒａｃｔｉｏｎ＆ＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎꎬ２００６ꎬ４２５３:１２８０－１２８８.[７]㊀ＢＵＬＳＵＮꎬＨＥＩＤＥＭＡＮＮＪꎬＥＳＴＲＩＮＤ.ＧＰＳ￣ｌｅｓｓｌｏｗ￣ｃｏｓｔｏｕｔｄｏｏｒｌｏｃａｌｉｚａｔｉｏｎｆｏｒｖｅｒｙｓｍａｌｌｄｅｖｉｃｅｓ[Ｊ].ＰｅｒｓｏｎａｌＣｏｍｍｕｎｉｃａｔｉｏｎｓＩＥＥＥꎬ２０００ꎬ７(５):２８－３４.[８]㊀ＴＲＡＮＤＡꎬＮＧＵＹＥＮＴＰ.Ｌｏｃａｌｉｚａｔｉｏｎｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓｂａｓｅｄｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｒａｌｌｅｌ＆ＤｉｓｔｒｉｂｕｔｅｄＳｙｓｔｅｍｓꎬ２００８ꎬ１９(７):９８１－９９４.[９]㊀ＮＩＣＬＥＳＣＵＤꎬＮＡＴＨＢ.ＤＶｂａｓｅｄｐｏｓｉｔｉｏｎｉｎｇｉｎＡｄＨｏｃｎｅｔｗｏｒｋｓ[Ｊ].ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＳｙｓｔｅｍｓꎬ２００３ꎬ２２(１－４):２６７－２８０.[１０]㊀陈敏ꎬ王擘ꎬ李军华ꎬ等.无线传感器网络原理与实践[Ｍ].北京:化学工业出版社ꎬ２０１１:１２０－１２２.[１１]㊀孙利民ꎬ李建中ꎬ陈渝ꎬ等.无线传感器网络[Ｍ].北京:清华大学出版社ꎬ２００５:１４０－１４１ꎬ１５１－１５２.[１２]㊀沈明玉ꎬ张寅.基于改进的平均跳距和估计距离的ＤＶｈｏｐ定位算法[Ｊ].计算机应用研究ꎬ２０１１ꎬ２８(２):６４８－６５０.[１３]㊀祝宇鸿ꎬ历彦恺ꎬ胡俊ꎬ等.基于跳数阈值和节点分类的ＤＶＨｏｐ改进算法[Ｊ].吉林大学学报(信息科学版)ꎬ２０１４ꎬ３２(７):４０７－４１２.[１４]㊀刘士兴ꎬ黄俊杰ꎬ刘宏银ꎬ等.基于多通信半径的加权ＤＶＨｏｐ定位算法[Ｊ].传感技术学报ꎬ２０１５ꎬ２８(６):８８３－８８７.[１５]㊀高洪波ꎬ廖明潮.一种改进的ＤＶＨｏｐ算法在ＷＳＮ中的定位研究[Ｊ].科技通报ꎬ２０１４ꎬ３０(９):１６２－１６６.３４。
基于DV-Hop定位算法在三维空间的研究与改进伴随着传感器技术、无线通信技术、无线射频技术和嵌入式技术的日渐成熟,催生了物联网的兴起,其作为推动经济和科技发展的“重要生产力”,国家将其列为重点发展的战略性新兴产业。
无线传感器网络作为物联网体系结构中重要组成部分,引领着社会从互联网时代向物联网时代过渡。
节点定位技术作为无线传感器网络的不可或缺的技术之一,一直以来吸引着工业界和学术界的广泛关注和研究,现代社会迫切需要一种新型的高精度、低能耗、低成本定位算法。
在无线传感器网络中,位置信息利用坐标系表示出来,生成基于节点位置的网络拓扑图,便于无线传感网的管理和维护。
目前有许多基于二维平面的定位算法有较高的定位精度,但是在现实世界中我们所需要的是三维空间的高精度的定位算法。
本篇论文通过利用多通信半径探测信号来细化节点间跳数以及根据跳数误差指数对跳数进行加权,再利用锚节点的平均跳距误差和跳数的多少进行加权的思想精确未知节点的平均跳距,同时引入阈值HTL来保证用以定位的锚节点和未知节点处在整个网络的局部范围内。
最后利用差分进化改进算法优化了未知节点的坐标。
经过仿真实验验证,提出的基于DV-Hop的三维定位算法精度有了明显的提升。
基于DV-Hop的无线传感器网络定位算法优化研究无线传感器网络在众多领域中有着非常广阔的应用前景,其中节点定位技术是无线传感器网络的关键技术之一。
DV-Hop定位算法是该技术中广泛使用的一种算法,然而受到节点分布均匀程度的约束的原因,算法的定位精度有一定影响。
因此,提高DV-Hop定位算法的定位精度就成为一项重要的研究课题。
本文对DV-Hop定位算法存在的主要问题进行了阐述,重点讨论了提高DV-Hop定位算法定位精度的改进措施。
(1)针对最小跳数和平均跳距导致的定位误差,提出基于跳数细化与距离校正的DV-Hop改进算法,通过引入RSSI测距技术修正最小跳数,并且用跳距误差与估计距离误差的加权平均值修正平均跳距。
(2)针对未知节点利用最小二乘法计算自身坐标导致的定位误差,提出基于分段权重与学习因子同步变化的遗传粒子群优化的DV-Hop改进算法,通过分段权重、学习因子及遗传机制改进粒子群算法以代替最小二乘法。
(3)将前两种算法结合,提出基于MCD-GSLPSO优化的DV-Hop改进算法,通过GAPSO算法对MCD-DV-Hop定位算法进行优化。
本文提出的3种改进算法在MATLAB 平台上从锚节点数量、通信半径、节点总数三个方面进行了仿真。
仿真结果表明:改进算法的定位误差均比经典DV-Hop定位算法要小,其中基于MCD-GSLPSO优化的DV-Hop定位算法定位误差最小,定位精度最高。
第7期2018年4月No.7April，2018美国的Rutgers University（路特葛斯大学）的 Niculescu等[1]利用GPS定位和距离向量路由的原理提出了（DistanceVector-Hop，DV-Hop）定位算法。
1 DV-Hop算法的过程DV-Hop定位算法可以分为3个过程：第一过程是无线传感器网络（Wireless Sensor Networks，WSN）中使用经典距离矢量交换协议来获得节点距锚节点的最小跳数；第二过程是每个锚节点根据与其他锚节点之间的距离和最小跳数，计算自己的平均跳距，并采用可控洪泛法向全网广播，保证未知节点仅收到一个广播值；第三过程是未知节点利用收到的广播值与至少3个的锚节点的最小跳距，来获得未知节点到锚节点距离，然后采用3边测量定位或者最小二乘法来得到自身的位置。
2 获得节点距锚节点的最小跳数首先使用距离矢量交换协议，锚节点向它的邻居节点广播消息，消息包括锚节点的标识符、位置信息和跳数值，跳数的初始值设置为0；邻居节点接收到消息后，先将跳数值加1，然后记录下此消息，并将记录下的信息广播给它的邻居节点，重复以上步骤，直到所有节点都具有锚节点的位置信息和彼此间的最小跳数。
由于采用广播的途径，一个锚节点广播的消息可能多次到达同一节点，导致信息冗余，增加了通信开销。
为了消除广播消息的无限循环，只有新的锚节点消息才能被节点广播，垃圾消息将被抛弃。
垃圾消息是指节点在接收信息的时候，由于路径的不同，导致节点可能收到多个相同锚节点的信息，感兴趣的是跳数值最小的那条消息，其他消息都认为是垃圾消息。
3 未知节点获得平均跳距锚节点根据自己存储的消息，即其他锚节点的标识符、位置信息和跳数值通过式（1）运算得到这个锚节点跟其他锚节点之间的每跳的平均距离，即平均跳距：HopSizeij i≠=（1）i代表这个锚节点，j代表其他锚节点，（x i,y i）和（x j,y j）分别表示节点i和节点j的位置的坐标，hop j表示锚节点i和锚节点j的跳数值，HopSize i是锚节点i的平均跳距。
基于GWO和PSO协同优化的DV-Hop定位算法作者：朱子行陈辉来源：《现代信息科技》2022年第03期摘要：無线传感器网络具有感知和处理信息的能力，只有当被测网络内节点的位置已知时，节点传递给用户的信息才有意义。
针对DV-Hop定位中传统最小二乘法不可避免的精度低的缺点，引入粒子群算法（PSO）和灰狼优化器（GWO）来估计未知节点位置。
粒子群算法具有个体记忆的特点，采用粒子位置更新代替灰狼个体位置更新，使灰狼算法在优化上具有可记忆性。
仿真数据表明，改进后的算法可以有效降低节点定位误差，实现更高的定位精度。
关键词：无线传感器网络;DV-Hop;灰狼优化器;粒子群算法中图分类号：TN934 文献标识码：A文章编号：2096-4706（2022）03-0088-04DV-Hop Positioning Algorithm Based on GWO and PSO Collaborative OptimizationZHU Zihang， CHEN Hui（Anhui University of Science & Technology， Huainan 232001， China）Abstract： Wireless sensor networks have the ability to sense and process information， and the information passed by the nodes to the user is meaningful only when the location of the nodes within the network under test is known. In view of the inevitable shortcoming of low precision of the traditional least squares method in DV-Hop （distance vector-hop） localization， the Particle Swarm optimization （PSO） and the Gray Wolf Optimizer （GWO） are introduced to estimate unknown node positions. The Particle Swarm optimization has the characteristics of individual memory， and the particle position update is used to replace the gray wolf individual position update， so that the gray wolf algorithm has memory in optimization. The simulation data show that the improved algorithm can effectively reduce the node positioning error and achieve higher positioning accuracy.Keywords： wireless sensor network; DV-Hop; Grey Wolf Optimizer; Particle Swarm optimization0 引言无线传感器网络（Wireless Sensor Network， WSN）作为信息获取的重要技术随着网络信息的快速发展得到了广泛使用[1]。
基于DV-Hop的改进型WSN定位算法的开题报告一、研究背景及意义无线传感器网络（Wireless Sensor Network，WSN）是由大量部署在监测区域内，能够感知所在环境状态并将信息传递到基站的节点组成的网络。
WSN具有网络规模大，节点数量众多，节点间隔远，节点能量受限等特点。
节点的精确定位是WSN中的一个重要研究点，对于实现WSN的具体应用具有非常重要的意义，如物联网、智能家居、智能交通等。
DV-Hop算法是WSN中常用的定位算法之一，它只需要知道节点之间的距离信息即可计算每个节点的位置，结构简单，算法效率高，但其在实际应用中存在诸多问题，主要有三方面：1. 地距离采样误差大：节点在进行信号传播时受到了“阻尼衰减”效应影响，导致所得到的距离样本值不准确，误差较大。
2. 近邻问题：在节点稀疏或节点分布较为不均匀的情况下，节点会选择距离自己最近的若干个节点计算位置，这就会导致“近邻距离集中”问题的产生，造成定位误差。
3. 锚点稀疏性问题：锚点是用于提高节点定位精度的重要元素，锚点的位置应该分布在整个监测区域内，但实际中由于成本等各种因素，锚点部署的数量比较少，无法满足监测区域内所有节点的需要。
为了解决上述问题，本文将针对DV-Hop算法中存在的问题，提出基于改进型DV-Hop算法的实现，从而提高无线传感器网络的精确定位效果，为后续的应用提供有效技术支撑。
二、研究内容及目标本文主要研究内容包括：1. 对DV-Hop算法中存在的问题进行分析，重点研究地距离采样误差大、近邻问题和锚点稀疏性问题。
2. 提出基于改进型DV-Hop算法的实现，主要包括优化距离估计算法、质心算法、最优邻居选择算法和锚点部署优化算法等。
3. 进行实验验证，分析改进后的算法定位精度、能耗、鲁棒性等性能指标，并与其他定位算法进行对比分析。
本文的研究目标包括：1. 通过实验验证，能够显著提高DV-Hop算法中的定位精度，降低误差。
基于改进NSGA-III算法的DV-Hop三维定位算法作者：***来源：《现代信息科技》2023年第18期摘要：在三维空间节点定位算法中，DV-Hop算法凭借其原理简单、成本低的优势得到了大量学者的广泛关注。
针对DV-Hop算法中因计算误差导致的定位精度较低的问题，研究NSGA-III算法的交叉和变异并进行自适应改进，使得子代个体的进化更加均匀，提高找到全局最优解的概率，减少陷入局部的解空间。
最后结合蚁群算法提升了该算法在复杂网络环境中的定位精度。
仿真结果表明，与其他算法相比，文章提出的基于改进NSGA-III和蚁群算法的DV-Hop三维定位算法具有较好的定位精度。
关键词：无线传感器；DV-Hop；NSGA-III算法；自适应优化；定位精度中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2023）18-0092-08DV-Hop 3D Location Algorithm Based on Improved NSGA-III AlgorithmHUANG Chenxi（College of Computer Science and Engineering， Northwest Normal University， Lanzhou 730070， China）Abstract： Among the 3D space node positioning algorithms， the DV-Hop algorithm has been widely concerned by a large number of scholars due to its advantages of simple principle and low cost. To solve the problem of low positioning accuracy caused by calculation errors in the DV-Hop algorithm， this paper researches the crossover and mutation of the NSGA-III algorithm and makes adaptive improvements to make the evolution of offspring individuals more uniform and increase theprobability of finding the global optimal solution， to reduce the localized solution space. Finally，combined with the Ant Colony Optimization algorithm， the positioning accuracy of the algorithm in the complex network environment is improved. The simulation results show that compared with other algorithms， the DV-Hop 3D positioning algorithm based on improved NSGA-III and Ant Colony Optimization algorithm proposed in this paper has better positioning accuracy.Keywords： wireless sensor; DV-Hop; NSGA-III algorithm; adaptive optimization; positioning accuracy0 引言無线传感器网络（Wireless Sensor Network， WSN）是一种在一定监测范围内随机分布了众多低成本、微小的传感器节点的独立的无线网络，既携带了温度、湿度、光照、压力等不同类型的传感器以满足不同的检测需求，同时整合了信息采集、资料处理和无线通讯等多种功能，在现代化工业、智能农业、医疗、军事、环境、智能家居等各种重要领域都得到广泛应用[1，2]。
