留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于跳距修正的物联网中节点定位算法

唐一韬 邓河

唐一韬, 邓河. 一种基于跳距修正的物联网中节点定位算法[J]. 全球定位系统, 2022, 47(4): 50-54, 121. doi: 10.12265/j.gnss.2022043
引用本文: 唐一韬, 邓河. 一种基于跳距修正的物联网中节点定位算法[J]. 全球定位系统, 2022, 47(4): 50-54, 121. doi: 10.12265/j.gnss.2022043
TANG Yitao, DENG He. A hop correction-based node localization algorithm in things of network[J]. GNSS World of China, 2022, 47(4): 50-54, 121. doi: 10.12265/j.gnss.2022043
Citation: TANG Yitao, DENG He. A hop correction-based node localization algorithm in things of network[J]. GNSS World of China, 2022, 47(4): 50-54, 121. doi: 10.12265/j.gnss.2022043

一种基于跳距修正的物联网中节点定位算法

doi: 10.12265/j.gnss.2022043
基金项目: 湖南省教育厅科研项目(14C0064);湖南省教育厅科研项目(15C0081)
详细信息
    作者简介:

    唐一韬:(1977—),男,硕士,副教授,主要研究领域为软件工程,构件技术,大数据

    邓河:(1978—),男,硕士,讲师,主要研究领域为智能信息处理和检索

    通讯作者:

    唐一韬 E-maile: rolandtyt@qq.com

  • 中图分类号: TP212.9;TP393

A hop correction-based node localization algorithm in things of network

  • 摘要: 针对传统的DV-Hop算法存在较大定位误差的问题,提出基于狮群优化算法的节点定位 (NLLSO) 算法. NLLSO算法从估计最小跳数、修正平均跳距误差和定位算法三方面进行改进,进而降低定位误差. NLLSO算法用不同通信半径传递Beacon包,进而提高估计最小跳数值的精度. 同时,通过引入权值参数修正平均跳距的估计值. 最后,通过狮群优化算法(LSO)估计未知节点位置. 仿真结果表明:NLLSO算法的定位精度高于传统的DV-Hop算法.

     

  • 图  1  网络模型

    图  2  归一化定位误差随锚节点数变化情况

    图  3  定位误差随通信半径的变化情况

    图  4  节点数对归一化定位误差的影响

    表  1  LSO的相关符号

    变量符号物理意义
    $ \gamma $依据正态分布产生的0~1的随机数
    $ p_i^k $i只狮子在第k代的历史最优位置
    $ {g^k}$k代群体最优位置
    $ p_c^k $从第k代母狮群中随机挑选的一个伙伴历史最佳位置
    $ {\alpha _f}$母狮移动范围扰动因子
    $ {\alpha _c}$幼狮移动范围扰动因子
    $ p_m^k $幼狮跟随母狮第k代历史最佳位置
    $ q $依据均匀分布产生的0~1的随机数
    $ \bar{g}^{k} $i只幼狮被驱赶的位置
    $ D_{\text {high}} $空间中各维度的最大均值
    $ D_{\text {low}} $空间中各维度的最小均值
    T最大迭代次数
    t当前迭代次数
    $L_{\text {step}} $步长
    下载: 导出CSV

    表  2  仿真参数

    仿真参数
    网络区域100 m×100 m
    节点总数100~200
    锚节点数占比$p \text{%}$100%~31%
    节点传输功率/dBm−5~−15
    节点通信半径/m20~45
    种群规模30
    最大迭代次数200
    成年狮比例因子0.2
    下载: 导出CSV

    表  3  算法的复杂度

    算法运行时间/s
    DV-Hop0.7342
    QWCRC1.2032
    NLLSO1.1231
    下载: 导出CSV
  • [1] ACHROUFENE A, AMIRAT Y, CHIBANI A. RSS-based indoor localization using belief function theory[J]. IEEE transaction automation science and engineering, 2019, 16(3): 1163-1180. DOI: 10.1109/TASE.2018.2873800
    [2] 蓝土庆. 物联网感知节点安全威胁自动检测系统设计[J]. 制造业自动化, 2019, 41(5): 148-151. DOI: 10.3969/j.issn.1009-0134.2019.05.034
    [3] 宋婷婷, 张达敏, 王依柔, 等. 基于改进鲸鱼优化算法的WSN覆盖优化[J]. 传感技术学报, 2020, 33(3): 415-422. DOI: 10.3969/j.issn.1004-1699.2020.03.016
    [4] MUKHOPADHYAY B, SRIRANGARAJAN S, KAR S. Signal strength-based cooperative sensor network localization using convex relaxation[J]. IEEE wireless communication letters, 2020, 9(12): 2207-2211. DOI: 10.1109/LWC.2020.3018679
    [5] 李海啸, 于东, 胡毅, 等. 改进的无线传感器网络三边质心定位算法[J]. 小型微型计算机系统, 2020, 41(6): 1216-1223. DOI: 10.3969/j.issn.1000-1220.2020.06.017
    [6] 胡诚, 肖本贤. 基于自适应免疫粒子群优化的DV-Hop定位算法[J]. 传感器与微系统, 2020, 39(1): 121-124. DOI: 10.13873/J.1000-9787(2020)01-0121-04
    [7] LIU J L, WANG Z, YAO M W, et al. VN-APIT: virtual nodes-based range-free APIT localization scheme for wsn[J]. Wireless networks, 2016, 22(3): 867-878. DOI: 10.1007/s11276-015-1007-z
    [8] 张晶, 李煜. 改进的三次修正DV_Hop定位算法[EB/OL]. 小型微型计算机系统. (2021-07-06) [2022-01-20]. https://kns.cnki.net/kcms/detail/21.1106.TP.20210706.1049.010.html.
    [9] 苟平章, 刘学治, 孙梦源, 等. 基于跳距修正与狮群优化的WSNs三维定位算法[J]. 计算机工程与科学, 2021, 43(8): 1405-1412. DOI: 10.3969/j.issn.1007-130X.2021.08.009
    [10] 刘超, 李海鹏. DV-Hop定位算法的研究与改进[J]. 火控雷达技术, 2021, 50(1): 20-25. DOI: 10.19472/j.cnki.1008-8652.2021.01.004
    [11] 程超, 钱志鸿, 付彩欣, 等. 一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法[J]. 电子与信息学报, 2015, 37(10): 2418-2423. DOI: 10.11999/JEIT141205
    [12] 刘雨, 肖本贤, 尹柏强. 基于修正RSSI值的四边形加权质心定位算法[J]. 电子测量与仪器学报, 2020, 34(10): 107-114. DOI: 10.13382/j.jemi.B2002920
  • 加载中
图(4) / 表(3)
计量
  • 文章访问数:  140
  • HTML全文浏览量:  44
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-03-22
  • 录用日期:  2022-03-22
  • 网络出版日期:  2022-07-28

目录

    /

    返回文章
    返回