CN112087710B - 一种基于无线传感器网络DV-Hop测距算法的节点定位方法 - Google Patents

一种基于无线传感器网络DV-Hop测距算法的节点定位方法 Download PDF

Info

Publication number
CN112087710B
CN112087710B CN202010985776.9A CN202010985776A CN112087710B CN 112087710 B CN112087710 B CN 112087710B CN 202010985776 A CN202010985776 A CN 202010985776A CN 112087710 B CN112087710 B CN 112087710B
Authority
CN
China
Prior art keywords
hop
nodes
node
beacon
distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010985776.9A
Other languages
English (en)
Other versions
CN112087710A (zh
Inventor
倪晓军
仇莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202010985776.9A priority Critical patent/CN112087710B/zh
Publication of CN112087710A publication Critical patent/CN112087710A/zh
Application granted granted Critical
Publication of CN112087710B publication Critical patent/CN112087710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/14—Determining absolute distances from a plurality of spaced points of known location
    • G01S5/145—Using a supplementary range measurement, e.g. based on pseudo-range measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于无线传感器网络DV‑Hop测距算法的节点定位方法，该发明中信标节点首先根据自身搭载的GPS设备进行自定位从而获取当前所处的位置信息，并根据初始位置信息构建数据信息包进行广播，邻居节点收到数据信息包后会对内部数据进行修改，进行二次传递，同时会选择性的保留离自身距离最近的信标节点的跳数值；依据数据信息包中的跳数值计算出全局跳距、局部跳距，对两者求取平均值得到平均跳距；最后再根据细菌觅食算法，利用其趋化，复制，驱散的三步优化方法，对估算坐标进行精确优化。本发明提供的定位方法能够在减少信标节点数量的前提下获取未知节点的定位信息，降低了使用成本及能量消耗，具有良好的可行性和有效性。

Description

一种基于无线传感器网络DV-Hop测距算法的节点定位方法
技术领域
本发明涉及无线传感器网络中节点定位技术领域，特别涉及一种基于无线传感器网络DV-Hop测距算法的节点定位方法。
背景技术
随着无线通信技术和自组织网络技术的高速发展，无线传感器网络也逐渐成熟起来。考虑在实际的应用场景中，对于节点位置信息的需求是必不可少的，比如在森林火灾，天然气管道监测等场景中，如果只是单纯的知道发生了火灾或者天然气漏气，而不知道它们的具体位置，那么这种监控是没有实质的意义，所以节点位置信息至关重要。此外，很多情况下，实际的监测区域的环境可能比较恶劣，如果为每个传感器节点搭载GPS接收器，那么成本也会较高，而且GPS接收器能耗也高，在恶劣的环境下使用，很大程度上会影响其使用寿命，所以就需要在测试环境减少装载GPS接收器的节点数量(信标节点)，提升没有装载GPS接收器的节点数量(未知节点)，对于未知节点，我们通过信标节点来对其进行定位，这样可以很大程度上延长传感器节点的使用寿命，并且也能有效的获取未知节点的位置信息。
发明内容
本发明公开了一种基于无线传感器网络DV-Hop测距算法的节点定位方法，能够在减少信标节点数量的前提下有效的获取未知节点的定位信息。本发明为解决上述技术问题采用以下技术方案：
本发明提出的一种基于无线传感器网络DV-Hop测距算法的节点定位方法，包括以下步骤：
步骤(1)：为指定的少许微型传感器节点搭载GPS装置，这些节点便可获取自身精确的位置信息，称其为信标节点，其余节点无需安装GPS装置，由于其自身位置现阶段无法获取，称其为未知节点；
步骤(2)：接着为每个节点设置通信半径，划定实验区域，并将上述节点随机部署在区域内部，信标节点依照预先的设定，首先会向网络广播自身的信息,该信息中包含此信标节点的自身位置信息以及初始值为0的跳数值，邻居节点在接收到此信息后,将跳数值加1,然后同样向其余邻居节点广播该信标信息；
步骤(3)：经过步骤(2)的广播后，不同节点之间的跳数值便可获知。由于信标节点的真实位置已通过GPS确定，通过公式(1)得到不同信标节点之间的真实距离Distanceij；之后依据信标节点间的真实距离与跳数值，通过公式(2)计算出信标节点的全局跳距Hopi；
Figure BDA0002689211530000021
Figure BDA0002689211530000022
其中(xi,yi),(xj,yj)分别代表信标节点i和j的位坐标，hij代表信标节点i和j之间的跳数值；
步骤(4)：根据步骤(3)中的公式(2)描述可知，全局跳距利用到了所有信标节点之间的真实距离以及跳数值，在此步骤中，仅利用部分信标节点的真实距离和跳数值来求解局部跳距；因为在某些情况下，当参与运算的节点越少时，计算出来的距离误差也是越小的，所以在此步骤中，减少参与运算的信标节点数量，最少情况设置仅有两个信标节点参与运算，最多情况设置网络中信标节点的一半参与运算；
步骤(5)：将信标节点的全局跳距和局部跳距求取平均值得到平均跳距，并将此平均跳距广播至网络中，未知节点收到不同信标节点的平均跳距后，依据预先的设定，会优先选择距离自身最近的信标节点的平均跳距，即最优平均跳距，进而保存下来；
步骤(6)：经过上述的步骤之后，未知节点的平均跳距、未知节点与信标节点之间的跳数值均已获知，通过公式(3)将最优平均跳距与跳数值相乘得到信标节点和未知节点之间的估算距离dmn；
dmn＝Hopn*hmn (3)
其中Hopn代表信标节点n的平均跳距，hmn代表未知节点m和信标节点n之间的跳数值。
步骤(7)：当未知节点获得与三个或更多信标节点之间的距离时，通过公式(4)、(5)利用三边测距法定位计算出未知节点的估算坐标，计算公式如下
Figure BDA0002689211530000023
其中(x,y)代表所求的未知节点的坐标，(x1,y1),(x2,y2),…,(xn,yn)分别代表第1个、第2个、…、第n个信标节点的坐标，d1,d2,…,dn分别代表第1个、第2个、…、第n个信标节点与未知节点(x,y)之间的距离；
上述公式(4)可转换成AX＝B的形式，其中A和B分别为如下表示：
Figure BDA0002689211530000031
Figure BDA0002689211530000032
其中，
Figure BDA0002689211530000033
为所求的未知节点(x,y)的估算坐标；
步骤(8)：步骤(7)中计算出来的坐标存在一定偏差，利用细菌觅食算法对步骤(7)中的未知节点的估算坐标进行精确优化，将之前的估算结果从一个偏离的值慢慢拉回精确值的范围内，这样便可获取最终的定位结果；
进一步的，所述步骤(1)中，信标节点数量在实施例中所占比例为15％～25％，节点通信半径为20m～40m；
进一步的，所述步骤(4)中，参与所述局部跳距运算的信标节点数量为信标节点总数的50％；
进一步的，所述步骤(8)中细菌觅食算法具体包括以下步骤：
a.初始化各种参数，包括细菌数量、趋化次数、复制次数、驱散次数、驱散概率；
b.设定一个合适的适应度函数；
c.对初始化种群各细菌趋化、复制和驱散三种行为的适应度值依次进行评估；
d.趋向、复制和驱散行为的执行次数均达到预定次数后，则满足终止条件，三种行为评估结束；
进一步的，所述步骤a中，细菌数量为25，趋化次数为50，复制次数为4，驱散次数为2，驱散概率为0.25。
本发明具有以下优点和有益效果：
(1)对不同节点之间的跳数值的不变性。
(2)适用于多种监测场景，即无需考虑应用区域的环境特点。
(3)具有较高的稳定性，即只有在所设置的节点通信半径范围内的邻居节点才会被选择。
(4)无需利用过多的搭载GPS装置的信标节点就可以实现对未知节点的精确定位，即信标节点的占比非常小，从而降低使用成本。
(5)降低参与运算的信标节点数量，可以有效减少相互重合的节点数量，从而提升定位精度。
(6)采用细菌觅食算法，对三边测距法计算出来的未知节点的估算坐标进行优化，通过趋化、复制、驱散三步骤，将偏离的值进行回正，降低了定位误差，提高了节点定位精度。
附图说明
图1为该发明总体流程图。
图2为平均跳距计算示意图。
图3为细菌觅食算法流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明：
在具体实施中，图1是基于无线传感器网络DV-Hop测距算法的节点定位方法的流程图。
首先将装载GPS装置的传感器节点(信标节点)以及未装载GPS装置的传感器节点(未知节点)随机部署到监测区域中(可以是空旷的场地、环境相对恶劣的森林等)，数量分别为15与85、20与80、25与75，设置节点的通信半径分别为20m、30m、40m；通过上位机操作所有的信标节点向网络上发送自身数据信息包，数据包内部有一个初始值为0的跳数值，用以衡量与其他节点之间的距离，信标节点将数据包广播到网络中后，通信半径范围内的节点都会收到该信息包，并且未知节点会选择具有最小跳数值的信息包将其保留下来，并做下一步处理；
经过广播传送之后，每个节点都获取了与其他节点之间的最小跳数值，此时信标节点利用GPS定位自身的坐标，计算出与剩余信标节点之间的距离，此距离是真实的距离，因为信标节点的坐标就是精确值，信标节点利用真实距离与跳数值相除得到自身一跳的距离，并保存为全局跳距，将参与跳距计算的信标节点数量减半，再次计算跳距，并保存为局部跳距，将全局跳距和局部跳距求取平均值，得到平均跳距，从而降低由跳距产生的后续计算误差；如图2所示，信标节点L1与信标节点L2的之间的距离为40m，信标节点L3与信标节点L2的之间的距离为60m，信标节点L1与信标节点L3的之间的距离为100m。将信标节点都参与了信标节点L2的全局跳距的计算，即全局
Figure BDA0002689211530000041
将参与运算的信标节点数量减半，计算L2的局部跳距，即局部
Figure BDA0002689211530000042
将12.5和10求取平均值得到11.25，该值就是信标节点L2优化后的平均跳距，则未知节点U与信标节点L2之间的估算距离为11.25*3＝33.75，其余未知节点的估算距离计算方式类似；
待所有的未知节点都依照上述步骤选取了合适的信标节点的平均跳距后，便可根据先前的跳数值计算出自身与信标节点之间的估算距离，当获取的距离满足条件时，即当未知节点获得与三个或更多信标节点之间的距离时，利用三边测距法，计算出未知节点的估算坐标，由于此坐标偏离精确值，之后利用细菌觅食算法对该估算坐标进行优化，如图3所示，先依据估算距离，估算坐标设定一个合适的适应度函数，之后进行优化过程，其大致分为趋化、复制、驱散三个步骤，经过优化后的坐标就是更加接近真实值的坐标。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于无线传感器网络DV-Hop测距算法的节点定位方法，其特征在于，包括以下步骤：
步骤(1)：初始化传感器节点，为指定的微型传感器节点搭载GPS装置，这些节点能够获取自身精确的位置信息，称其为信标节点，其余节点无需安装GPS装置，由于其自身位置现阶段无法获取，称其为未知节点；
步骤(2)：接着为每个节点设置通信半径，划定实验区域，并将上述信标节点和未知节点随机部署在实验区域内部，信标节点依照预先的设定，首先会向网络广播自身的信息，该信息中包含此信标节点的自身位置信息以及初始值为0的跳数值，邻居节点在接收到此信息后，将跳数值加1，然后同样向其余邻居节点广播该信标信息；
步骤(3)：经过步骤(2)的广播后，不同节点之间的跳数值便能够获知；由于信标节点的真实位置已通过GPS确定，通过公式(1)得到不同信标节点之间的真实距离Distanceij之后依据信标节点间的真实距离与跳数值，通过公式(2)计算出信标节点的全局跳距Hopi；
Figure FDA0003629309000000011
Figure FDA0003629309000000012
其中，(xi,yi),(xj,yj)代表信标节点i和j的坐标，hij代表信标节点i和j之间的跳数值；
步骤(4)：利用部分信标节点的真实距离和跳数值来求解局部跳距，最少的情况设置仅有两个信标节点参与运算，最多的情况设置网络中一半数量的信标节点参与运算；
步骤(5)：将信标节点的全局跳距和局部跳距求取平均值得到平均跳距，并将此平均跳距广播至网络中，未知节点在收到不同信标节点的平均跳距后，依据预先的设定，会优先选择距离自身最近的信标节点的平均跳距作为最优平均跳距，并保存下来；
步骤(6)：经过上述的步骤之后，未知节点选择的最优平均跳距、未知节点与信标节点之间的跳数值均已获知，通过公式(3)将最优平均跳距与跳数值相乘得到信标节点和未知节点之间的估算距离dmn；
dmn＝Hopn*hmn (3)
其中Hopn代表信标节点n的平均跳距，hmn代表未知节点m和信标节点n之间的跳数值；
步骤(7)：当未知节点获得与三个或更多信标节点之间的距离时，通过公式(4)、(5)利用三边测距定位法计算出未知节点的估算坐标：
Figure FDA0003629309000000021
其中，(x,y)代表所求的未知节点的坐标，(x1,y1),(x2,y2),…,(xn,yn)分别代表第1个、第2个、…、第n个信标节点的坐标，d1,d2,…,dn分别代表第1个、第2个、…、第n个信标节点与未知节点(x,y)之间的距离；
上述公式(4)可转换成AX＝B的形式，其中A、X和B分别为如下表示：
Figure FDA0003629309000000022
Figure FDA0003629309000000023
其中，
Figure FDA0003629309000000024
为所求的未知节点(x,y)的估算坐标；
步骤(8)：利用细菌觅食算法对步骤(7)中的未知节点的估算坐标进行精确优化，将之前的估算结果从一个偏离的值慢慢拉回精确值的范围内，获取最终的定位结果。
2.根据权利要求1所述的一种基于无线传感器网络DV-Hop测距算法的节点定位方法，其特征在于，所述步骤(1)中，搭载GPS装置的信标节点数量在实施例中所占比例为15％～25％，节点通信半径为20m～40m。
3.根据权利要求1所述的一种基于无线传感器网络DV-Hop测距算法的节点定位方法，其特征在于，所述步骤(4)中，参与所述局部跳距运算的信标节点数量为信标节点总数的50％。
4.根据权利要求1所述的一种基于无线传感器网络DV-Hop测距算法的节点定位方法，其特征在于，所述步骤(8)中细菌觅食算法具体包括以下步骤：
a.初始化各种参数，包括细菌数量、趋化次数、复制次数、驱散次数、驱散概率；
b.设定一个适应度函数；
c.对初始化种群各细菌趋化、复制和驱散三种行为的适应度值依次进行评估；
d.趋向、复制和驱散行为的执行次数均达到预定次数后，则满足终止条件，三种行为结束，得到满足条件的适应度值最大的细菌。
5.根据权利要求4所述的一种基于无线传感器网络DV-Hop测距算法的节点定位方法，其特征在于，所述步骤a中，细菌数量为25，趋化次数为50，复制次数为4，驱散次数为2，驱散概率为0.25。
CN202010985776.9A 2020-09-18 2020-09-18 一种基于无线传感器网络DV-Hop测距算法的节点定位方法 Active CN112087710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010985776.9A CN112087710B (zh) 2020-09-18 2020-09-18 一种基于无线传感器网络DV-Hop测距算法的节点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010985776.9A CN112087710B (zh) 2020-09-18 2020-09-18 一种基于无线传感器网络DV-Hop测距算法的节点定位方法

Publications (2)

Publication Number Publication Date
CN112087710A CN112087710A (zh) 2020-12-15
CN112087710B true CN112087710B (zh) 2022-07-08

Family

ID=73736569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010985776.9A Active CN112087710B (zh) 2020-09-18 2020-09-18 一种基于无线传感器网络DV-Hop测距算法的节点定位方法

Country Status (1)

Country Link
CN (1) CN112087710B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022133742A1 (zh) * 2020-12-22 2022-06-30 贵州电网有限责任公司 一种基于红外测温与视觉识别技术的带电检测方法及系统
CN113971873A (zh) * 2021-08-20 2022-01-25 广州杰赛科技股份有限公司 基于无线传感器网络的危化品探测方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665277A (zh) * 2012-04-26 2012-09-12 江阴普适惠通科技有限公司 一种对无线传感器网络中节点进行定位的方法
CN103079264A (zh) * 2012-07-25 2013-05-01 浪潮电子信息产业股份有限公司 一种改进的无线传感器网络DV-Hop定位算法
CN104968046A (zh) * 2015-06-23 2015-10-07 南京航空航天大学 一种基于共面度的跳距修正的wsn三维空间目标定位方法
CN107172627A (zh) * 2017-05-31 2017-09-15 王振东 基于混沌优化细菌觅食算法的传感器节点部署策略
CN110062459A (zh) * 2019-04-02 2019-07-26 南京工业大学 一种无线传感器网络中未知节点定位的方法与系统
CN110062327A (zh) * 2019-04-25 2019-07-26 上海海事大学 小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665277A (zh) * 2012-04-26 2012-09-12 江阴普适惠通科技有限公司 一种对无线传感器网络中节点进行定位的方法
CN103079264A (zh) * 2012-07-25 2013-05-01 浪潮电子信息产业股份有限公司 一种改进的无线传感器网络DV-Hop定位算法
CN104968046A (zh) * 2015-06-23 2015-10-07 南京航空航天大学 一种基于共面度的跳距修正的wsn三维空间目标定位方法
CN107172627A (zh) * 2017-05-31 2017-09-15 王振东 基于混沌优化细菌觅食算法的传感器节点部署策略
CN110062459A (zh) * 2019-04-02 2019-07-26 南京工业大学 一种无线传感器网络中未知节点定位的方法与系统
CN110062327A (zh) * 2019-04-25 2019-07-26 上海海事大学 小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
仇莹 ; 倪晓军.基于牛顿迭代法的DV-Hop改进定位算法.《计算机时代》.2020, *
基于细菌觅食的DV-Hop定位算法的研究与改进;仇莹-;《中国优秀硕士学位论文全文数据库 信息科技辑》;20220315;正文第5章 *

Also Published As

Publication number Publication date
CN112087710A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN112087710B (zh) 一种基于无线传感器网络DV-Hop测距算法的节点定位方法
CN107113764B (zh) 提高人工神经网络定位性能的方法和装置
Brunato et al. Transparent location fingerprinting for wireless services
EP3596486A1 (en) Wifi multi-band fingerprint-based indoor positioning
Yao et al. Distributed wireless sensor network localization based on weighted search
Shee et al. Efficient color-theory-based dynamic localization for mobile wireless sensor networks
JP2010507985A (ja) 無線ネットワークにおける協調位置特定
Sivakumar et al. Meta-heuristic approaches for minimizing error in localization of wireless sensor networks
Pandey et al. Node localization over small world WSNs using constrained average path length reduction
Varshavsky et al. Calibree: Calibration-free localization using relative distance estimations
CN109842935A (zh) 一种基于混合smpso优化的加权dv-hop定位方法
Sai et al. Parallel firefly algorithm for localization algorithm in wireless sensor network
Chen et al. Energy‐Efficient Clustering and Localization Technique Using Genetic Algorithm in Wireless Sensor Networks
Rahman et al. Normalized advancement based totally opportunistic routing algorithm with void detection and avoiding mechanism for underwater wireless sensor network
Shih et al. Intelligent radio map management for future WLAN indoor location fingerprinting
KR101301020B1 (ko) 이동 노드 위치 인식 장치 및 이를 이용한 이동 노드 위치 인식 방법
Tripathy et al. An ensemble approach for improving localization accuracy in wireless sensor network
CN109996171A (zh) 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法
CN112738709A (zh) 一种基于uwb信号的粒子群搜索室内定位方法及系统
CN110351657A (zh) 一种无线传感器网络中节点几何定位的方法
Rathod et al. Data-driven and GIS-based coverage estimation in a heterogeneous propagation environment
CN106998571B (zh) Ad Hoc对等网络无中心分布式快速共识方法
CN115696190A (zh) 一种优化无线传感器网络节点定位的方法
Kotwal et al. Development of range free three dimensional localisation in wireless sensor networks
Roy et al. Integer linear programming formulation of optimal beacon placement problem in WSN

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant