基于微粒群算法的无线传感器网络节点定位方法

第44卷 第9期

Vol.44 No.9

山 东 大 学 学 报 (理 学 版)

JournalofShandongUniversity(NaturalScience)

2009年9月 Sep.2009

文章编号:167129352(2009)0920052204

基于微粒群算法的无线传感器网络节点定位方法

周书旺,王英龙,郭强,魏诺

1,2

2

2,3

2

(1.山东师范大学信息科学与工程学院,山东济南250014;2.山东省计算中心,山东济南250014;

3.山东经济学院信息管理学院,山东济南250014)

摘要:为了进一步提高无线传感器网络未知节点定位精度,将节点定位问题和微粒群算法结合在一起,提出了基于微粒群算法的节点定位算法。该算法是一种基于距离的定位算法,根据未知节点到锚节点的距离直接搜索出未知节点的坐标。实验结果表明,和一般的固定节点定位算法相比,该算法具有更高的定位精度,并适用于移动节点的追踪定位。

关键词:无线传感器网络;微粒群算法;节点定位;锚节点中图分类号:TP393 文献标志码:A

Particleswarmoptimization2basedwirelesssensor

networknodeslocalizationmethod

ZHOUShu2wang,WANGYing2long,GUOQiang,WEINuo

2.ShandongComputerScienceCenter,Jinan250014,Shandong,China;

3.SchoolofInformationManagement,ShandongEconomicUniversity,Jinan250014,Shandong,China)

Abstract:Tofurtherenhancethelocationprecisionofunknownnodesinwirelesssensornetworks,alocalizationmethodbasedonparticleswarmoptimizationispresented,throughthecombinationofwirelesssensornetworkandparticleswarmoptimization,whichisdependentondistance.Itcandirectlysearchoutthecoordinatesofunknownnodesbythedistancefromanchornodestounknownnodes.Asisshownintheexperimentalresults,comparedtothenormallocationalgorithmsoffixednodes,thismethodhashigherpositioningaccuracyandcanbeappliedtothetrackingofmovingnodes.

Keywords:wirelesssensornetworks(WSNs);particleswarmoptimization(PSO);nodelocation;anchornode

1,2

2

2,3

2

(1.SchoolofInformationScience&EngineeringShandongNormalUniversity,Jinan250014,Shandong,China;

用户提供详尽而准确的信息。

[1]

0 概述

无线传感器网络(wirelesssensornetworks,WSNs)综合了现代传感器技术、微电子技术、通信技术、嵌入式计算技术和分布式信息处理技术等学科,是一个新兴的交叉研究领域。无线传感器网络能够

实时监测、感知和采集网络分布区域内的各种环境和检测对象的信息,并对这些信息进行处理,从而给

收稿日期:2009205220

在许多应用中传感器网络采集的信息与节点的位置息息相关,因此节点定位是传感器网络的关键

技术之一。目前无线传感器网络节点定位算法可以分为基于距离的定位算法和与距离无关的定位算法。与距离无关的定位算法无需额外的硬件支持,成本低,但定位精度较低,不能满足一些实际应用。基于距离的定位算法包括测距和定位计算2个步骤。目前,常用的测距技术有RSSI,TOA,TDOA,

[223]

基金项目:国家自然科学基金资助项目(60802030);山东省中青年科学家科研奖励基金资助项目(2007BSC01002);山东省科技攻关计划资助项

目(2007GG2QT01007)

作者简介:周书旺(19852 ),男,硕士研究生,主要研究领域为无线传感器网络.Email:zhoushw@http://

第9期周书旺,等:基于微粒群算法的无线传感器网络节点定位方法

53

AOA。节点定位计算方法包括:三角测量法,三边定位算法及其改进Boundingbox算法和最小二乘估计定位算法等。三角测量法所利用的AOA测距技术易受外界环境影响

[5]

[4]

(3)将每个锚节点的当前虚拟位置的适应度(f1)与该锚节点所经历过的最好位置(pbest)的适应度(f2)作比较,如果f1<f2,则将该锚节点的当前虚拟位置作为当前该锚节点所经历过的最好位置;(4)将每个锚节点的当前虚拟位置的适应度(f1)与全局所经历的最好位置(gbest)的适应度(f0)作比较,如果f1<f0,则将该锚节点的当前虚拟位置作为当前全局所经历过的最好位置;

(5)根据公式

[10]

。由于节点间测距存在误

差,三边定位算法及其改进Boundingbox算法在实际应用中定位精度不高。为了提高定位精度,使用最小二乘估计定位算法(ML),但定位精度仍然不能尽如人意

[627]

。为了进一步提高定位精度,本文提出

了基于微粒群算法的定位算法。

1 微粒群算法简介

微粒群算法

[829]

,又称粒子群优化(particleswarm

optimization,PSO),是由J.Kennedy和R.C.Eberhart等于1995年开发的一种演化计算技术,来源于对一

个简化社会模型的模拟。PSO算法最初是为了图形化的模拟鸟群优美而不可预测的运动,而通过对动物社会行为的观察,发现群体中对信息的社会共享提供一个演化的优势,并以此作为开发算法的基础。通过加入近邻的速度匹配,并考虑了多维搜索和根据距离的加速,形成了PSO的最初版本。之后引入了惯性权重w来更好地控制开发和探索,形成了标准版本。

2 微粒群定位算法

211 微粒群定位算法描述

该算法运行在具有中心服务器的无线传感器网络中,服务器作为网络的计算中心,具有强大的计算能力,服务器收集未知节点与锚节点的关系数据(如信号强度)并进行处理,计算出各个未知节点的位置坐标,然后告知未知节点位置信息。

微粒群定位算法流程:

(1)初始化锚节点(锚节点的个数为m),包括锚节点的位置和随机确定的各个锚节点的/运动0速度。在这里锚节点的位置分为现实位置(Tij,i代表锚节点的编 …… 此处隐藏：5175字，全部文档内容请下载后查看。喜欢就下载吧 ……