论文部分内容阅读
无线传感器网络是融合了计算机网络技术与微机电系统(MEMS)方面的一种先进技术,有着很多应用,如目标跟踪、生活环境监测、灾害管理、智能家居应用等。传感器网络由大量的传感器节点组成的,为实现诸多的应用,这些节点通常需要知道自身所在的位置。因此,节点的定位是传感器网络非常重要的功能之一。本论文主要研究DV-Hop定位算法的改进算法,DV-Hop算法简单、实现容易及成本低,这些优势使之成为非基于测距算法中研究的热点。但是,DV-Hop误差率较大,对网络的节点密度依赖程度高,这些缺陷大大制约了其使用的范围,本文用仿真的方法对DV-Hop算法进行分析和研究并对其进行改进。首先,本论文分析和仿真论证了DV-Hop算法精度不高的原因是用跳数乘以校正值来估算距离的方法不够精确,使得误差的累积影响到最后的定位精度。本文发现跳数与估计距离并非简单成正比关系,针对这个缺点提出了改进方法。通过大量仿真求得实际距离与估计距离的比值规律,在以后计算估计距离的时候,就用比值与估计距离的积作为修正后的估计距离,使得估计距离更加的接近实际距离,以实现更高的定位精度。其次,DV-Hop算法在节点均匀分布的网络中性能较好,但是在节点分布不规则的网络中定位精度大大降低,本文以有障碍物的C型和X型网络拓扑为例,通过仿真发现在这两种特殊的网络拓扑中,论文提出改进的算法的误差率虽然相对于DV-Hop算法能有效降低,但网络的误差率还是很高。针对这种网络拓扑不均匀的情况,本论文引入了蒙特卡罗仿真的思想。蒙特卡罗思想是随机产生样本,论文将改进的DV-Hop算法和蒙特卡罗思想相融合,在筛选样本的时候选用更精确的筛选条件,使得挑选出来的样本更接近待求节点坐标。本论文算法均通过仿真测试,在固定的节点总数、通信半径、锚节点数目的情况下,分别在均匀分布网络、C型网络及X型网络中使用原DV-Hop算法和改进算法进行对比,仿真表明改进算法在三种网络拓扑中都降低误差4%左右,改进算法与蒙特卡罗思想结合后能大大提高C型和X型网络中的定位误差。