基于SAPSO算法和RSSI优化的DV-Hop定位算法

来源:用户上传      作者:

　　摘  要： 针对DV-Hop算法在平均跳距估计时和采用最小二乘法估计未知节点坐标存在较大的定位误差，提出了利用RSSI测距技术和模拟退火粒子群算法（SAPSO）优化改进的DV-Hop算法——SAPSOR-DV-Hop。该算法首先利用RSSI测距技术定义锚节点的平均跳距误差，并利用该误差修正未知节点与锚节点间的距离;其次采用SAPSO算法替代最小二乘法对未知节点定位进行优化。仿真实验结果表明，所提出的SAPSOR-DV-Hop算法与传统的DV-Hop算法和其他两种算法相比有较高的定位精度。
　　关键词： 无线传感器网络;DV-Hop算法;模拟退火粒子群算法;RSSI测距技术
　　中图分类号： TP212.9;TN929.5    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2020.08.024
　　本文著录格式：毕金英，王占刚. 基于SAPSO算法和RSSI优化的DV-Hop定位算法[J]. 软件，2020，41（08）：83-86
　　【Abstract】： Aiming at the DV-Hop algorithm’s large positioning error when estimating the average hop distance and using the least squares method to estimate the coordinates of unknown nodes， an improved DV-Hop algorithm-SAPSOR-DV-Hop. The algorithm first uses the RSSI ranging technique to define the average hop distance error of the anchor node， and uses this error to correct the distance between the unknown node and the anchor node. Second， it uses SAPSO algorithm instead of the least square method to optimize the unknown node positioning. Simulation results show that the proposed SAPSOR-DV-Hop algorithm has higher position-ing accuracy than the traditional DV-Hop algorithm and the other two algorithms.
　　【Key words】： Wireless sensor network; DV-Hop algorithm; Simulated annealing particle swarm algorithm; RSSI ranging technology
　　0  引言
　　隨着科学技术的快速发展，传感器、计算机、无线通信等技术相互融合形成了无线传感器网络（WSN）。WSN由大量的传感器节点构成，通过无线通信技术形成一个自组织网络，具有快速展开、抗损坏性强等特点，因此已广泛应用于军事、环境、医疗等领域[1]。在WSN的应用中，节点的感知数据必须与位置信息相结合，才会使这些感知数据有意义，所以传感器节点定位技术是WSN中的关键支撑技术之一[2]。
　　WSN中的节点定位算法主要分为两种：基于测距技术和基于无需测距技术，基于测距技术的定位算法主要有基于到达时间（TOA）、基于到达时间差（TDOA）、基于到达角度（AOA）、基于接收信号强度（RSSI）[3];基于无需测距技术的定位算法主要有质心算法、APIT算法、凸规划定位算法和DV-Hop算法等[4]。基于测距技术的定位算法定位精度高、对节点的硬件要求高且耗损量较大;基于无需测距技术的定位算法对节点硬件需求低且受实际环境影响小，但是定位误差较高[5]，其中，DV-Hop是典型的无需测距定位算法，具有易实现易通信且计算量开销小等特点，是目前应用最为广泛的定位算法之一[6]。
　　针对DV-Hop定位误差较高，许多学者提出了多种不同改进的DV-Hop算法。文献[7]对DV-Hop算法的改进通过引入平均跳距误差修正进行加权处理减小跳距误差，再用模拟退火算法替代最小二乘法对未知节点定位估计。文献[8]是根据最大理想筛选信标节点计算加权平均跳距，再用遗传粒子群算法替代最小二乘法对未知节点定位估计。文献[9]提出自适应的平均跳距估计算法，再采用改进的差分进化位置估计模型对未知节点进行定位。文献[10]是结合RSSI测距技术定义信标节点的平均跳距的误差，并利用该误差对未知节点与信标节点间的距离加权修正，该文献对未知节点的定位估计还是采用的最小二乘法。前面三种文献所提到的均对DV-Hop算法的第二阶段和第三阶段有不同的改进，都提高了定位精度，但是在一定程度上会增加计算量，文献[10]只对第二阶段进行了改进，还可以继续在原基础上对第三节阶段进行改进优化，提高定位精度。
　　本文提出基于SAPSOR-DV-Hop，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段，实验部分和传统的DV-Hop定位算法、文献[10]的RSSI加权修正定位算法、在文献[10]的基础上采用粒子群算法替代最小二乘法优化第三阶段改进的定位算法（PSOR-DV-Hop）进行对比实验仿真。实验结果表明，提出的SAPSOR-DV-Hop定位算法提高了定位精度且明显高于其他两种改进的定位算法。
　　1  DV-Hop算法 　　DV-Hop算法利用距离矢量路由和GPS定位的思想提出的分布式定位方法之一，具体由三个阶段构成[11]：
　　第一阶段：跳数确定  网络中所有节点部署完毕之后，信标节点将ID、坐标和初始化为0的跳数信息以广播的形式发布到WSN中，邻居节点获取距离信标节点的跳数信息并记录到信标节点的最小跳数信息。
　　5  结束语
　　本文在DV-Hop算法的基础上，提出了一种改进的DV-Hop定位算法——SAPSOR-DV-Hop算法，首先利用RSSI测距引入修正误差，再采用SAPSO算法替代最小二乘法优化第三阶段。通过仿真实验可以验证，SAPSOR-DV-Hop算法和传统的DV-Hop算法相比，有明显较高的定位精度，但是在无线传感器定位中，节点的能耗影响着网络的生存时间和定位的精度，所  以在无线传感器网络定位中节点的节能问题将有待于研究。
　　参考文献
　　[1] 宗宇雷， 吕品品， 李珂， 赵逸. 混合参数方法下的室内无线定位技术综述[J]. 软件， 2016， 37（03）： 62-66.
　　[2] 徐慧娟. 基于DV-Hop测距修正的遗传模拟退火定位算法[J]. 传感技术学报， 2018， 31（01）： 147-151.
　　[3] 王改云， 王磊杨， 路皓翔. 基于混合群智能算法优化的RSSI质心定位算法[J]. 计算机科学， 2019， 46（09）： 125-129.
　　[4] 汪明， 许亮， 何小敏. 无线传感器网络精度优选RSSI协作定位算法[J]. 计算机应用， 2018， 38（07）： 1981-1988.
　　[5] 楼国红， 张剑平. 粒子群算法修正测距的无线传感器网络节点定位[J]. 吉林大学学报（理学版）， 2018， 56（03）： 650- 656.
　　[6] Kumar S， Lobiyal D K. Novel DV-Hop localization algorithm for wireless sensor networks[J]. Telecommunication Systems， 2017， 64（3）： 509-524.
　　[7] Wang H， Zhang L. An Improved Simulated Annealing Localization Algorithm for WSN[C]//2018 IEEE 3rd International Conference on Communication and Information Systems （ICCIS）. IEEE， 2018： 93-96.
　　[8] 高美鳳， 李凤超. 遗传粒子群优化的DV-Hop定位算法[J]. 传感技术学报， 2017， 30（07）： 1083-1088.
　　[9] Yang C， Qian Z， Ji G， et al. A Position-Correction Algorithm Based on Hop Distance of DV-Hop[C]// International Conference on Network & Information Systems for Computers. IEEE， 2016.
　　[10] 刘三阳， 胡亚静， 张朝辉. 基于RSSI测距的DV-Hop算法[J]. 控制与决策， 2017， 32（10）： 1900-1904.
　　[11] Tomic S， Mezei I. Improvements of DV-Hop localization algorithm for wireless sensor networks[J]. Telecommunication Systems， 2016， 61（1）： 93-106.
　　[12] Yang X， Zhang W， Song Q. Improvement of DV-Hop Algorithm Based on RSSI Ratio Correction[J]. International Journal of Online Engineering （iJOE）， 2018， 14（05）.
　　[13] Li X， Chang J， Yu J， et al. A DW-SAPSO Localization Method based on Correctional RSSI Ranging Model[C]//IOP Conference Series： Earth and Environmental Science. IOP Publishing， 2019， 234（1）： 012104.
　　[14] 张晓莉， 王秦飞， 冀汶莉. 一种改进的自适应惯性权重的粒子群算法[J]. 微电子学与计算机， 2019， 36（03）： 66-70.
　　[15] 赵乃刚. 一种新的基于模拟退火的粒子群算法[J]. 软件， 2015（07）： 7-10.
　　[16] 薛永生， 吴立尧. 基于模拟退火的改进粒子群算法研究及应用[J]. 海军航空工程学院学报， 2018， 33（02）： 248-252.
转载注明来源:https://www.xzbu.com/8/view-15321724.htm