没有合适的资源?快使用搜索试试~ 我知道了~
沙特国王大学学报随机部署无线传感器网络放大图片作者:Amanpreet Kaura,Padam Kumara,Govind P.古普塔湾a印度诺伊达Jaypee信息技术学院计算机科学工程系b印度赖布尔国家技术学院信息技术系阿提奇莱因福奥文章历史记录:2016年10月17日收到2017年1月27日修订2017年1月28日接受2017年2月9日在线发布保留字:定位无线传感器网络DV-Hop加权质心算法定位误差功耗A B S T R A C T定位是无线传感器网络对感知数据/事件进行跟踪和分析的重要要求之一在无线传感器网络的大多数应用中,没有位置信息的事件信息是没有意义的。传统的距离矢量跳(Distance-Vector Hop,DV Hop)算法和基于加权质心DV Hop的算法可以在实际无线传感器网络中实现,成本低,不需要额外的硬件,但存在定位精度差和功耗高的问题。为了避免这些局限性,本文提出了一种加权质心DV-Hop算法该算法利用权值来确定未知节点的位置,权值考虑了锚节点数目、通信半径和最近锚节点等因素的仿真结果和理论分析表明,该算法在定位误差和功耗方面优于传统的DV-Hop算法。©2017作者。制作和主办:Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍无线传感器网络(WSN)是由称为传感器节点的廉价、功率不足且随机部署的节点以及称为基站的服务器节点组成的自主分布式无线网络(Nayak和Stojmenovic,2010)。这些传感器节点检测事件,并通过它们的邻居节点将该事件信息传递给基站(Nayak和Stojmenovic,2010)。WSN广泛用于各种应用,诸如军事和国家安全应用、环境监测、医疗应用、精准农业、室内气候控制、火灾探测等(Nayak和Stojmenovic,2010; Zhao等人,2013;Xingand Mišic′ ,201 0). 在大多数无线传感器网络的应用中,任何没有位置信息的事件信息都是毫无意义的。例如,在火灾检测应用中,需要检测到火灾的事件(火灾)和地点(位置)。因此,定位是无线传感器网络的一个重要要求。在过去的二十年中,已经提出了许多定位算法来确定传感器节点的位置。根据硬件要求,定位算法分为沙特国王大学负责同行审查*通讯作者。电子邮件地址:gmail.com(A. Kaur)。两类:基于范围的和无范围的定位(Chen等人,2008; He等人,2003年)。基于距离的定位算法使用基于精确测量的技术,并且通常需要昂贵的设备来找到相邻节点之间的距离或角度信息,以便以高精度确定位置信息(Alrajeh等人,2013; Savvides等人,2001年)。一些基于距离的定位算法的例子是:接收信号强度指示符(RSSI)(Girod等人,2002)、到达时间(TOA)(Harter等人,2002)、到达时间差(TDOA)(Cheng等人,2004)和到达角(AOA)(Niculescu和Nath,2003)等。距离无关定位算法应用距离近似算法来确定节点的位置,并且不需要任何昂贵的硬件。无测距定位算法使用知道其位置的节点(锚)来找到未知节点的位置。存在许多与距离无关的定位算法,诸如质心算 法 ( Bulusu 等 人 , 2000 ) 、 DV-Hop ( Niculescu 和 Nath ,2001)、无定形(Nagpal,1999)、多维标度(MDS)(Shang和Ruml,2004)和近似三角测量点(APIT)(Zhang等人, 2012年)。虽然基于距离的定位算法给出了准确的结果,但由于其低成本和适用于大规模无线传感器网络的可行性,本文重点研究了距离无关的DV-Hop算法,http://dx.doi.org/10.1016/j.jksuci.2017.01.0071319-1578/©2017作者。制作和主办:Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页:www.sciencedirect.comA. Kaur等人/Journal of King Saud University83222222222222222¼22222ÞPPi1PiM1Mu1嗯- y-d- -1 ×2×xu×xm1-xm1 × 2×yu×y1-yu×1M1Mu1嗯和B62M2Mu2嗯7m-1Mm-1MU-100嗯联系我们222u6- 溴--由于其简单、低成本和鲁棒性,在所有其他距离无关定位算法中流行但DV-Hop算法也存在定位精度低、功耗大、通信开销大等局限性以往的工作都试图改善DV-Hop算法的定位误差,但很少有工作已经做了改善功耗。xu-x1xu-x2..xu-xm9>=>>的;ð3Þ本文提出了一种改进的DV-Hop算法,不仅改善了定位误差,而且降低了功耗消费仿真结果表明,该算法当量(3)可以转换为Eq。(四)、与先前的算法相比,提高了定位精度并降低了功耗。x2-x2-y2-y2-d2-d2x2-x2-y2-y2-d-d1 ×2×xu×1 ×1-xm× 2×yu×1-yu×91/2×xu×x2-xm 2×yu×y2-yu>=本文对国产化问题作了三点贡献--无线传感器网络中的莱姆首先,我们提出了一个简单,节能和高度2米2米X2- xyu2um..>>的;与DV相比,Hop算法等加权定位算法。其次,我们研究了最近锚节点对局部网络m-1mm-1mum-1um-ð4Þ化性能。第三,我们探讨了广播范围对能源消耗的影响。本文的其余部分组织如下。在第二节中,我们简要回顾与我们提出的算法相关的定位算法当量(4)可以写成矩阵Eq的形式。(5)如下:AXU¼B15mmRithm。在第3节中,解释了我们提出的算法。第四节给出了仿真结果和讨论。最后,其中x1-x my1-ym 326x2-x my2-ym 7X..;ΣxuΣy;我们在第5节中提出了我们的结论。2.相关作品4×64..75u为了对我们的研究进行基准测试,本节提供了与我们的研究相关的几个算法的简要背景。2.1. DV-Hop算法2x2-x2-y2-d2-d3x2x2y2y2d2-d7..4x2-x双-y -d-d5和Badri Nath inNiculescu and Nath(2001).主要思想算法是通过将两个节点之间的平均跳距乘以它们之间的跳数来确定两个节点之间的近似距离。它包括三个阶段。在第一阶段中,每个锚点以分组的形式向其邻居节点发送其位置信息和跳计数值(初始设置为0)然后,接收到该数据包的节点在将跳数值增加1之后将给定数据包发送到其相邻节点。这样,网络中的所有节点从每个锚点得到跳数的最小值,并以跳数表的形式得到第二阶段涉及使用等式(1)计算每个锚点的跳中的平均距离(AvgHopDistance)(1)并将该信息广播到网络中的所有节点。Pm1ijqxj-xi2yj-yi2当量(5)可以转换为Eq。(6)如下:X¼ATA-1ATB6当量通过使用最小二乘法(Niculescu和Nath,2001)求解方程(6)以找到未知节点的坐标2.2. 质心算法质心定位算法(Bulusu等人, 2000年)由Nirupama Bulusu,John Heidemann和Deborah Estrin提出。该算法由两个阶段组成。在第一阶段,所有锚节点将其位置信息以分组的形式广播给所有进入阈值区域的其他节点在第二阶段,每个未知节点u通过对所有锚节点的所有坐标取算术平均值来确定其位置(xu,yu的是内阈值区域的未知node.这是AvgHopDistancei¼I/VMi¼1i HJi使用Eq. (七)、其中m是给定网络中锚点的总数,i是每个锚点的id,hji是xu¼M X1/1M;你在吗?MY1/1Mð7Þ锚 点 i 和 锚 点 j , ( xi , yi ) 和 ( xj , yj ) 表 示 锚 点 i 和 j 的 坐 标 ,AvgHopDistance i是由锚点i计算的跳的平均距离。然后,每个未知节点u使用等式1计算与锚节点i的近似距离。(二)、其中(xi,yi)是锚节点i的坐标,m是总坐标在未知节点u的阈值区域内的锚节点的计数。该算法易于实现,但计算结果不准确,且阈值确定方法复杂杜伊¼AvgHopDistancei ×huið2Þ值在第三阶段中,未知节点获得与每个锚点的距离后,使用定位方法(Niculescu和Nath,2001)确定其位置。这种简化方法使用最小二乘法(Niculescu和Nath,2001),其工作原理如下:设未知节点u和锚点Ai的坐标为(xu,yu)和(xi,yi)。然后,可以导出以下方程组2.3. 基于DV跳的在Zhang et al.(2012)中,Zhang et al.提出了一种加权质心定位算法(WCL),以改善DV-Hop定位算法的计算复杂度和功耗。WCL算法由两个阶段组成在第一阶段,每个节点从每个锚节点获得最小跳数值,2xm-1-xmym-1-ymDV-Hop算法首先由Dragos Niculescu提出>84A. Kaur等人/Journal of King Saud UniversityPi iP¼;um WPiiP¼mi胡伊. Σ1/4iwi1美惠DV-Hop的第一阶段。在第二阶段,每个未知节点u找到它的位置(xu,yu)使用方程。(八)、WCL),主要是为了降低计算复杂度,提高定位精度和连通性而开发的的定位算法。它使用Eq。(8)计算坐标-M 宽xxi¼1yu1/1我mw y1/1 W1/1ð8Þ非锚节点的nates文中还导出了传感器的最佳传输范围,给出的值为100%。其中wi1是每个锚点i的权重,hui是最小跳数连通性。最佳半径使用Eq.(十一)、来自锚i和m的节点u的计数值是总锚节点。权重因子与跳数成反比这已被用来给更多的重量年龄最近rop¼第1页第8页第10页að11Þ主播跳数越少的锚点越接近给定节点,因此对确定给定节点的位置有更大的影响。与原始DV Hop算法不同,该算法只有两个阶段,在第二阶段,锚节点不向其他节点广播包含平均跳距的数据包,因此WCL算法计算复杂度低,功耗小(仅在第一阶段广播数据但WCL算法因此,需要一种能够在很大程度上提高定位精度的定位算法。2.4. 基于DV-Hop在Zhang等人(2012)中,B. Zhang提出了另一种改进的加权质心算法(IWCL),以提高精度。它分为三个阶段。第一阶段和第二阶段具有与DV-Hop算法的第一阶段和第二阶段类似的步骤。第一阶段向所有节点给出每个锚的最小跳计数值hij。第二阶段使每个节点知道每个锚点的平均跳距。第三阶段计算未知节点的位置使用方程。(8)计算权重的差异。在Eq中使用的权重(8)使用Eq。(九)、R其中a是传感器节点之间的距离仿真结果证明了该算法具有良好的可扩展性,并且最适合于大规模网络。2.7. 需要替代解决方案从所有这些相关工作中观察到,强烈需要一种替代定位算法,该算法可以提高定位精度并且还可以降低功耗。因此,我们提出了一个增强的加权定位算法,同时考虑到这两个性能因素。该算法不考虑所有锚节点来确定未知节点的位置,而只考虑给定未知节点附近的锚节点。这种仅使用近锚点的想法提高了定位精度。此外,为了降低功耗,该算法对分组的广播施加限制。在所有上述相关工作中,数据包的广播是以这样一种方式完成的,即它应该到达网络中的所有节点在我们提出的算法中,我们限制了第一和第二阶段的广播范围为t跳如果锚点的分组远离给定节点进行t跳,则该分组被丢弃。仿真结果表明,该定位算法能够很好地平衡定位精度和功耗.关于我们1HopSizeav胡伊ð9Þ3. 提出的加权质心DV Hop算法其中,HopSizeav是由每个锚使用等式(1)计算的跳距离的所有这些平均值的平均值。r是节点的通信半径Zhang et al. (2012)证明了IWCL的定位精度远远优于原始DV跳算法和WCL算法。IWCL算法的缺点是在前两个阶段节点间大量的数据包泛洪,与原始DV Hop算法一样2.5. 改进的加权质心DV-Hop算法在Song and Tam(2015)中,G. Song和D. Tam提出了一种改进的加权质心DV-Hop(IDWCL)算法。该算法分两个阶段工作。在第一阶段,所有节点得到最小值以与原始DV跳算法第一阶段中类似的方式从每个锚点获得跳计数值。在第二阶段中,每个未知节点u使用等式得到其位置(xu,yu)(八)、锚i的权重wi通过使用等式(1)来确定。(十)、许文辉在这一节中,我们提出了一种增强的加权质心DV跳(EWCL)算法.在EWCL算法中,加权质心算法(Zhang等人, 2012)通过考虑用于权重计算的新颖方式来增强。EWCL算法综合考虑了不同锚点的 影 响 、 通 信 半 径 和 节 点 邻 近 锚 点 等 因 素 来 在 以 前 的 工 作 中( Niculescu 和 Nath , 2001; Zhang 等 人, 2012; Song 和 Tam ,2015; Blumenthal等人,2005)中,几乎所有对传统DV跳算法的改进都是针对定位误差的问题,但很少有研究针对能量受限的无线传感器网络中的主要问题--能量消耗问题。EWCL算法不仅改善了定位误差,而且降低了功耗。假设所给算法适用于各向同性环境。使用如图1所示的流程图来解释所提出的算法中的整个任务。该算法由三个阶段组成。阶段1:确定每个节点的最小跳数每个锚点在第一阶段,节点不进行全网广播虽然该算法仅分两个阶段,且仅在第一阶段消耗能量,计算复杂度较低,但定位精度并没有提高到令人满意的水平。2.6. 优化加权质心算法在Blumenthal et al. (2005),J. Blumenthal,F.Reichenbach和D.Timmermann提出了一种优化的WCL算法(Optimized工作,但只在T跳内广播。t的值在2到hmax之间变化。第4节的仿真结果证明了t的最佳值为2。这一变化将降低功耗。功耗取决于网络中传输的数据包总数传输的数据包数量越多,消耗的能量越多因此,为了限制这种功率消耗,我们在第一阶段中将分组的广播限制在t跳内。这种变化也减少了定位误差。在原有的DV Hop算法中,当目标数目较多时,定位误差较大2ð10ÞA. Kaur等人/Journal of King Saud University85是是huit=0没他是不是... 你好吗?没是更新huit=huit+1并将huit广播给邻居丢弃分组每个接收节点将接收到的跳计数值(huir)与存储在跳计数表(huit)中的跳计数值进行比较。.Pui没广播结束了吗?是每个锚计算平均跳距并将其广播给t跳内的邻居。端每个未知节点计算其位置。开始每个锚点向相邻节点广播其位置分组Fig. 1. 增强加权质心DV跳算法流程图。锚节点的位置用于确定节点的位置。因此,如果在确定节点的位置时仅使用所选择的锚(在t跳内的近锚),则期望给出更好的定位精度。第一阶段的工作如下:首先,每个锚节点将其位置信息以分组的形式广播到t跳内的邻居节点分组包含xi,yi,hui>信息,其中xi,yi是锚点i的x和y坐标,hui表示跳计数值。hui的初始值为0。每个节点u维护其跳计数表,该跳计数表包含t跳内的每个锚i的i,xi,yi,hui>当任何节点接收到分组时,它检查它自己的表,并且如果存储在它的表中的hui的值小于它接收到的hui值并且hui值小于t,则它忽略接收到的值,否则它将hui值递增1并且存储新值阶段2:确定每个锚点的平均每跳距离:对于第二阶段,仅在t在该阶段中,每个锚点Ai使用等式(1)估计每跳平均距离(AvgHopDistancei(一).在计算平均跳距之后,每个锚点Ai将其广播到t跳内的其他节点由于广播范围有限,因此进一步降低了能耗未知节点仅存储包含最近锚点的平均跳距(AvgHopDistancej)的数据包其首先出现并丢弃所有其它分组。阶段3:确定未知节点的位置:在第三阶段,未知节点计算它们的位置xu,yu>使用Eq. (八)、在Eq中使用的权重(8)使用Eq。(十二)、关于HUI在其表中的锚I。 保存此值后,WMh1/1AvRgHopDistancej将具有更新的HUI值的分组发送到其所有邻居。这样,在第一阶段之后,每个节点u得到最小跳数(hui)。m×huið12Þ从在T跳内的每个锚节点i开始,并且具有更新的跳计数表,该跳计数表仅包含在T跳内的那些锚节点的条目。其中,AvgHopDistancej是其最近锚点j到未知节点u的平均跳距,r是节点的通信半径在Eq.(8)依赖于距离I¼86A. Kaur等人/Journal of King Saud University图2. EWCL Hop算法30米(1A1NA240米(1A360 m(2锚节点和给定节点之间的参数。如果锚点靠近给定节点(具有较少的跳数),则其具有比其他远锚点节点更高的影响但是,我们不能直接将距离与跳数联系起来。例如:在图2中,A1距离N 30 m,A2距离N 40 m。假设通信距离为50 m,A1和A2都与节点N相距1跳因此,使用跳数来代替距离是不合理因此,一个因素相当于平均跳距离每跳计算的最接近的锚节点除以其通信范围被用作功率与跳数得到的距离。在这个阶段中,只有在t跳内的锚节点确定节点的位置。从而提高了EWCL算法的定位精度。表2表1无线传感器网络中锚点的位置信息锚i xi yi1 323 252 120 553 23 254 100 675 50 503.1. EWCL算法的工作与一个例子图3描绘了具有锚节点和未知节点的WSN设id为1-5的节点设t的值= 2跳。表1显示了给定WSN中所有锚点的位置在阶段1中,所有这五个锚点将它们的位置信息连同跳计数值(初始设置为0)一起广播到t跳内的因此,在第一阶段之后,所有未知节点从t跳内的锚点获得其最小跳计数值,并且具有更新的跳计数表。例如,对于未知节点9,在其t= 2跳范围内的锚仅是具有id1、 2、 3和5的锚,并且不考虑锚4因此,在阶段1之后,未知节点9已经更新了跳数表,如表2所示。类似地,其他节点在阶段1之后具有其更新的跳计数表,该跳计数表包含距给定节点2跳内的锚。在阶段2中,所有锚节点计算它们的平均跳距,然后将其广播到网络中t跳内的所有其他节点。现在锚节点只知道t跳内的锚节点例如,对于锚节点A1,平均跳距使用等式(1)计算:(2)仅使用2个锚A2和A5(在t= 2跳内)。假设由每个锚计算的平均跳跃距离是AvgHopDistancei。所有的锚,图二. EWCL Hop算法示例。包含由节点9维护的t= 2跳内的每个锚点i的i,xi,yi,hi9>的表锚点id x坐标y坐标跳数1 323 25 12 120 55 23 23 25 25 50 50 1将这些平均跳距广播到所有其它锚节点(在t= 2跳内)。在阶段3中,所有未知节点使用等式2计算它们的位置信息。(十二)、3.2. EWCL算法在本节中,我们从能量消耗和定位精度两个方面对EWCL算法的性能进行了理论分析。本节讨论基于图4所示网络场景的理论分析。3.3. 能源消耗能耗取决于网络中产生的通信开销(Chen和Rowe,2013年)。通信开销等于在网络中由于洪泛范围仅限于t跳内例如,图4描绘了具有t= 2跳的广播范围的无线传感器网络现在,如果锚节点A1将其包含其位置的分组广播到其他节点,则该节点应该在2跳内以获得该分组。如果它不在2跳内,则该数据包被丢弃,并且不发生进一步的广播因此,这种机制减少了节点之间传输的数据包的数量,从而降低了能耗。锚未知节点图三. EWCL Hop算法示例。5112136218911714410155168317A. Kaur等人/Journal of King Saud University87图3.具有t =2跳的×本地化错误<$n×rxa-xuþ ðya-yuÞAnchor未知节点图四、 具有t = 2跳的WSN的示例4. 模拟结果和讨论在本节中,我们首先讨论了性能指标,例如定位误差率和平均能耗,这些指标用于将所提出的方案与原始DV-Hop算法(Niculescu和Nath,2001)、IWCL(Zhang等人,2012)和IDWCL(Song和Tam,2015)。接下来,我们描述了EWCL算法通过改变锚节点的数量、通信半径和节点数目来进行广泛的性能比较。表3模拟参数。模拟参数值无线传感器网络面积500× 500 m2节点总数从400到900不等锚节点从50到200不等迭代总数50原始DV Hop算法中的T从2变化到hmaxR从100到150节点(r)和网络中的节点总数的算法EWCL,原始DV-Hop算法(Niculescu和Nath,2001年),IWCL(Zhang等人,2012),IDWCL(Song和Tam,2015)已经在MatLab 2007(Chapman,2015)中模拟。在仿真环境中,未知节点和锚节点随机部署在500× 500m2的区域内。t的值从1到最大跳变值(h_max)变化,原始DV Hop算法。为了获得更好的准确性,每个场景运行50次,显示的结果是50次运行的平均值。使用的模拟参数如表3所示。4.1. 性能度量对于所提出的算法的性能分析及其与其他算法的比较,使用了两个性能度量,并描述如下:i. 定位误差率:定位算法应该给出传感器位置的准确估计准确性是用于各种位置感知应用(诸如搜索、救援、目标跟踪、救灾等)的定位的最重要部分(He等人, 2003年)。 定位精度可以根据定位误差来测量(He等人,2003),这是绝对位置和估计位置之间的差。通过改变参数来检查准确性,例如锚比,节点密度和网络的通信半径(Tomic和Mezei,2016; Yu和Li,2012; Kumar 和 Lobiyal , 2016; Kumar 和 Lobiyal ,2013;Yang 和 Zhang , 2016 a , b; Reichenbach 等 人 ,2006;Blumenthal等人, 2005年)。1Xn q221/1(Kumar和Lobiyal,2016)。因此,在定位过程中使用的能量消耗可以通过减少节点之间的分组传输来减少。它取决于每个节点发送和接收的数据包总数。在原始DV-Hop算法(Niculescu和Nath,2001)中,它可以表示为:能源消耗量<$2×m- 1×m×E<$14m其中n是节点的总数,m是锚节点的总数,E是用于发送分组的平均能量。它乘以2是因为分组的传输在两个阶段中发生。4.2. 改变锚比对定位误差率的影响在实验中,我们比较了EWCL算法与其他四种算法在定位错误率方面的性能,通过改变锚比率。锚比率是锚节点的总数除以节点的总数。我们在一个500 - 500 m2的网络中部署了500个节点,通信半径设置为100。然后,锚比率已被增加,以查看不同的值的定位错误率的影响。不同t值的算法之间的比较如图5从图5中可以看出,定位误差随着锚节点数量的增加而减小EWCL算法的定位误差小于其它算法。因此,EWCL算法优于其他四种算法的的原因EWCL算法使用最近锚点的影响以确定未知节点的位置。不像,IWCL算法-其中n是未知节点的总数,xa,ya>是实际坐标,xu,yu>是未知节点的估计坐标,r是传感器的通信半径定位精度随着定位误差的减小而提高。定位误差比是给定算法的定位误差除以用于比较的所有其他算法的定位误差的总和。平均能量消耗:大部分能量消耗在节点之间交换控制和数据包的过程中EWCL算法利用每个锚点计算的平均跳距的平均值来计算未知节点的位置,而EWCL算法利用最近锚点到未知节点的平均跳距EWCL算法的另一个变化是未知节点在确定其位置时不如果锚节点距离给定未知节点超过t跳,则该锚节点被排除在其位置的计算这些小的变化使EWCL算法的定位精度在不同的t值下比原始DV Hop算法提高了5ð13Þ88A. Kaur等人/Journal of King Saud University×× ðþ-Þ××图五. 通过改变锚定比进行比较(t= 2)。见图8。 通过改变锚定比进行比较(t= 5)。见图6。 通过改变锚比进行比较(t= 3)。见图7。 通过改变锚定比进行比较(t= 4)。4.3. 通信半径变化对定位误差率的影响在该仿真中,比较了随着通信半径的改变而引起的定位误差仿真设置有500个节点部署在500 500m2的网络和锚节点的总数为50。通信半径变化从100到150。t的值为2。 图9. 结果表明,当通信半径取不同值时,EWCL算法的定位精度最高,定位误差最小4.4. 节点总数变化对定位误差的影响在该模拟中,改变节点总数(节点计数),并根据定位错误率检查性能。我们在500 ~ 500 m2的网络中初步部署了400个节点,通信半径设定为100 m.将t的值设置为2。然后,我们尝试通过保持锚比率恒定(0.1%)来增加节点总数,并得到不同情况下的结果算法之间的比较如图10所示。图10.结果表明,EWCL算法具有最小的定位误差。还观察到,如果锚比增加,则所有这些算法都没有影响,是恒定的。4.5. 对平均能耗的影响我们知道,消耗的能量取决于网络中传输的数据包的总数。在原始DV跳中,消耗的数据包总数等于2n M1m,其中n和m是未知节点和锚节点的总数。对于WCL和IDWCL算法,由于只在第一阶段进行广播,其能量消耗减少了2,等于n×m×E。图9.第九条。通过改变通信半径来比较定位误差A. Kaur等人/Journal of King Saud University89见图10。通过改变节点总数来比较定位误差图十一岁通过改变锚比率比较数据包总数(t= 2)。图12个。通过改变锚比率比较数据包总数(t= 3)。IWCL算法在前两个阶段使用广播,因此广播的数据包数与原DV-Hop算法几乎相同。在EWCL算法中,传输的数据包总数表示为:图13岁通过改变锚比率比较数据包总数(t= 4)。图十四岁通过改变锚比率比较数据包总数(t = 5)。图十五岁改变t值时EWCL的定位误差(第一种情况)。数据包总数<$2×t×Cav×m其中Cav是1跳内的平均节点数。因此,在EWCL算法中,消耗的能量减少10000- 100000的因子。t的值越大t×Cav采用图11-90A. Kaur等人/Journal of King Saud University××图十六岁改变t值时EWCL的定位误差(第二种情况)。仿真结果证明,如果广播范围减少了t因子,则分组的总数减少了一个取决于t因子的数量。t的值位于2到hmax之间(在这种情况下为10)。如果t的值为2,则所需的分组与原始DV Hop算法相比几乎减少了3,与IDWCL算法相比减少了2/3。随着t的值增加,传输消耗的数据包数量也增加。仿真结果表明,与其他四种算法(Niculescu和Nath,2001;Zhang等人,2012; Song和Tam,2015),我们提出的EWCL算法可以节省相当多的能量,并给出更准确的结果。4.6. 给定网络的t值变化对定位误差的影响在我们的EWCL的第一和第二阶段,我们限制了t跳的广播范围。EWCL算法的主要问题是t取什么值。以确定该值我们已经采取了不同的情况,并试图找到最佳值的t。在第一种情况下,我们在100 100网络中部署了100个节点,其中10%是锚节点。在第二种情况下,在500 500网络中部署500个节点,其中10%的锚节点。从图如图15和16所示,观察到如果广播范围增加,则对定位精度的影响非常小。t的值决定了消耗的功率量如果t(t =1)的值太低,则消耗较少的功率,但是由于一些已知节点没有足够数量的锚节点(=3)来确定未知节点的位置,因此它将给出不适当的结果或错误。如果我们取非常大的值,则消耗更多的功率。因此,t的值应该使得给定算法降低功耗并且还实现更高的精度。t的值应该从2到hmax。EWCL算法的主要目标是在不损失精度的前提下尽可能地降低能量因此,如果锚点均匀分布在无线传感器网络中,并且锚点比例为总节点的10%,则t的值应该为2 如果不满足前两个条件,则t的值应该是2和h max之间的中间值。从仿真结果中还可以看出,t的值取决于各种因素,如锚比,通信半径和网络的边界面积5. 结论DV-Hop算法和其他加权质心DV Hop算法的主要问题为了克服这些问题,我们提出了改进的EWCL定位通过考虑通信半径和最近锚节点的影响来提高准确性,并且通过在前两个阶段中将广播范围限制为T跳来EWCL算法中使用的权重因子是跳数、平均跳距和传输半径的函数。通过理论分析和仿真实验,证明了EWCL算法在局部化精度和能量消耗方面优于其他算法当与DVHop相比时,对于不同的t值,EWCL算法实现了5-25%的定位精度。还观察到t的最佳值为2。与DV Hop算法相比,EWCL算法的能耗仅为在以后的工作中,我们将尝试找出t与锚节点数、节点总数和通信半径的关系,从而确定t的精确值。我们也将尝试在3D无线传感器网络中扩展我们的工作。引用Alrajeh,N.A.,Bashir,M.,Shams,B.,2013.无线传感器网络中的定位技术。Int. J.Distrib. Sens. 网络Blumenthal,J.,Reichenbach,F.,Timmermann,D.,2005.无线传感器网络中低复杂度的位置估计。在:关于定位,导航和通信的联合第二次研讨会,pp。 41比49Blumenthal,J.,Reichenbach,F.,Timmermann,D.,2005.无线传感器网络中低复杂度精确定位算法。Praxis DerInformationsverarbeitung Und Komplakation 28(2),80-85.Bulusu,N.,Heidemann,J.,Estrin,D.,2000.无GPS的低成本户外定位,适用于非常小的设备。IEEE标准Commun. 麦格 7(5),28-34.Chapman,S.,2015年。 J. 工程师的MATLAB编程 尼尔森教育陈旭,北卡罗来纳州罗2013.无线电缆传感器网络中的节能通信。Int. J. 平行紧急分布系统 28(4),289-307。陈洪,Sezaki,K.,Deng,P.,那么HC 2008.一种改进的无线传感器网络DV-Hop定位算法。在:IEEE工业电子和应用会议论文集,新加坡,pp。 1557-1561年。郑,X,Thaeler,A.,Xue,G.,Chen,D.,中国农业科学院,2004. TPS:一种基于时间的室外无线传感器网络定位方案。在:第23届IEEE计算机与通信学会IEEE年度联席会议(INFOCOM '04),香港,中国,页。 2685-2696。吉罗德湖,Bychobvskiy,V.,Elson,J.,Estrin,D.,2002.在时间和空间中定位微小的传感器。案例研究2002年IEEE计算机设计国际会议论文集。计算机和处理器中的VLSI,LosAlamitos,pp。 214- 219哈特,A.,Hopper,A.,Steggles,P.,Ward,A.,Webster,P.,2002.上下文感知应用程序的剖析。无线网络 8(2),187-197。他,T.,Huang,C.D.,Blum,B.M.,斯坦科维奇,J.A.,Abdelzaher,T.,2003.大规模传感器网络的距离无关定位方案。在:第九届移动计算和网络年度国际会议的会议记录。ACM,San Diego,Calif,USA,pp. 81比95库马尔,S.,Lobiyal,D.K.,2013年。无线传感器网络DV-Hop定位算法的改进世界科学院,工程和技术,页。282 -292.库马尔,S.,Lobiyal,D.K.,2016.一种新的无线传感器网络DV-Hop定位算法。电信。系统:1-16纳格帕尔河1999.在非晶计算机上从局部信息组织全局坐标系。回忆录1666。麻省理工学院人工智能 实验室A. Kaur等人/Journal of King Saud University91Nayak,Stojmenovic,I.,2010.应用,模型,问题,和解决方案策略,在无线传感器和执行器网络,编辑。威利,新泽西州。第1章,第100页。 三比四Niculescu , D. , Nath , B. , 2001. 特 设 定 位 系 统 。 In : IEEEonGlobalTelecommunications Conference,vol. 5,pp.2926-2931。Niculescu,D.,Nath,B.,2003.使用AoA的自组织定位系统(APS)。在:第二十二届IEEE计算机与通信年会,第3卷。IEEE Societies,pp. 1734-1743年。Reichenbach,F., Blumenthal,J., Timmermann,D., 2006. 提高无线传感器网络粗粒度定位精度。 在:第九届EUROMICROIEEE会议数字系统设计,页。 630- 640Savvides,A.,汉CCSrivastava,M.B.,2001年传感器自组网中的动态细粒度定位。第七届移动计算和网络国际年会论文集,pp。 166-179。Shang,Y.,(1996年),Ruml,W.,2004年改进的基于MDS的本地化。在:IEEE计算机通信会议(INFOCOM '04)的会议记录。2640-2651。 香港。宋,G.,Tam,D.,2015.两种新的DV-Hop定位算法随机部署的无线传感器网络,国际。J. 分布量Sens. 网络.Tomic,S.,梅泽岛2016.无线传感器网络DV-Hop定位算法的改进。电信。系统:1 -14Xing,G., Mišic' ,V.B.,2010年。 无线自组织和传感器网络。 Int. J. 平行紧急分布25(6),437-438.杨,X.,张伟,2016年a。一种改进的基于蝙蝠算法的DV-Hop定位算法。赛博恩Inf.Technol.16(1),89-98.杨,X.,张伟,2016年b。提出了一种基于跳距和跳数修正的DV-Hop定位算法。Int. J.Multimedia Ubiquitous Eng. 11(6),319-328.余伟,Li,H.,2012.无线传感器网络中一种改进的DV-Hop定位方法在:计算机科学与自动化工程(CSAE),3,pp。 199-202.张,B.,吉,M.,山湖,2012.基于DV-Hop的无线传感器网络加权质心定位算法。在:第八届无线通信,网络和移动计算国际会议,上海,中国,第100页。 1比5。赵,J,Xi,W.,他,Y.,Liu,Y.,李,X.-是的,密苏里州,杨志,2013.无线传感器网络在野外的定位:追求测距质量。 IEEE/ACM Trans.网络21(1),311-323。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功