无线传感器网络Dv-hop定位算法

2021/11/13 14:09:39

编程Tag： 算法节点 Tag ... 无线 XN yn hop DV

本文主要是介绍无线传感器网络Dv-hop定位算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

无线传感器网络Dv-hop定位算法

文章目录

无线传感器网络Dv-hop定位算法
- 1.算法原理
- 2.算法测试
- 3.参考文献
- 4.Matlab代码

摘要：根据距离矢量和 GPS定位原理，2001年，Nieuleseu等人提出了 DV-Hop传感器节点定位算法，其只包含少数锚节点，剩余节点为未知节点，需要通过定位算法来确定它们的位置，具有无需测量距离，硬件要求低等点，在硬件条件有限的WSN得到了广泛的应用。

1.算法原理

DV-Hop算法的定位步骤如下：

（1）各锚节点向通信范围内的邻居节点广播自身的位置信息。接收节点则记录到每个锚节点的最小跳数，同时忽略来自同一个锚节点的较大的跳数信息，而后将跳数值加1转发给邻居节点。

（2）每个锚节点根据所记录的其他锚节点的坐标信息和跳数，通过式（1）估算网络平均跳距距离。
H o p S i z e i = ∑ j ≠ i ( x i − x j ) 2 + ( y i − y j ) 2 ∑ j ≠ i h o p S i j (1) HopSize_i=\frac{\sum_{j\neq i}\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}}{\sum_{j\neq i }hopS_{ij}}\tag{1} HopSizei=∑j=ihopSij∑j=i(xi−xj)2+(yi−yj)2 (1)
式中， j j j为锚节点 i i i数据表中的其他锚节点号， h o p S i j hopS_{ij} hopSij 为锚节点 i i i和 j j j之间的跳数。

锚节点将所计算的平均跳距广播至整个网络后，未知节点仅记录所收到的第一个平均跳距，并向邻居节点转发，未知节点接收到平均跳距后，跟据所记录的跳数信息，按式（2）估算未知节点 i 到某个锚节点的距离：
L i = S i ∗ H o p S i z e (2) L_i=S_i*HopSize \tag{2} Li=Si∗HopSize(2)
（3）设 P 1 ( x 1 , y 1 ) , . . . , P n ( x n , y n ) P_1(x_1,y_1),...,P_n(x_n,y_n) P1(x1,y1),...,Pn(xn,yn)表示 n n n个锚节点的坐标位置，待定位节点D的位置为 ( x , y ) (x,y) (x,y) ，其与标节点估计距离分别为 d 1 , d 2 , . . . , d n − 1 d_1,d_2,...,d_{n-1} d1,d2,...,dn−1 ，可以建立式（3）的方程。
{ ( x 1 − x ) 2 + ( y 1 − y ) 2 = d 1 2 ( x 2 − x ) 2 + ( y 2 − y ) 2 = d 2 2 . . . ( x n − x ) 2 + ( y n − y ) 2 = d n 2 (3) \begin{cases} (x_1-x)^2+(y_1-y)^2=d_1^2\\ (x_2-x)^2+(y_2-y)^2=d_2^2\\ ...\\ (x_n-x)^2+(y_n-y)^2=d_n^2 \end{cases}\tag{3} ⎩⎪⎪⎪⎨⎪⎪⎪⎧(x1−x)2+(y1−y)2=d12(x2−x)2+(y2−y)2=d22...(xn−x)2+(yn−y)2=dn2(3)
第一个方程组减去第后一个方程后，到得：
{ 2 ( x 1 − x n ) x + 2 ( y 1 − y n ) y = x 1 2 − x n 2 + y 1 2 − y n 2 − d 1 2 + d n 2 2 ( x 2 − x n ) x + 2 ( y 2 − y n ) y = x 2 2 − x n 2 + y 2 2 − y n 2 − d 2 2 + d n 2 . . . 2 ( x n − 1 − x n ) x + 2 ( y n − 1 − y n ) y = x n − 1 2 − x n 2 + y n − 1 2 − y n 2 − d n − 1 2 + d n 2 (4) \begin{cases} 2(x_1-x_n)x+2(y_1-y_n)y=x_1^2-x_n^2+y_1^2-y_n^2-d_1^2+d_n^2\\ 2(x_2-x_n)x+2(y_2-y_n)y=x_2^2-x_n^2+y_2^2-y_n^2-d_2^2+d_n^2\\ ...\\ 2(x_{n-1}-x_n)x+2(y_{n-1}-y_n)y=x_{n-1}^2-x_n^2+y_{n-1}^2-y_n^2-d_{n-1}^2+d_n^2\\ \end{cases}\tag{4} ⎩⎪⎪⎪⎨⎪⎪⎪⎧2(x1−xn)x+2(y1−yn)y=x12−xn2+y12−yn2−d12+dn22(x2−xn)x+2(y2−yn)y=x22−xn2+y22−yn2−d22+dn2...2(xn−1−xn)x+2(yn−1−yn)y=xn−12−xn2+yn−12−yn2−dn−12+dn2(4)
用线性方程组表示为 A L = b AL = b AL=b，其中，
A = [ 2 ( x 1 − x n ) 2 ( y 1 , y n ) . . . . . . 2 ( x n − 1 − x n ) 2 ( y n − 1 − y n ) ] (5) A=\left[\begin{matrix} 2(x_1-x_n)&2(y_1,y_n)\\ ...&...\\ 2(x_{n-1}-x_n)&2(y_{n-1}-y_n) \end{matrix}\right]\tag{5} A=⎣⎡2(x1−xn)...2(xn−1−xn)2(y1,yn)...2(yn−1−yn)⎦⎤(5)

L = [ x y ] (6) L=\left[\begin{matrix} x\\ y\end{matrix}\right]\tag{6} L=[xy](6)

b = [ x 1 2 − x n 2 + y 1 2 − y n 2 + d n 2 − d 1 2 . . . x n − 1 2 − x n 2 + y n − 1 2 − y n 2 + d n 2 − d n − 1 2 ] (7) b=\left[\begin{matrix} x_1^2-x_n^2+y_1^2-y_n^2+d_n^2-d_1^2\\ ...\\ x_{n-1}^2-x_n^2+y_{n-1}^2-y_n^2+d_n^2-d_{n-1}^2 \end{matrix}\right]\tag{7} b=⎣⎡x12−xn2+y12−yn2+dn2−d12...xn−12−xn2+yn−12−yn2+dn2−dn−12⎦⎤(7)

采用最小二乘法得到方程组的解为:
L = ( A T A ) − 1 A T b L=(A^TA)^-1A^Tb L=(ATA)−1ATb

2.算法测试

设定节点覆盖范围为200x200，总节点数为：200，信标节点数20,通信半径为30，未知节点数为180。采用归一化平均定位误差作为评价指标：
e r r o r = ∑ i = 1 m ( x i − x i ∗ ) 2 + ( y i − y i ∗ ) 2 k ∗ m ∗ r (8) error = \frac{\sum_{i=1}^m\sqrt{(x_i-x_i^*)^2+(y_i-y_i^*)^2}}{k*m*r}\tag{8} error=k∗m∗r∑i=1m(xi−xi∗)2+(yi−yi∗)2 (8)
式中， m m m为未知节点的数目； k k k为实验次数； r r r为节点的通信半径； ( x i , y i ) (x_i,y_i) (xi,yi)为未知节点的估计坐标； ( x i ∗ , y i ∗ ) (x_i^*,y_i^*) (xi∗,yi∗)为该未知节点的真实坐标。

请添加图片描述