做电子商务网站注册哪一类商标,浙江建设厅网站官网,智慧门店管理系统app,南阳建网站内容摘要#xff1a;基于信号到达角度(AOA)的定位算法是一种常见的无线传感器网络节点自定位算法#xff0c;算法通信开销低#xff0c;定位精度较高。由于各种原因#xff0c;估测的多个节点位置可能存在不可靠位置#xff0c;提出了一种改进的基于信号到达角的定位方法基于信号到达角度(AOA)的定位算法是一种常见的无线传感器网络节点自定位算法算法通信开销低定位精度较高。由于各种原因估测的多个节点位置可能存在不可靠位置提出了一种改进的基于信号到达角的定位方法通过过滤误差较大的估计位置来提高定位的精度。仿真结果表明本文提出的改进算法很好地提高了定位精度。关键词无线传感器网络节点定位到达角估计位置过滤近年来随着无线通信、集成电路、传感器以及微电系统等技术的飞速发展和日益成熟被誉为全球未来三大高科技产业之一的无线传感器网络(WSNWireless Sensor Network)引起了全世界范围的广泛关注。随着物联网概念的提出作为其关键技术的传感器技术成为人们研究核心随着无线传感器网络的应用逐渐深入到人们生活的方方面面其核心支撑的节点定位技术也得到不断的改进、推广。在WSN中传感器节点随机分布在监测区域内其中部分节点能够通过携带自身定位设备或人工部署的方式获得自身的精确位置此类节点被称为锚节点(anchor node)其他未知节点(unknown node)只能根据锚节点位置按照某种定位机制估算出自身位置。锚节点所占的比例直接影响到传感器网络的造价。根据是否需要测距节点定位算法分为两类基于测距(range-based)的定位算法和无需测距(range-free)的定位算法。Range-free算法仅仅依靠网络连通性等信息就能够实现定位其主要代表算法有质心算法(Centroid)、DVHop (Distance Vector-Hop)、凸规划(Convex)和APIT(Approximate Perfect Point In Tri-angulation Test)等无需测距的定位算法对硬件的要求不高但通常定位精度不高基于测距的定位算法在定位过程中需要对节点间的角度信息或者距离等进行测量其典型算法有接收信号强度法(RSSIRece ived Signal Strength InDICator)、信号传输时间法(TOATime of Arrival)、信号到达角法(AOAArrival of Angle)等通过测量未知节点与锚节点之间的距离或角度信息再运用三边测量法、三角测量法或最大似然估计法计算未知节点的位置信息。Range-based算法定位精度较高但对无线传感器网络节点的硬件、成本有一定的要求未来研究趋势是低成本、高能效的角度或距离测量技术及相关的定位算法。基于信号到达角度的定位算法是一种典型的基于测距的定位算法通过某些硬件设备感知发射节点信号的到达方向计算接收节点和锚节点之间的相对方位或角度然后再利用三角测量法或其他方式计算出未知节点的位置。本文首先介绍了典型的基于信号到达角度的节点定位算法在此基础上提出了一种改进的算法即在对定位结果进行求精校正的阶段通过选择过滤误差较大的估计位置提高系统的定位精度使最后的定位结果更加有效。1 理论分析11 基于信号到达角度的定位算法算法第一步为测量阶段即未知节点通过特殊设备测量得到在通信范围内的锚节点的信号到达角度信息。第二步利用夹角射线原则解方程计算未知节点的估计位置假设未知节点P(xy)测量A(x1y)、B(x2y2)两个锚节点的信号到达角度信息为α、β解方程第3部进行求精校正。当未知节点通信半径内有多个锚节点时将两个锚节点作为一组分成不同排列组合其结果会有多个估计位置将多个估计位置组成的几何图形的质心作为未知节点的最终估计位置。算法的一般流程图如图1所示。12 估计位置过滤当未知节点的通信半径内有多个锚节点时对于任意不共线的两个锚节点都能确定一个估计位置由于锚节点的选择问题估计位置可能存在某些误差较大的点将这些估计位置排除会提高系统的定位精度。过滤误差较大的估计位置的方法假设有A(xaya)B(xbyb)C(xcyc)D(xdyd)E(xeye)5个估计位置首先计算任意两个估计位置间的距离为Sij(如表1所示)Sij。设定一个距离阈值d且节点与自身的距离取为∞当表中存在某一行的距离值均大于d时认为该点为不可靠位置不参与计算。若A、B、C、D为可靠位置则将4个位置构成的几何图形的质心作为未知节点的最终估计位置。基于上述思想对原有算法最后一步进行了求精即求多个估计位置的平均值时排除了误差较大的位置对算法进行了改进为了陈述上的统一对于改进后的算法称为基于信号到达角度的改进定位算法(Improved AOA LOCalization Algorithm for Wireless Sensor Net workIAOA)。算法的适用条件1)无线传感器网络节点部署在二维平面内传感器节点都搭载有特殊硬件可测得在通信半径内的邻居锚节点的信号到达的角度值。2)只有当估计位置个数大于等于3个时才进行估计位置的过滤。对于只有两个估计位置的直接取两个点的中点作为节点的最后估计位置。当只有一个估计位置时该位置则为节点的最终估计位置。2 仿真分析为检验改进算法的性能用MATLAB仿真工具对基于信号到达角度的定位算法(AOA)和本文提出的算法(IAOA)进行仿真实验。21 仿真环境设置在100 mx100 m的监测区域内随机部署传感器节点。传感器节点数目为N锚节点数目为n传感器节点的通信半径r角度测量偏差△。定位误差节点实际位置和估计位置之间的距离。定位覆盖率能够进行定位的未知节点数与总的未知节点个数之比。为了保证实验的准确性针对不同情况本文分别进行了多次仿真观察、统计仿真结果对多次结果求平均作为最后的评价结果。取N50n10r50△3°(基于射频的到达信号的角度测量标准偏差值在3°左右)d008r未知节点的定位误差如图2所示。可见IAOA的平均定位误差较小算法的定位精度有了一定的提升。22 节点通信半径对定位结果的影响节点通信半径是直接影响算法定位效果的重要因素节点的通信半径越大覆盖的监测区域越大未知节点的邻居锚节点数目就越多定位的覆盖率和定位精度可能就越高图3分别给出了节点通信半径在1050时两种算法的定位精度与定位覆盖率的情况。从图3(a)可以看出随着节点通信半径的增大两种算法的定位误差都在逐渐下降当r30时改进算法的定位精度明显高于原有算法。继续增大节点的通信半径定位精度提升的效果不是很明显。图3(b)表明改进算法的定位覆盖率与原算法基本一致没有多少改进由于必须有多个估计位置时算法才对结果进行排除求精所以算法仅仅是对定位精度进行了提升并没有解决不能定位的盲区问题。因此下文中将只针对定位精度对两种算法进行比较。23 锚节点个数对定位精度的影响一般来说锚节点个数越多未知节点监测到的锚节点数越多定位覆盖率就越高定位误差相对较小定位性能就越好。但是锚节点数量增多势必会增加网络的成本两者之间的矛盾是不可避免的实际情况下在能够满足定位需求的前提下锚节点数目应尽可能的少。下面将观察锚节点数量对算法定位精度的影响。由图4可见随着锚节点个数的增加算法的定位精度都有所提升但是改进算法下降较快定位精度较高当锚节点个数达到20时改进算法其定位精度趋于平缓。24 节点密度对定位精度的影响单位面积上部署的节点数量称为节点密度。对于一定的监测区域当节点密度高时在通信半径相同的情况下未知节点更容易被更多的锚节点监测到定位精度相对较高。实验中节点的通信半径r固定不变锚节点密度(锚节点与所有节点的比例)为10改变节点数量观察实验结果。图5表明当网络监测区域不变时随着网络中节点数目的增多节点密度增大时算法的定位精度都在提高且改进算法依旧能有较好的定位精度但是节点数目的增加势必会增大节点间的通信量能耗也随之增加因此节点数目的选择应综合考虑达到所需要的定位精度即可。3 结论文中提出的算法对基于信号到达角度的定位算法进行了改进对最后的估计位置进行了选择滤除仿真实验表明本算法在定位精度方面与改进前方法有较大的提高应用范围也更加广泛。但是改进算法对锚节点的密度有局限性即网络内未知节点的邻居锚节点平均数目大于3时算法才能体现出其优越性所以改进算法不能有效解决网络中锚节点密度较低时定位覆盖率低的问题网络中不能定位的盲区问题还有待进一步研究。