dv-hop算法的节点通信改进

dv-hop算法的节点通信改进

0总结1定位hd的算法1.1人类历史上的进步现在，计数产品和技术伴随着无线传感器网络的进步，已经进入了人们的视野。其中，在定位技术方面，研究人员把在节点定位阶段是否需要进行距离的测量作为评判依据，归为距离式和无距离式两种节点定位思路1.2确定锚节点间的平均跳距DV-Hop算法源于美国学者DragosNiculescu等。其主旨是：首先，获取未知节点与锚节点的最小跳数、所有锚节点间的平均跳距；其次，未知节点选取周围任意锚节点的平均跳距作为自身平均跳距值，与自身最小跳数相乘而得锚节点和未知节点间的距离；最后，将距离代入最小二乘法求解欲求节点坐标值。组成DV-Hop算法的部分有如下文三个阶段1邻近节点跳数选择DV-Hop算法采用距离矢量路由协议的方法，把网络中每个锚节点的位置坐标信息向周边的节点进行广播，每个节点用首先，每个锚节点将自身坐标值和跳数值向邻近节点广而告之。邻近节点处于接收到发出消息的状态后，数据中的跳跃值就会增加1跳，紧接着将更新后的数据转发给别的邻居节点，将信息使用泛洪方式传播。其次，进行跳数选择操作：各接收节点将来自同一锚节点跳数值中的最小值保留，其他数值全部舍去。保持网络的畅通，就能让全部节点处于获取每个锚节点最小跳数的状态。2各锚节点平均跳距的确定全部节点获取每个锚节点最小跳数后，可从式(1)获悉全部锚节点的平均跳距。(1)式(1)中，在网络中，将获得的每个锚节点平均跳距进行广播，当未知节点处于获悉信息状态时，选择一个锚节点平均跳距作为自身的平均每跳距离。此时，全部未知节点=3未知节点坐标的解算当获得的锚节点与未知节点的间距在3个或3个以上时，就能按照最小二乘法进行推理解算获取所求未知节点的估计坐标值利用锚节点未知节点的坐标用公式(4)求得。方程(4)可改写成由此可得未知节点=(1.3求未知节点图2展示了4个节点的位置关系：由勾股定理得节点从图中跳步路径可得，2为节点式(8)表示取最后，将上述数值代入最小二乘法中推导解算就可以取得未知节点2纠正算法2.1缺乏一个d-robot算法1跳数信息通信半径2平均跳跃距离未知节点的平均跳距值是随锚节点选取而发生着变化的，不是固定值。这种情况下，生出误差是在所难免的32计算未知节点坐标的方法在最小二乘法的推导计算过程中，不能排除得不到(A2.2节点跳数细化在DV-Hop算法跳数获取环节，只要邻近节点出现在锚节点半径为当图3所示的情况出现时：已知坐标的3个锚节点，按DV-Hop算法跳数判定方法，统一认为节点因此，将节点间的跳数细化非常必要，本文利用细化通信半径的方式达到跳数细化的目的。改进算法将通信半径细分为0.12.3平均跳距的计算第一步：最小跳数获取。1)初始化网络，网络中所有锚节点首次广播的通信半径是0.1当信息传播范围内的节点处于接收到信息的状态后，接收节点获悉与锚节点的最小跳数值是0.1跳。2)所有锚节点以0.2如果是首次获得锚节点信息的节点，该节点获悉与锚节点的最小跳数值是0.2跳。若该节点之前就获取过信息，仍保留0.1跳的数值。3)以此类推，在之前通信半径的基础上每次增加0.1第二步：平均跳距的计算。使用勾股定理求取锚节点间的直线距离，再使用式(1)获取全部锚节点的平均每跳距离值。第三步：解算未知节点坐标。任意选取一个锚节点的平均每跳距离作为未知节点平均跳距进行节点间距离计算。最后，按照最小二乘法解算获取未知节点的坐标值。3试验结果与分析3.1实验仿真参数使用计算机中MatlabR2016a软件形成边长100m的正方形，并在其中任意分布100个节点。在锚节点数目一致的情况下，设计进行多组实验，利用蒙特卡洛方法得到定位误差平均值。本文选取相对定位误差作为评价标准，如式(5)为(5)其中，仿真参数如表1所示。节点随机分布图如图4所示。3.2通信半径的影响仿真结果如图5所示。由图4与图5分析可得：1)通信半径统一的前提下，随锚节点百分比的变大，原算法的相对定位误差呈减小的趋势。2)锚节点百分比统一的基础上，当通信半径逐步变大时，原算法的定位误差也呈下降态势，但是降幅在逐步趋小。3)实际的工程应用时，通信半径不是越大就越好的，因为随着通信半径变大，就需要更大的能量，会增加相应的成本。4)仔细观察可得个别点的相对定位误差会略高于前边的点，这是网络拓扑造成随机产生的缘故。4改进算法的成本本文首先研究了经典DV-Hop算法，经分析发现了存在的缺陷，以跳数信息的不足为切入点，引入通信半径细化的改善算法，获得了细化的跳数和较为准确的节点间距值。经由Matlab仿真实验，结果说明：在平等仿真前提下，改进算法在没有大幅度增加算法复杂度的背景下有效降低了定位误差，实现了提高定位精度的目的。然而本文提出的改进算法的优势只是对定位精度的改善，对多次通信半径的广播和泛洪中能耗所产生的花销没有考虑在内。未来应着重研究在不影响定位精度的前提下，降低改进算法的成本。