基于粒子群优化的无线传感器网络非视距节点定位算法
CSTR:
作者:
作者单位:

东北大学信息科学与工程学院,沈阳110004.

作者简介:

刘韵婷

通讯作者:

中图分类号:

TP393

基金项目:

国家自然科学基金项目(61304021);中央高校基本科研业务费专项资金项目(N110404032);林业公益性行业科研专项经费项目(201304515-3).


Non-line of sight node localization algorithm based on particle swarm optimization for wireless sensor networks
Author:
Affiliation:

College of Information Science and Engineering,Northeastern University,Shenyang 110004,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对室内环境中传感器节点间的非视距传播会降低定位精度的情况, 研究基于无线传感器网络的非视距节点定位方法. 根据不同环境下信标节点的测量模型和视距传播概率建立目标函数, 采用粒子群优化算法估计出未知节点的位置, 将利用最小二乘法计算出的节点位置作为粒子的初始位置. 仿真结果表明, 通过与最小二乘法、残差加权和RANSAC算法相比较, 所提出算法能够较好地削弱非视距误差, 且具有更高的定位精度.

    Abstract:

    The localization accuracy can be degraded considerably due to the existence of non-line of sight(NLOS) propagation between the sensor nodes in indoor environment. Therefore, the NLOS node localization method is investigated for wireless sensor networks. The objective function is established according to the measurement models of beacon nodes and LOS(line of sight) propagation probability in different environment. The particle swarm optimization method is employed to estimate the position of the unknown node, and the least square method is used to compute the node position as the initial position of the particle. The simulation results show that the proposed method has higher localization accuracy in comparison with the least square method, the residual weighting algorithm(Rwgh) and random sample consensus(RANSAC) methods.

    参考文献
    相似文献
    引证文献
引用本文

刘韵婷 张嗣瀛 井元伟.基于粒子群优化的无线传感器网络非视距节点定位算法[J].控制与决策,2015,30(6):1106-1110

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-04-24
  • 最后修改日期:2014-07-25
  • 录用日期:
  • 在线发布日期: 2015-06-20
  • 出版日期:
文章二维码