在许多应用中，无线传感器网络的节点的位置信息通常确定网络的功能和性能。了解决移动无线传感器网络的三维定位问题，提出了一种优化的移动无线传感器网络定位算法。算法使用在三维空间中随机分布在监视区域中的固定锚节点，并且移动未知节点通过确定它是第一个还是第一个时刻来组合先前的定位时间而移动。收到锚节点的地方。知节点的位置和使未知节点移动一跳和两跳的固定锚节点的位置减小了未知节点可以定位的区域的范围，从而减小了定位误差。点。算机仿真表明，该算法的定位精度优于扩展到三维空间的蒙特卡罗定位算法（MCL）。移动无线传感器网络中搜索优化的三维定位算法[摘要]在许多应用中，无线传感器网络（WSN）的操作和性能取决于传感器节点的位置信息。了解决无线传感器网络中的三维定位问题，本文提出了一种优化的无线传感器网络定位算法，其中固定锚节点随机部署在三维空间监测区域。定这是否是第一次接收到锚节点的位置信息。
还使用自身在先前位置时间的位置和锚节点的位置信息。个或两个跳跃分开，以减少位置错误。真结果表明，与蒙特卡罗定位（MCL）离子算法的三维定位相比，所提出的定位算法具有更高的定位精度。[关键词] WSN无线通信的三维定位引言随着无线通信和硬件技术的发展，无线传感器网络的应用越来越多。可以在许多领域找到，如环境监测，煤矿安全，农业生产，疾病监测和车辆运输[1-2]。某些应用中，节点随机部署在监控区域中并实时移动。法获得节点的地理位置信息。是，在许多情况下，只能指定传感器节点的位置以向用户提供有用的监视数据。拓扑规划提供了依据，节点位置信息是许多研究的基础[3]。于定位所述无线传感器网络的第一算法主要用于静态网络空间维平面：该节点的位置是固定的，并且该节点的坐标是仅有的两个尺寸X和Y的节点的迁移率和不考虑三维空间。而，在许多传感器应用中，例如野生动物监测，海流监测，车辆网络等，传感器节点的位置随时间变化并且节点位置的测量提供也是三维坐标。此，研究移动传感器网络的三维定位算法非常重要[4-5]。动传感器网络中的常见定位方法是为固定节点部分组装GPS全球定位系统，称为固定锚节点。余的未知移动节点使用这些锚节点的位置信息来估计它们的位置。如，在文献中提出在监视区域中随机部署多个固定锚节点。据蒙特卡罗算法，移动节点首先根据当前位置预测当前位置。一时刻的位置并估计移动节点可以位于的位置区域。为样本，使用跳跃中的固定锚节点的位置信息和移动节点的两次跳跃来过滤样本，并且满足锚节点的资格条件的样本值是选择，然后执行交叉操作和变异操作并执行采样。
化，最后是滤波后样本坐标的平均值，记录为移动节点当前位置的坐标[6]。文献中还提出，移动节点根据其自身的行进速度生成相对距离约束，然后使用固定锚节点的位置信息和信息传输范围来估计其位置。动节点，避免蒙特卡罗算法中的重复采样。题[7]。现有的移动传感器阵列定位技术中，移动节点的采样面积大，节点的定位精度小，主要适用于二维平面空间，这就是本文提出的原因。化的移动传感器网络。维定位算法。算法将传统的移动传感器网络定位算法扩展到三维空间，并利用移动未知节点首次接收固定锚节点的位置信息，并整合了信息。跳锚节点的位置。高运动中未知结的定位精度。三维空间扩展蒙特卡罗定位算法相比，该算法可以有效提高三维移动未知节点的空间定位精度。特卡罗定位算法蒙特卡罗定位算法在定位的初始化阶段，系统首先在网络区域中随机选择N个采样点，形成初始样本集L0 = { l10，l20，…，lN0}，然后重复预测阶段和过滤器。景实现了未知结的运动定位。预测阶段，移动未知节点根据节点的最大移动速度确定节点的位置，假设未知移动节点本身的实时移动速度未知且速度快节点的最大位移不超过Vmax。在时间t-1定义节点的位置时，节点在时间t的位置位于圆的中心，圆是圆的中心，Vmax是半径。Vmax值越大，采样区域和节点可以定位的位置区域越大。过在圆圈中重复采样，算法可以在时间t-1从样本集合Lt-1获得时间t处的样本集合Lt。过滤阶段期间，该算法使用未知节点的固定锚节点（一次跳跃和两次跳跃）的位置信息来消除不合格样本。设R是节点的通信半径，运动中的未知节点的样本值位于距离锚节点的跳跃距离为R的圆圈中，距离距离R和2R的圆圈中。有两个跳跃的锚节点。
旦过滤阶段完成，未知移动节点的部分定位样本被过滤，所收集的样本数量可能低于系统阈值。算法重复预测和过滤过程，直到移动未知节点收集足够的样本值并最终计算。些样本坐标的平均值被视为运动中未知节点的当前位置坐标[8]。于无线移动传感器阵列的优化三维定位算法在基于传统蒙特卡罗算法的移动传感器阵列节点定位中，未知移动节点可以位于更大的位置区域，准确度节点定位较低，当前算法适用于不能应用于三维空间的二维平面区域。文中提出的网络中的移动传感器优化三维定位算法允许确定是否未知移动节点必须在第一次被接收，并且如果用于第一未接收到固定的锚节点的位置信息次，满足高精度定位的要求。该算法中，无线传感器网络由固定的锚节点和部署在监视区域中的不熟悉的移动节点组成。定锚节点将相邻锚节点的位置信息存储在其自己的范围和跳跃中。余的移动未知节点在网络中随机移动。定锚节点广播存储在每个定位时刻的锚节点位置信息。
移动未知节点进入某个固定锚节点的通信区域时，假设移动未知节点可以接收锚节点广播的位置信息，移动未知节点计算自己的基于信息的实时坐标。定初始定位区域一旦固定锚节点已部署在监视区域中，未知移动节点就开始在网络中自由移动，并且移动速度不固定。设所有节点的通信距离为R，即未知移动节点的最大移动速度为Vmax，并且系统间隔时间T用于定位未知移动节点一次，距离为每个定位间隔中未知移动节点的最大位移是Smax = T * Vmax。了保证算法的有效性，有必要定义系统的定位间隔，以便Smax假设最后定位时刻运动中未知节点的位置为M，因为最大距离为在每个定位间隔中移动未知节点是Smax，然后是当前值。定位时，移动n个未知节点位于与点M作为球的中心和Smax的半径的球，如图1：过滤所述位置区域，并确定是否固定锚节点在每个定位时刻广播其自身的位置信息，并且相邻锚节点的位置信息和节点ID号从锚节点跳转。动未知节点接收到固定锚节点广播的信息后，记录固定锚节点及其相邻锚节点的信息。些锚节点是移动未知节点的一跳或两跳锚节点。果锚节点仅是移动未知节点的两跳锚节点，则锚节点被注册为两跳锚节点。则，它将作为一个锚节点保存在一个跃点中。后，移动未知节点确定是否存在除了当前接收的跳锚节点标识号和同时接收的跳锚节点标识号之外的标识号。前的定位时间。
果存在不同的标识号，则在当前定位时刚刚检测到的一跳锚节点被第一次保存为第一检测到的跳的锚节点。测到先前的定位力矩，并且在当前定位时间不发出收听。跳锚节点被注册为第一次未听到的第一跳锚节点。当前定位时，如果未首先接收到未知移动节点或者第一次没有接收到某个跳跃锚节点广播的信息，则移动未知节点N位于该节点作为球体中心的跳跃锚，R是球的半径。此同时，恒温阀芯移动n个未知节点也位于固定锚节点B到两周跳和R和2R半径的距离的球形壳如图2：如果未知节点在当前定位时第一次检测到运动当听到某个跳跃锚节点广播的信息时，从未知未知节点到跳跃锚节点的最近距离是R-Smax（最后一个未知时刻移动距离最远的锚节点的通信区域之外的未知节点。距离R（当前定位时刻只是移动在锚节点的通信区域中的未知节点），和未知移动节点N位于固定锚节点C作为中心的球形壳球体和R-S最大半径和R.如果移动节点陌生人不听取首次在当前位置处的一些锚节点传播的信息，所述距离，其中所述节点是未知的未知更靠近固定锚节点的是R（当前定位时刻将未知节点移动到锚节点）。
通信区域之外），最远的距离是R Smax（最后的未知时刻仅在锚节点的通信区域中移动未知节点），并且未知移动节点N位于将锚节点D固定为球体的中心，半径为R并且在R Smax的球壳内，如图3所示。动未知节点后将其彻底考虑在内上述限制因素，这些有限的区域相交的区域被认为是移动节点未知可以位于的区域的范围内，并且交叉区域的中心坐标由扫描方法计算grid [9]并保存为当前定位时间运动。知节点的位置坐标。果涉及到未知节点的位移的定位误差是在定位的最后一刻显著，未知节点在本定位和基于所检测到的固定锚节点和所述有限的区域上禁区的基于时间移动先前的定位时间位置可能没有交叉，并且无法计算运动。知节点的位置坐标。此，当在上面定义的区域中没有交叉区域时，首先计算固定未知节点的区域，该区域是跳跃和未知节点的两跳，然后是区域计算未知节点所在的区域，然后计算该区域中心的坐标作为当前未知节点。位力矩的位置坐标。果移动未知节点在当前定位时刻未检测到固定锚节点，则将未知节点上先前定位时刻的位置标记为当前定位时刻的位置坐标。真结果与分析由于MCL定位算法是一种二维空间定位算法，因此针对三维空间提出了一种针对移动传感器阵列优化的三维定位算法。文将MCL定位算法扩展到三维空间并增加定位维度。过修改不同的系统参数，根据运动中未知节点的定位精度将算法与算法进行比较。仿真模型中，假设节点的部署区域为100 m×100 m×100 m，固定锚节点和未知移动节点的通信半径均为R，即该数量固定锚节点是m，未知移动节点的数量是n。后，固定的锚节点密度为Ad = m /（n m），并且所有节点随机部署在网络区域中。知移动节点采用随机游走模式[10]并在网络区域内随机移动：在两个定位时刻之间，未知节点在运动中的移动速度随机变化。围[0，Vmax]，恒温阀芯随机选择移动方向。个定位间隔中的最大位移距离小于R.为了便于分析模拟结果，Smax和平均定位误差由R表示。如，当通信半径在节点R = 30m和Smax = 9m的情况下，Smax由0.3R表示。拟中未知节点在运动中的定位误差是运动中所有未知节点的定位误差的平均值。您更改未知移动节点的最大移动距离时，节点总数为300，固定锚节点密度为10％。算法的未知节点和扩展MCL定位算法的平均定位误差在图4中示出。图4可以看出，当最大位移距离为0.7R时，扩展MCL定位算法的平均定位误差为0.529R，算法的平均定位误差为0.496R，比扩展MCL定位算法低6.37％。固定锚节点的密度改变时，所有节点的总数为300，并且在每个定位间隔中移动的未知节点的最大移动距离为0.未知节点的平均定位误差该算法和扩展MCL定位算法的结构如图4所示。示。5示出了当固定锚节点的数量较小时，在第一时刻接收并且在算法中第一次未接收的固定锚节点的数量较少，并且该错误定位和扩展MCL定位算法很弱。势并不明显。着固定锚节点数量的增加，该算法的定位误差大大降低：当固定锚节点的密度为20％时，该算法的定位误差为0.171 R，比MCL扩展定位算法少11.6％。
论本文提出了一种针对移动传感器网络优化的三维定位算法，旨在解决移动传感器网络MCL定位算法中节点定位精度低，二维定位问题。一次没有接收到具有固定跳转的锚节点上的信息时，未知节点的面积减小。扩展MCL定位算法的仿真结果相比，本文提出的定位算法在定位精度方面优于扩展定位算法MCL，尤其是当最大位移距离时每个定位间隔中运动中的未知节点很小，定位精度低。处更明显。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com