针对传统DVHop算法定位精度低的缺陷，分析了影响传统DVHop算法定位精度的三个主要因素：锚节点的分布密度，平均跳距误差和散布误差的最大概率法。计算平均跳跃距离和计算算法节点的坐标的两个步骤开始，引入RSSI（接收信号强度指示器）技术来优化计算平均跳跃距离的过程，并且通过最小二乘法修正未知节点坐标的计算过程。真结果表明，改进算法比原算法提高了遥测精度约30％，相对定位精度提高了约35％。线传感器网络属于通过传感器节点使用多跳模式的自组织网络。过多年的发展，它已不再局限于军事领域，并广泛用于环境和医学领域[1]。
线传感器网络中最关键的技术是节点的精确定位。果没有精确的定位信息，则无线传感器节点监视的来自相关环境的数据信息将毫无意义[2]。有的WSN定位技术可根据是否可使用遥测技术分为基于遥测技术和非遥测技术[3]。要范围的定位技术通常使用超声波和其他检测方法来测量节点上的信息，定位精度很高，同时基本的硬件标准也很严格，因此网络部署成本非常高。计距离以计算位置，并且传感器节点的硬件要求相对较低。虑到网络部署的成本，算法的功耗以及其他因素，无范围定位算法更加实用。DVHop定位方法广泛用于WSN节点的定位。是一种无范围的定位方法，对材料的要求低，对环境的影响也小。实际应用场景中，该算法的优点包括：低功耗，低计算量，环保，无严格的硬件要求等。是，DVHop算法由于其自身的计算特性而具有一些固有的缺陷，主要缺陷是定位精度较差。如，当网络节点分布不均匀时，由于节点之间的距离是使用相同的平均跳跃距离来计算的，因此此时节点的平均距离与距离有很大的偏差因此，该算法的定位误差较大。德拉戈斯·尼库列斯库（Dragos Niculescu）等研究人员总结并提出DVHop计算方法之后，国内外研究人员对这种方法的定位精度较差的问题进行了优化和改进。如，文章[4]总结了一种新的加权算法，该算法在使用许多锚点的平均跳跃距离的同时整合了环境因素。种方法的最大问题是：硬件要求高，计算工作量太大。章[5]提出了一种手动网络部署方法，以使网络中的锚节点的分布相等，以减少平均跳跃距离的误差。种方法对于工作来说太昂贵了，并且适用范围很窄。们可以看到，许多研究人员花费了大量精力来分析和探索DVHop算法，同时总结了许多改进方法，但是要达到理想的定位水平仍然存在很多差距，并且需要不断改进和完善。对DVHop算法定位精度差的缺点，本文提出了平均跳距的RSSI加权优化和未知节点坐标最小二乘法的校正方法，以改进这两个过程。原始DVHop算法中定位。取锚节点和未知节点之间的最小跳数。先，锚节点通过泛洪模式将其自身的信息传输到整个网络。数据包括跳数J和坐标P。下来，未知节点使用距离矢量路由获得从锚节点到其自身的跳跃信息。果有多个跳转到锚节点，恒温阀芯则未知节点仅计算整个过程中的最小跳转h。1说明了通过未知节点获得最小跳数的过程。DVHop定位过程中，中心问题是定位精度不足。研究了DVHop定位过程之后，总结了引起定位精度偏差的主要来源：该算法的定位精度与锚节点的分布和分布密度紧密相关：监视区域中锚节点的部署越平衡，部署越大，定位精度越高。3显示了锚节点的部署对定位的影响。实际的网络环境中，节点的布置是通过飞机分散等方式随机分布的。点的分布不显示等间隔的规则分布。
一方面，锚节点的相对材料成本较高，网络中存在的比例较低。这种情况下，网络倾向于定位盲点，这会影响算法的定位精度。定位过程中，网络使用平均跳数距离的估计值和最小跳数计数相乘以计算节点之间的实际距离。于网络节点的随机部署，节点之间的实际距离通常非常不同。果获得的平均跳跃大小不理想，则估计的估计距离与实际距离之间的误差将不可避免地增加。节点在网络中进行多次跳跃时，由于平均跳跃距离的误差，计算出的定位距离与实际距离之间的误差会增加，这将影响随后的定位过程，因此定位误差会很大。
常，在获得多个未知节点与锚节点之间的估计距离之后，使用最大似然估计方法来计算和分析其他未知节点的坐标。是，由于三边测量法对初始值相对敏感，遥测误差对此影响很大。最大似然估计方法中，在将具有误差的坐标替换为矩阵之后，误差矩阵将严重影响所寻找矩阵的精度，即坐标的定位。始算法的定位过程受地形等外部环境因素的影响较小，但在某些特定的应用场景中，当节点分布不均时，实际距离之间存在较大误差跳跃距离和平均跳跃距离。此，为了提高DVHop计算方法的定位精度，本文针对DVHop计算方法存在的问题在两个方面进行了有针对性的优化。本文中，根据信号接收强度的RSSI遥测原理[6]，在计算平均跳跃距离时，添加了RSSI技术以优化遥测。将RSSI测量的跳跃距离转换为原始算法中的校正因子时，可以校正通过跳跃计算出的跳跃距离。过将RSSI遥测长度与RSSI平均遥测长度进行比较来计算校正因子。
化的跳距可以减少由网络中节点分布不均引起的逐跳错误。锚节点广播包含其自身信息以测量估计距离数据RSSI（n）的数据包时，改进的算法向该数据包添加RSSI方法。点收到数据包后，将自己的RSSI数据添加到数据包中的RSSI（n），同时跳过 1，然后修改数据包中的相关字段。n个跃点到达节点后判断数据包。果当前跳数小于最小跳数字段，则刷新它，否则拒绝它。数据包跳到锚节点时，首先通过数据包的相关字段计算节点之间的RSSI跳到跳距离，然后在使用等式（5）。后，对平均跳跃距离Hopsize进行优化，优化系数δi为每个节点的估计RSSI距离与平均估计RSSIavg的比值。数据包中的跳数为n时，使用公式（6）计算未知节点与锚点之间的距离d。计算平均跳跃距离的过程中，尽管优化了RSSI，但获得的平均跳跃距离更加精确，并且节点之间的计算距离值d更加接近实际物理距离。是，估计距离d与实际距离之间存在一些误差，因为如果将估计距离用于直接解析坐标的坐标，则诸如最大似然估计之类的计算方法会对初始值敏感。知节点，将在公式中替换带有错误的初始值。位误差进一步放大，并且在上一步中优化平均RSSI跳跃距离毫无意义。文使用最小二乘法来纠正最大似然估计方法的问题。据图6中的数据，可以分析这三种算法的相对定位误差是完全不同的。
进的算法的相对定位精度比原始算法高约35％，比HDDVHop算法高约23％。算法的稳定性更好。文研究了传统DVHop计算方法的定位步骤，分析并总结了定位差异的原因，提出了RSSI技术在平均跳跃距离计算步骤中对实际跳跃距离进行校正的方法。;在未知节点的坐标计算阶段，通过最小二乘法校正最大似然估计方法的误差累积。原始算法，HDDVHop算法和改进算法进行了比较和分析。仿真实验的结果可以看出，本文改进了算法的两个阶段。进的DVHop算法的相对定位精度比原始算法好约35％，比文献中的HDDVHop算法好约23％。算法对于推广和使用更有价值。文还存在一些缺点：仅考虑固定锚节点模型，并且未引入移动节点定位的可能性；定位算法仅计算二维空间中的坐标节点。维空间定位的扩展是DVHop定位算法发展的未来方向。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com