针对现有无线传感器网络三维定位算法在精度和复杂度上的不足，提出了一种改进的三维空间定位算法。网格扫描法求解相邻锚节点在两个坐标平面上的投影交点，得到未知节点在两个坐标平面上的对应位置，最后进行估计实现了三维位置。真结果表明，在100 m×100 m×100 m的空间中，随机放置200个传感器节点，当锚节点数为45时，覆盖率达到99， 1％，相对定位误差仅为0.5533。入平面投影有效地降低了算法的复杂度。
着无线通信技术，微系统技术和嵌入式技术的日趋成熟，无线传感器网络（WSN）的可靠性正在逐步提高，其范围日益扩大。越来越广泛，例如路况监控，矿山安全监控和军事调查。线传感器网络也已被引入要求高可靠性的领域[1-3]。常不需要从没有位置信息的传感器节点收集数据，以便提供有效的定位信息，重要的是，随机部署的传感器节点可以在部署后确定其自身位置[4] ]。
前的大多数WSN定位算法都是针对二维平面而设计的，例如APIT算法[5]，凸规划算法[6]，APS（Ad Hoc Position System）[7]和MDSMAP算法[8]。
现实生活中，例如监视海水温度，洋流和生物活动，监视气候和环境污染以及将传感器网络应用于复杂的地形，例如与山区和丛林相比，简单的平面定位信息已无法满足应用程序的需求。此，出现了某些在三维场景中用于无线传感器网络的定位算法，例如文献[9]中提出的Counding Cube算法，该算法使用了邻近节点的锚点的通信范围。
知以形成一个立方体，并以该立方体的相交的重心估算该位置作为节点。献[10]提出了一种用于传感器节点的三维定位的无距离定位算法-APIS（球形近似点）算法。算法利用近邻锚点和远邻锚点之间的通信范围来形成球形壳，并获取这些球形壳的交集。心用作节点的估计坐标。种算法都具有计算简单，计算量少和通信开销小的特点，并且不需要精确测量节点之间的距离，因此没有额外的硬件开销。是，前者使用立方体来近似节点的通信范围，不够精确，并且还容易使用质心算法直接引入大错误；第二种方法不能减少使用质心算法之前球壳相交的误差。处理过程中，需要提高准确性。文将锚节点的球形通信范围投影在两个坐标平面上，从而减小了位置信息的维数，从而降低了操作的复杂度。后，由于投影的覆盖关系，使用网格扫描法提高了在两个坐标平面上获得的二维坐标估计值的准确性，节点的三维位置信息为全球获得。
后，比较了相同条件参数下APIS算法的定位结果。始化阶段。邻锚节点的通信区域的交集的边界形成估计的矩形。无线传感器网络中，如果未知节点从多个锚节点接收信标，恒温阀芯则未知节点将包含在这些锚节点的通信范围的交点中。子Delta [11]的DRLS（递归最小二乘算子）网格扫描算法的基本原理是使用此交点的边缘初始化估计的矩形区域并求解矩形质心以达到定位目标。图1所示。节点的比例和通信半径对定位精度的影响。相同条件下20次仿真的结果取平均值，以获得表5所示的数据。节点的通信半径固定时，锚点节点越多，定位精度越高。固定节点的数量固定时，增加通信半径也可以提高定位精度。
外，节点R的通信半径的增加表现出定位精度的提高而逐渐变慢的趋势。
R增加到一定程度时，不同锚点节点下的相对定位误差趋于相同，如图8所示。确，增加通信半径可以提高节点的覆盖范围，未知节点具有更多相邻的锚点节点，生成的定位数据更加精确，并且无法定位在原点处的节点数也减少了，这使得锚点节点在少量的放置，也可以获得高传送率的效果。是，较大的通信半径将导致更大的能量消耗。实际应用中，必须全局考虑成本和连续性之间的关系，并且在满足精度要求的前提下，必须合理选择锚节点的放置比例和节点的通信半径。
位。文将算法的定位性能与APIS算法进行了比较。
图9所示，在锚节点放置率低（锚节点比率<12.5％）的条件下，两种算法的定位误差超过了锚点通信半径的两倍。知节点。是随着锚节点比例的增加，该算法的定位精度提高得更快。锚节点数为20（锚节点之比= 12.5％）时，该算法的定位精度比APIS高43.2％。续增加锚节点的放置，两种算法的定位精度进一步提高。APIS算法中，锚点节点越多，可用于定位的未知节点越多，用于定位的球壳的交点越小，质心算法引起的误差减少了两种算法之间的精度差异。文提出了一种基于投影和网格扫描的三维无线传感器网络定位算法，该算法利用空间投影投影以降低算法的复杂度，且锚点只扩散仅一次，从而减少了通信量并达到了节省节点能量的目的。用光栅扫描还可以进一步减少节点定位错误。真实验测试了主要参数对定位的影响。
果表明，该算法可以满足传感器网络三维空间定位的要求，定位精度高。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com