【定位问题】RSSI和模拟退火优化粒子群算法求解无线传感器网络定位问题【含Matlab源码 1766期】

⛄一、简介

1 引言
随着物联网技术的发展,传感器之间通过通信方式连接在一起,构成了极为庞大的无线传感器网络,这使得传感器在各行各业的应用相当广泛[。然而,因为大规模抛撒的传感器节点无法全部配备价格昂贵的GPS定位系统,所以不能对全部传感器节点实现精确定位。因此,实现传感器节点的精确定位是无线传感器网络技术中最为关注的问题。

通常,无线传感网络中主要有与距离有关和与距离无关两类定位算法。其中,与距离有关的定位算法主要有TOA算法、TDOA[6]算法和三边定位算法等;与距离无关的定位算法主要有质心定位算法、APIT算法、DV-Hop算法和MDS-MAP算法等。然而,当前定位算法在定位精度方面和实际应用方面还存在一定的不足,为了进一步提高传感器网络的定位精度,国内外研究者进行了更深入的研究工作。在国外,Bulusu等利用传感器网络的连通性,获取了未知节点周边的参考节点并将其作为邻居节点,然后将邻居节点形成的质心作为未知节点的近似位置。Sretenovi等将城市环境下的RSSI模型数据应用到加权质心定位算法中,实现了传感器节点的位置确定,实验结果表明该方法更有实用价值。Sai等在RSSI的基础上提出了并行萤火虫算法,并通过改进目标函数将定位问题转化为非线性无约束问题,结果表明该算法具有更高的定位精度。Mass-Sanchez等采用粒子群算法对DV-hop定位算法进行了优化,获得了比加权DV-hop和双曲线DV-hop方法更好的定位精度。在国内,李腾宇等在基于RSSI加权质心定位算法测出的未知节点到参考节点距离的数学模型上用GASA算法优化求解,其具有更高的定位精度。谢国民等在质心定位算法的基础上,采用PSO-GSA算法对相关参数和位置信息进行优化,有效提高了复杂的煤矿环境中人员的定位精度。张兢等在基于RSSI的加权质心定位的基础上,将已被定位的未知节点作为参考节点再对其他未知节点进行定位,该方法可以有效减少网络