基于最小二乘优化的加权DV-Hop改进算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (2): 82-86.

基于最小二乘优化的加权DV-Hop改进算法

谭博，车进，张成

宁夏大学物理电气信息学院，银川 750021

出版日期:2015-01-15 发布日期:2015-01-12

Improved weighted DV-Hop algorithm based on least squares optimization

TAN Bo, CHE Jin, ZHANG Cheng

School of Physics and Electronic Information Engineering, Ningxia University, Yinchuan 750021, China

Online:2015-01-15 Published:2015-01-12

摘要/Abstract

摘要： 针对传统DV-Hop算法定位精度差的问题，加权DV-Hop算法优化了待计算节点的平均单跳距离。在存在GPS定位误差的情况下，对加权DV-Hop算法进行了改进，利用最小二乘法优化全网信标节点的平均单跳距离，利用二次曲线算法代替三边测量法。随机单次仿真的平均定位误差较传统算法降低13.01%，较加权DV-Hop算法降低8.94%，重复实验仿真结果同样表明算法精度、稳定性有显著提高。

关键词: DV-Hop, 加权, 全球定位系统（GPS）定位误差, 最小二乘法, 二次曲线

Abstract: As to the problem of traditional DV-Hop algorithm’s low locating accuracy, weighted DV-Hop algorithm optimizes average one-hop distance of unknown nodes. Based on weighted DV_Hop algorithm, a novel algorithm under the circumstance of existing GPS localization error is proposed to optimize the whole network’s average one-hop distance of beacon nodes by using least squares, and choose hyperbolic algorithm rather than trilateration to estimate the coordinates. Average localization error of a single random simulation can be reduced 13.01% than traditional DV-Hop algorithm’s, 8.94% than weighted DV-Hop algorithm’s, and results of the repeated simulations demonstrate that the improved algorithm has significantly better locating performance in locating accuracy and accuracy stability similarly.

Key words: DV-Hop, weight, Global Positioning System（GPS） localization error, least squares, hyperbola

谭博，车进，张成. 基于最小二乘优化的加权DV-Hop改进算法[J]. 计算机工程与应用, 2015, 51(2): 82-86.

TAN Bo, CHE Jin, ZHANG Cheng. Improved weighted DV-Hop algorithm based on least squares optimization[J]. Computer Engineering and Applications, 2015, 51(2): 82-86.

[1]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[2]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	张俊杰，张聪，赵涵捷. 重复利用状态值的竞争深度Q网络算法[J]. 计算机工程与应用, 2021, 57(4): 134-140.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[7]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[8]	甘昕艳，高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.
[9]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[10]	夏英，张金凤. 融合社交关系和局部地理因素的兴趣点推荐[J]. 计算机工程与应用, 2021, 57(15): 133-139.
[11]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[12]	宋忠浩，谷雨，陈旭，聂圣东. 基于加权策略的高分辨率遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(13): 199-206.
[13]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[14]	徐乐，韦玉科. 基于三点定位与加权坐标的三角定位算法[J]. 计算机工程与应用, 2020, 56(9): 111-116.
[15]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.