Delaunay三角剖分的节点模糊信息三维定位方法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (23): 115-122.

Delaunay三角剖分的节点模糊信息三维定位方法

党小超1，2，李芬芳1，郝占军1，2

1.西北师范大学计算机科学与工程学院，兰州 730070
2.甘肃省物联网工程研究中心，兰州 730070

出版日期:2016-12-01 发布日期:2016-12-20

Method of node’s fuzzy information localization about Delaunay triangulation in three-dimensional space

DANG Xiaochao1，2, LI Fenfang1, HAO Zhanjun1，2

1.College of Computer Science and Engineering, Northwest Normal University, Lanzhou 730070, China
2.Gansu Province Internet of Things Engineering Research Center, Lanzhou 730070, China

Online:2016-12-01 Published:2016-12-20

摘要/Abstract

摘要： 为了有效提高三维空间中无线传感器网络节点定位算法的效率，提出了一种基于简单Delaunay三角剖分的模糊信息节点定位方法（Fuzzy Information Node Localization on Delaunay　Triangulation，FINL-DT），该方法在定位前先对网络中的锚节点实现Delaunay三角剖分，然后通过测量各三角形中锚节点与未知节点的方向角和俯仰角实现节点定位。每一轮定位结束后，判断并更新无效锚节点的位置。网络中的节点被定位后充当二级锚节点辅助定位其他节点。通过实验仿真，与SLPM-FI算法和3D-ADAL算法相比，FINL-DT算法提高了节点定位精度，降低了网络能耗。

关键词: 节点定位, 模糊信息, Delaunay三角剖分, 二级锚节点, 定位精度

Abstract: In order to improve the efficiency of node localization in three-dimensional space in wireless sensor network, the article proposes a localization algorithm （referred as FINL-DT） based on the simple Delaunay triangulation and fuzzy information among the nodes. Firstly, the algorithm achieves a simple Delaunay triangulation for anchor nodes in the network, then it realizes node localization by measuring direction angles and pitch angles between anchor nodes and unknown nodes in a triangle. After each round of positioning, it judges invalid anchor nodes and updates invalid anchor nodes’ position in network. Moreover, located nodes act as secondary anchor nodes to locate other nodes. The simulation results confirm that the algorithm improves the accuracy of node localization and lowers the energy consumption of networks compared with the SLPM-FI algorithm and the 3D-ADAL algorithm.

Key words: node localization, fuzzy information, Delaunay triangulation, secondary anchor node, localization accuracy

党小超1，2，李芬芳1，郝占军1，2. Delaunay三角剖分的节点模糊信息三维定位方法[J]. 计算机工程与应用, 2016, 52(23): 115-122.

DANG Xiaochao1，2, LI Fenfang1, HAO Zhanjun1，2. Method of node’s fuzzy information localization about Delaunay triangulation in three-dimensional space[J]. Computer Engineering and Applications, 2016, 52(23): 115-122.

[1]	赵怡宏，王赜，张海娟. 基于动态信标生成树的传感器定位算法[J]. 计算机工程与应用, 2018, 54(6): 68-74.
[2]	方旺盛，杨庚，胡中栋. 杰卡德系数差分误差跳距修正的DV-hop改进算法[J]. 计算机工程与应用, 2018, 54(23): 57-63.
[3]	张红霞，王灿，刘鑫，申楷赟，付秀娟，王学华. 图像边缘检测算法研究新进展[J]. 计算机工程与应用, 2018, 54(14): 11-18.
[4]	鲁小云. 犹豫模糊粒计算中信息熵研究[J]. 计算机工程与应用, 2017, 53(7): 171-176.
[5]	李腾宇，易晓梅，陈石. 基于RSSI加权质心和GASA优化的WSN定位算法[J]. 计算机工程与应用, 2017, 53(6): 118-121.
[6]	党小超1，2，李芬芳1，郝占军1，2. 虚拟分层三维空间节点模糊信息定位方法[J]. 计算机工程与应用, 2017, 53(6): 122-128.
[7]	主建蕊，宋玲. 无线传感器网络的分级定位算法[J]. 计算机工程与应用, 2017, 53(22): 61-65.
[8]	宋海声，朱长驹，杨鸿武，吴佳欣. Grid-Scan定位算法的虚拟锚节点策略改进[J]. 计算机工程与应用, 2017, 53(16): 84-88.
[9]	赵志然，吴运新，石文泽，龚海. 热钢板无损检测缺陷定位精度分析与修正方法[J]. 计算机工程与应用, 2016, 52(8): 250-255.
[10]	赵晓青，毛永毅. 基于误差加权和距离修正的改进DV-Hop算法[J]. 计算机工程与应用, 2016, 52(18): 117-121.
[11]	陈万志，张洋. 改进的无线传感器网络DV-Hop定位算法[J]. 计算机工程与应用, 2016, 52(10): 108-111.
[12]	马凌1，蒋外文2，张肖霞3. 基于改进扩展卡尔曼滤波的单站无源定位算法[J]. 计算机工程与应用, 2016, 52(10): 124-127.
[13]	郭建蓬，刘畅，王伟，李媛丽. 基于定位精度的无人机侦察航路自主修正算法[J]. 计算机工程与应用, 2015, 51(23): 211-217.
[14]	朱庆生，唐汇，冯骥. Delaunay三角剖分在离群点检测中的应用[J]. 计算机工程与应用, 2015, 51(16): 166-170.
[15]	陈志泊，张蕾蕾，李巨虎，孙国栋. 基于入侵杂草优化算法的无线传感网节点定位[J]. 计算机工程与应用, 2014, 50(9): 77-82.