智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真
2022-05-15 22:07:07
245KB
1
为了减少传统的DV-Hop算法对未知节点定位时产生的较大误差,分析了影响传统DV-Hop算法定位精度的两个因素,继而提出了一种改进算法。改进算法在进行未知节点定位时,信标节点先后使用两个通信半径广播自身位置信息,从而获得未知节点与信标节点间更精确的跳数,并计算出它们之间更精确的距离,得到未知节点更精确的坐标。仿真结果显示,改进算法相比于传统DV-Hop算法相对定位误差减少了13%~15%,并且减少了由于网络拓扑结构不同带来的定位误差的差异性。
2022-05-06 08:50:16
327KB
1
为了提高DV-Hop定位算法在不规则网络中的精确度，针对该算法的不足之处，提出了一种基于平均跳距和估计距离的改进的DV-Hop算法。该算法考虑了未知节点到参考节点的路径与参考节点间的路径可能存在重合或部分重合这一特性，对平均跳距进行修改，并利用误差对距离进行修正。仿真实验结果表明，在不规则网络环境下，改进算法的定位精度得到明显提高。
2022-05-05 14:24:05
464KB
1
针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题，提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法利用节点的通信半径对锚节点间跳数进行修正；根据未知节点邻近区域的平均跳距来优化当前跳距；用改进的粒子群算法来优化未知节点坐标。仿真结果表明，相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法，OPDV-Hop算法的定位误差分别减小了18%、13%和7%左右，它能够有效地降低估算距离误差，提高定位精度。
2022-05-04 17:40:32
1.02MB
1
matlab代码: 基于麻雀搜索算法改进的DV-HOP算法
内容概要：利用麻雀算法寻找未知节点到信标节点的实际距离与估计距离之间的最小误差，从而达到对未知节点位置的估计。
适合人群：对无线传感器网络（WSN）定位相关知识有一定的了解，对matlab编程有一定的基础。
2022-04-13 17:06:23
4KB
针对DV-Hop定位算法在节点分布不均匀的传感器网络拓扑环境下，跳数与跳距估计存在误差的问题，提出了ILDV-Hop改进算法。首先基于信标节点间估计距离与真实距离的差值，提出了一种全网络的有效跳距；其次在信标节点与未知节点间多跳计算过程中增添了修正值，同时利用接收信号强度指示（RSSI）值优化单跳值的大小；最后采用列文伯格—马夸尔特算法估计未知节点的最优位置。仿真结果表明，与传统DV-Hop算法以及基于拟牛顿迭代的DV-Hop算法相比，ILDV-Hop算法的定位误差分别减小了23%与10%左右，定位精度有了显著的提高。
2021-10-25 14:59:57
1.89MB
1
由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.
2021-04-11 11:48:58
189KB
1
基于DV-Hop的无线传感网络定位算法的matlab仿真代码。研究定位误差与锚节点密度的关系。设定在100*100的区域内，总节点数为200，分别计算出通信半径为15，锚节点个数为5，8，10，12，15，20时，定位误差变化情况。循环100次，取平均定位误差。
2021-03-24 14:02:19
4KB
1