基于微粒群算法的无线传感器网络节点定位方法

J4 ›› 2009, Vol. 44 ›› Issue (9): 52-55.

基于微粒群算法的无线传感器网络节点定位方法

周书旺王英龙郭强魏诺

1. 山东师范大学信息科学与工程学院, 山东济南 250014; 2. 山东省计算中心, 山东济南 250014;3. 山东经济学院信息管理学院, 山东济南 250014

收稿日期:2009-05-20 出版日期:2009-09-16 发布日期:2009-11-05
作者简介:周书旺(1985-),男,硕士研究生,主要研究领域为无线传感器网络. Email: zhoushw@keylab.net
基金资助:
国家自然科学基金资助项目(60802030);山东省中青年科学家科研奖励基金资助项目(2007BSC01002);山东省科技攻关计划资助项目(2007GG2QT01007)

Particle swarm optimizationbasedwireless sensor network nodes localization method

ZHOU Shu-Wang, WANG Yang-Long, GUO Jiang, WEI Nuo

1. School of Information Science ＆Engineering Shandong Normal University,Jinan250014, Shandong, China;2. Shandong Computer Science Center, Jinan 250014, Shandong, China; 3. School of Information Management, Shandong Economic University, Jinan 250014, Shandong, China

Received:2009-05-20 Online:2009-09-16 Published:2009-11-05

摘要/Abstract

摘要：

为了进一步提高无线传感器网络未知节点定位精度,将节点定位问题和微粒群算法结合在一起,提出了基于微粒群算法的节点定位算法。该算法是一种基于距离的定位算法,根据未知节点到锚节点的距离直接搜索出未知节点的坐标。实验结果表明,和一般的固定节点定位算法相比,该算法具有更高的定位精度,并适用于移动节点的追踪定位。

关键词: 无线传感器网络;微粒群算法;节点定位;锚节点

Abstract:

To further enhance the location precision of unknown nodes in wireless sensor networks, a localization method based on particle swarm optimization is presented, through the combination of wireless sensor network and particle swarm optimization, which is dependent on distance. It can directly search outthe coordinates of unknown nodes by the distance from anchor nodes to unknown nodes. As is shown in the experimental results, compared to the normal locationalgorithms of fixed nodes,this method has higher positioning accuracy and can beapplied to the tracking of moving nodes.

Key words: wireless sensor networks(WSNs); particle swarm optimization(PSO); node location; anchor node

中图分类号:

TP393

周书旺王英龙郭强魏诺. 基于微粒群算法的无线传感器网络节点定位方法[J]. J4, 2009, 44(9): 52-55.

ZHOU Shu-Wang, WANG Yang-Long, GUO Jiang, WEI Nuo. Particle swarm optimizationbasedwireless sensor network nodes localization method[J]. J4, 2009, 44(9): 52-55.

参考文献

相关文章 7

[1]	刘洋，秦丰林，葛连升. 云计算测量研究综述[J]. J4, 2013, 48(11): 27-35.
[2]	郭晓东，焦亮，仇一泓，葛连升. 基于Click和NS2的多路径域间路由仿真器的设计与实现[J]. J4, 2013, 48(11): 36-43.
[3]	刘乃文刘方爱. 一种基于RP(k)的资源感知模型研究[J]. J4, 2009, 44(11): 57-62.
[4]	朱志强许广银许琳连剑. 基于视频业务的病毒式移动通信交叉熵法研究[J]. J4, 2009, 44(9): 32-34.
[5]	刘颖慧王英龙郭强李东岳. 带最小时间的PTF信道采样策略[J]. J4, 2009, 44(9): 56-59.
[6]	董源1,徐雅斌1,2*,李卓1,2,李艳平1. 基于社会计算和机器学习的垃圾邮件识别方法的研究[J]. J4, 2013, 48(7): 72-78.
[7]	杜晓军,林柏钢,林志远,李应. 安全软件模糊测试中多种群遗传算法的研究[J]. J4, 2013, 48(7): 79-84.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed