基于PSO的无线传感网络节点定位算法

合集下载

无线传感器网络的节点定位算法研究

无线传感器网络的节点定位算法研究一、概述无线传感器网络是目前研究热点之一，其应用已经涉及到军事、环境监测、智慧城市等诸多领域。

在无线传感器网络中，节点的精确定位算法一直是研究的重点和难点。

节点定位算法的准确性直接关系到无线传感器网络的数据质量，其可靠性和耐久性也直接影响到整个系统的性能和可用性。

本文将从无线传感器网络的节点定位方式入手，结合实际应用场景，对节点定位算法进行详细分析和研究。

二、定位方式根据节点定位方式的不同，将节点定位分为以下三种方式：1.空间定位法空间定位法是利用多个已知位置节点的信号信息来计算未知位置节点的位置。

常用的方法有多普勒定位法、GPS定位法等。

2.信号定位法信号定位法是通过测量节点之间的信号强度、传输时间等属性来计算节点的位置，常用的方法有距离测量法、角度测量法等。

3.混合定位法混合定位法是将空间定位法和信号定位法进行结合，一方面补充信号定位法的不足，另一方面提高节点定位的准确性。

常用的方法有加权一致算法、最小二乘法等。

三、节点定位算法1.多普勒定位算法多普勒定位算法是基于多普勒效应的信号测量技术，通过测量信号的多普勒频移来计算未知节点的位置。

它是一种无需接收信号时间同步的定位技术，具有高精度、大距离等优点。

但是，由于受环境因素影响较大，如多普勒频移量过小、线性动态范围过小等原因，多普勒定位算法的精确度和可靠性存在一定的局限性。

2.GPS定位算法GPS定位算法是基于卫星定位技术的一种节点定位算法，其基本原理是通过多个卫星上的可见性信息，并利用卫星上的精确钟和伪距差来计算出节点的位置。

GPS定位算法具有定位精度高、可靠性强的优点。

但是，由于信号的遮挡、突变、传播延迟等原因，GPS定位算法在城市、山谷等环境下定位精度较低。

3.基于角度的定位算法基于角度的定位算法主要是利用节点间的角度信息来计算节点的位置。

常用的角度测量法有方向余弦法、最大似然法和迭代加权最小二乘法等。

基于角度的定位算法相比其他算法，具有计算所需的信息链路较少、系统复杂度较低等优点。

无线传感网络中的节点定位与跟踪算法研究

无线传感网络中的节点定位与跟踪算法研究随着时间的推移和技术的不断进步，无线传感网络技术已经成为了一个非常成熟的领域。

它们被广泛地应用在了环境监测、交通管制、智能家居、工业控制等各个领域。

在这些应用中，节点的位置信息是非常重要的，因为这些信息能够提供有关环境的各种指标和控制措施。

如何实现无线传感网络中的节点定位与跟踪一直是一个有挑战性的问题，本文的目的是探讨该问题，并介绍目前较为成熟的节点定位与跟踪算法。

一. 节点定位算法节点定位，即确定节点在三维空间中的位置坐标，是无线传感网络中的重要问题。

节点定位算法的目的是通过一些技术手段（如信号强度、时间差、角度差等）来确定节点在空间中的位置。

1. 信号强度法信号强度法是一种非常常用的节点定位技术。

该技术利用节点之间的信号强度来计算节点在空间中的位置。

其基本原理是，当一个节点向其他节点发送信号时，其他节点会接收到这些信号并计算它们的信号强度。

据此，我们可以根据这些信号强度来计算节点的位置。

这种方法有自身的局限性，因为信号强度会受到一些干扰因素的影响，如天气、建筑物和树木等。

2. 时间差法时间差法是利用节点之间传输数据的时间差来计算节点位置。

当一个节点发送数据包时，其他节点会通过接收数据包的时间差来计算出该节点的位置。

这种方法对发射和接收时间的同步有极高的要求，运用该技术必须保证节点的时间同步性。

3. 角度差法角度差法是一种利用节点之间角度差来计算节点位置的方法。

该方法通过确定两个节点之间的角度差来确定它们之间的距离。

由此，我们可以基于三个节点之间的角度差来确定它们在三维坐标系中的位置。

二. 节点跟踪算法节点跟踪是指通过无线传感器网络来跟踪目标的位置或运动轨迹。

节点跟踪通常用于安全监测、行车记录仪、追踪和监测贵重物品等方面。

节点跟踪可以分为静态节点跟踪和动态节点跟踪两种方式。

1. 静态节点跟踪静态节点跟踪是指当目标静止时，跟踪器通过感知来确定目标的位置和其他属性。

无线传感器网络中的节点定位算法

无线传感器网络中的节点定位算法作者：陈凤娟来源：《信息安全与技术》2013年第10期【摘要】无线传感器网络是由部署在监视区域的大量微型的具有无线通信及计算能力的传感器节点，以无线多跳通信方式构成的分布式自组织网络系统。

它能根据环境需要，通过功能有限的传感器节点之间的协同工作，对监控区域内的环境或监测对象的信息进行实时感知、采集和处理，获得详尽而准确的侦测数据。

本文主要分析无线传感器网络中的定位技术，研究如何降低网络中的能量消耗，延长网络寿命。

【关键词】无线传感器网络；节点定位；锚节点；能量消耗【中图法分类号】 TP393 【文献标识码】 A1 引言无线传感器网络（Wireless Sensor Networks，WSN）是一种由成百上千的传感节点组成的非结构化的无线网络，通过这些传感节点间的互相协作，WSN同时具备了信息获取、信息处理和信息传播等多种功能。

对于无线传感器网络这个全新的研究领域，吸引了很多学者的目光，尤其是在节点的定位研究方面。

对定位的研究能使无线传感器网络的应用更广泛，而高效的定位算法能提高无线传感器网络的其他研究领域的效率。

本文首先分析了无线传感器网络的基本概念和结构，然后介绍了常见的节点测距方法，再分析根据各种节点测距方法构造的各不相同的节点定位算法，比较各个算法的优缺点，最后对无线传感器中的节点定位算法的研究未来进行展望。

2 无线传感器网络的概念及结构无线传感器网络是由大量具有传感功能、数据处理功能和无线通信功能的传感器节点构成的分布式自组织网络，它能根据环境需要，通过功能有限的微小的传感器节点进行协同工作，完成对网络覆盖的地理区域中的对象进行感知、采集、处理和发布感知信息等任务。

无线传感器网络中的节点根据功能的不同，可以分为普通传感器节点（Sensor Node）、网关（汇聚）节点（Sink Node）和管理节点三类。

而传感器节点主要由传感器模块、处理器模块、无线通信模块和能量供应模块四个部分组成。

无线传感器网络中节点定位与优化算法研究

无线传感器网络中节点定位与优化算法研究无线传感器网络（Wireless Sensor Networks，WSNs）是一种由大量自主的且能感知环境信息的节点组成的网络系统。

在无线传感器网络中，节点的定位及优化算法是一个重要且复杂的研究方向。

本文将就无线传感器网络中节点定位和优化算法进行深入研究和探讨。

节点定位是无线传感器网络中的一项基本任务。

在无线传感器网络中，节点的位置信息对于很多应用领域都是至关重要的，如环境监测、智能交通系统、农业与环境保护等。

节点定位研究的目标是通过一定的技术手段和算法，使得网络中的节点能够准确获取自身位置信息。

目前，节点定位主要有两种方法：基于GPS技术和基于无GPS技术的定位方法。

基于GPS技术的定位方法需要在每个节点上安装GPS模块，通过接收卫星信号获取节点的位置信息。

然而，GPS模块的成本较高，且在室内或其他信号受限的环境中，会导致定位不准确的问题。

基于无GPS技术的定位方法则是通过无线信号强度、时间差测量、角度测量等技术手段实现节点的定位。

这些方法不仅成本低廉，而且在室内和复杂多变的环境中也能够实现较高的定位精度。

在无线传感器网络中，节点的优化算法是为了提高网络中节点的性能和效率。

传统的优化算法主要包括分布式算法、遗传算法、模拟退火算法等。

分布式算法是一种常用的优化算法，通过节点之间的合作与协作，实现全局最优解。

遗传算法模拟了生物进化的过程，通过遗传、变异和选择等操作，逐步寻找最优解。

模拟退火算法则通过模拟金属退热过程，在搜索空间中逐步寻找最优解。

除了传统的优化算法，近年来，随着机器学习和深度学习的快速发展，人工智能在无线传感器网络中的应用逐渐引起了重视。

机器学习和深度学习算法可以通过学习网络中的节点数据，识别和预测节点的行为模式，从而优化网络中节点的任务分配、能量管理等。

例如，可以使用深度学习算法训练模型来预测节点的能量消耗情况，从而在网络中实现节点的智能调度和优化。

一种基于PSO的有效能量空洞避免的无线传感器路由算法

一种基于PSO的有效能量空洞避免的无线传感器路由算法刘安丰;吴贤佑;陈志刚
【期刊名称】《计算机研究与发展》
【年(卷),期】2009(046)004
【摘要】无线传感器网络路由的一个重要问题是如何有效地均衡整个网络的能量消耗水平,避免形成能量空洞,从而导致整个网络过早死亡.基于无线传感器网络特性,首先将路由问题转化为线性规划问题.并证明了路由问题与线性规划问题的等价性.在此基础上.利用粒子群算法(particle swarm optimization algorithm,PSO)来求解能量空洞避免路由问题.算法重新定义了PSO的粒子、粒子的运算与"飞行"规则,提出了基于PSO的无线传感器路由优化算法.算法不仅能够适用于平面网络,经过稍加改进同样可以适用于层次网络的路由算法.通过理论分析证实了算法的正确性,同时大量的模拟实验证实了算法的有效性.
【总页数】8页(P575-582)
【作者】刘安丰;吴贤佑;陈志刚
【作者单位】中南大学信息科学与工程学院,长沙,410083;中南大学信息科学与工程学院,长沙,410083;中南大学信息科学与工程学院,长沙,410083
【正文语种】中文
【中图分类】TP393
【相关文献】
1.无线传感器网络中基于盲点查找的能量空洞避免路由算法 [J], 赵湘宁
2.有效能量空洞避免的无线传感器网络混合多跳路由算法 [J], 杨晓峰;王睿;彭力
3.基于能量分配的无线传感器网络能量空洞避免算法 [J], 洪昌建
4.基于可调发射功率的无线传感器能量空洞避免算法 [J], 宋晓莹;温涛;郭权;盛国军
5.无线传感器网络中基于Convex hull的能量空洞避免路由算法 [J], 康春颖因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进PSO的无线传感器网络数据自适应聚类算法

现代电子技术Modern Electronics Technique2023年6月1日第46卷第11期Jun.2023Vol.46No.110引言PSO 算法在搜索数据样本时，对于搜索空间并不设置明确的要求，所以算法机制的应用模式简单，能够适用数据处理等多种类型的实际应用问题。

而改进PSO 算法将惯性权重因子贯穿到应用过程中，可以适应数据样本利用习惯，同时对所涉及信息参量进行全面搜索，不但避免了数据样本出现过度增大或减小的行为，还可以将搜索系数的取值限定在既定数值范围之内，从而保证数据样本的收敛能力，建立全局性搜索策略[1]。

相较于传统PSO 算法，改进算法可以保证数据传输特性，实现对搜索度量参数的精准求解。

数据聚类是将抽象对象分成多个小型类项的过程，可以将相似信息参量整合成簇类对象集合，简单来说，就是簇内数据对象彼此类似，但簇内数据与簇外数据完全相异。

在无线传感器网络中，数据类项过于繁杂会导基于改进PSO 的无线传感器网络数据自适应聚类算法原大明（东北石油大学秦皇岛校区电气信息工程系，河北秦皇岛066004）摘要：为解决无线传感器网络数据类项过于繁杂的问题，将相似信息参量整合成独立的簇类对象集合，提出基于改进PSO 的无线传感器网络数据自适应聚类算法。

按照改进PSO 算法的作用机制，确定欧氏距离指标的计算数值，实现对网络数据的处理。

在无线传感器网络体系中定义聚类排序原则，结合相关数据样本求解自适应期望熵，完成无线传感器网络数据自适应聚类算法研究。

实验结果表明，在改进PSO 算法作用下，无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个，能够解决无线传感器网络数据类项过于繁杂的问题，满足按需整合相似信息参量的实际应用需求。

关键词：改进PSO 算法；无线传感器网络；自适应聚类；惯性权重；测试函数；欧氏距离；期望熵；簇类对象集合中图分类号：TN711⁃34；TP393文献标识码：A文章编号：1004⁃373X （2023）11⁃0099⁃04Improved PSO based adaptive clustering algorithm for wireless sensor network dataYUAN Daming(Department of Electrical Information Engineering,Northeast Petroleum University Qinhuangdao,Qinhuangdao 066004,China)Abstract ：In order to solve the problem of too many data categories in wireless sensor networks,the similar information parameters are integrated into an independent cluster object set,and an adaptive clustering algorithm for wireless sensor network data based on improved PSO is proposed.According to the mechanism of the improved PSO algorithm,the calculation value of Euclidean distance index is determined to realize the processing of network data.In the system of wireless sensor networks,the principle of clustering and sorting is defined,and the adaptive expected entropy is solved in combination with relevant data samples to complete the research of adaptive clustering algorithm for wireless sensor network data.The experimental results show that under the effect of the improved PSO algorithm,the number of cluster object sets after the integration of wireless sensor network data is reduced from 20to 6,which can solve the problem of too complex data class items in wireless sensor networkand meet the practical application requirements of integrating similar information parameters on demand.Keywords ：improved PSO algorithm;wireless sensor network;adaptive clustering;inertia weight;test function;Euclideandistance;expected entropy;cluster object collectionDOI ：10.16652/j.issn.1004⁃373x.2023.11.018引用格式：原大明.基于改进PSO 的无线传感器网络数据自适应聚类算法[J].现代电子技术，2023，46（11）：99⁃102.收稿日期：2022⁃11⁃02修回日期：2022⁃11⁃18基金项目：2019年黑龙江省省属本科高校引导性创新基金项目（面上项目）：移动无线传感器网络容错定位及坐标求精方法研究（2019QNQ⁃02）99现代电子技术2023年第46卷致簇类对象集合数量相对较少，从而使网络主机对相似信息参量的整合处理能力下降。

无线传感器网络中的节点定位与局部化算法研究

无线传感器网络中的节点定位与局部化算法研究随着科技的发展和无线通信技术的成熟，无线传感器网络（Wireless Sensor Networks，WSN）在物联网等领域中得到了广泛的应用。

节点定位与局部化是WSN中的重要问题之一，对于网络的布署、资源分配、数据传输等都具有重要意义。

本文将围绕无线传感器网络中的节点定位与局部化算法展开探讨。

首先，无线传感器网络的节点定位是指通过一系列技术手段，确定节点在物理空间中的精确位置。

节点定位主要有两种方式：基于GPS的全球定位和基于距离测量的局部定位。

前者依赖GPS卫星信号，可以实现高精度的全球定位，但它需要额外的硬件设备和较大的能源消耗，不太适用于大规模的无线传感器网络。

后者通过节点之间的距离测量来实现局部定位，具有无需额外设备和较低能耗的优势，因此被广泛应用于无线传感器网络中。

在局部化算法中，距离测量的准确性是最关键的因素之一。

常见的测距技术包括信号强度指示（Received Signal Strength Indicator，RSSI）、时间差测量（Time of Arrival，ToA）、到达时间测量（Time on Arrival，ToF）等。

这些技术在不同的环境条件下存在一定的精度误差，因此需要结合定位算法来提高节点定位的准确性。

目前，无线传感器网络中常用的节点定位与局部化算法主要包括多跳定位算法、几何定位算法和统计学定位算法。

多跳定位算法利用节点之间的跳数信息进行定位，是一种简单且易于实现的方法，但容易受到节点位置信息的不完整性和测量误差的影响，导致定位误差较大。

几何定位算法是利用三角测量原理或多边形约束来实现节点定位的方法，通常要求节点具备足够的测距能力和计算能力，能够实时地估计自身的位置。

统计学定位算法则是利用统计模型和算法来推测节点的位置，主要基于RSSI、ToF等测距技术，具有一定的适应性和灵活性。

除了上述常用的节点定位与局部化算法，还有一些新兴的算法不断涌现。

无线传感网络中的节点定位算法与定位精度研究

无线传感网络中的节点定位算法与定位精度研究无线传感网络是由大量分布在空间中的节点组成的，这些节点可以自组织地协作工作，共同完成某种任务。

节点定位是无线传感网络中的重要问题之一，可以帮助网络管理员监测和管理网络的运行状态，提高网络的可靠性和性能。

本文将探讨无线传感网络中的节点定位算法及其定位精度研究。

首先，无线传感网络中的节点定位算法可以分为两类：无源节点定位算法和有源节点定位算法。

无源节点定位算法通过节点之间的通信方式来实现节点的定位，而有源节点定位算法则通过节点主动发送信号或使用天线进行定位。

无源节点定位算法中最常用的是基于距离测量的定位方法，该方法利用节点之间的信号传输延迟或强度来计算节点的相对位置。

其中，最经典的算法是多边形定位算法（Polygon Localization Algorithm）和加权三角测量算法（Weighted Triangulation Algorithm）。

多边形定位算法通过节点之间的跳数和角度来计算节点的位置，而加权三角测量算法则根据节点之间的信号强度进行定位。

这些算法可以通过节点之间的协作来提高定位精度。

有源节点定位算法则更为灵活，因为可以通过主动发送信号来实现定位。

其中最常用的是信号强度定位算法和时间差定位算法。

信号强度定位算法通过节点发送的信号强度与接收节点收到信号的强度来计算距离，并通过多个节点的距离来进行定位。

时间差定位算法则通过节点发送信号的时间与接收节点接收到信号的时间差来计算距离，并通过多个节点的距离来进行定位。

这些算法在定位复杂环境下具有较好的鲁棒性和精度。

定位精度是衡量无线传感网络定位算法性能的重要指标之一。

除了算法本身的准确性之外，定位精度还受到许多其他因素的影响，如节点的分布密度、节点的能量消耗等。

节点的分布密度越大，定位精度越高，因为可以通过更多的邻居节点信息进行定位。

节点的能量消耗也会影响定位精度，因为能量消耗较大的节点可能无法参与到定位过程中，导致局部区域的定位精度降低。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

由式（）和式（）３４可得ｋ维主轴坐标解；
＝
以
上式中就是整个网络的相对坐标系统．也就计算出局部相对坐标系统中的坐标矩阵。３２节点位置最优解计算．假设搜索空间是Ｄ维的，而且群体中有ｍ个粒子，则群体中的第ｉ粒子可以表示为一个Ｄ维的向量，＝个，。 …，），它经历过的 “ 佳 ”位置记为Ｐ最＝
号采集的能力的无线传感网络在越来越多的场合得到了广
泛的应用，其凭借着强大的信息采集能力，已经抗干扰特性，成为很多智能处理的最前端信号采集部分，广泛应用于多个
领域］。在无线传感器网络中，其工作的原理是通过在信
号采集区域部署大量的节点．点之间通过信号通讯形成网节络。一旦有意外的情况发生，例如森林火险、战争事件，们人
第２卷第５９期
文章编号：０６９４（０２）５０７ — ４１０ — ３８
真
２１年５０２月
基于ＰＯ的无线传感网络节点定位算法Ｓ
赵青杉胡玉兰．
（．忻州师范学院，１山西忻州０４０；．燕山大学信息科学与工程学院，３００２河北秦皇岛０６０）６０４摘要：研究稀疏无线传感网络下异常节点的准确定位问题。在信息较少的空旷区域，无线传感网络的传感节点分布较为稀松，为方便计算，多采用多跳距离代替节点间的真实距离，导致距离计算存在较大误差，在传统的基于分布式加权距离定位算法建立的网络分布模型中，节点定位准确度低，导致节点定位误差较大。为了解决上述问题，提出了一种粒子群优化的多维标度节点定位算法。采用多维标度算法求得各未知节点的初始坐标，利用粒子群优化算法对其目标代价函数进行优化求得未知节点的真实距离坐标，准确定位节点。实验结果表明：改进算法在定位精度上有明显的提高。关键词：无线传感器网络；多维标度；粒子群优化；节点定位
０ｄｌ２
ｄｌｄ３２１０
… … …
ｄ１ｄ２ｄ３
ｄ３２０
Ｄ＝ｄｌｄ２３３
● － ● ● ● ●
（）３
ｄ１ｄ
ｄＦ３Ｉ
…
０
１在信息检测区域中将一定的节点按照随机分布原则）
进行排列，节点相连组成一个网络；
ＺＡｉｇｓａＨｕｌｎＨＯＱｎ —ｈｎ．ＵＹ —ａ
（．ＤｐｆｏｐｔｎｃｎｅＸｎｈｕＴａｈｒＵｉｒｉ，ｈｎｉｉｚｏ３００Ｃｉａ１ｅｔｍｕｅａｄＳｉｃ，ｉｏｅｃｅｎｅｓｙＳａｘＸｎｈｕ０４０，ｈｎ；ｏＣｒｅｚｓｖｔ
，。 … ．，％），（：），（）对特定节点的最终位置进行定位，定位
公式为：
薹＝（÷ ÷ 砉一《砉一耋＋耋） ÷一２２；
（）４
显然Ｂ是对称的正半定矩阵，那么可利用奇异值分解为
Ｂ＝ＶｒＡＶ的形式．中由从大到小排列的特征值组成的对其
几里德距离。
２无线传感网络节点定位原理
在无线传感网络的特定节点的定位技术中，首先在信息采集区域部署位置分布不同的感应节点，通过相连节点之间的信息交换。利用信息搜索技术，现特定节点的准确定位。实
具有算法步骤如下所示：
２ｅｔｆｎｏｔｎＳｉｎｅａｄＥｇｅｒｇＹｎｈｎｕｉｒｉ，ｉｈａｇａｅｅ０６０Ｃｉａ．Ｄｐｆｒｉｃｅｃｎｎｉｅｉ，ａｓａｎｖｓｙＱｎｕｎｄｏＨｂｉ６０４，ｈｎ）ｏＩｍａｏｎｎｅｔ
ＡＢＳＲＡＣＴ：ｈｓｐｐｒｐｏｏｅｈ — ｉｎｉｎｌｃｅｎｄｃｉｔｎａｇｒｈｂｓｄｏａｔｌｗｒｏ — ＴＴｉａｅｒｐｓｄａｍｕｉｄｍｅｓｏａａｏｅｌａｚｉｌｏｉｍａｅｎｐｒｃｅｓａｍｐｓｌｏｌａｏｔｉｔｚｔｎｉａｉ．Ｂｓｎｌ —ｄｍｅｓｏａｃｌｏｌｏｅｕｋｏｏｅｏａｑｉｅａｇｒｔｍｎｔｌｃｏｄｎｔｓｍｉｏｙｕｉｇｍｕｔｉｎｉｎｌｓａｅｆｒａｌｆｔｎｎｗｎｎｄｓｔｃｕｒｌｏｈｉｉａｏｒｉａｅ，ｉｈｉｉｐｒｃｅｓｒｐｉｚｔｎａｇｒｔｍａｓｄｔｐｉｚｔｏｔｕｃｉｎｔｃｕｒｈｒａｉｔｎｅｃｏｄｎｔｓａｉｌｗａｉｏｔｔｎｍｉａｉｌｏｈｗｓｕｅｏｏｔｏｉｍｉｅｉｃｓｎｔｏａｑｉｔｅｅｄｓａｃｏｒｉａｅｓｆｏｅｌｏｈｎｎｗｎｎｄｓａｄａｃｒｔｌｏｉｏｅ．Ｔｅｅｐｒｎａｅｕｔｈｗｔａｏａｅｉｈｒｉａ — ｆｔｅｕｋｏｏｅｎｃｕａｅｙｐｓｔｎｔｎｉｈｈｘｅｉｍｅｔｒｓｌｓｏｈｔｃｍｐｒｄｗｔｔｅｏｉｎｌｌｓｈｇｌａ
离的衡量。一旦遇到无线传感网络节点分布较为稀松的情
况下，传统的节点定位算法采用多跳距离代替节点间的真实距离．确定节点位置。但是多跳距离与真实距离，在节点稀松的情况下。存在较大的误差。这样生成的局部网络分布模型距离的准确度低，网络节点间的距离是不规则的，导致传
Ｂ＝ＬＡ
上式中，ｇ（ｌｐ ‰）代表了无线网络中，ｏ两个随机节点之间的平均距离。上述操作步骤是对无线网络中特定节点的定位的完整步骤。传统的无线传感网络中，节点之间的距离信息不是固定的，随着现场信息采集环境的复杂多变，点的分布也不会节完全相同．为了统一节点之间的距离．运用多跳距离来对其进行衡量。所谓的多跳距离就是为了保证节点间距离一致，可以在一个距离中跨越多个节点。这就给节点的定位带来了一定的问题。通过式（）可２（
法和ｄＭＤ（算法ｌ等分布式节点定位算法。近年来，ｗＳＧ）６
统的基于距离权值的节点定位误差较大＿。＿
针对上述情况，提出了一种基于粒子群优化的多维标度节点定位算法（简称ＭＤ（Ｓ）该算法是先采用多维标度ＳＰ），
假定网络中的节点被布置在ｍ维空间中，网络中的节点均被指定一个。第ｉ个节点的待求坐标为，＝
（。
（
…
２当需要进行某个节点定位的情况下，）通过节点间的相
互通信，完成节点区域的锁定，区域锁定计算公式为：，％）＝Ｍｌｇ１（（Ｐ０）］（ｏ［／ｐ０）一（；）其中，ｉ＝０１ … √ （，，）ａ上的距离信息。（）１）为节点ｏ与节点。之间
可以根据节点的位置迅速找到发生状况的区域，也就是完成
关键节点的定位。当前主流的节点定位算法包括：典的经ＭＤ — Ｐ定位算法［改进的ＤＨｐ定位算法ｌ等。为ＳＭＡ、Ｖ— ｏ４］
了满足大规模的网络的需求，先后又提出ＭＤ — ＰＰ算ＳＭＡ（）
中图分类号：Ｐ９Ｔ３３文献标识码：Ｂ
ＷｉｅｅｓＳｅｓｒＮｅｗｏｋＮｏｅＬｏａｉａｉｎＡｌｏｉｈｒｌｓｎｏｔｒｄｃｌｚｔｏｇｒｔｍＢａｅｎＰａｔｃｅＳｗａｍｓｄｏｒｉｌｒＯｐｔｍｉａｉｎｉｚｔｏ
角线矩阵以＝ｄａ（ｌｌ，，），Ｖ＝Ｉ１２ｉ１， … ｌ而ｇ２Ｎｖ … ］列向是
Ｆ，）＝０（ｙ１
∑ （）ｆａ１．，一（－）（ｊｌ。
（）２
量为特征向量的正交矩阵，以前ｋ取个特征值构成Ａ，中前ｋ个特征向量构成，Ｂ可以表示成：
基金项目：山西省高校基金资助项目（０９０９）２００２４
收稿日期：０１１ — ５修回日期：０２０ — ５２１— ｌｌ２１ — １０
一
（ｈｄｍｎｉａｓａｉｇＭＤ）Ｍｕｉｅｓｎｌｃｌ，Ｓ技术求得节点的初始化坐ｉｏｎ
，
，
，
），则网络中所有节点的待求坐标矩阵为ｘ＝Ｘ）节点之间的距离矩阵Ｄ与Ｂ＝Ｘ，Ｘ之间的
…
，
，
，
关系可用式（）表示。４
＝
区域距离，表示节点所在区域，为通信系数，（Ｐａ）为节点３）根据提取到的不同节点的区域信息，（ａ。，）