[发明专利]一种基于DQPSO算法的定位性能优化方法

说明书

本发明公开了一种基于DQPSO算法的定位性能优化方法，包括以下步骤：步骤1：锚节点第一次跳数计算，获得第一最小跳数；步骤2：根据第一最小跳数筛选平均计算，获得平均跳矩；步骤3：根据平均跳矩和第一最小跳数进行修正精度处理，获得最终平均跳矩；步骤4：锚节点与未知节点第二次跳数计算，获得第二最小跳数；步骤5：根据最终平均跳矩和第二最小跳数距离计算，获得未知节点与锚节点的估计距离；步骤6：根据估计距离进行坐标计算，获得未知节点的估计坐标，完成定位性能优化。此发明解决了传统DV‑HOP算法未知节点定位误差率高的问题，通过剔除误差大的锚节点、修正平均跳矩，并采用DQPSO算法，对未知节点的估计坐标进行优化和修正，提高了定位精度。

技术领域

本发明涉及无线传感器网络技术领域，具体涉及一种基于DQPSO算法的定位性能优化方法。

背景技术

无线传感器网络(WSN)是由大量安放在监测区域内的无线传感器节点组成。具有低成本、体积小、传输距离远等优势，广泛应用于军事、医疗环境监测等方面。

WSN节点定位技术是WSN应用于目标监测、目标识别和目标跟踪的支撑技术，其算法可分为基于非测距(Range-free)的算法和基于测距(Range-based)的算法，测距技术有信号强度(RSSI)、信号到达时间(TOA)、信号到达时间差(TDOA)等，无需测距的定位算法有质心算法、三角形内点测试(APIT)算法、Distance vector-hop location algorithm(DV-HOP)算法和凸规划算法等，其中非测距DV-Hop算法因具有成本低、能耗小、算法实现简单等特点而被广泛应用，但该算法也存在定位误差较大的不足。

为了提高DV-Hop算法的定位精度，国内学者引入群体智能算法对其进行优化。

俞云萍等人提出的专利1：基于差分进化(DE)算法改进的无线传感器网络DV-Hop节点定位方法，采用DE算法估算未知节点的具体位置，但没有结合量子粒子群实现容易、精度高、收敛快等优点。

肖本贤等人提供的专利2：一种基于免疫粒子群优化的DV-HOP室内定位算法，将免疫粒子群算法引入DV-HOP室内定位方法，利用免疫算法改进粒子群方法，通过粒子群的交叉和变异操作，寻求迭代精度最大和适应度最好的情况，提高了粒子种群的多样性维持能力，扩大解的搜索空间，提高了算法的收敛速度，在精度和全局搜索能力方面都有明显的提高。

张中芳等人提供文献1：基于量子粒子群优化的DV-Hop算法研究中提出了一种基于量子粒子群优化的DV-HOP算法，该算法采用具有量子行为的量子粒子群(QPSO)算法对DV-HOP算法中未知节点的估计结果进行优化和修正。

高美凤等人在遗传粒子群优化的DV-Hop定位算法中提出了结合遗传粒子群的DV-HOP定位算法(GAPSO-DV-HOP)。首先根据最大理想跳数筛选锚节点，计算加权平均每跳距离，权重采用锚节点之间距离、最小跳数、以及通信半径构成；其次，用遗传机制改进粒子群算法以代替最小二乘法。

针对DV-HOP算法第一阶段锚节点随机部署产生的不良节点，第二阶段锚节点间平均跳距误差较大，第三阶段未知节点坐标计算估计误差较大的问题，本专利提出了一种基于差分量子粒子群(DQPSO)算法的定位性能优化算法。

发明内容

本发明的目的是提供一种基于DQPSO算法的定位性能优化方法。此方法旨在解决传统DV-HOP算法中未知节点定位误差率高的问题，通过剔除误差大的锚节点、修正平均跳矩，并采用DE算法和QPSO算法融合的DQPSO算法，对未知节点的估计坐标进行优化和修正，从而提高定位精度。

为达到上述目的，本发明提供了一种基于DQPSO算法的定位性能优化方法，包括以下步骤：

步骤1：在无线传感器网络中随机部署若干个传感器节点，且传感器节点中的所有锚节点进行第一次跳数计算，获得每个锚节点与所有锚节点之间的第一最小跳数；