即利用下式最小化来确定估计值。Р式(4)取最小值时,其关于的导数为零,即:Р这是基于最小均方误差准则的平均每跳距离估计值。在上例中,属于锚节点,,的估计每跳距离分别是:Р二、基于自适应共线度阈值的锚节点选择Р通过观察方程组(2)我们可以假想如果锚节点分布是线性分布时情况会怎么样。此方程组能否求出解?如果能求出解,在锚节点共线情况下,略微的测距误差就足以导致较大的位置估计Р误差,这样的定位精度能否接受?于此我们提出一种锚节点筛选方法以过滤掉部分将导致误差偏大的锚节点。Р首先介绍共线度概念:Р首先指出共线度是基于三角形的,上式中表示三角形最长边,表示与此边对应的三角形高。很容易得到共线度取值范围是【0,1】当三点共线时,共线度值为零;当三角形是等边时,共线度值为1。Р尽管通过锚节点的坐标可以很容易的计算出它们间的拓扑关系,但是仅仅考虑锚节点间的拓扑关系式不够的,在未知节点的位置估计过程中,还要考虑锚节点与未知节点间的拓扑关系。因此我们设置共线度阈值来约束锚节点的选择。Р的仿真DV-Hop算法我们得到,未知节点与锚节点的跳距越大时,距离估计误差越大。详细的说,5跳间距的距离估计误差是1跳间距的距离估计误差的3倍,分别是节点通信距离的0.2倍与0.6倍。如此说来综合考虑设定的共线度阈值及位置节点距离锚节点三角形的最小距离阈值,可以发现共线度阈值分别和未知节点与锚节点三角形的位置关系以及锚节点之间的拓扑关系有关。即共线度阈值并不是一个可以固定计算出的值,它是随网络拓扑变化而变化的。因此,锚节点共线度阈值的建立是自适应的。Р我们的改进是根据AC-HOP算法固有的缺陷提出的,由于AC-HOP算法原本与应用场景有完美的契合,例如非基于距离的测距降低结点成本,节点密度低,对于低速移动结点定位等等。改进后的算法继承了这一优点,并通过锚节点选取的改进和获得步长方法的改进,增加了最后结果的确信度。
全文预览
