无线传感器网络中的节点定位方法使用组合群众搜索和加权中心点方法
Suresh Sankaranarayanan1, Rajaram Vijayakumar2, Srividhya Swaminathan3
1Department of Computer Science, King Faisal University, Al Hofuf P.O. Box 400, Saudi Arabia.
本研究介绍了群众搜索加权中心位定位 (CS-WCL) 算法,用于高效的无线传感器网络 (WSN) 节点定位. 与现有方法相比,CS-WCL显著降低了平均定位误差和能源消耗.
科学领域:
- 无线传感器网络 (WSN) 是一种无线传感器网络.
- 在本地化算法算法.
- 大自然启发的计算
背景情况:
- 在WSNs中的节点本地化至关重要,但面临着诸如节点选择,有限的能量和计算强度等挑战.
- 现有的本地化方法,包括单和多技术,存在共同线性,高计算成本和重大本地化错误等问题.
- 灵感来自自然的算法具有潜力,但往往表现出较长的处理时间,高功耗和对参数选择的敏感性.
研究的目的:
- 为WSNs开发一个更有效,更可靠的节点本地化算法.
- 为了提高节点定位的准确性,同时降低能源消耗.
- 解决现有的本地化技术的局限性,特别是关于节点选择和计算开销.
主要方法:
- 开发了一个新的Crow Search加权心脏位点定位 (CS-WCL) 算法.
- 群众搜索算法用于从人口中最佳选择节点.
- 权重中枢神经系统方法用于精确定位未知的节点.
主要成果:
- 与WCL和DV-Hop相比,CS-WCL在不同通信半径 (20m-45m) 中显示了15%的平均定位错误 (ALE) 降低.
- 可扩展性测试显示,CS-WCL将ALE降低到2.59% (从28.75%) 与不同的信标节点 (3至2).
- 对于30至300个节点的网络大小,能源消耗显著降低,从120mJ降至45mJ,性能优于WCL和DV-Hop.
结论:
- CS-WCL算法为WSN中的节点本地化提供了一个更有效和可靠的解决方案.
- 与传统和其他受自然启发的方法相比,CS-WCL有效地减少了本地化错误,并节省了能源.
- 拟议的算法显示出卓越的性能和可扩展性,使用MATLAB 2022b.验证.
更多相关视频
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
06:00Electroantennography-based Bio-hybrid Odor-detecting Drone using Silkmoth Antennae for Odor Source Localization
Published on: August 27, 2021
相关概念视频
Types of Global Positioning System Surveys
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Cluster Sampling Method
To choose a cluster sample, divide the population into clusters (groups) and then randomly select some of the clusters. All the members from these clusters are in the cluster sample. For example, if you randomly sample four departments from your...
Area Computation by the Alternative Coordinate Method
Distance Measurements by Taping
Selected Data About Geographic Locations
