买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆理工大学

摘要：本发明提出了一种基于混合改进的压缩粒子群优化的WSN节点定位方法，包括：S1，输入DV‑Hop定位系统的固定参数变量；S2，计算未知节点与每个锚节点的跳数，S3，在通信范围内，在跳数集合中获取未知节点到各锚节点的最小跳数，然后计算每个未知节点到锚节点的实际距离；S4，初始化局部最优和全局最优信息；S5，HICPSO算法初始化未知节点位置信息；采用如下定位误差模型对未知节点的初始化位置信息和定位误差初始化；S6，若t≤T，则进行迭代；S7，对于所有未知节点，对定位速度更新；S8，更新种群局部最优值和局部最优解；S9，t＝t+1，然后跳转执行步骤S6；S10，更新种群全局最优值和全局最优解，最终得到WSN节点的位置。本发明能提高定位精度，并有效减少资源损耗和提高算法定位稳定性。

主权项：1.一种基于混合改进的压缩粒子群优化的WSN节点定位方法，其特征在于，包括以下步骤：S1，输入DV-Hop定位系统的固定参数变量，固定参数变量包括网络区域、节点总数、锚节点数、未知节点数、通信范围和通信半径；S2，计算未知节点与每个锚节点的跳数；S3，在通信范围内，在跳数集合中获取未知节点到各锚节点的最小跳数，然后计算每个未知节点到锚节点的实际距离；S4，将通信范围、锚节点数、未知节点到锚节点的实际距离，未知节点数、所有节点位置信息组成的数据结构包传入HICPSO算法，初始化局部最优和全局最优信息；S5，HICPSO算法初始化未知节点位置信息；采用如下定位误差模型对未知节点的初始化位置信息和定位误差初始化； 其中，x,y为每次迭代后的未知节点最终估计位置；xi,yi为未知节点的坐标信息；di为各个未知节点的真实位置与估计位置之间的距离；unnode为未知节点总数；R为通信半径；S6，若t≤T，则进行迭代；其中t为当前迭代次数，T为最大迭代次数；S7，对于所有未知节点，结合压缩因子对定位速度更新： 并采用高斯变异机制对定位位置更新：Xijt+1＝Gauss*Xijt+Vijt+1其中，表示第t+1次迭代时种群的速度向量中第j维第i个个体的更新速度向量； 表示第t次迭代时种群的速度向量中第j维第i个个体的更新速度向量；Xijt+1表示第t+1次迭代时种群的位置向量中第j维第i个个体的更新位置向量；Xijt表示第t次迭代时种群的位置向量中第j维第i个个体的更新位置向量；K为压缩因子调节系数；c为非线性动态学习因子；Gauss表示高斯变异算子；w表示迭代的参数；pbestijt表示第t次迭代，第j维第i个个体的局部最优位置；gbestjt表示第t次迭代第j维的的全局最优位置；S8，更新种群局部最优值和局部最优解；S9，t＝t+1，然后跳转执行步骤S6；S10，更新种群全局最优值和全局最优解，最终得到WSN节点的位置。

全文数据：

权利要求：

百度查询： 重庆理工大学 一种基于混合改进的压缩粒子群优化的WSN节点定位方法