【定位问题】基于模拟退火粒子群算法求解无线传感器网络中基于RSSI测距定位问题含Matlab源码

1 简介

基于粒子群的退火算法和RSSI无线传感器网络的节点 位算法.首先利用RSSI测距技术收集网络中节点之间的通信信息和距离估计，优化信标节点；其次，将定位问题视为优化问题，采用粒子群退火算法进行优化 了解节点的定位结果.模拟实验结果表明，提出的定位算法具有较高的定位精度.

2 部分代码

%将接收信号强度转化为距离 %发射信号衰减后到达接收端，根据接收信号的强度计算T-R距离  %接收功率Pr本应由实际测量获得 但是，如果没有实验设备，也可以使用假设的未知节点获得模拟测量值 %的方法是：根据假设的未知节点位置，每个信标节点都能准确接收功率 在此基础上，以高斯随机变量为环境干扰，以此接收功率为Pr的测量值 %再将Pr作为测量值RSSI来求出T-R距离  将区域划分为几个相邻的三角形，将信标节点放置在三角形的顶点 %也可以说是将传感器节点随意但尽可能均匀地放置在区域内，并将其定位为信标节点 %未知节点向周围发射定位信号，接收后使用各信标节点RSSI距离未知节点的距离通过测距算法获得 从这些距离中选择三个最小距离，选择相应的信标节点作为信标节点 保证未知节点在选定信标节点的三角形内部 在%以下程序中T-R距离是指信标节点与未知节点之间的距离  function [r] = Distance(d,a)      PtW = 10e3; %单位是W     Pt = 10*log10(PtW); %单位是dB     f = 9e8; 单位频，单位是Hz     n = 2; %路径损失指数     d0 = 20; %近地参考距离,单位是m     %d = 100*sqrt(13) %选择信标节点与未知节点之间的准确性T-R距离，单位是m     c = 3*10^8; %光速，单位是m/s     lamda = c/f; 单位是%波长m     Gt = 1;Gr = 1;L = 1; %Gt为发射天线增益；Gr接收天线增益；L与传播无关的系统损失因子(不少于1)      %PL0为近距离参考路径损失     %PrW = PtW*Gt*Gr*lamida^2/((4*pi)^2*d0^2*L) %单位是W     %PL0 = 10*log10(Pt/Pr) %单位是dB     PL0 = -10*log10(Gt*Gr*lamda^2/((4*pi)^2*d0^2*L)); %单位是dB     Pr0 = Pt-PL0; %单位是dB      %PL为精确T-R路径损失距离；Pr接收信标节点的功率     PL = PL0 10*n*log10(d/d0); %单位是dB     Pr = Pt - PL; %单位是dB     PrW = 10^(Pr/10); %单位是W          %RSSI包含高斯随机变量的接收功率为接收信号强度指示     %Xn随机变量为零均值，标准差为cigema     %PrG为了增加高斯随机变量的接收功率，用它来模拟接收功率的测量值，单位是dB     cigema = 11.8; %单位是dB     N = 5e3;     Xn = normrnd(0,cigema,N,1);     X = mean(Xn); %均值     PrG = Pr X; %单位是dB     PrGW = 10^(PrG/10); %单位是W     RSSI = PrGW; %单位是W          %r为求出的T-R距离;a参数随距离范围而变化     %RSSI ＝ a*(1/r)^2     %a = 7; 在所选信标节点的距离范围内，经过反复测试，该参数更合适     r = 1/sqrt(RSSI/a);

3 仿真结果

4 参考文献

[1]范玉红， 彭宏, 朱陈良,等. 基于遗传模拟退火算法和RSSI无线传感器网络定位算法[J]. 西华大学学报:自然科学版， 2010, 29(6):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域Matlab仿真，相关matlab私信可以交换代码问题。

如些理论引用网络文献，如有侵权联系博主删除。