浅析无线传感器网络的八大应用
杨慧
摘 要：无线传感器网络作为信息采集及处理技术，在实际应用过程中能够实时采集信息，获取检测对象信息。传感器应用基础条件为节点之间协调的定位，文章对无线传感器网络中分布式定位算法深入了解，能够对无线传感器网络中分布式定位算法发展趋势进行了解。
关键词：无线传感器网络；自身定位；定位；仿真
前言
伴随着无线通信技术与微电子技术快速发展建设，多功能传感器正在快速发展建设，传感器逐渐向小体积及智能化方向发展，功能越加完善。但是由于传感器节点在确定上面，存在不可控特征，大部分节点位置都通过提前在网络内设定。无线传感器在实际应用过程中，必须借助节点网络地区位置信息，精确对信息来源进行了解。定位算法在应用过程中，能够对节点网络地区进行计算，进而对节点位置进行精确判断。
1 分布式定位算法
正常情况下，分布式定位算法主要由三个模块构成，分别为确定未知节点及节点距离模块、计算节点位置模块及精确节点位置模块。在不同分布式定位算法模块内，都具有多种可以选择的算法类别。
1.1 节点距离模块内算法
1.1.1 RSSI算法。RSSI算法是在了解节点发射功率情况下，对节点接受功率进行检测，进而对传播功耗进行计算，应用理论模型及信号传播模型，将功耗转变为节点距离。
（d）表示节点在d距离情况下，节点之间的信号强度；pT表示两个节点之间距离为d情况下，节点之间信号损失功能。RSSI方法是基于射频信号强度，所以在实际应用过程中经济成本较为低廉，比较适合在无线传感器网络部署上面应用，因此具有良好发展前景[1]。
1.1.2 Dv-distance算法。Dv-distace算法在实际应用过程中，计算较为简单，主要对节点之间计算之后，对锚节点之间的距离进行计算。该算法是以錨节点作为计算基础，所发送的信号都具有针对性信息，其中包含信号身份、位置及长度。节点信息在接受完毕之后，主要是对节点发送距离检测完毕之后，在条件允许范围内，对消息进行传播。与此同时，该算法另一个约束条件为，节点在接受到以前信息之后，信息锚节点长度要小于信息路径情况下，该信息才能够允许发送，对信息内容进行更新，最后找到不同节点之间最短储存路径，并且对该路径进行储存。Dv-distance算法虽然具有十分显著优势，但是计算上面还存在一定缺点。算法在对距离信息计算主要是在跳跃状态下进行传播，测距误差显著提升，计算偏差较大[2]。
1.1.3 Dv-hop算法。Dv-hop算法在实际应用过程中，能够有效克服dv-distance算法所存在的缺陷，借助计算跳数方式获取网络信息，能够有效解决累加出现误差情况。定位算法主要可以划分为两个流程，也就是信息需要传播两次。在第一个阶段内，主要通过广播模式，对不同位置信息进行传播，了解相近节点。节点在接一个数据包之后，需要对原有数据包进行对比，最新接受的数据包跳数要小于原有数据包跳数情况下，需要对数据包跳数信息进行更新，进而找到一种新型节点路径。最新数据包跳数在大于原有数据包跳数情况下，新型数据包就应该丢弃，数据包也就不在进行传播。广播在第一阶段处理之后，可以对锚节点跳数及节点距离进行了解，同时能够对节点坐标信息进行储存；在第二阶段内，节点主要通过计算平均距离方式，对不同节点平均距离进行计算。节点在接受数据包之后，数据包内信息需要添加到节点表内，进而传输到相近节点上面，数据包id重复之后，自动进行丢弃。在经过第二阶段处理之后，能够对全部节点跳数距离进行了解，计算跳数平均距离。
1.2 计算节点位置模块
在计算节点位置模块内，主要可以借助节点机关方式对未知节点初始位置进行了解，计算节点位置模块可选算法主要为三边测量法。
三边测量法属于最为简单定位方法，以二维平面图形作为基础，在对未知节点及节点距离计算上，可以通过未知节点作为圆心，以距离作为计算半径，对未知节点进行计算，了解未知节点和节点之间的距离，借助圆角点模式，能够对未知节点位置进行了解[3]。
1.3 定位求精模块算法
在定位求精模块内，主要目的是以第二阶段进行更加精确计算。在良好条件之下，节点计算精确程度也无法显著提升。主要原因是由于在前两个阶段内，尚未获取针对性信息。研究人员之所以提出定位求精模块，主要是对节点位置信息更新上面，对不同节点距离进行计算。在每个流程进行计算过程中，节点可以通过广播对邻近节点及未知节点进行计算，了解邻近节点位置及距离，进而通过多边形算法对未知节点位置进行计算。在大多数情况下，节点之间距离十分有限，这就需要寻到到一个新节点位置，进而提高节点位置精确性。经过多次演变之后，节点在更新收敛之后，能够有效提高节点位置精确性，进而获取节点最终位置[4]。
2 算法比较和改进建议
本文所分析的方法全部为分布式定位算法，具有良好拓展性能，也就是不同节点在计算过程中，和网络规模之间并没有任何直接性关联。就能耗层面来说，不同计算方法在针对情境不同，部分算法在通信开销上应用；就覆盖率层面来说，算法覆盖率和节点之间有着紧密关联，通过对节点及未知节点距离进行计算，能够有效提高节点计算覆盖率。由此可知，节点在具有较高计算能力情况下，节点密度程度较高，主要可以选择euclidean算法进行计算。分布式定位算法在网络成本及兼容性上面虽然具有十分显著优势，但是计算难度较高，作者在初始阶段通过多边形算法替代max算法，将二次方程组转变为一次方程组，有效解决乘法复杂计算问题，并且进行仿真处理。分布式定位算法在改进之后，分布式定位算法定位精度显著提升，通过计算成本大约降低了80%。无线传感器网络要是具有较高能耗灵敏性，改进分布式定位算法具有良好发展前景[5]。
3 结束语
本文主要对无线传感器网络中分布式定位算法进行计算，并且对分布式定位算法进行了处理，在对不同分布式定位算法性能进行对比分析之后，提出针对性意见，最后对分布式定位算法研究方向进行了展望。
参考文献
[1]余木琪，邓平.一种基于CKF的无线传感器网络分布式定位算法[J].传感技术学报，2015，07：1041-1045.
[2]王其华，郭戈.无线传感器网络中基于双支持向量回归的分布式定位算法[J].中南大学学报（自然科学版），2015，08：2930-2936.
[3]王巍.基于SemidefineProgramming算法的无线传感器网络节点定位研究[J].科技创新导报，2012，03：6-7.
[4]燕春，陈强，齐炜.可扩展、全分布式的基于连通度定位算法在无线传感器网络中的研究与实现[J].硅谷，2012，09：97+103.
[5]洪月华.无线传感器网络中分布式数据挖掘算法研究[J].计算机仿真，2012，12：167-170+179.
