基于高斯混合模型的无线传感器网络定位算法

吉林大学学报(理学版) ›› 2022, Vol. 60 ›› Issue (3): 713-720.

基于高斯混合模型的无线传感器网络定位算法

方省¹, 罗引^2,3, 曹家^2,3, 徐楠^2,3, 蒋水宾^2,3, 郝艳妮^2,3

1. 天津大学经济与管理学院, 天津 300072； 2. 中国科学院自动化研究所, 北京 100190；
3. 北京中科闻歌科技股份有限公司, 北京 100000

收稿日期:2021-06-03 出版日期:2022-05-26 发布日期:2022-05-26
通讯作者: 曹家 E-mail:jia.cao@wenge.com

Location Algorithm Based on Gaussian Mixture Model in Wireless Sensor Network

FANG Xing¹, LUO Yin^2,3, CAO Jia^2,3, XU Nan^2,3, JIANG Shuibin^2,3, HAO Yanni^2,3

1. School of Economics and Management, Tianjin University, Tianjin 300072, China; 2. Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China; 3. Beijing Wenge Technology Co., Ltd., Beijing 100000, China

Received:2021-06-03 Online:2022-05-26 Published:2022-05-26

摘要/Abstract

摘要： 针对距离误差对定位结果的影响, 提出一种基于高斯混合模型的无线传感器网络定位算法. 该算法将高斯混合模型方法引入到无线传感器网络的定位问题中, 通过高斯混合模型分析找出误差较大的距离信息并将其剔除, 对剩余距离信息使用三边测量定位法进行定位求解, 同时结合加权定位算法进行位置估计. 仿真实验结果表明, 改进算法能提高定位精度, 且定位结果更稳定.

关键词: 高斯混合模型, 无线传感器网络, 定位

Abstract: Aiming at the influence of distance error on the location results, we proposed a location algorithm based on Gaussian mixture model (GMM) in wireless sensor network (WSN). In this algorithm, the GMM method was introduced into the location problem of WSN. The distance information with large error was found by using the analysis of GMM and eliminated. The remaining distance information was solved by trilateral measurement location method, and the position was estimated combined with wighted location algorithm. Simulation results show that the improved algorithm can improve positioning accuracy and the positioning results are more stable.

Key words: Gaussian mixture model (GMM), wireless sensor networks (WSNs), location

中图分类号:

TP391

方省, 罗引, 曹家, 徐楠, 蒋水宾, 郝艳妮. 基于高斯混合模型的无线传感器网络定位算法[J]. 吉林大学学报(理学版), 2022, 60(3): 713-720.

FANG Xing, LUO Yin, CAO Jia, XU Nan, JIANG Shuibin, HAO Yanni. Location Algorithm Based on Gaussian Mixture Model in Wireless Sensor Network[J]. Journal of Jilin University Science Edition, 2022, 60(3): 713-720.

[1]	仝利红, 景绍文, 孙士保. 无线传感器网络多级环形分簇优化算法[J]. 吉林大学学报(理学版), 2026, 64(3): 650-0656.
[2]	潘继强, 丁涛, 郭冬, 周广彬, 雍龙泉. 基于非均匀分簇的无线传感器网络负载均衡路由算法[J]. 吉林大学学报(理学版), 2025, 63(6): 1744-1750.
[3]	胡黄水, 范新纪, 邓育欢. 基于改进Harris鹰优化的无线传感器网络分簇协议[J]. 吉林大学学报(理学版), 2024, 62(5): 1228-1234.
[4]	刘桂霞, 曹心恬, 赵贺. 基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架[J]. 吉林大学学报(理学版), 2024, 62(3): 593-605.
[5]	王志强, 陈力园, 代蛟. 基于WTGWO的无线传感器网络三维部署优化方法[J]. 吉林大学学报(理学版), 2024, 62(2): 410-0416.
[6]	高思华, 顾晗, 贺怀清, 周钢. 基于深度Q学习的无线传感器网络目标覆盖问题算法[J]. 吉林大学学报(理学版), 2023, 61(6): 1432-1440.
[7]	潘继强, 刘杰, 达列雄, 黄现代. 基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法[J]. 吉林大学学报(理学版), 2023, 61(6): 1441-1447.
[8]	孙顺远, 于敬源. 一种针对异构设备和环境变化的室内定位算法[J]. 吉林大学学报(理学版), 2023, 61(4): 915-921.
[9]	陶李, 郭宇欣, 韩优佳. 基于信任的WSN快速识别信任攻击模型[J]. 吉林大学学报(理学版), 2022, 60(6): 1423-1429.
[10]	王晓光, 管港云, 徐嘉铭, 李俊呈. 基于GPS和计算机图像识别的无人机导航系统[J]. 吉林大学学报(理学版), 2022, 60(4): 955-961.
[11]	杨亚男, 朱晓冬, 刘元宁, 朱琳, 董霖. 基于改进YoloV4网络的虹膜定位算法[J]. 吉林大学学报(理学版), 2022, 60(2): 369-380.
[12]	胡黄水, 姚美琴, 王亮, 韩优佳. 基于改进的AP和遗传算法的能量感知分簇路由协议[J]. 吉林大学学报(理学版), 2021, 59(6): 1525-1531.
[13]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[14]	王出航, 王雪, 胡黄水, 赵宏伟, 韩由佳. 基于改进GA和信任感知的无线传感器网络安全分簇路由协议[J]. 吉林大学学报(理学版), 2021, 59(5): 1237-1244.
[15]	李蛟, 胡黄水, 赵宏伟, 鲁晓帆. 基于混沌遗传算法的无线传感器网络改进LEACH算法[J]. 吉林大学学报(理学版), 2021, 59(4): 950-955.