针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1...针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1跳锚节点构建圆形采样区域和圆环过滤器.通过定义样本密度得到合理的样本数,论证圆环参数与过滤区域面积的关系.通过仿真实验得到合理的圆环参数,并以此构建高效的过滤器,降低定位误差.PRMCL使用粒子群算法优化CRMCL过滤后的样本,降低了无效样本的数目,增强了算法的鲁棒性.仿真表明,在不需要额外硬件的情况下,CRMCL和PRMCL比蒙特卡罗及其改进算法误差小、鲁棒性强.展开更多
文摘针对水声传感器网络中移动定位算法的误差和鲁棒性问题,提出两种蒙特卡罗移动定位算法:CRMCL(Circular Ring Monte Carlo Localization)和PRMCL(Particle Swarm Optimization for Circular Ring Monte Carlo Localization).CRMCL利用1跳锚节点构建圆形采样区域和圆环过滤器.通过定义样本密度得到合理的样本数,论证圆环参数与过滤区域面积的关系.通过仿真实验得到合理的圆环参数,并以此构建高效的过滤器,降低定位误差.PRMCL使用粒子群算法优化CRMCL过滤后的样本,降低了无效样本的数目,增强了算法的鲁棒性.仿真表明,在不需要额外硬件的情况下,CRMCL和PRMCL比蒙特卡罗及其改进算法误差小、鲁棒性强.
