计算机论文哪里有？本文最终是从平均定位误差这一角度来衡量改进优化后的定位算法是否比经典 DV-Hop 定位算法具有有效性与合理性。显而易见，仿真实验结果表明了改进优化后的算法在定位误差以及定位精度上都优于经典 DV-Hop 定位算法，但是本文对基于非测距的DV-Hop定位算法研究分析并不是很深入全面，仍然存有很多的不足之处，此类算法也需要进行不断的优化与提升使得其具有更好的适用性。
第一章 绪论
1.2无线传感器网络的发展和研究现状
无线传感器网络是本世纪备受国内外学者关注的热点领域之一，其最初是出现在美国加州大学洛杉矶分校的一位教授提交的计划书中，因其存有丰富的应用前景，因而得到了初始发展，其发展大致经历三个阶段，首先是 1970 年至 1980 年的简单的传感器系统阶段，最早展开研究的是美国军方，在此阶段，节点只具有简单的信息获取能力，不同的节点之间还不具备数据通信的能力；其次是 1980 年至 1990 年的节点集成化阶段，在此阶段，利用到了更加现代化的小型传感器节点，不同的节点具备了感知、计算以及相互交流的能力，正因为如此，在 21 世纪初始，WSNs 成功获选具备影响力的技术的头衔[13]；最后是 21 世纪初始的多跳自组织阶段，在此阶段，WSNs 实现了自组织的特性，节点也更加节省功率的损耗。
互联网出现之后，排在其后的另一个大型网络便是无线传感器网络，在美国军方对其展开研究之后，美国的一些大型公司，例如英特尔、惠普、微软、德州仪器以及一些美国高校也纷纷展开研究，随后，世界上其他国家(英国、意大利等等)也开始成立相应的研究机构在无线传感器网络上进行深入探索，并将其研究成果进行产业化。我国对待无线传感器网络的研究也是相当的重视，可以说我国的研究开展工作是和发达国家几乎同步展开的，这俨然成为我国在信息科技领域位居世界前列的方向之一，2001 年成立的中科院上海微系统，标志着我国开始了 WSNs 的研究之路；2002 年，多个涉及无线传感器网络的课题顺利通过自然科学基金委的部署和审批；2006 年发布的国家规划纲要中列出的与信息技术相关的前沿技术中，有两个和传感器网络是密切联系的；
第三章 经典 DV-Hop 定位算法
3.1DV-Hop 定位算法原理
3.1.1 DV-Hop 定位算法描述
距离向量定位算法是由路特格斯大学的 Niculescu 等人提出的分布式定位算法[27]，此算法的基本思想和距离矢量路由算法存在相同之处，其原理就是信标节点和未知节点两者间的距离用平均跳距与两节点之间的最小跳数值的乘积进行替代。在该算法中，信标节点需要在无线传感器网络中广播自身的相关数据信息，使得无线传感器网络中的每一个节点都可以获取到它们自身到每一个信标节点的最小跳数值。信标节点计算出 WSNs 的平均跳距后，将此平均跳距通过泛洪的方式传递给其邻居节点，当邻居节点收到此数据值之后，便可以利用跳数值与平均跳距的乘积来计算节点之间的距离，最后再通过极大似然法、三角测量法等这类数学方法来计算未知节点的坐标，其定位流程图如图 3.1 所示：
在经典 DV-Hop 定位算法中，最小跳数值的计算是依据节点的通信半径以及广播次数而来的，节点通信半径范围内的跳数值均记为 1 跳，不用传感器节点之间的最小跳数值是不同的，如下图 3.3 所示，R 代表节点的通信半径，从图 3.3 中可以看出，当节点之间的数据信息包传递路径是类似于”U”型路径的时候，这个时候的跳数值的计算就会存在很大的偏差。例如，节点 A 和节点 B，因为两者并不在通信半径范围内，所以双方的数据信息包并不会直接传递给对方，比如对于信标节点 A，当其想要将数据信息包发送给信标节点 B 的时候，首先会转发给节点 C ，然后再转发给节点 D，最后才会转送到节点 B，在此过程中，数据信息包中的跳数值会每经过一次转发，其值就会自动增加 1，这就导致节点 A 和 B 之间的最小跳数值为 4，然而实际上两个节点之间的跳数值仅为 2 跳，估算值与真实值相差了一倍，误差就此产生，从而不断影响后续的计算。
第五章 基于细菌觅食-牛顿法结合的改进 DV-Hop 定位算法
5.1 细菌觅食算法
无论是遗传算法还是仿生类算法，这些智能优化算法一直都是这几年来研究的热门之一。仿生学算法中的一种新型算法：细菌觅食算法[30] (Bacterial Foraging Optimization，BFO)是于2002 年被正式提出来，此算法主要是通过模拟人以及动物体内的大肠杆菌，模仿其吞噬食物时的行为而进行相应操作的，其具有很强的局部搜索能力，但是在收敛方面，其速度相对较慢。因此，可以将其与其他算法相结合来使用。
5.1.1 细菌觅食算法主要步骤
细菌觅食算法主要是通过模拟一种被称之为大肠杆菌的生物的行为来进行操作的，大肠杆菌是人以及其他动物身体内存在的一种细菌，该细菌体外存有纤毛以及鞭毛。在实际的细菌觅食过程中，鞭毛会为大肠杆菌提供前进的动力，此外还会帮助细菌进行翻滚操作，这也是大肠杆菌的两大主要操作。当细菌在觅食的时候，其所处的区域存在丰富的食物时，细菌会一直前进觅食，当所处的区域不适宜觅食的时候，细菌会对周围的环境进行评估并进行翻滚操作，细菌前进与翻滚操作如图 5.1 所示：
5.2牛顿迭代法
Newton's method 牛顿迭代法，是 17 世纪的时候，由牛顿以及拉弗森两人一起提出来的一种进行近似求解方程的算法，因而也被称为牛顿-拉弗森法，主要思路就是利用切线是曲线的逼近这一思想，使用函数的泰勒级数的前几项来替换原始函数，然后对函数进行求解。一般而言，对于曲线的研究是不容易的，但是对于研究切线这样的直线则是相对容易的，因此牛顿迭代法就借鉴了这样的思想。
第六章 总结与展望
6.2工作展望
无线传感器网络中的节点定位技术在很多场景中都是极其重要，因此对节点定位技术进行进一步的深入研究也是十分重要的。本文最终是从平均定位误差这一角度来衡量改进优化后的定位算法是否比经典 DV-Hop 定位算法具有有效性与合理性。显而易见，仿真实验结果表明了改进优化后的算法在定位误差以及定位精度上都优于经典 DV-Hop 定位算法，但是本文对基于非测距的DV-Hop定位算法研究分析并不是很深入全面，仍然存有很多的不足之处，此类算法也需要进行不断的优化与提升使得其具有更好的适用性。以下是该定位算法值得深入研究的地方，在此提出，为后续的研究提供参考与帮助。
(1) 本文的算法是建立在二维正方形区域内展开的，但是在实际的应用环境中，或许会存有传感器节点被部署在三维区域内或是长方形区域内的情况。此外，实际的应用环境一般都是复杂多变的，节点定位技术也并不是适用于所有场景，传感器节点在实际场景中，其位置会受到外界因素的影响而产生变化，无线传感器网络的拓扑结构也会随之变化，因此本文在此方面还存有欠缺之处，后续的工作可以围绕着不同监测场景来进行深入研究。
(2) 本文的算法是在 Matlab 仿真平台上进行的，并没有搭建相应的硬件环境去测试算法的有效性与可行性，仿真平台并不能全真的模拟出实际的节点部署场景，在实际的应用环境中，可能会存在传感器节点能效耗尽或是遭遇一些极端天气导致节点间无法正常传递数据信息。并且本文的算法在仿真测试阶段，节点数目均是相对较大的，此算法是否适用于节点数量较少的场景也是需要进一步考虑研究的。
参考文献（略）
