基于特征量重要度LS-SVR的WSN定位方法

摘要

针对无线传感器网络（WSN）节点定位方法中采用粗测距技术时，节点间较大的测距误差导致定位准确度不足的问题，提出一种基于特征量重要度最小二乘支持向量回归（LS-SVR）的定位方法．该方法把未知节点到锚节点的距离作为特征量，依据特征量的重要度进行特征提取，通过对探测区域网格化采样得到训练样本集，使用LS-SVR学习得到定位模型；在定位阶段，将未知节点的特征向量输入定位模型，利用LS—SVR良好的泛化能力实现对未知节点的准确定位．对均匀分布和C形区域随机分布的100个节点的定位实验表明，文中提出的定位方法能有效地降低测距误差对定位准确度的影响，减小平均定位误差；与采用相同测距技术的DV—Hop方法相比，均匀分布情况下该方法的平均定位误差减小7．5％～14．0％，C形区域随机分布情况下显著减小36．5％～55．2％．