WSN中免測距距離估計算法的實現與比較

在圖4中，A有兩個鄰節點B、C，已知B、C與錨節點ANC的距離分別是a和b，結合已知的節點間距c、d、e，Euclidean算法得到兩個解：r1和r2。為確定哪個解為正解，可采用鄰居節點投票的方法：若存在第3個鄰居節點D，與B或C相連，且已知它到錨節點的距離。這時，可用D替換C或B，再重新計算A的位置，得到另一對解，正解必然在這兩對解中，如此，用簡單的選擇法便可得到正解。當然，若是有更多的鄰居節點參與計算，最終結果會更精確。

2 仿真實現與結果分析
默認環境如下：在100個單位的正方形場景中，有300個節點，通信距離設為15，錨節點比例設為5％，通信誤差是通信距離的10％，以下從不同參數進行仿真比較。
圖5是不同通信誤差下，DV-Hop、Sum-Dist、Euclidean算法執行距離估計得到的標準方差，圖6和圖7則分別是在不同的通信距離、錨節點比例下所得到的方差。

(1)Sum-Dist是3種方法中通信量最少、計算量最小的測距算法。但在通信誤差10％時，其測距結果仍是理想的。實際上，有兩個完全不同的趨勢影響著Sum-Dist的測距精度。其一，如果完全沒有通信誤差，多條路徑上的距離總和大于實際距離，這樣就導致估計值過大；其二，由于Sum-Dist算法尋找的是最短路徑，所以當存在通信誤差時，其所選的路徑就會比實際距離小。因為有這兩個影響，通信距離的小誤差反而提高了Sum-Dist的測距精度。最初，由于路徑存在彎曲，導致距離估計值過大，但在最短路徑的影響下，通信距離誤差的增大反而使距離估計值更小。
當通信距離增大時，更多的節點可以直接通信，這樣就可以得到更多的直線路徑，并為最短路徑提供了更多選擇。所以，對于Sum-Dist算法來說，提高測距精度并不一定要增加錨節點比例。