基于临近锚节点修正的DBSCAN聚类加权定位算法
【摘要】 为了提高无线传感器网络节点的定位精确度，给出一种基于临近锚节点修正(CAAN)的具有噪声的基于密度的聚类(DBSCAN)加权定位算法。首先，在未知节点通信范围内的锚节点中选择三个构成三角形，证明当未知节点处在此三角形外接圆圆心位置时定位误差最小，然后据此选择合适的锚节点，结合滤波后的接收信号强度指示(RSSI)值进行定位计算，并利用DBSCAN聚类算法剔除误差较大的值。其次，把聚类后所得簇的核心点个数当作权值，采用加权定位算法得到未知节点的初始坐标。最后，计算锚节点坐标与初始坐标间的距离，选择临近的锚节点修正初始坐标，使最终的定位结果更加精确。仿真结果表明:相比于加权质心定位算法和基于RSSI测距滤波优化的加权质心定位算法，所给算法的定位精确度分别提高了69.55%和38.64%。
