一种协作式迭代优化的无线传感器网络定位计算方法技术

本发明专利技术公开了一种基于协作式迭代优化的无线传感器网络定位计算方法，利用节点间距离的相互约束关系，以代数计算方法精确定位未知节点坐标。对于二维或三维平面上的无线传感器网络节点，包含有已知位置的信标节点和未知位置的未知节点，先采用已知位置的信标节点定位未知节点坐标；将被定位的未知节点作为伪信标节点定位其余未知节点；采用最大数量的邻接信标节点和伪信标节点改进第二步的初始定位结果；协作式迭代优化第三步定位结果，得到最终的所有未知节点的坐标。该定位计算方法将复杂的定位计算过程进行分解，将计算过程分配于各个节点上，实现分布式定位计算。仿真结果表明，该定位计算方法所得的定位结果收敛，稳定可靠，定位精度高。

【技术实现步骤摘要】
一种协作式迭代优化的无线传感器网络定位计算方法
本专利技术属于无线传感器网络定位
，涉及基于协作式迭代优化的无线传感器网络定位计算方法。
技术介绍
无线传感器网络是通过将大量具有传感器单元、数据处理单元及通信模块的微小智能节点密集地散布在感知区域，节点间以自组织方式构成的无线通信网络。无线传感器网络能够实时监测、感知和采集网络分布区域内的各种环境或监测对象的信息，并对这些信息进行处理，从而为远程用户提供详尽而准确的信息。采用无线传感器网络进行信息收集和处理，这些数据必须和位置信息相结合才有意义，甚至有时需要传感器节点发回单纯的位置信息。GPS系统利用精确的同步卫星时钟提供实时测距以对用户节点进行定位，具有定位精度高、实时性好、抗干扰能力强等优点。但是GPS定位仅仅适应于无遮挡的室外环境，其用户设备通常能耗高、体积大、成本高，需要固定的基础硬件设施等，这使得它不适用于大规模环境下的无线传感器网络定位。这种方法的局限性激发了一种低成本的无线传感器网络定位方法，即利用已知位置坐标的信标节点（其位置坐标可通过GPS或人工测量方式获取）去推算其余未知节点位置坐标。在这种方法中，把已知位置坐标的节点称为信标节点，采用信标节点去推算其余未知节点位置坐标时，需要未知节点与信标节点间的某些参数值，比如，距离或者角度信息。在上述定位方法中，如何在计算能力、存储能力、能量受限的无线传感器网络节点上进行定位计算，达到低成本、高精度的定位目标，一直是无线传感器网络定位领域重点解决的问题。在大规模无线传感器网络部署中，信标节点的数量有有限，DV-Hop算法的核心思想是估计未知节点与非相邻的信标节点间的距离，利用平均每跳距离与最短跳数的乘积表示节点间的近似距离。APIT定位方法是通过测试未知节点是否位于三个信标节点所组成的三角形内，并使用不同信标节点组合所形成的三角形重复测试，直到所有三角形组合测试完毕，将所有包含未知节点所有三角形的交集质心作为待定位未知节点的坐标。质心定位算法是将与未知节点相邻的所有信标节点的坐标质心来估计节点位置。DV-Hop算法、质心算法、APIT算法等轻量级的定位算法，计算过程简单，易于实现分布式定位计算，但定位精度不够高。基于先验统计信息的最大可能性（ML）估计方法能达到定位结果的CRLB下界，定位精度较高，但ML估计方法为非线性问题，其精确的求解过程只能通过数值方法求解，计算过程也较复杂，并且容易产生奇异解。为提高定位精度，也有研究将定位模型归结为数学优化问题，如将定位问题放松为半正定规划（SDP）优化问题，SDP算法能实现全局优化，定位精度也较高，但计算复杂度较高，难以实现分布式定位计算，并且对于网络局部测距信息的变化不敏感，并要求收集网络全部信息，因此通信代价很高、可扩展性弱。
技术实现思路
本专利技术的目的在于针对资源受限的无线传感器网络节点定位实现问题，提出一种新的定位代数计算方法。该代数计算方法以节点间的测距模型为研究对象，针对全局距离约束下的定位问题，提出精确的定位代数计算方法。该方法直接以代数解形式表示了定位结果，减少了计算复杂度。本专利技术同时利用节点间距离的相互约束关系，在已有初始定位结果基础上，通过节点间的不断协作式迭代优化，达到单个节点上定位结果的最优解。同时将复杂的定位计算过程进行分解，并将分解后的计算过程分配于各个节点上，实现分布式定位计算，尤其适合于规模化无线传感器网络的定位过程。为实现上述目的，本专利技术提出一种基于协作式迭代优化的无线传感器网络定位计算方法，具体为：直接采用信标节点定位未知节点坐标；将被定位的未知节点作为伪信标节点定位其余未知节点；采用尽最大数量的邻接信标节点和伪信标节点改进第二步的定位结果；节点间协作式迭代优化第三步的定位结果。本专利技术的技术方案为：步骤1：直接采用已知位置的信标节点定位未知节点坐标；步骤2：将被定位的未知节点作为伪信标节点定位其余未被定位的未知节点；步骤3：采用最大数量的邻接信标节点和伪信标节点改进步骤2的定位结果；步骤4：节点间协作式迭代优化步骤3的定位结果。本专利技术的技术特点还在于步骤1采用信标节点或步骤2伪信标节点定位未知节点坐标值时，以精确的代数方法表示未知节点坐标，达到定位结果的无偏估计值。步骤4节点间的不断协作式迭代优化直至定位结果保持稳定，达到单个节点定位结果的最优值。步骤1的计算过程为：坐标平面上分布着N个无线传感器网络节点，假设序号为1,2,…,M的M个节点为坐标位置已知的信标节点，其余序号为M+1,M+2,…,N的N-M个节点为待定位的未知节点，为确定未知节点位置坐标，未知节点i与其邻接的节点j间的实际测量距离dij与真实节点间距离满足并且i＞j，Δdij为节点间的测距误差。假设节点i、j的真实坐标位置分别为则有关系式式（1）中下角标2代表2-范数，假设节点间的测距误差Δdij各自独立，并且Δdij服从均值为0，方差为的高斯分布，记为如果节点间距离可直接测量，称节点间是邻接的，若未知节点至少有三个以上的邻接信标节点，该未知节点可以被直接定位，假设单个未知节点i坐标列向量为xi＝[xiyi]T，与该未知节点i邻接的m个信标节点的真实位置坐标为列向量j＝1,…,m，将式（1）转化为以下关系式式（2）中测距误差Δdij服从均值为0，方差为的高斯分布，即将式（2）中的每个方程式等式两边平方，忽略测距误差的二次项，考虑信标节点的位置坐标是不存在误差的，有即及亦可以得到方程式（2）的另一种表示令列向量参数（zi为3×1向量）；矩阵A的行向量值为[-xj-yj0.5]，j＝1,…,m，（A为m×3矩阵）；列向量b、α的行元素值分别为（b、α为m×1向量），则可将式（3）写成矩阵的线性表达式Azi＝b+α（4）根据线性最小二乘平方原理，向量zi的无偏估计值为zi＝(ATWαA)-1ATWαb（5）式（5）中，Wα为最小平方权重系数，其值为将向量zi的估计误差记为Δzi（Δzi亦为3×1向量），则有关系式Δzi＝(ATWαA)-1ATWαα（7）则估计误差Δzi的协方差为cov(Δzi)＝(ATWαA)-1（8）这里cov(Δzi)为3×3矩阵，式（5）表示了未知节点i的位置坐标近似值，可利用向量...

【技术保护点】

【技术特征摘要】
1.一种协作式迭代优化的无线传感器网络定位计算方法，其特征在于按照以下步骤进行：步骤1：直接采用已知位置的信标节点定位未知节点坐标；采用信标节点或伪信标节点定位未知节点坐标值时，以精确的代数方法表示未知节点坐标，达到定位结果的无偏估计值；计算过程为：坐标平面上分布着N个无线传感器网络节点，假设序号为1,2,…,M的M个节点为坐标位置已知的信标节点，其余序号为M+1,M+2,…,N的N-M个节点为待定位的未知节点，为确定未知节点位置坐标，未知节点i与其邻接的节点j间的实际测量距离dij与真实节点间距离满足i＝M+1,M+2,…,N，j＝1,2,…,N，并且i＞j，Δdij为节点间的测距误差；假设节点i、j的真实坐标位置分别为则有关系式式(1)中下角标2代表2-范数，假设节点间的测距误差Δdij各自独立，并且Δdij服从均值为0，方差为的高斯分布，记为如果节点间距离可直接测量，称节点间是邻接的，若未知节点至少有三个以上的邻接信标节点，该未知节点可以被直接定位，假设单一未知节点i坐标列向量为xi＝[xiyi]T，与该未知节点i邻接的m个信标节点的真实位置坐标为列向量j＝1,…,m，将式(1)转化为以下关系式式(2)中测距误差Δdij服从均值为0，方差为的高斯分布，即将式(2)中的每个方程式等式两边平方，忽略测距误差的二次项，考虑信标节点的位置坐标是不存在误差的，有即及亦可以得到方程式(2)的另一种表示令列向量参数zi为3×1向量；矩阵A的行向量值为[-xj-yj0.5]，j＝1,…,m，A为m×3矩阵；列向量b、α的行元素值分别为[dijΔdij]，b、α为m×1向量，则可将式(3)写成矩阵的线性表达式Azi＝b+α(4)根据线性最小二乘平方原理，向量zi的无偏估计值为zi＝(ATWαA)-1ATWαb(5)式(5)中，Wα为最小平方权重系数，其值为将向量zi的估计误差记为Δzi，其中的Δzi亦为3×1向量，则有关系式Δzi＝(ATWαA)-1ATWαα(7)则估计误差Δzi的协方差为cov(Δzi)＝(ATWαA)-1(8)这里cov(Δzi)为3×3矩阵，式(5)表示了未知节点i的位置坐标近似值，利用向量元素间的相互约束关系计算其位置坐标的精确值，则有以下关系式式(9)中zi(k)、Δzi(k)表示了向量zi、Δzi的第k个元素，k＝1,2,3；将式(9)表示为线性矩阵形式Gui＝h+β(10)式(10)中h＝[zi(1)2zi(2)2zi(3)]T，h为3×1向量，ui为2×1向量，β＝LΔzi，β为3×1向量，L＝diag{2zi(1)2zi(2)1}，G为3×2矩阵，L为3×3对角矩阵；根据线性最小二乘平方原理，向量ui的无偏估计值为ui＝(GTWβG)-1GTWβh(11)式(11)中，Wβ＝E(βTβ)-1＝[LTcov(Δzi)L]-1＝L-1ATWαAL-1(12)式(12)中Wβ为3×3矩阵，将向量ui的估计误差记为Δui，则有关系式Δui＝(GTWβG)-1GTWββ(13)则估计误差Δui的协方差为：cov(Δui)＝(GTWβG)-1(14)这里cov(Δui)为2×2矩阵；由于则未知节点坐标xi的估计值为：sign表示符号函数，当diag(z(1:2))元素值大于等于零时，值为1，当diag(z(1:2))元素值小于零时，值为-1；根据ui和之间的关系，的估计误差与ui的估计误差Δui之间有关系式式(16...

【专利技术属性】
技术研发人员：吴晓平，戴丹，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：