基于最大似然估计的质心定位方法技术

本发明专利技术涉及一种基于最大似然估计的加权质心定位算法。本发明专利技术主要包括对接受信号强度的优化处理和建立新的权值模型。未知节点对于接收到的信号强度去除极大极小值求均值。首先通过计算估计距离与实际距离之间的最大似然估计值作为权值，然后引进一个参数k调整信标节点数与未知节点之间的权重，建立新的权重模型，优化未知节点周围锚节点的权值分配。对接受的信号强度的处理，减小了测距模型中带入的误差，提高了定位的精度，新的权值模型优化了锚节点的权值分配，降低了定位成本，使得网络具有较好拓展性。

【技术实现步骤摘要】

本专利技术属于无线传感器网络
，设及一种基于最大似然估计的质屯、定位方 法。
技术介绍
[000引 无线传感器网络（WirelessSensorNetworks,WSN)已经在军事、民用等领域有很 多应用，包括环境监测、网站安全、医疗诊断、战场监视、灾害救助、辅助生活等。生活中很多 应用与位置有关，全球定位系统（Global化sitioningSystem,GP巧可W很好的解决户外 的追踪定位问题，但是建筑物对卫星信号的屏蔽效应，限制了GI^S在室内定位中的应用。无 线传感器网络易于部署、可扩展性高、成本低等特点使其在室内定位中具有很大的优势。无 线传感器网络定位算法通常可W分为基于测距和无需测距两类。前者需要获取目标与参考 节点之间的距离或者角度信息，一般需要额外的硬件支持；后者仅需要获取目标与参考节 点之间的网络连通度等信息实现节点之间的定位，计算简单且易于实现，但是定位精度较 低。质屯、定位算法是应用比较广泛无需测距的定位算法，节点优化和加权是算法的主要改 进方式。 质屯、定位算法主要思想是：未知节点W所有在其通信范围内错节点的几何质屯、作 为自己的估计位置。当网络中的错节点的部署密度十分高时，利用多个错节点的信息往往 可W取得较高的定位精度。在实际应用中，需要考虑到得不仅仅是定位的精度，还有错节点 的密度、计算开销和硬件成本。为了提高定位精度和降低成本，通常对质屯、算法进行测距加 权或者信号强度加权。如图1所示，其中利用错节点到未知节点之间的距离加权，对未知节 点和错节点的几何分布要求过高，距离测量造成定位结果随意性很大。由于测距产生的误 差，定位所需的圆大多数都是交汇于一个区域，造成定位结果估算误差大和误差累积严重 的现象。而利用信号加权容易受到环境的影响，往往测得信号强度小于实际测量的信号强 度，会造成定位结果的误差累积。优化未知节点周围的错节点降低定位的成本，改进加权模 型提高定位精度尤为重要。 在室内情况下，信号的反射、散射或者遮蔽现象通常会对接受者采集到的信号强 度产生干扰。由于信号传播的不确定性，本专利技术采用的信道传输模型是对数正态阴影模型 (Log-normalShadowing)；(1) 其中，P〇(d。）为参考节点d。处的信号强度，Pr(d)为在距离d处的未知节点的信号 强度，n为路径损耗系数，通常取值在2~5之间。X。是标准差为0、均值为零的高斯分 布随机变量。当路径的损耗参数已知时，接收者可W通过接收到的信号强度来衡量自己与 信号源之间的距离。
技术实现思路
本专利技术的目的是解决质屯、定位精度低和过于依赖节点密度的问题，提出一种基于 最大似然估计的加权质屯、定位。首先利用实际距离与估计距离之间的最大似然估计来提 高测距准确性，然后引进参数优化错节点分布，建立新的加权模型，提高定位精度和降低成 本。[000引按照本专利技术提供的技术方案，基于最大似然估计的加权质屯、定位算法具体如下。 (1)错节点周期性向周围发送自身节点ID和位置信息； (2)未知节点收到信息后，只记录同一个错节点的RSSI值，当接收到一定数量 的RSSI值后，去掉极大极小值后取RSSI的均值，然后依次求出其它错节点到未知节点的 信号强度； 做利用信号的衰减模型，公式（7)得到距离的最大似然估计值； (4)引进参数k，构建一个与周围错节点数和错节点到未知节点距离相关质屯、算 法的权值 >vw[001引 妨通过实验，如图3所示，得到一个最优参数k=n-0. 4 ; (6)带入最优参数k，利用公式（8)计算出目标的位置，最后对定位结果进行修正。[001引本专利技术的优点是： (1)对信号强度进行多次测量求平均减小了信号强度因反射、散射和遮蔽效应造 成的干扰。 (2)利用信号强度对错节点节点与未知节点之间的距离进行无偏差估计，实现错 节点到未知节点的距离较为准确，不会因为忽略损耗参数和信号干扰对距离测量造成较大 的误差。 (3)引进参数到加权模型中来，把未知节点周围的适用于定位的错节点进行合理 的优化，充分利用了定位节点的资源，减小了定位成本。 (4)随着定位区域增大，仍能保持较高的定位精度，具有很好的网络拓展性。【附图说明】 图1是加权质屯、定位原理。 图2为不同参数选择的定位误差曲线。 图3为未知节点和信标节点的分布情况。 图4为未知节点的定位误差曲线。 图5为不同信标节点的定位误差曲线。 图6为不同路径损耗的定位误差曲线。【具体实施方式】 利用MTLAB仿真软件对算法性能进行仿真分析。本专利技术分别WlOmXlOm、 50mX50m和lOOmX100m作为实验仿真的区域，仿真区域内所有节点都处于静止状态且节 点之间通信正常，通信半径为30m;所有仿真实验环境中都加入均值为零，标准差为0= 4 满足高斯分布的随机噪声，仿真实验均进行500次，最后未知节点定位结果取平均值。 (2) 误差分析：[002引 其中，（X，y)表示未知节点的实际位置，（X。，y。）表示未知节点的估计位置。 本专利技术基于最大似然估计质屯、算法的包括W下步骤： (1)在无线传感器网络定位区域，确定信标节点和未知节点随机分布在该定位区 域，如图2所示； (2)错节点周期性的向周围广播自己的ID和位置信息； (3)对于同一个未知节点收到信息后，只记录同一个信错点的RSSI值，当接收到 一定数量的RSSI值后，去掉其中的极大极小值然后取均值，作为接收到的RSSI值 其中，化S57,"表示第i个错节点的n次信号强度，表示第i个错节点的信号 强当前第1页1 2 本文档来自技高网...

【技术保护点】
基于最大似然估计的质心定位方法,其特征在于，包括以下步骤：(1)锚节点周期性向周围发送自身节点ID和位置信息；(2)未知节点收到信息后,首先只记录同一个锚节点的RSSI值,当接收到一定数量的RSSI值后,去掉极大极小值，对剩下的RSSI数据取均值,作为接收到的RSSI值，然后依次获得其他锚节点的信号强度；(3)利用信号的衰减模型，得到距离的最大似然估计，建立未知节点到锚节点之间的关系；(4)引进参数k，构建一个与周围锚节点数和锚节点到未知节点距离相关质心算法的权值；(5)通过实验，得到一个最优参数k；(6)带入最优参数k,计算出未知节点的位置，最后对结果进行修正。

【技术特征摘要】

【专利技术属性】
技术研发人员：卢先领，夏文瑞，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32