基于小波变换预测的移动节点定位方法技术

本发明专利技术属于无线传感器定位跟踪技术领域，具体公开了基于小波变换预测的移动节点定位方法，包括以下步骤：获取待定位移动节点的历史运动坐标序列；根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节点在定位时刻t的预测位置；根据所述预测位置构建采样区域；根据所述采样区域的面积大小实行自适应采样，在采样区域里采集N个样本点并滤波；根据所述滤波后的样本点的位置坐标赋予样本点不同的权值；根据所述滤波后的样本点的位置坐标、样本点权值计算所述待定位移动节点在定位时刻t的位置。本发明专利技术能够有效提高移动节点的定位精度，尤其是在锚节点密度稀疏的环境下的定位精度。

【技术实现步骤摘要】

本专利技术属于无线传感器定位跟踪
，更具体的说，涉及一种用于无线传感器网络中基于小波变换预测的移动节点定位方法。
技术介绍
无线传感器网络(WirelessSensorNetwork,WSN)由大量部署在监控区域的传感器节点组成，通过无线通信方式形成一个多跳自组织网络系统，协作感知、采集和处理相关监控信息，其被广泛地应用在实时追踪、森林火灾等领域。其中，传感器节点定位技术是无线传感器网络的关键技术，如何实现高效、高准确率的定位技术一直是无线传感器网络领域的研究热点。目前对无线传感器网络定位方法主要分为测距(Range-based)方法和非测距(Range-free)方法两大类。其中，测距方法依赖额外硬件测量测量节点与节点之间的距离或角度等信息，如接受信号强度(RSSI)、信号的到达时间(TOA)、信号到达时间差(TDOA)以及信号的到达角度(AOA)等；非测距方法主要根据节点的连通性和多跳路由信息交换实现节点定位，定位成本较低，例如DV-Hop算法、APIT算法、质心算法等。然而，在节点移动的环境中，随着网络结构的实时变化，节点速度的不确定性，运动状态的不可知等因素影响，传统的定位算法并不能满足移动定位要求。为此，研究人员对移动节点定位的进行深入研究，并取得了长足的进展。2004年，Virginia大学的LingxuanHu等人率先将蒙特卡罗定位方法(MonteCarloLocalization，MCL)应用到无线传感器网络，提出了适用于移动传感器网络节点定位跟踪的蒙特卡罗定位方法，其充分利用了移动节点的特性来提高定位精度,不需要额外硬件支持，且其定位精度不依赖于网络拓扑结构。蒙特卡罗定位方法的核心思想是用一系列带权值的样本点估算待定位节点的位置，通过预测和滤波步骤不断更新待定位节点的位置。在此基础上，Baggio等引入了锚盒和采样盒，提出了蒙特卡罗盒(MonteCarloLocalizationBoxed，MCB)算法，进一步提高了定位精度。然而，上述算法在定位精度上仍有待提高，尤其在锚节点部署稀疏的环境下定位误差明显较大。本领域的技术人员期望有更多的技术解决上述问题。
技术实现思路
针对现有技术的不足，本专利技术要解决的技术问题在于提供一种移动节点定位方法，以期该方法能够有效提高移动节点的定位精度，尤其是在锚节点密度稀疏的环境下的定位精度。为此，本专利技术提供了基于小波变换预测的移动节点定位方法，该方法包括以下步骤：获取待定位移动节点的历史运动坐标序列，所述历史运动坐标序列中至少包含该待定位移动节点在定位时刻t之前的三个时刻所在的位置坐标；根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节点在定位时刻t的预测位置根据所述预测位置构建采样区域；根据所述采样区域的面积大小实行自适应采样，在采样区域里采集N个样本点并滤波；根据所述滤波后的样本点的位置坐标赋予样本点不同的权值；根据所述滤波后的样本点的位置坐标、样本点权值计算所述待定位移动节点在定位时刻t的位置。上述技术方案中，所述历史运动坐标序列由三个时刻所在的位置坐标x1(0)＝xt-3，x2(0)＝xt-2,x3(0)＝xt-1构成。该待定位移动节点在初始定位时刻前三个时刻所在的位置坐标，可以使用蒙特卡罗盒方法计算，形成初始历史运动坐标序列，之后再采用本专利方法计算定位时刻t的位置坐标，将采用本专利方法计算出来的位置坐标添加到历史运动坐标序列，并舍弃序列中最早的坐标，对历史运动坐标序列进行更新。上述技术方案中，所述根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节点在定位时刻t的预测位置包括：采用牛顿插值或拉格朗日插值等方法对所述历史运动坐标序列进行插值，使序列变长；对插值后的历史运动坐标序列进行多孔小波变换分解：c0(t)＝x(t)cj+1(t)=Σl=-∞∞h(l)cj(t+2jl)]]>dj+1(t)＝cj(t)-cj+1(t)其中，x(t)为历史运动坐标序列，cj+1为近似信号，dj+1为细节信号；h(l)为低通滤波。分解后得到近似信号序列、细节信号序列；将所述分解后得到的近似信号序列、细节信号序列代入ARMA模型，AR模型等预测模型，计算得到包含有预测值的近似信号序列、细节信号序列；使用小波重构的方法将包含有预测值的近似信号序列cp’(t)、细节信号序列重构成带有预测值的历史运动坐标序列x’(t)：x,(t)=cp,(t)+Σj=1pdj,(t).]]>从所述带有预测值的历史运动坐标序列x’(t)中提取待定位移动节点在定位时刻t的预测位置上述技术方案中，所述根据所述预测位置构建采样区域包括：判断预测位置是否满足滤波条件：其中，S1t和S2t为待定位移动节点在定位时刻t收到的一跳锚节点和两跳锚节点的集合，d(p,s)为锚节点与预测位置之间的距离；若不满足，则使用原采样区域Boxt＝{(xmin,ymin)；(xmax,ymax)本文档来自技高网...

【技术保护点】
基于小波变换预测的移动节点定位方法，其特征在于：包括以下步骤：获取待定位移动节点的历史运动坐标序列，所述历史运动坐标序列中至少包含该待定位移动节点在定位时刻t之前的三个时刻所在的位置坐标；根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节点在定位时刻t的预测位置根据所述预测位置构建采样区域；根据所述采样区域的面积大小实行自适应采样，在采样区域里采集N个样本点并滤波；根据所述滤波后的样本点的位置坐标赋予样本点不同的权值；根据所述滤波后的样本点的位置坐标、样本点权值计算所述待定位移动节点在定位时刻t的位置。

【技术特征摘要】
1.基于小波变换预测的移动节点定位方法，其特征在于：包括以下步骤：
获取待定位移动节点的历史运动坐标序列，所述历史运动坐标序列中至少
包含该待定位移动节点在定位时刻t之前的三个时刻所在的位置坐标；
根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节点在
定位时刻t的预测位置根据所述预测位置构建采样区域；
根据所述采样区域的面积大小实行自适应采样，在采样区域里采集N个样
本点并滤波；
根据所述滤波后的样本点的位置坐标赋予样本点不同的权值；
根据所述滤波后的样本点的位置坐标、样本点权值计算所述待定位移动节
点在定位时刻t的位置。
2.如权利要求1所述的基于小波变换预测的移动节点定位方法，其特征在
于：所述历史运动坐标序列由三个时刻所在的位置坐标
x1(0)＝xt-3，x2(0)＝xt-2,x3(0)＝xt-1构成。
3.如权利要求1所述的基于小波变换预测的移动节点定位方法，其特征在
于：使用蒙特卡罗盒方法计算该待定位移动节点在初始定位时刻前三个时刻所
在的位置坐标，形成初始历史运动坐标序列，之后采用本专利方法计算出来的
位置进行更新。
4.如权利要求1所述的基于小波变换预测的移动节点定位方法，其特征在
于，所述根据所述历史运动坐标序列，使用小波变换方法预测该待定位移动节
点在定位时刻t的预测位置包括：
对所述历史运动坐标序列进行插值；
对插值后的历史运动坐标序列进行多孔小波变换分解，得到近似信号序列、
细节信号序列；
将所述分解后得到的近似信号序列、细节信号序列代入预测模型，计算得
到包含有预测...

【专利技术属性】
技术研发人员：单志龙，徐泽坤，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：广东;44