一种基于移动机器人辅助的无线传感器网络节点定位方法技术

本发明专利技术实施例公开了一种基于移动机器人辅助的无线传感器网络节点定位方法,属于无线传感器网络节点定位领域。将移动机器人与无线传感器网络相结合，采用机器人‑节点、节点‑节点协作配合的定位方式，充分利用移动机器人的机动性及无线传感器节点的可计算性，融入高斯混合容积卡尔曼滤波(Gaussian Mixture Cubature Kalman filter，GM‑CKF)算法，实现了对节点的动态定位。本发明专利技术实施例所提出的协作定位方法可以实现对节点的位置估计，采用的GM‑CKF算法能够有效克服高非线性和异常误差导致的不利影响，减小由于系统滤波发散导致的误差，提高节点定位精度。

【技术实现步骤摘要】

本专利技术涉及无线传感器网络节点定位领域，尤其涉及一种基于移动机器人辅助的无线传感器网络节点定位方法。
技术介绍
无线传感器网络(Wireless Sensor Networks，WSNs)作为一项无线通信和传感检测技术相互交融的新兴技术，已经成为国防军事，生物医疗，生产生活，交通管理等领域不可或缺的力量。然而在许多运用中，只有节点位置状态已知，才能更有效的发挥各个节点的监测功能。在环境不确定和未知情况下，如何更稳定、精确的实现节点定位已经成为WSNs的基础和关键技术问题之一。WSNs中通常含有大量随机散布的传感器节点，可以采用人为标定的定位方式或利用传感器自身携带的全球定位系统(Global Positioning System，GPS)来实现。随着WSNs布网的日益规模化，人工标定的难度和成本也在不断提高，致使每个传感器节点装载GPS变得不再切合实际。目前节点定位方法主要采用的有基于多个锚节点的三边定位法、DV-HOP法、蒙特卡洛法等，但这些定位方法的实现大多是基于多个固定锚节点实现的，要想实现高精度的动态定位，对锚节点的部署及数量具有较高的要求，数量的增加还会致使计算负荷增加本文档来自技高网...

【技术保护点】
一种基于移动机器人辅助的无线传感器网络节点定位方法，其特征在于，所述方法包括以下步骤：步骤1)节点与部分已知锚节点相互通信定位，获得相对参考定位信息；步骤2)移动机器人在移动过程中周期性发送位置信息并建立与节点间的有效观测，建立观测距离集合及位置坐标集合；步骤3)机器人与节点协作辅助定位，建立多约束不等式组，求取估计位置；步骤4)利用高斯混合容积卡尔曼滤波算法对定位进一步求精。

【技术特征摘要】
1.一种基于移动机器人辅助的无线传感器网络节点定位方法，其特征在于，所述方法包括以下步骤：步骤1)节点与部分已知锚节点相互通信定位，获得相对参考定位信息；步骤2)移动机器人在移动过程中周期性发送位置信息并建立与节点间的有效观测，建立观测距离集合及位置坐标集合；步骤3)机器人与节点协作辅助定位，建立多约束不等式组，求取估计位置；步骤4)利用高斯混合容积卡尔曼滤波算法对定位进一步求精。2.根据权利要求1所述的一种基于移动机器人辅助的无线传感器网络节点定位方法，其特征在于，所述步骤1)中，部分节点之间进行相互通信，获得相对距离信息；节点Mi和Mj获得的相对节点距离信息为di,j，节点与节点的测量模型可表示为： z i , j = d i , j + δ k i , j = ( x i - x j ) 2 + ( y i - y j ) 2 + ...

【专利技术属性】
技术研发人员：陈孟元，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：安徽;34