一种基于路径匹配的改进DV-Hop定位方法技术

一种基于路径匹配的改进DV‑Hop定位方法，包括步骤：在设定的监测区域内随机布设若干个网络节点，若干个网络节点包括信标节点和未知节点；通过路径匹配算法确定未知节点到信标节点的距离估计值；使用Lateration算法计算未知节点的初始位置；使用改进的粒子群算法对初始位置进行优化。由于通过路径相似度参数选择最佳信标间路径来逼近未知节点与信标间路径，从而相对精确地确定平均每跳距离参数值，使得距离估计值更逼近实际距离，提高了测距精度；此外在定位阶段增加改进的粒子群算法提高定位精度。

An improved DV Hop positioning method based on path matching

An improved DV comprises the steps of Hop localization method based on path matching in the monitoring area within the set of random layout of several network nodes, a plurality of network nodes including the beacon nodes and unknown nodes; the path matching algorithm to determine the unknown node and beacon node distance estimates; the initial position of unknown nodes using Lateration algorithm; using the improved particle swarm algorithm to optimize the initial position. Due to the similarity of path parameters to choose the best path between the beacon to approximate the unknown nodes and beacon path, so as to accurately determine the relative average distance per hop parameter value, which makes the distance is closer to the actual distance estimation, improve the measurement accuracy; in addition to increasing the improved particle swarm optimization algorithm to improve the positioning precision positioning stage.

【技术实现步骤摘要】
一种基于路径匹配的改进DV-Hop定位方法
本专利技术涉及无线传感器网络
，具体涉及一种基于路径匹配的改进DV-Hop定位方法。
技术介绍
经典的DV-Hop定位方法应用于无线传感器网络节点定位领域，是由美国路特葛斯大学(RutgersUniversity)的DragosNiculescu等人提出的一种无需专门设备测距的定位方法。DV-Hop方法的基本思想是：网络中节点通过多跳通信连接，根据网络中部分自身位置已知的节点(称为信标节点)，将未知节点到信标节点之间的距离用平均每跳距离和两者之间最小跳数的乘积表示，然后通过Lateration算法计算未知节点的坐标。DV-Hop方法的最大优点是无需直接测距，实现思路灵活，易于开展。经典DV-Hop定位算法的定位步骤可以归纳为以下两步：(1)使用距离矢量交换协议，使网络中所有节点获得距离每个信标节点的最小跳数。每个信标节点在获得其他信标节点位置和相隔最小跳数之后，采用公式计算网络平均每跳距离，然后将其作为一个校正值广播到网络中：式中(xi，yi)、(yi，yj)是信标节点i和j的坐标，hij是i和j(i≠j)之间的跳数。未知节点从最近的信标节点处接收校正值，依次估计自身到各信标节点之间的距离di，计算公式如下：di＝H×hi，式中，H是网络平均跳距值的校正值，hi是未知节点到信标节点i的最小跳数值。(2)当某一未知节点获得与3个或更多个信标节点之间的距离时，采用Lateration算法实现定位计算，获得定位结果。DV-Hop方法的主要不足在于：大多数应用中节点都是随机布设时，其分布的不均匀会使得通过全网信标节点间距离和除以跳数和平均计算取得的每跳距离估值不能真实反映未知节点与每一个信标之间的每跳平均距离值；另外，Lateration算法对测距误差极为敏感，当距离误差较大时，其定位精度是不能保证的。针对DV-Hop方法的不足之处，很多学者提出多种基于经典DV-Hop方法的改进策略，以期提高其在多样化应用环境下的定位精度。多数改进策略集中在DV-Hop方法第一步骤中的平均跳距修正上面，如利用RSSI测距值调整节点间的跳数记录，并基于跳数计算每个未知节点的加权平均每跳距离参数，以此修正未知节点与信标节点之间的距离估计值，达到提高定位精度的目的；或者通过设定跳数阈值限定了局部信标参与平均每跳距离值的估计，针对1跳范围内未知节点与信标节点间的距离估值，采用RSSI测距值代替，并计算信标节点间实际距离与估算距离之间的误差，再利用该误差反向修正平均每跳距离参数；还有针对每个未知节点，对设定跳数阈值内的信标的平均每跳距离值根据跳数进行加权平均计算，获得每个未知节点的平均每跳距离值，完成初步定位计算后，利用获得位置信息的未知节点反推原信标节点的位置，并计算所有信标节点位置误差值的加权平均值来反向修正未知节点位置。这些策略在一定的实验环境下对定位误差有所改善，但针对各种可能出现的节点分布情况，未能从根本上解决节点间分布不均带来的估算误差；也有的改进方法针对第二步骤的节点定位算法进行改进，但这些策略执行的计算条件均在默认距离估计值精确的前提下，且计算量较大，在分布式定位计算模型中使用存在很大挑战。通过以上对DV-Hop算法以及相关改进方法的分析可知，算法产生误差的主因是针对每个未知节点计算到信标节点距离时平均每跳距离参数的不精确统计以及定位算法对距离误差的敏感度。
技术实现思路
针对DV-Hop算法的上述缺陷，本申请提供一种基于路径匹配的改进DV-Hop定位方法，包括步骤：在设定的监测区域内随机布设若干个网络节点，若干个网络节点包括信标节点和未知节点；通过路径匹配算法确定未知节点到信标节点的距离估计值；使用Lateration算法计算未知节点的初始位置；使用改进的粒子群算法对初始位置进行优化。一种实施例中，在设定的监测区域内随机布设若干个网络节点之后，还包括步骤：利用距离矢量交换协议使网络中所有节点获得距离各个信标节点的多跳最短路径与最小跳数。一种实施例中，通过路径匹配算法确定未知节点到信标节点的距离估计值，包括步骤：提取未知节点到某一信标节点的未知至信标最短路径；提取剩余的各个信标节点分别到该信标节点的信标至信标最短路径；分别计算信标至信标最短路径较之未知至信标最短路径的路径相似度参数；将路径相似度参数值最高的信标至信标的平均每跳距离值作为未知节点到该信标节点的平均每跳距离值；根据平均每跳距离值计算未知节点到该信标点的距离估计值。一种实施例中，计算信标至信标最短路径较之未知至信标最短路径的路径相似度参数，包括步骤：统计未知至信标最短路径所经过节点的数目，并记为第一数值；分别统计信标至信标最短路径所经过节点的数目，并记为第二数值；分别统计信标至信标最短路径较之未知至信标最短路径中相同节点的数目，并记为第三数值；根据公式计算路径相似度参数其中，a1和a2是偏离因子，m为第一数值，n为第二数值，q为第三数值，Xsd为路径相似度参数。一种实施例中，使用Lateration算法计算未知节点的初始坐标，包括步骤：选取所述路径相似度参数值最高的4个信标节点；根据未知节点与4个信标节点之间的欧氏距离建立非线性方程组；将非线性方程组转化为线性方程组；利用极大似然估计法求解所述线性方程组，获得未知节点的初始坐标。一种实施例中，改进的粒子群算法对所述初始位置进行优化，包括步骤：将未知节点的坐标、未知节点与4个信标节点之间的距离组成粒子的未知数向量；初始化未知向量，并根据适应度函数初始化各粒子的个体最优值和种群的全局最优值；根据路径相似度参数构建惯性权重矩阵；根据个体最优值、全局最优值和惯性权重矩阵更新粒子速度；根据速度优化粒子位置。一种实施例中，根据所述路径相似度参数构建惯性权重矩阵，具体为：构建一个6×6的惯性权重矩阵，其中，W为惯性权重矩阵，w1为未知节点的x坐标对应的变化速度权值，w2为未知节点的y坐标对应的变化速度权值，w3、w4、w5和w6分别为未知节点与4个信标节点之间的距离对应的变化速度权值；选择路径相似度参数值最高的4个信标节点；利用4个信标节点的参数分别对w1、w2、w3、w4、w5和w6进行赋值。一种实施例中，利用4个信标节点的参数分别对w1、w2、w3、w4、w5和w6进行赋值，具体包括：将4个信标节点对应的所述最高路径相似度参数值均值的倒数对w1进行赋值；将4个信标节点对应的所述最高路径相似度参数值均值的倒数对w2进行赋值；分别将4个信标节点对应的所述最高路径相似度参数值的倒数对w3、w4、w5和w6进行赋值。依据上述实施例的定位方法，由于通过路径相似度参数选择最佳信标间路径来逼近未知节点与信标间路径，从而相对精确地确定平均每跳距离参数值，使得距离估计值更逼近实际距离，提高了测距精度；此外在定位阶段增加改进的粒子群算法提高定位精度。附图说明图1为本专利技术实施例提供的基于路径匹配的改进DV-Hop定位方法流程图；图2为本专利技术实施例提供的最佳路径匹配算法说明图；图3为本专利技术实施例提供的信标节点比例对测距精度影响的对比图；图4为本专利技术实施例提供的节点总数对测距精度影响的对比图；图5为本专利技术实施例提供的通信半径对测距精度影响的对比图；图6为本专利技术实施例提供的信标节点比例对定位本文档来自技高网...

【技术保护点】
一种基于路径匹配的改进DV‑Hop定位方法，其特征在于，包括步骤：在设定的监测区域内随机布设若干个网络节点，所述若干个网络节点包括信标节点和未知节点；通过路径匹配算法确定未知节点到信标节点的距离估计值；使用Lateration算法计算未知节点的初始位置；使用改进的粒子群算法对所述初始位置进行优化。

【技术特征摘要】
1.一种基于路径匹配的改进DV-Hop定位方法，其特征在于，包括步骤：在设定的监测区域内随机布设若干个网络节点，所述若干个网络节点包括信标节点和未知节点；通过路径匹配算法确定未知节点到信标节点的距离估计值；使用Lateration算法计算未知节点的初始位置；使用改进的粒子群算法对所述初始位置进行优化。2.如权利要求1所述的定位方法，其特征在于，所述在设定的监测区域内随机布设若干个网络节点之后，还包括步骤：利用距离矢量交换协议得到网络中所有节点距离各个信标节点的多跳最短路径与最小跳数。3.如权利要求2所述的定位方法，其特征在于，所述通过路径匹配算法确定未知节点到信标节点的距离估计值，包括步骤：提取未知节点到某一信标节点的未知至信标最短路径；提取剩余的各个信标节点分别到该信标节点的信标至信标最短路径；分别计算信标至信标最短路径较之未知至信标最短路径的路径相似度参数；将所述路径相似度参数值最高的信标至信标的平均每跳距离值作为所述未知节点到该信标节点的平均每跳距离值；根据所述平均每跳距离值计算所述未知节点到该信标点的距离估计值。4.如权利要求3所述的定位方法，其特征在于，所述计算信标至信标最短路径较之未知至信标最短路径的路径相似度参数，包括步骤：统计所述未知至信标最短路径所经过节点的数目，并记为第一数值；分别统计所述信标至信标最短路径所经过节点的数目，并记为第二数值；分别统计所述信标至信标最短路径较之未知至信标最短路径中相同节点的数目，并记为第三数值；根据公式计算所述路径相似度参数其中，所述a1和a2是偏离因子，所述m为第一数值，所述n为第二数值，所述q为第三数值，所述Xsd为路径相似度参数。5.如权利要求4所述的定位方法，其特征在于，所述使用...

【专利技术属性】
技术研发人员：石琴琴，徐强，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海,31