一种无线传感器网络盲节点的定位方法技术

本发明专利技术公开了一种无线传感器网络盲节点的定位方法，包括步骤确定不在一条直线上的n个锚节点，n≥3；从m个盲节点中随机选定某一个盲节点，记为B(xest，yest)；测量所有锚节点i,j,k…和所述的盲节点B(xest，yest)之间的接收信号强度值

【技术实现步骤摘要】
一种无线传感器网络盲节点的定位方法
本专利技术涉及无线传感器网络，特别是是一种无线传感器网络盲节点的定位方法。
技术介绍
定位是通过若干锚节点(节点的位置已知)的位置等信息去定位节点的位置未知的盲节点的过程，在无线传感器网络的研究中占有重要的地位。一般来说，节点的定位需要借助锚节点和盲节点之间某种形式的通信，如无线电或者声波通信等。传感器节点定位过程中，盲节点在获得临近锚节点的距离、或者临近锚节点和盲节点之间的角度后，再选择合适的算法来计算自己的位置。根据定位过程中是否需要测量实际节点的距离，把定位算法分为：基于距离的定位算法和距离无关的定位算法。通常基于距离的定位算法精确度更高，通常优先考虑，其包含的主要测距技术包括基于接收信号强度(ReceivedSignalStrength,RSS)的定位算法，基于到达时间(TimeofArrival,TOA)的定位算法，基于到达时间差(TimeDifferenceofArrival,TDOA)的定位算法以及基于到达角度(AngleofArrival,AOA)的定位算法等。在已知的定位方法中，基于RSS的方法使用最为广泛，因为这类方法具有低计算成本，低功耗，低硬件复杂度。另外，在节点距离较近的情况下，接收信号强度的定位方法可以得到较高的精度。其中，路径损耗模型定义了距离和接收信号强度之间的关系，这也使得通过锚节点定位盲节点成为可能。在所有的定位算法中，基于RSS的最大似然估计法高于绝大多数其他算法。但是由于求最大似然估计量的时候需要用到共轭梯度算法，经过多次迭代，因此其效率很大程度上取决于盲节点位置预估的准确度。良好的预估算法可以降低迭代的次数，提高定位的速度。经过对现有技术的检索发现，中国专利技术专利公开号CN104678351中公开了一种基于Zigbee技术的室内定位系统解决方案，结合基于信号强度(RSS)和场景指纹定位法，采用RSS“场景特征信息”作为定位场景的“指纹信息”，建立“指纹信息”数据库，最后利用最近邻居匹配算法实现室内定位。主要包括两步：步骤一、离线阶段。完成建立指纹数据库，记录不同位置的场景参数，采取盲节点漫游在定位区域，记录每个位置受到的信号强度和其他指纹信息，接着将这些信息与当前漫游状态成对记录到数据库中；步骤二、在线阶段。通过获得盲节点的“指纹信息”，将信息与数据库的“指纹信息”进行匹配，选出匹配度最高的位置，确定实际位置。本方法首次对盲节点进行定位的时候采集的信息还不是很完善，并且采用的是指纹匹配算法，在样本少的情况下精度比最大似然估计算法会差一些。中国专利技术专利公开号CN105093174公开了一种基于2.5G无线网络信号损益的定位算法。主要分为五步：步骤一、获得移动终端与基站在2.5G无线网络中进行信号传输的天线增益及损耗；步骤二、选择若干个能够与移动终端通信的基站，计算与每个基站通信移动终端的估算坐标值；步骤三、通过移动终端的估计坐标值和与移动终端通信的每个基站的坐标值信息，计算得到移动终端与基站之间的平均距离估算误差；步骤四、根据天线增益、损耗、平均距离和基站密度，计算得到每个移动终端的坐标值；步骤五、对若干个移动终端的坐标求和，再平均，得到移动终端的真实坐标值。此专利技术的方法考虑到了天线增益和信号损耗等影响定位的因素，但使用的定位算法主要是简单的加权质心算法，得到的结果精确度不高。在所有的定位算法中，基于接收信号强度(receivedsignalstrength,RSS)的最大似然估计法高于绝大多数其他算法。但同时，最大似然估计法需要用到共轭梯度算法，通过若干次的迭代得到最大似然估计量，这样定位算法如果没有一个很好的预估就会对严重影响定位速度。
技术实现思路
本专利技术针对上述现有技术的不足，提出了一种无线传感器网络盲节点的定位方法，在使用基于接受信号强度的最大似然估计算法的同时，引入了预估的算法，提高算法的运算速度，并得到接近理论上最小误差的结果。本专利技术的技术解决方案是：一种无线传感器网络盲节点的定位方法，包括如下步骤：步骤1)确定不在一条直线上的n个锚节点，n≥3；步骤2)从m个盲节点中随机选定某一个盲节点，记为B(xest，yest)；步骤3)测量所有锚节点i,j,k…和所述的盲节点B(xest，yest)之间的接收信号强度值步骤4)找到离盲节点B最近的锚节点，即接收信号强度值最大的节点，作为参考节点，并令参考节点的接收信号强度值为Pmax，计算最大接收信号强度值与各个接收信号强度值之间的差值，公式如下：式中，dmax表示参考节点与盲节点B之间的距离，di表示锚节点i与盲节点之间的距离；步骤5)盲节点的预估坐标(xest，yest)的计算公式如下：式中，wi为权重，步骤6)通过最大似然估计量按下列公式计算所述的盲节点B的最终坐标(xrss,yrss)：(xrss,yrss)＝argmaxf(x,y)(10)式中：表示锚节点i与盲节点之间距离的估算值，为锚节点i与盲节点之间实际测量的接收信号强度值，Xσ是一个均值为0，标准差为σdB的高斯噪声，即Xσ～N(0,σdB)，argmaxf(x,y)表示当f(x,y)取最大值时的x和y的值，ln(a)表示对a取自然对数；先将测量的接收信号强度值代入公式8求出值，再用共轭梯度算法进行最终的求解，通过多次的迭代，求出公式10的最大值，即该盲节点的坐标估计值(xrss,yrss)；步骤7)返回步骤2)，计算其他盲节点的坐标估计值。与现有技术相比，本专利技术的有益效果是在不降低定位精度的前提下提高无线传感器网络盲节点的定位速度。附图说明图1是本专利技术无线传感器网络盲节点的定位方法的流程图；图2是本专利技术实施例锚节点和盲节点的实际位置示意图；图3是加权质心算法示意图；图4盲节点的实际位置和计算位置。具体实施方式下面结合附图对本专利技术作进一步的详细说明。本专利技术提出的改进的定位算法主要的流程如图1所示，主要过程包括：初始化，预估以及最大似然估计算法的实施。每一个主要步骤中包括若干子过程。本专利技术实施例：本专利技术无线传感器网络盲节点的定位方法，包括以下步骤：1.节点位置进行布置。在50m*50m的仿真环境，一共有25个节点，其中有4个锚节点和21个盲节点，其中4个锚节点放置在4个角落中，盲节的位置则随机生成。图2显示了锚节点和盲节点的实际位置。2.刚开始先从21个盲节点中随机选出其中的一个盲节点，记为盲节点B，计算该盲节点与锚节点之间的接收信号强度(receivedsignalstrength,RSS)。这里要介绍一下路径损耗模型，路径损耗模型依据的是信号的强度随着距离的增加而不断衰弱。距离与RSS信号的函数关系如公式1所示。在公式1中，di是锚节点i与该盲节点之间的距离，d0是参考距离，通常设置为1m；Pi是距离为di时的RSS值；P0是距离为1m时的RSS值；n是路径损耗指数，与具体的环境有关，一般在2和6之间。设置n＝2，d0＝1m，可以推出一组RSS值。下面的步骤3和步骤4是并行执行的，用来进行比较。3.执行普通的加权质心算法，得到盲节点的预估位置。加权质心定位算法用锚节点和盲节点之间的RSS值作为权重，为了估计盲节点的位置，首先需要得到盲节点和若干锚节点之间的RSS值。RSS值越大，说明两个节点越近。因本文档来自技高网...

【技术保护点】
一种无线传感器网络盲节点的定位方法，其特征在于，该方法包括如下步骤：步骤1)确定不在一条直线上的n个锚节点，n≥3；步骤2)从m个盲节点中随机选定某一个盲节点，记为B(xest，yest)；步骤3)测量所有锚节点i,j,k…和所述的盲节点B(xest，yest)之间的接收信号强度值

【技术特征摘要】
1.一种无线传感器网络盲节点的定位方法，其特征在于，该方法包括如下步骤：步骤1)确定不在一条直线上的n个锚节点，n≥3；步骤2)从m个盲节点中随机选定某一个盲节点，记为B(xest，yest)；步骤3)测量所有锚节点i,j,k…和所述的盲节点B(xest，yest)之间的接收信号强度值步骤4)找到离盲节点B最近的锚节点，即接收信号强度值最大的节点，作为参考节点，并令参考节点的接收信号强度值为Pmax，计算最大接收信号强度值与各个接收信号强度值之间的差值，公式如下：式中，dmax表示参考节点与盲节点B之间的距离，di表示锚节点i与盲节点之间的距离；步骤5)盲节点的预估坐标(xest，yest)的计算公式如下：式中，wi为权重，步骤6)通过最大似然估计...

【专利技术属性】
技术研发人员：王超尘，祝永新，贺光辉，王国兴，王谦，李龙，李小平，
申请(专利权)人：国网重庆市电力公司电力科学研究院，上海交通大学，
类型：发明
国别省市：重庆,50