一种节点定位方法及其装置制造方法及图纸

本申请提供了一种无线感知网络节点定位方法，包括：在设定的监测区域内布设多个网络节点，所述多个网络节点包括M个信标节点和N个未知节点，其中，M为大于4的正整数、N为正整数；根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，其中，1≤i≤N，1≤j≤M，i，j为整数；使用Lateration算法计算所述第i个未知节点的初始位置；使用优化灰狼算法对所述第i个未知节点的初始位置进行优化。

【技术实现步骤摘要】
一种节点定位方法及其装置
本申请涉及无线感知网络
，并且更具体地，涉及一种节点定位方法及其装置。
技术介绍
经典的节点定位方法(DistanceVector-Hop，DV-Hop)应用于无线感知网络节点定位领域，是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。经典的DV-Hop定位步骤可归纳为以下2步：第1步:启动距离矢量交换协议，网络中每个节点获得距离所有信标节点的最小跳数及信标的坐标信息。每个信标节点在获得其他信标的坐标和相隔最小跳数之后，采用式计算网络平均每跳距离，然后将其作为一个校正值广播至网络中。其中，(xi,yi)、(xj,yj)是信标节点i和j的坐标，hij是i和j(i≠j)之间的最小跳数。未知节点从最近的信标节点处接收Hopsize值，并据此估计自身到各信标节点之间的距离di，计算公式如下：di＝Hopsize*hi；其中，hi是信标节点i到未知节点的最小跳数值。第2步:当某一未知节点获得相距n(n≥3)个信标节点的距离与信标坐标后，根据欧氏距离计算公式建立非线性方程组采用Lateration算法将前式线性化，求得未知数的解，实现未知节点定位计算。根据DV-Hop算法的原理进行分析可知，其主要不足之处在于在实际应用中的方法合理性不能保证。因为一般需要采用DV-Hop类算法实现节点定位的环境，多为战场、灾害发生地或其他危险区域，节点通常采用随机布设的方式，由此引起的网络各向异性会使得通过全网信标节点间距离和除以跳数和计算获得的平均每跳距离估值不能有效代表未知节点与每一个信标之间的平均每跳距离值；另外，根据已有学者对Lateration定位算法属性的研究，其多目标优化所用的适应度函数对距离误差极为敏感，当距离误差较大时，其定位精度是不能保证的。因此，亟需一种网络节点定位的方法，能够合理精确地实现节点定位。
技术实现思路
本申请提供一种无线感知网络节点定位的方法，能够合理精确地实现节点定位。。第一方面，提供一种节点定位方法，包括：在设定的监测区域内布设多个网络节点，所述多个网络节点包括M个信标节点和N个未知节点，其中，M为大于4的正整数、N为正整数；根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，其中，1≤i≤N，1≤j≤M，i，j为整数；使用Lateration算法计算所述第i个未知节点的初始位置；使用优化灰狼算法对所述第i个未知节点的初始位置进行优化。结合第一方面，在第一方面的第一种可能的实现方式中，所述根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值之前，所述方法还包括：使用距离矢量交换协议算法，确定所述第j个信标节点距离所述多个网络节点中每个节点间的最小跳数与多跳最短路径。结合第一方面及其上述实现方式，在第一方面的第二种可能的实现方式中，所述根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，包括：确定所述第j个信标节点到所述第i个未知节点的目标最短路径字符串；分别确定所述第j个信标节点到所述M个信标节点中除所述第j个信标节点之外的其余M-1个信标节点的M-1条最短路径字符串；分别计算所述M-1条最短路径字符串与所述目标最短路径字符串的相似度因子，得到M-1个相似度因子；将所述M-1个相似度因子中的最小值对应的最短路径字符串获得的平均每跳距离值作为所述第j个信标节点到所述第i个未知节点的平均每跳距离值；根据所述第j个信标节点到所述第i个未知节点的平均每跳距离值，确定所述第i个未知节点到所述第j个信标节点之间的距离估计值。结合第一方面及其上述实现方式，在第一方面的第三种可能的实现方式中，所述相似度因子为把两个不相同的字符串变得相同所需要进行的修改、增加或删除操作的最少次数。结合第一方面及其上述实现方式，在第一方面的第四种可能的实现方式中，所述使用Lateration算法计算所述第i个未知节点的初始位置，包括：确定所述M个信标与所述第i个未知节点间相似度因子最小的4条最短路径对应的4个信标节点；根据所述第i个未知节点与上述4个信标节点之间的欧氏距离建立非线性方程组；将所述非线性方程组转化为线性方程组；利用极大似然估计算法求解上述线性方程组，获得第i个未知节点的初始坐标。结合第一方面及其上述实现方式，在第一方面的第五种可能的实现方式中，所述使用优化灰狼算法对所述第i个未知节点的初始位置进行优化，包括：将所述第i个未知节点的坐标x、y，所述第i个未知节点与所述4个信标节点的估计距离d1、d2、d3、d4组成灰狼个体的未知数向量；初始化未知数向量为xi＝(xi1,xi2,…,xi6)，其中，xi1＝x，xi2＝y，xi3＝d1，xi4＝d2，xi5＝d3，xi6＝d4，并根据适应度函数初始化所有狼的适应度值；选择适应度函数值最小的3个狼，将它们记为α、β和δ；根据下式更新其他狼ω的位置信息：其中，Xα表示α当前位置，Xβ表示β当前位置，Xδ表示δ当前位置，X(t)表示迭代t次时灰狼的位置向量，根据下式，分别更新随机参数C、A、a的值，C＝2r1，A＝2a·r2-a，当|A|＞1时，灰狼的种群扩大搜索范围；当|A|＜1时，灰狼群体缩小搜索范围，r1和r2均是[0,1]之间的随机数，收敛因子a随着迭代次数从2到0线性递减，表达式为：其中，t是当前迭代次数，max是最大迭代次数；更新随机数参数、搜索范围参数和收敛因子的值，直至满足迭代终止条件，输出α狼的位置信息为最终定位结果；其中，优化灰狼算法个体的适应度函数为式中，fitnessk为灰狼个体k的适应度值，(xk,yk)为灰狼个体k的平面位置坐标，(xv,yv)为信标节点v的位置坐标，dv为未知节点到信标节点v的估计距离。第二方面，提供一种节点定位的装置，包括：确定单元，所述确定单元用于在设定的监测区域内布设多个网络节点，所述多个网络节点包括M个信标节点和N个未知节点，其中，M为大于4的正整数、N为正整数；所述确定单元还用于根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，其中，1≤i≤N，1≤j≤M，i，j为整数；处理单元，所述处理单元用于使用Lateration算法计算所述第i个未知节点的初始位置；所述处理单元还用于使用优化灰狼算法对所述第i个未知节点的初始位置进行优化。结合第二方面，在第二方面的第一种可能的实现方式中，所述确定单元还用于：使用距离矢量交换协议算法，确定所述第j个信标节点距离所述多个网络节点中每个节点间的最小跳数与多跳最短路径。结合第二方面及其上述实现方式，在第二方面的第本文档来自技高网...

【技术保护点】
1.一种无线感知网络节点定位方法，其特征在于，包括：在设定的监测区域内布设多个网络节点，所述多个网络节点包括M个信标节点和N个未知节点，其中，M为大于4的正整数、N为正整数；根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，其中，1≤i≤N，1≤j≤M，i，j为整数；使用Lateration算法计算所述第i个未知节点的初始位置；使用优化灰狼算法对所述第i个未知节点的初始位置进行优化。

【技术特征摘要】
1.一种无线感知网络节点定位方法，其特征在于，包括：在设定的监测区域内布设多个网络节点，所述多个网络节点包括M个信标节点和N个未知节点，其中，M为大于4的正整数、N为正整数；根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，其中，1≤i≤N，1≤j≤M，i，j为整数；使用Lateration算法计算所述第i个未知节点的初始位置；使用优化灰狼算法对所述第i个未知节点的初始位置进行优化。2.根据权利要求1所述的方法，其特征在于，所述根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值之前，所述方法还包括：使用距离矢量交换协议算法，确定所述第j个信标节点距离所述多个网络节点中每个节点间的最小跳数与多跳最短路径。3.根据权利要求2所述的方法，其特征在于，所述根据字符串路径相似度因子，确定第j个信标节点到第i个未知节点之间平均每跳的距离，并确定所述第j个信标节点到所述第i个未知节点之间的距离估计值，包括：确定所述第j个信标节点到所述第i个未知节点的目标最短路径字符串；分别确定所述第j个信标节点到所述M个信标节点中除所述第j个信标节点之外的其余M-1个信标节点的M-1条最短路径字符串；分别计算所述M-1条最短路径字符串与所述目标最短路径字符串的相似度因子，得到M-1个相似度因子；将所述M-1个相似度因子中最小值对应的信标间最短路径字符串获得的平均每跳距离值作为所述第j个信标节点到所述第i个未知点的平均每跳距离值；根据所述第j个信标节点到所述第i个未知点的平均每跳距离值，确定所述第j个信标节点到所述第i个未知节点之间的距离估计值。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述相似度因子为把两个不相同的字符串变得相同所需要进行的修改、增加或删除操作的最少次数。5.根据权利要求3所述的方法，其特征在于，所述使用Lateration算法计算所述第i个未知节点的初始位置，包括：确定M个信标与所述第i个未知节点间相似度因子最小的4条最短路径对应的4个信标节点；根据所述第i个未知节点与上述4个信标节点之间的欧氏距离建立非线性方程组；将所述非线性方程组转化为线性方程组；利用极大似然估计算法求解上述线性方程组，获得第i个未知节点的初始坐标。6.根据权利要求5所述的方法，其特征在于，所述使用优化灰狼算法对所述第i个未知节点的初始位置进行优化，包括：将所述第i个未知节点的坐标x、y，所述第i个未知节点与所述4个信标节点的估计距离d1、d2、d3、d4组成灰狼个体的未知数向量；初始化未知数向量为xi＝(xi1,xi2,…,xi6)，其中，xi1＝x，xi2＝y，xi3＝d1，xi4＝d2，xi5＝d3，xi6＝d4，并根据适应度函数初...

【专利技术属性】
技术研发人员：石琴琴，王冬雨，徐强，冯鑫迪，
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