The invention discloses an underwater wireless sensor network positioning algorithm based on mobility prediction. On the basis of the existing mobility prediction positioning method, an improved backtracking search optimization algorithm is introduced. The invention adopts three sensor nodes: buoy node, anchor node and unknown node, including step (1): initialization of wireless sensor network; step (2): anchor node positioning; step (3): Calculation of anchor node speed information; step (4): Calculation of unknown node speed information; step (5): unknown node positioning. The invention can adapt to the underwater wireless sensor network in practical application, effectively improving the node positioning accuracy and reducing the calculation cost.
【技术实现步骤摘要】
一种基于移动性预测的水下无线传感器网络定位算法
本专利技术属于水下无线传感器网络应用
,具体涉及一种基于移动性预测的水下无线传感器网络定位算法。
技术介绍
水下无线传感器网络(UnderwaterWirelessSensorNetworks,UWSNs)是具有通信和计算能力的传感器节点在水环境中通过自组织的方式组成的网络监测系统。UWSNs由一种或多种类型的传感器节点组成,这些节点通过自身移动或人工安置的方式部署到目标位置,最终形成特定性能的网络结构,并协同完成水下环境的监控。UWSNs技术被广泛应用在水下环境观测,沿海监测,海底勘探,灾害预防,科学勘探,商业开发以及军事或恐怖事件检测。这些应用均需要与节点的位置信息结合来实现其功能,所以对UWSNs节点定位技术进行深入研究是十分必要的。节点定位算法是根据已知位置信息的参考节点,通过与其他节点间的通信估算未知节点的位置。但是在水下无线传感器网络中传感器节点在水流的影响下不断移动,使得定位十分困难。幸运的是水下物体的移动不是完全随机的。水动力学研究表明,水下物体的运动与许多环境因素密切相关,如水流和水温等。例如,由于潮汐的影响,近岸物体的移动性表现出一定的半周期性质。这种强时域相关性告诉我们可以基于过去位置信息高精度地估计未来位置信息。水下物体的运动特性在不同的环境中是不同的。虽然设计一个用于所有水下环境的水下物体的移动模型几乎是不可能的,但是已经设计了一些基于流体动力学的特定环境中的水下物体模型。所以有人提出一种具有移动性预测的定位算法。在移动性预测算法中锚节点的定位精度控制着整个网络的定位精度,但已 ...
【技术保护点】
1.一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:采用三种传感器节点:浮标节点,锚节点和未知节点,所述浮标节点通过GPS定位自身位置;所述锚节点是网络中具有计算性能的节点,锚节点与浮标节点通信以定位自己的位置信息;所述未知节点与相邻锚节点通信以实现其自身的本地化;具体包括以下步骤:步骤(1):无线传感器网络的初始化:网络中的所有锚节点获得到浮标节点的距离信息和浮标节点的位置信息;步骤(2):锚节点定位:锚节点到浮标节点的欧式距离与获得的距离信息的差值作为一个适应度函数,然后使用MBSA算法算出锚节点位置信息;步骤(3):计算锚节点速度信息:使用上一步的锚节点位置信息与步骤2中估计的锚节点位置信息算出锚节点速度信息;步骤(4):未知节点速度信息计算:根据水下物体的群动特性算出未知节点的速度信息;步骤(5):未知节点定位:步骤(4)中计算出未知节点速度信息,我们使用过去的未知节点位置更新现在的未知节点位置信息。
【技术特征摘要】
1.一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:采用三种传感器节点:浮标节点,锚节点和未知节点,所述浮标节点通过GPS定位自身位置;所述锚节点是网络中具有计算性能的节点,锚节点与浮标节点通信以定位自己的位置信息;所述未知节点与相邻锚节点通信以实现其自身的本地化;具体包括以下步骤:步骤(1):无线传感器网络的初始化:网络中的所有锚节点获得到浮标节点的距离信息和浮标节点的位置信息;步骤(2):锚节点定位:锚节点到浮标节点的欧式距离与获得的距离信息的差值作为一个适应度函数,然后使用MBSA算法算出锚节点位置信息;步骤(3):计算锚节点速度信息:使用上一步的锚节点位置信息与步骤2中估计的锚节点位置信息算出锚节点速度信息;步骤(4):未知节点速度信息计算:根据水下物体的群动特性算出未知节点的速度信息;步骤(5):未知节点定位:步骤(4)中计算出未知节点速度信息,我们使用过去的未知节点位置更新现在的未知节点位置信息。2.如权利要求1所述的一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:本发明中所有传感器节点均配置压力传感器。3.如权利要求2所述的一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:步骤(1)具体为:在定位周期T内,网络中的浮标节点向通信半径内的锚节点发送位置信息和发送时间t1,锚节点接收到浮标节点信息的时间为t2,根据TOA公式算出锚节点a与浮标节点s之间的距离Las:Las=V*(t2-t1)其中,V为声速。4.如权利要求3所述的一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:步骤2计算过程包括:步骤(2-1):在选择适应度函数时,使用锚节点到浮标节点的欧式距离与TOA计算出的距离的差值作为适应度函数;步骤(2-2):使用MBSA算法计算锚节点位置,将其全局最优粒子作为锚节点的坐标。5.如权利要求4所述的一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:所述步骤(2-1)具体为:每个锚节点与浮标节点间距离都通过步骤(1)算出,而锚节点a和浮标节点s间的欧式距离das:其中,(xa,ya)为锚节点a的假设坐标信息,(xs,ys)为锚节点a能够通信的浮标节点s的坐标信息,所以适应度函数为:其中,n为锚节点a通信范围内浮标节点j的个数,fit(a)为锚节点a的适应值。6.如权利要求5所述的一种基于移动性预测的水下无线传感器网络定位算法,其特征在于:所述步骤(2-2)具体为:(2-2.1)首先随机初始化种群P和历史种群oldP,初始化如下:其中,i=1,2,3,...,N,j=1,2,3,...,D,N为种群的规模,D为粒子维数,Pi.j为P中第i个粒子的第j维的数值,oldPi.j为oldP中第i个粒子的第j维的数值;U(*)是随机均匀分布函数,lowi和upi是变量的上下边界;P和oldP的初始化过程互不干扰;(2-2.2)每次迭代开始前,首先产生一个新的历史种群oldP,如下式所示,此时的oldP中的粒子可能取到当代以及之前任意一代值,然后再对产生的oldP中的粒子进行随机排序,oldP=permuting(oldp)其中,r1和r2是服从(0,1)均匀分布的随机数,permuting(*)是随机排序函数;...
【专利技术属性】
技术研发人员:万新旺,杨振诚,董帅,王鹤,张海成,李逸伟,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。