基于锚节点的网络协同定位方法技术

本发明专利技术公开了一种基于锚节点的网络协同定位方法，主要解决现有的无线定位网络选取的锚节点网络覆盖率较低和网络定位精度较差的问题。其实现方案是：1)进行网络节点间的TOA测距；2)根据网络节点间的距离，通过将每个网络节点设置相同的参考度p，调整聚类中心的个数因子γ使得最终生成的聚类中心个数达到初始设定的值，从而优选到锚节点；3)对选取到的锚节点采用三边定位算法实现网络节点间的协同定位；本发明专利技术通过在无线定位网络中使用改进的AP聚类算法优化选取锚节点，进行网络节点协同定位，提高了锚节点的网络覆盖率和网络定位精度，可用于商场，矿井，停车场这些复杂环境中的位置服务。

【技术实现步骤摘要】
基于锚节点的网络协同定位方法
本专利技术属于通信
，更进一步涉及一种锚节点网络协同定位方法,可用于商场，矿井，停车场这些复杂环境中的位置服务。
技术介绍
随着无线网络的发展，人们对于基于位置的服务需求也越来越大，特别是在复杂环境，特殊场景下，如大型商场，矿井，停车场的位置服务需求更大。全球卫星定位系统已经能够很好地满足人们在室外的定位需求，但复杂环境中，GPS信号受环境因素影响大，无法提供高精度定位。因此无线网络定位技术成为复杂环境下的重要补充手段。如何选取锚节点提高网络定位精度是需要解决的问题。长春理工大学在其申请的专利文献“一种无线传感器网络定位方法”(申请号：CN201810920495.8，申请公布号：CN109041210A)中公开了一种无线传感器网络定位方法。该方法在未知节点邻近的三个锚节点组成的区域内，使用迭代的方法缩小定位区域来确定未知节点位置。若未知节点邻近区域没有锚节点，则采用未知节点通信半径范围外的锚节点来缩小定位区域，并采用质心加权算法确定未知节点的位置信息。该方法虽然通过选取邻近的锚节点确定了定位区域，并通过缩小定位区域与采用质心加权算法确定未知节点位置，提高了节点的定位精度。但是，该方法仍然存在的不足之处是，在选取邻近锚节点时，由于未考虑锚节点的网络拓扑分布情况，导致锚节点的网络覆盖率较小。河海大学在其申请的专利文献“基于模糊C均值聚类的无线传感器网络节点定位算法”(申请号：CN201510885899.4，申请公布号：CN105407529B)中公开了一种基于模糊C均值聚类的节点定位算法。该方法利用三边定位算法得到若干个定位结果，将这些定位信息作为聚类的初始样本；再通过聚类算法分析得到每个类的成员个数；然后，通过查找成员个数较少的类找出误差较大的测距值，并将其丢弃；最后，对优选后的测距值利用多边定位方法进行定位计算。该方法虽然通过将三个锚节点的定位结果进行聚类，留下误差较小的定位结果，降低了未知节点定位误差。但是，该方法由于锚节点是随机选取的，网络节点间并未进行协同交互，因而导致锚节点的网络覆盖率较小，网络定位精度不够高。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的不足，提出一种改进AP聚类的锚节点网络协同定位方法，以提高锚节点的网络覆盖率和网络定位的精度。本专利技术的技术思路是，通过利用基于到达时间TOA测距技术得到网络节点之间的距离，通过对现有AP聚类算法的改进选取锚节点；通过利用三边定位算法实现网络节点间的协同定位。其实现步骤包括如下：(1)随机布置无线定位网络节点，利用OFDM系统收发信号的时频域特性进行网络节点间的TOA测距，得到网络节点间的距离；(2)根据网络节点间的距离，利用改进的AP聚类算法对选取无线定位网络中的锚节点：(2a)计算网络节点间的相似度：s(i,j)＝-di,j，其中di,j表示网络节点i与网络节点j之间的距离；(2b)将每个网络节点的自相似性设置为相同的值作为参考度p，计算如下：式中γ为聚类中心的个数因子，通过调整γ的值，使得最终生成的聚类中心个数达到初始设定的K个；(2c)计算网络节点间的吸引度r(i,j)：其中a(i,j)为网络节点间的归属度，初始值为0，j'为无线定位网络中除j之外的其他节点，s(i,j')为网络节点i与网络节点j'间的相似度；(2d)更新网络节点间的归属度a(i,j)：其中，i'为无线定位网络中除i之外的其他节点，r(i',j)为网络节点i'与网络节点j间的吸引度；(2e)计算此次迭代的聚类中心：其中，i＝1,2,...,N，0＜j≤N，N为无线定位网络中的节点个数，若j＝i，则网络节点i是此次迭代的聚类中心，否则，网络节点j是此次迭代的聚类中心；(2f)判断此次迭代得到的聚类中心是否等于上次迭代得到的聚类中心：若相等，则将得到的聚类中心作为无线定位网络中的锚节点，否则，将网络节点间的归属度a(i,j)置零，返回(2c)进行下一次迭代；(3)对选取到的锚节点利用三边定位算法实现网络节点间的协同定位。与现有技术相比，本专利技术具有以下优点：1.本专利技术由于通过对现有AP聚类算法进行改进，克服了AP聚类算法无法确定聚类中心个数的缺点，从而使得聚类中心个数能达到初始设定的值。2.本专利技术由于考虑到了网络分布拓扑情况，通过选取聚类中心作为锚节点，能够提高锚节点的网络覆盖率，从而提高了网络的定位精度。附图说明图1为本专利技术的实现流程图；图2为本专利技术中使用的三边定位算法原理图；图3为本专利技术选取到的锚节点仿真图；图4为本专利技术的网络节点位置的累计误差概率CDF仿真图；图5为本专利技术的网络节点位置的标准差仿真图；图6为本专利技术的网络节点位置的最大不确定度仿真图。具体实施方式下面结合附图对本专利技术做进一步的描述：参照图1，对本专利技术的具体步骤实现步骤如下：步骤1,生成随机网络节点。在100m×100m的无线定位网络区域内随机布设数十个网络节点，这些节点携带可以进行OFDM信号收发的通信模块，本专利技术布设但不限于40个网络节点。步骤2,网络节点间的TOA测距。2.1)发送端的网络节点产生频域上的本地序列，经过IFFT变换为时域序列，生成测距信号发送出去；由于无线信道的多径性，测距信号在信道传播过程中会出现扩散、失真现象，接收端的网络节点需要在预处理单元进行频偏校正处理并存储，再转发到发送端的网络节点；2.2)发送端的网络节点将接收到的信号进行频偏校正预处理和时域采样，再与发送端的时域序列进行时域离散相关，该相关值最大所对应的时刻为测距信号往返时延的整数部分t1；2.3)针对时延在测距信号传播过程中会引起相位偏移的情况，将接收信号FFT变换到频域求出相位偏移，得到测距信号往返时延的小数部分t2；2.4)根据测距信号往返时延的整数部分t1和小数部分t2，计算发送端的网络节点和接收端的网络节点间的距离d：其中，c为光速。步骤3,选取无线定位网络中的锚节点。3.1)利用网络节点间距离的相反数计算网络节点间的相似度s(i,j)，s(i,j)＝-di,j，di,j为网络节点i和网络节点j间的距离，网络节点间的距离越小，相似程度越高；3.2)将每个网络节点的自相似性设置为相同的值作为参考度p，计算如下：式中自相似性s(i,i)代表网络节点i成为聚类中心的可能性，N为无线定位网络中的节点个数，γ为聚类中心的个数因子，通过调整γ的值，使得最终生成的聚类中心个数达到初始设定的K个。本实例中每个网络节点都有潜力成为聚类中心，即成为聚类中心的可能性相同。3.3)根据网络节点间的相似度s(i,j)，计算网络节点间的吸引度r(i,j)：其中a(i,j)为网络节点间的归属度，初始值为0，j'为无线定本文档来自技高网...

【技术保护点】
1.一种基于锚节点的网络协同定位方法，其特征在于，包括如下：/n(1)随机布置无线定位网络节点，利用OFDM系统收发信号的时频域特性进行网络节点间的TOA测距，得到网络节点间的距离；/n(2)根据网络节点间的距离，利用改进的AP聚类算法对选取无线定位网络中的锚节点：/n(3)选取无线定位网络中的锚节点：/n(2a)计算网络节点间的相似度：s(i,j)＝-d

【技术特征摘要】
1.一种基于锚节点的网络协同定位方法，其特征在于，包括如下：
(1)随机布置无线定位网络节点，利用OFDM系统收发信号的时频域特性进行网络节点间的TOA测距，得到网络节点间的距离；
(2)根据网络节点间的距离，利用改进的AP聚类算法对选取无线定位网络中的锚节点：
(3)选取无线定位网络中的锚节点：
(2a)计算网络节点间的相似度：s(i,j)＝-di,j，其中di,j表示网络节点i与网络节点j之间的距离；
(2b)将每个网络节点的自相似性设置为相同的值作为参考度p，计算如下：



式中N为无线定位网络中的节点个数，γ为聚类中心的个数因子，通过调整γ的值，使得最终生成的聚类中心个数达到初始设定的K个；
(2c)计算网络节点间的吸引度r(i,j)：



其中a(i,j)为网络节点间的归属度，初始值为0，j'为无线定位网络中除j之外的其他节点，s(i,j')为网络节点i与网络节点j'间的相似度；
(2d)更新网络节点间的归属度a(i,j)：



其中，i'为无线定位网络中除i之外的其他节点，r(i',j)为网络节点i'与网络节点j间的吸引度；
(2e)计算此次迭代的聚类中心：



其中，i＝1,2,...,N，0＜j≤N，若j＝i，则网络节点i是此次迭代的聚类中心，否则，网络节点j是此次迭代的聚类中心；
(2f)判断此次迭代得到的聚类中心是否等于上次迭代得到的聚类中心：若相等，则将得到的聚类中心作为无线定位网...

【专利技术属性】
技术研发人员：鲍亚川，杨再秀，李敏，向才炳，刘欢，程可欣，卢小峰，
申请(专利权)人：中国电子科技集团公司第五十四研究所，西安电子科技大学，
类型：发明
国别省市：河北;13