一种基于植物群落行为的无线传感器网络目标定位算法制造技术

一种基于植物群落行为的无线传感器网络目标定位算法，通过模拟植物群落的播种、生长、开花、结果的行为来实现无线传感器网络的目标定位，其包括以下步骤：步骤1，由植物群落对无线传感器网络目标定位数据进行初始化；步骤2，由植物群落在无线传感器网络中进行播种操作并计算锚节点和参考节点的目标定位数据；步骤3，由植物群落在无线传感器网络中进行生长操作并对未知节点进行目标定位；步骤4，由植物群落在无线传感器网络中进行开花操作并随机选择锚节点和参考节点进行目标定位；步骤5，由植物群落在无线传感器网络中进行结果操作并计算目标定位数据；步骤6，由植物群落输出无线传感器网络目标定位数据并结束算法。算法效率高、拓展性好。拓展性好。拓展性好。

【技术实现步骤摘要】
一种基于植物群落行为的无线传感器网络目标定位算法


[0001]本专利技术属于计算机网络和人工智能领域，具体涉及一种基于植物群落行为的无线传感器网络目标定位算法。

技术介绍

[0002]无线传感器网络的节点之间以无线方式进行通信，采用自组织方式进行数据远程传输。无线传感器网络目标定位算法用于将源节点的数据包逐跳传输到目的节点，包括两个主要任务，即规划源节点和目的节点之间的最优单跳或多跳路径，并在该优化路径的网络节点上依次转发数据。任一无线传感器网络节点均具备恢复链路连接、位置定位、拓扑发现和路由决策能力，既可以感知环境、采集数据，也可以转发、中继数据。地理位置路由往往需要获取传感器节点的位置信息，在供应链、物流、农业、食品工业和医疗等领域的无线传感网络中也经常需要获取节点的精确定位。
[0003]无线传感网络节点定位算法一般分两大类，即基于测距的定位算法(Range
‑
Based)和免测距定位算法(Range
‑
Free)。
[0004]基于测距的定位算法需要测量未知节点与信号发射节点之间的无线信号空间和时间信息，借助几何关系来推算节点位置。测量定位算法主要包括两个步骤，一方面对未知节点进行距离/角度测量，另一方面是整合测量结果并计算节点位置。常用的测量信息包括：信号到达角度(AngleofArrival，AoA)、信号到达时间(TimeofArrival，ToA)、接收信号强度RSS(ReceivedSignalStrength)、信号到达时差(TimeDifferenceofArrival,TDoA)。基于测距的定位算法需要使用专门的检测装置来测量上述变量，并经多次反复测量来保证定位精度，部署成本相对较高。
[0005]免测距的定位算法只需获取锚节点和网络连接的信息，无需使用昂贵的检测装置和专门硬件支持，部署成本低，但定位精度有限。免测距定位算法通常包括三大类，即基于锚节点的近似算法、基于连接的算法和事件驱动的算法。指纹定位算法是最常用的免测距定位算法，通常在定位区域预先部署多个位置固定的锚节点和参考节点，锚节点保持额定功率不断发射无线信号，各参考节点不断测量锚节点的信号RSS。单个参考节点位置和其测量的RSS组成位置指纹，简称指纹。未知节点也测量各个锚节点的RSS，并与位置指纹进行比较，从而计算出传感器节点位置。指纹定位算法会在定位空间建立一个指纹数据库，在定位空间各点的位置坐标和不同锚节点的RSS信息之间建立联系。指纹定位时只需根据指纹数据库的指纹和位置关系信息，通过未知节点接收到的RSS信息计算对应位置信息。指纹定位算法适合在复杂多变的传播环境中使用，包括多径和NLOS(Non
‑
lineofSight)环境，定位性能好，近些年得到了广泛研究和应用。
[0006]传统的无线传感器网络目标定位算法，具有以下缺点：
[0007]1、计算资源要求高。通常的无线传感器网络定位算法包括两个主要步骤，第一步是锚节点和参考节点定位，建立所有参考节点的定位数据，构建模式特征；第二步是在线的未知节点定位，通过匹配计算选择概率最大的参考节点作为最终定位。两步计算均需要对
所有锚节点和参考节点进行定位计算和匹配计算，往往消耗较多的计算资源。而无线传感器网络节点由于计算能力和存储容量的限制，难以承担大量和复杂的目标定位计算，全网目标定位数据也难以保存。
[0008]2、算法效率低。无线传感器网络目标定位算法在离线测量、在线测量过程中所受到的影响因素比较多，包括节点能源限制、发射能量、局部拓扑信息、动态变化、可扩展性、复杂度、路由更新策略。设计不好的话，很容易影响算法的效率。
[0009]3、能量消耗大。复杂的目标定位算法往往需要消耗更多的能量，而无线传感器网络的能量受限，传感器节点多由电池提供能量，通常没有外部能源补充。因此，无线传感器网络目标定位算法需要考虑能量效率。
[0010]4、拓扑复杂。无线传感器网络拓扑会随着节点的动态加入、退出、失效而变化。无线传感器网络往往节点数量多，且网络节点通信范围有限，网络节点通常只保留局部拓扑信息。常规的目标定位算法并不适用于动态变化的无线传感器网络，特别是大规模的无线传感器网络。

技术实现思路

[0011]针对现有技术中存在的上述问题，本专利技术提出了一种基于植物群落行为的无线传感器网络目标定位算法，设计合理，解决了现有技术的不足，不维护复杂的目标定位数据，使用概率式启发算法和分布式计算，在提高算法效率的同时，降低了能量消耗和计算资源要求。
[0012]一种基于植物群落行为的无线传感器网络目标定位算法，它包括以下步骤：
[0013]步骤1，由植物群落对无线传感器网络目标定位数据进行初始化；采集无线传感器网络的锚节点、参考节点的定位数据作为植物群落算法的输入数据，用户根据目标定位计算任务要求初始化植物群落参数，并选择目标定位计算函数对植物群落算法的目标定位数据进行评估；
[0014]步骤2，由植物群落在无线传感器网络中进行播种操作并计算锚节点和参考节点的目标定位数据；植物群落随机产生一组植物群落个体连接锚节点、参考节点和未知节点，每个植物群落个体使用一系列二进制位串表示锚节点、参考节点和未知节点的连接状态；
[0015]步骤3，由植物群落在无线传感器网络中进行生长操作并对未知节点进行目标定位；植物群落个体分别随机搜索新的传感器节点，并重新连接锚节点、参考节点和未知节点，再修改植物群落个体的一部分二进制位重新编码；
[0016]步骤4，由植物群落在无线传感器网络中进行开花操作并随机选择锚节点和参考节点进行目标定位；分别按锚节点为源节点方向，以及锚节点为目的节点方向，分别计算两个方向上植物植株个体的目标定位计算函数，取两个目标定位计算函数结果的平均值作为未知节点的目标定位数据；
[0017]步骤5，由植物群落在无线传感器网络中进行结果操作并计算目标定位数据；植物植株个体互相交换植物群落个体的一部分二进制位，并重新编码连接未知节点到锚节点和参考节点的路由，再重新计算植物植株个体的目标定位计算函数；
[0018]步骤6，由植物群落输出无线传感器网络目标定位数据并结束算法；植物群落算法通过步骤2至步骤6的迭代计算，选择符合要求的锚节点或参考节点位置作为无线传感器网
络未知节点的目标定位数据。
[0019]在步骤1中，包括以下子步骤：
[0020]子步骤1
‑
1，初始化无线传感器网络定位数据和未知节点目标定位数据；定位数据包括无线传感器网络的节点数量，节点类型，接收信号强度RSS，节点的能量，节点发射功率，节点发射距离；采集无线传感器网络的锚节点、参考节点的定位数据，清空未知节点的目标定位数据；
[0021]子步骤1
‑
2，初始化植物群落参数，包括植物群落中植株种群的大小，植物植株个体的数值类型和数值大小，植物植株的路由目标定位数据，植物群落的生长变异概率，开花概率，结果概率；...

【技术保护点】

【技术特征摘要】
1.一种基于植物群落行为的无线传感器网络目标定位算法，其特征在于，它包括以下步骤：步骤1，由植物群落对无线传感器网络目标定位数据进行初始化；采集无线传感器网络的锚节点、参考节点的定位数据作为植物群落算法的输入数据，用户根据目标定位计算任务要求初始化植物群落参数，并选择目标定位计算函数对植物群落算法的目标定位数据进行评估；步骤2，由植物群落在无线传感器网络中进行播种操作并计算锚节点和参考节点的目标定位数据；植物群落随机产生一组植物群落个体连接锚节点、参考节点和未知节点，每个植物群落个体使用一系列二进制位串表示锚节点、参考节点和未知节点的连接状态；步骤3，由植物群落在无线传感器网络中进行生长操作并对未知节点进行目标定位；植物群落个体分别随机搜索新的传感器节点，并重新连接锚节点、参考节点和未知节点，再修改植物群落个体的一部分二进制位重新编码；步骤4，由植物群落在无线传感器网络中进行开花操作并随机选择锚节点和参考节点进行目标定位；分别按锚节点为源节点方向，以及锚节点为目的节点方向，分别计算两个方向上植物植株个体的目标定位计算函数，取两个目标定位计算函数结果的平均值作为未知节点的目标定位数据；步骤5，由植物群落在无线传感器网络中进行结果操作并计算目标定位数据；植物植株个体互相交换植物群落个体的一部分二进制位，并重新编码连接未知节点到锚节点和参考节点的路由，再重新计算植物植株个体的目标定位计算函数；步骤6，由植物群落输出无线传感器网络目标定位数据并结束算法；植物群落算法通过步骤2至步骤6的迭代计算，选择符合要求的锚节点或参考节点位置作为无线传感器网络未知节点的目标定位数据。2.根据权利要求1所述的算法，其特征在于，在步骤1中，包括以下子步骤：子步骤1
‑
1，初始化无线传感器网络定位数据和未知节点目标定位数据；定位数据包括无线传感器网络的节点数量、节点类型、接收信号强度RSS、节点的能量、节点发射功率、节点发射距离；采集无线传感器网络的锚节点、参考节点的定位数据，清空未知节点的目标定位数据；子步骤1
‑
2，初始化植物群落参数，包括植物群落中植株种群的大小，植物植株个体的数值类型和数值大小，植物植株的路由目标定位数据，植物群落的生长变异概率、开花概率、结果概率；子步骤1
‑
3，清空数据集合，包括清空植物植株个体的目标定位数据，植物植株播种集合，植物群落开花集合，植物群落结果邻居对集合；所述植物植株播种集合，表示进行播种操作的植物植株个体集合；所述植物群落开花集合，表示进行开花操作的植物植株个体集合；所述植物群落结果邻居对集合，表示进行结果操作的多个植物植株个体配对的集合；子步骤1
‑
4，初始化植物群落算法起始条件和终止条件，包括计算开始时间，计算结束时间或迭代计算次数限制，结束误差判断阈值。3.根据权利要求2所述的算法，其特征在于，在子步骤1
‑
2中，植物群落种群大小，即植物群落中植物植株个体的数量；植株个体的数值类型，包括数值的整型，浮点型，布尔型，有
符号数或无符号数，数据结构类型；植株个体的数值大小，即数值的表示范围，正数或负数；植物植株的目标定位数据，用于对无线传感器网络的目标进行定位计算，其函数计算输入包括无线传感器网络的传播距离，工作能耗，接收信号强度RSS，目标定位误差；植物群落的生长变异概率，指植物植株在生长操作过程中数值有一定概率发生突变，即目标定位数据发生变化；所述植物群落的开花概率，指植物植株在开花操作过程中数值有一定概率被选择进行开花操作，即目标定位数据有可能延续到下一轮迭代计算；所述植物群落的结果概率，指植物植株在结果过程中数值有一定概率互相学习进行结果操作，即不同的目标定位数据互相学习；所述锚节点，也称为信标节点，为无线传感器网络中用于作为位置基准的若干固定节点，地理位置确定。4.根据权利要求1所述的算法，其特征在于，在步骤2中，包括以下子步骤：子步骤2
‑
1，随机生成植物群落中植株个体的初始值；按植物群落种群大小，随机生成一个植物植株播种集合，播种集合元素的个数即为植物群落种群大小，集合中每个元素即为植物植株个体；植物群落中植株个体的数值表示锚节点和参考节点的目标定位数据，以及锚节点和参考节点相对未知节点的目标定位数据；子步骤2
‑
2，按照锚节点到参考节点，以及锚节点到未知节点的方向，计算植物群落中植物植株个体的目标定位数据；子步骤2
‑
3，不断循环子步骤2
‑
1，子步骤2
‑
2，直至植物群落中所有植物植株个体的目标定位数据计算完成；子步骤2
‑
4，按与子步骤2
‑
2相反方向，即按照参考节点到锚节点，以及未知节点到锚节点的方向，重新计算植物群落中植物植株个体的目标定位数据；子步骤2
‑
5，不断循环子步骤2
‑
4，直至植物群落中所有植物植株的相反方向上目标定位数据计算完成，即按照参考节点到锚节点，以及未知节点到锚节点的方向上的目标定位数据计算完成；子步骤2
‑
6，对每一对相反方向的目标定位数据求平均值；即锚节点到参考节点方向的目标定位数据，参考节点到锚节点方向的目标定位数据，两者求平均值，作为锚节点与参考节点之间的目标定位数据；类似的，锚节点到未知节点方向的目标定位数，未知节点到锚节点方向的目标定位数据，两者求平均值，作为锚节点与未知节点之间的目标定位数据；子步骤2
‑
7，比较锚节点与参考节点之间的目标定位数据，锚节点与未知节点之间的目标定位数据，未知节点将与之最为接近的参考节点定位数据作为其目标定位数据。5.根据权利要求4所述的算法，其特征在于，在步骤3中，包括以下子步骤：子步骤3
‑
1，单个植物植株按植物群落生长变异概率在无线传感器网络中随机搜索一个锚节点或参考节点作为变异节点，替换步骤2中的植物植株个体中的一个锚节点或参考节点；子步骤3
‑
2，单个植物植株个体搜索变异节点能够连通该未知节点的新路由，并将该变异节点和新路由上的所有网络节点添加到该植物植株个体的路由节点集合中；子步骤3
...

【专利技术属性】
技术研发人员：蔡政英，江珊，
申请(专利权)人：三峡大学，
类型：发明
国别省市：