【技术实现步骤摘要】
基于深度学习的无人机辅助无线传感器网络节点定位方法
[0001]本专利技术涉及深度学习人工神经网络应用领域,具体涉及人工神经网络在无线传感器网络节点定位中的应用。
技术介绍
[0002]随着人工智能、机器学习、深度学习等相关技术的普及与进步,AI已经在不知不觉中嵌入了人们现代化生活中的方方面面,图像识别与分类、目标检测、行人轨迹推算、自然语言处理等等先进的技术工作都是通过AI来实现的,其中人工神经网络技术属于人工智能学科领域的一个代表性分支技术,人工神经网络的相关研究在整个人工智能技术研究领域中占比非常之大,其在人们现在社会生活中的应用也相当广泛。
[0003]无线传感器网络相关的研究是当今无线通信研究领域内的一个热点话题,无线传感器网络中的网络节点通过相互通信,可以实现自身的定位,进而可以应用到环境、工程监测,目标跟踪等实际工程当中,现有的常用无线传感器网络中的节点定位技术可以大致分为基于测距与非测距的定位算法,基于测距的定位算法代表性测距方式有基于到达时间的定位解决方案TOA(Time of Arrival),基于到达时间差的定位解决方案TDOA(Time Difference of Arrival),基于到达角度的定位解决方案AOA(Angle of Arrival),以及基于接收信号强度指示的定位解决方案RSSI(received Signal Strength Indicator),而常用的定位框架有三边定位法、扩展卡尔曼滤波定位法以及最大似然估计定位法;这些常用算法已经初步解决了无线传感器网络中的 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的无人机辅助无线传感器网络节点定位方法,其特征在于,包括如下步骤:步骤1:定位场景基础条件部署,确定目标传感器节点定位区域,在无线传感器节点分布区域内建立定位参考平面坐标系,确定无人机的飞行高度、飞行区域、以及当前环境场景下RSSI自由路径传播模型的路径损耗指数与噪声标准差,在固定位置部署地面锚节点呈n*n矩阵形分布,并且记录每一个锚节点位置坐标,确定无人机在飞行区域内飞行时通信范围可以覆盖地面所有传感器节点;步骤2:设定无人机固定飞行轨迹与速度、信号发送周期以及信标数量,根据实验仿真测试无人机沿设定轨迹飞行并按设定的信号发送周期在规定位置向地面节点发送信标信号,地面节点接收信标信号计算RSSI值形成RSSI向量,地面节点间RSSI向量计算相似度与节点间距离之间的线性关系,得到RSSI相似度
‑
距离估计曲线;步骤3:建立卷积神经网络模型,其中输入变量的每个特征图的高度和宽度为n,神经元个数为n*n,每个神经元的输入值为地面待定位节点与对应锚节点的的估计距离,通道数为无人机距离估计模块进行距离估计的次数,通过两层卷积层以及两层全连接层,最终输出待定位节点的位置坐标;步骤4:建立训练集数据对卷积神经网络模型进行训练,选择合适的优化器、学习率与迭代次数,更新网络参数以提高网络的定位性能,不断缩小网络的位置估计坐标与节点真实坐标的误差,对于得到的卷积神经网络模型进行性能评估与误差分析;步骤5:收集地面锚节点与待定位接收到的无人机信标信号计算RSSI值得到RSSI向量,计算得到锚节点与待定位节点之间的RSSI相似度,通过RSSI相似度
‑
距离曲线估计锚节点与待定位节点之间的直线距离,加工排列为卷积特征块的模式,输入训练好的卷积神经网络模型得到地面节点在无线传感器网络中的位置坐标估计。2.根据权利要求1所述的一种基于深度学习的无人机辅助无线传感器网络节点定位方法,其特征在于,步骤1中,无人机飞行高度选择为空地信道传输路径损耗指数最小的飞行高度,无人机飞行区域设置为平行于地面传感器节点分布区域,且该区域面积为地面实验区域4倍的空中二维平面,设定地面固定锚节点的分布呈n*n横纵轴等距均匀分布在无线传感器网络覆盖实验区域中,相邻锚节点间距相等表示为d
width
,对每个固定锚节点编号为A
p
,其中p=1,2,...,n*n,地面固定锚节点部署坐标分布为:x
i+1
‑
x
i
=y
j+1
‑
y
j
=d
width
。3.根据权利要求1所述的一种基于深度学习的无人机辅助无线传感器网络节点定位方法,其特征在于,步骤2中,设定无人机固定飞行轨迹为一闭合曲线,即一个周期飞行结束回到飞行起点进行下一个周期的飞行,设定信标节点总数为K,K个信标节点均匀等距分布在无人机飞行轨迹P(t)上、信号发送周期t
T
设置为无人机从一个信标飞行到下一个相邻信标的时间间隔,地面节点i接收第m次飞行过程中空中所有信标信号得到RSSI值形成RSSI向量RSSI
im
,根据RSSI向量计算节点之间RSSI相似度进而计算节点之间的距离,具体表示为:
(1)无人机在空中飞行的轨迹方程:t
transmission
={t=(k
‑
1)*t
T
|k=1,2,...,K}(2)地面节点i接收无人机空中信标节点k广播的信标信号得到RSSI值表示为(3)地面索引为i的节点接收到无人机在第m次飞行周期内发送的信标信号形成的RSSI向量为(4)对每一对地面锚节点j与未知节点i收集到RSSI向量进行相似度计算及距离估计过程表示为程表示为...
【专利技术属性】
技术研发人员:燕锋,张涵君,夏玮玮,沈连丰,胡静,宋铁成,
申请(专利权)人:东南大学,
类型:发明
国别省市:
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。