基于动态平均跳距和RANSAC优化的DV-Hop定位方法及系统技术方案

本发明专利技术提供基于动态平均跳距和RANSAC优化的DV

【技术实现步骤摘要】
基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法及系统


[0001]本专利技术涉及无线传感器网络定位
，具体涉及基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法及系统。

技术介绍

[0002]无线传感器网络(wireless sensor networks，WSNs)是由大量节点通过自组织、多跳方式组成的分布式通信传输网络，请参阅文献：田昕,魏国亮,王甘楠.无线传感器网络定位综述[J].信息与控制,2022,51(01):69
‑
87，节点之间相互协作传递信息来感知环境。传感器节点主要作用是采集周围环境中的数据信息，通常情况下如果传感器节点的位置未知，监测的数据就失去意义。此外，在一些危险的工作环境中，检查人员需要实时和准确的位置数据来沟通和避免安全事故。随着越来越多的应用场景，如目标追踪、环境监测、航迹预测等领域的研究和发展，获取传感器节点位置这一环节更为重要。请参阅文献：T,F B,Ebrahimpour N,et al.An optimal anchor placement method for localization in large
‑
scale wireless sensor networks[J].Intelligent Automation&Soft Computing,2022,31(2):1197
‑
1222。目前无线传感器网络定位技术除了使用GPS技术之外，主要是通过网络中小部分已知位置的锚节点(anchor node，AN)来估计未知节点(unknownnode，UN)的位置。相应地，根据定位过程中是否需要额外硬件或设备来辅助定位可将定位分为基于测距(请参阅文献：Chuku N,Nasipuri A.RSSI
‑
Based localization schemes for wireless sensornetworks using outlier detection[J].Journal of Sensor and Actuator Networks,2021,10(1):10、单好民,陈才学.基于RSSI高斯滤波的人工蜂群定位算法[J].传感技术学报,2021,34(07):979
‑
983、詹华伟,王良源,陈思,史水娥.基于RSSI的四边测距井下人员定位系统[J].河南师范大学学报(自然科学版),2021,49(04):53
‑
59)和测距无关(请参阅文献：张悦,梁建国,张浩,花嵘,冯鲁彬.无线传感器网络质心和DV
‑
Hop混合定位算法研究[J].仪表技术与传感器,2021(04):122
‑
126、李娜,贾伟.布谷鸟算法在无线传感器网络中的定位研究[J].数据采集与处理,2020,35(02):315
‑
321、Lee K,Kim S,You K.Iterative regression based hybrid localization for wireless sensor networks[J].Sensors,2021,21(1):257)两类定位技术。测距无关定位算法通过节点之间的多跳通信来收集必要的信息，这类方法对节点硬件没有特殊要求，与基于测距的方案相比，受环境因素影响小，在成本和功耗方面都有较大的优势。
[0003]DV
‑
Hop定位算法因为其实现简单、鲁棒性强，并适用于大、小型网络而受到广大学者和企业的欢迎请参阅文献：周凯,周培钊,付文涵,魏胜非.无线传感器网络的改进DV
‑
hop定位算法研究[J].东北师大学报(自然科学版),2021,53(04):137
‑
143。由于节点分布的不均匀性和区域形状的不规则性，传感器网络普遍呈现复杂拓扑结构，传统DV
‑
Hop在各种复杂网络结构中出现定位精度低和不稳定的缺点。传统DV
‑
Hop的定位误差主要来源于平均跳距估计方法和最小二乘法，因为很难得到真实的每跳距离，特别是当网络是各向异性时，计算出的未知节点到锚节点距离会产生较大的误差，而最小二乘法估计坐标时对距离的误差
非常敏感。针对DV
‑
Hop上述的不足，现有文献中提出了许多改进措施以获得更准确的定位精度。文献：印雷,顾德,刘飞.基于改进麻雀搜索算法优化的DV
‑
Hop定位算法[J].传感技术学报,2021,34(05):670
‑
675中，使用双通信半径优化跳数，通过加权因子优化平均跳距，最后使用改进麻雀搜索算法估计未知节点的位置。例如公开号为CN113709862A的现有专利技术专利文献《一种基于弹簧模型和可靠锚节点的DV
‑
Hop节点定位方法》其步骤为：计算目标锚节点到参考锚节点的修正系数；计算参考锚节点、目标锚节点和未知节点所构成的夹角；从物理中弹簧模型角度分析目标锚节点到参考锚节点的修正系数对目标路径的影响，选取角度的函数作为权值对参考路径的修正系数进行加权求和，得到未知节点到目标锚节点的修正系数；对未知节点与目标锚节点间的距离进行校正；利用RANSAC算法抽取可靠锚节点，利用最小二乘法对可靠锚节点进行坐标拟合，选取误差最小的估计坐标作为未知节点的坐标。又例如公布号为CN106332279A的现有专利技术专利申请文献《一种基于节点间连通性差异及粒子群优化的DV
‑
Hop定位方法》该算法在三边测量法中选择最优的3个锚节点估计未知节点的位置、并根据最近锚节点对估计位置进行校准，最后选择连通性差异最小的位置作为估计位置。为了进一步提高定位精度，引入了基于自适应粒子群的DV
‑
Hop算法，改进粒子群算法中的速度、位置更新公式，变化适应度函数，然后对粒子进行排序。将ICDA DV
‑
Hop算法和MPSO DV
‑
Hop算法结合。上述现有方案中的优化策略均使用加权因子减小了平均跳距的误差，但在定位时，算法中未知节点的平均跳距是采用最近锚节点的平均跳距代替，未知节点的网络特征并不与最近的锚节点相同，使用最近锚节点的特性代替未知节点的方法有一定局限性。此外，一些采用类似定位策略的现有技术中，定位误差、跳数和权重之间没有明确的数学模型，这种加权策略对平均跳距的优化效果并不明显。
[0004]文献：吴之舟,张玲华.基于加权和RSSI测距的DV
‑
Hop定位算法[J].数据采集与处理,2021,36(06):1217
‑
1225中，通过使用加权归一化和RSSI技术同时优化跳距，最后采用加权最小二乘法估计节点坐标，RSSI技术能够测得较为精确的距离，但容易受到环境影响。文献：王磊,刘晶晶,齐俊艳,贺军义.基于测距修正及改进鲸鱼优化的DV
‑
HOP定位算法[J].仪表技术与传感器,202本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述方法包括：S1、设置网络参数和RANSAC参数；S2、利用传感器节点通过泛洪策略获得每个锚节点的位置、节点到各个锚节点的最小跳数、节点到各个锚节点的最小多跳路径集合，根据汉明距离计算锚节点
‑
锚节点路径和待测节点
‑
锚节点路径的相似度，选择相似性最高的所述锚节点
‑
锚节点路径的平均跳距，作为待测节点的平均跳距，并计算所述待测节点到各个锚节点的距离；S3、计算最小采样次数，并设置路径偏移阈值为T，其中，所述路径偏移阈值T的大小为通信半径R；S4、从所有所述锚节点中随机选取不少于3个所述锚节点，根据采样的所述锚节点，利用三边定位法估计待测节点的估计坐标；S5、计算所述待测节点的估计坐标到所述锚节点的距离偏移值，判断所述距离偏移值是否小于所述路径偏移阈值T，以从所述锚节点中判定获取可靠锚节点；S6、在所述可靠锚节点数小于预置锚节点数时，则记录本次选择的所述可靠锚节点，并循环执行所述步骤S4、S5，直至所述可靠锚节点数不小于预置锚节点数时，执行下述步骤S7；S7、选择所述可靠锚节点重新估计所述未知节点的坐标；S8、完成所有采样操作，比较所述未知节点估计坐标的优劣性，据以选择误差值最小的坐标作为所述待测节点的最终坐标。2.根据权利要求1所述的基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述步骤S1中，利用所述传感器节点通过所述泛洪策略将数据包传递给预置网络中的节点。3.根据权利要求2所述的基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述数据包包括：锚节点自身坐标及其与其他节点之间的跳数。4.根据权利要求1所述的基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述步骤S2包括：S21、通过所述泛洪策略，使得每个节点记录到其他所述锚节点的最小跳数，其中，所述节点包括：未知节点及所述锚节点；S22、将所述待测节点到目标锚节点的最短多跳路径表示为集合A，将所述目标锚节点到其余各任意一个所述锚节点的最短多跳路径经过节点的集合表示为集合B；S23、判断所述集合A和所述集合B的长度大小，以得到较小集合，对所述较小集合补0元素，使得所述集合A和所述集合B的长度相同；S24、计算所述集合A和所述集合B之间的相似度，其中，根据所述汉明距离确定所述相似度；S25、根据所述相似度，选择未知节点
‑
目标锚节点路径相似度最高的锚节点
‑
目标锚节点路径，并以其平均跳距代替所述未知节点
‑
目标锚节点路径的所述平均跳距；S26、根据所述平均跳距和所述最小跳数值处理得到所述待测节点到所述锚节点的距离。5.根据权利要求4所述的基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述步骤S22中，所述集合A的元素表示该路径中依次经过的节点。
6.根据权利要求4所述的基于动态平均跳距和RANSAC优化的DV
‑
Hop定位方法，其特征在于，所述步骤S24中，以下述逻辑计算所述集合A和所述集合B之间的所述相似度：其中，hamming(A,B)表示为所述步骤S23处理后所述集合A和所述集合B的汉明距离，max{length(A),leng...

【专利技术属性】
技术研发人员：陈辉，朱子行，江友华，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：