一种基于改进秃鹰搜索算法与多项式平均优化的DV-Hop定位方法技术

本发明专利技术公开了一种基于改进秃鹰搜索算法与多项式平均优化的DV

【技术实现步骤摘要】
一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法


[0001]本专利技术属于各向异性无线传感器网络定位
，具体涉及一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法。

技术介绍

[0002]无线传感器网络是由大量可以相互通信的传感器节点组成的网络，这些传感器节点可以感知周围的环境变化，获取人们需要的信息，并将收集到的信息数据传输至汇聚节点以便对数据进行下一步操作。无线传感器网络的应用领域包括环境检测、智能交通、精细农业、火山检测系统等。在应用过程中，传感器节点监测到的信息都需结合节点的位置信息进行处理，如果不知道事件发生的地点，则与之相关的数据也就无法使用。但对无线传感器网络来说，给每个节点配备GPS定位设备也是不现实的，这会导致定位成本和设备功耗的增加。基于无线传感器网络的节点定位算法，只需要少量节点配备有GPS设备，并根据这些节点的位置信息估计未知节点的位置，这在很大程度上降低了定位的成本。
[0003]基于无线传感器网络的节点定位算法大致可以分为两类：基于测距本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法，在各向异性的无线传感器网络环境下，其特征在于：所述DV
‑
Hop定位方法包括如下步骤：步骤1：初始化无线传感器网络，开始网络泛洪，锚节点广播包含自身位置信息的数据包；步骤2：泛洪结束后每个节点维持一组可达锚列表，相邻节点间的跳数采用RSSI值进行跳数分级细化；步骤3：计算锚节点跳数
‑
距离多项式系数：采用多项式定义节点间跳数和距离的关系，根据每个锚节点到其余锚节点的最小跳数和实际距离，通过最小二乘法求解多项式得到跳数
‑
距离多项式系数；步骤4：锚节点广播自身跳数
‑
距离多项式系数，未知节点将接收到的信息保存至可达锚列表对应锚节点中，并将第一个接收到的跳数
‑
距离多项式系数作为未知节点自身的跳数
‑
距离多项式系数；步骤5：采用多项式平均优化的方法计算未知节点到锚节点的估计距离：分别采用未知节点和锚节点的多项式系数计算未知节点和锚节点间的估计距离，并将其均值作为未知节点到锚节点的估计距离；步骤6：采用改进的秃鹰搜索算法，根据锚节点的坐标以及未知节点到锚节点的估计距离，求解未知节点坐标。2.根据权利要求1所述的一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法，其特征在于：步骤2中，相邻节点间的跳数采用RSSI值进行跳数分级细化，分级方法为：其中h为细化后的跳数，m为分级数，即，将相邻节点间的跳数分为m级，分别为d为两个相邻节点间的距离，R为通信半径，A是当节点之间的距离为1米时接收到的信号强度，k0是路径损耗因子。3.根据权利要求1或2所述的一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法，其特征在于：步骤3的具体过程为：步骤3
‑
1：引入跳数
‑
距离多项式来定义节点之间跳数和距离的关系，其中α
i
(1)、α
i
(2)、α
i
(3)为多项式的系数，d
ij
和h
ij
分别为节点i和节点j之间的距离和跳数；步骤3
‑
2：采用最小二乘法求解锚节点i的跳数
‑
距离多项式系数α
i
＝(H
iT
H
i
)
‑1H
iT
D
i
，其
中H
i
为由锚节点i到其余所有锚节点的跳数信息构成的跳数矩阵，D
i
为锚节点i到其余所有锚节点的距离矩阵，为H
i
的转置；其中n为网络中的锚节点数量，h
i1
,h
i2
,
…
h
in
分别为锚节点i到其余所有锚节点的跳数，d
i1
,d
i2
,
…
d
in
分别为锚节点i到其余所有锚节点的距离，i≠n。4.根据权利要求3所述一种基于改进秃鹰搜索算法与多项式平均优化的DV
‑
Hop定位方法，其特征在于：步骤5中的多项式平均优化的方法计算未知节点到锚节点的估计距离的具体过程为：步骤5
‑
1：未知节点将接收到的第一个锚节点的跳数
‑
距离多项式系数作为自身多项式系数，采用未知节点u的跳数
‑
距离多项式系数α
u
和未知节点u、锚节点i之间的最小跳数h
ui<...

【专利技术属性】
技术研发人员：万新旺，王锦锦，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：