一种基于改进制造技术

本发明专利技术公开了一种基于改进

【技术实现步骤摘要】
一种基于改进
䲟
鱼优化算法的迭代质心定位方法


[0001]本专利技术涉及无线传感器网络定位
，特别是一种基于改进
䲟
鱼优化算法的迭代质心定位方法。

技术介绍

[0002]无线传感器网络(Wireless Sensor Networks，WSNs)是由一组传感器节点在自组织的组网方式下构成的分布式传感网络，是一种由多个学科交织在一起的崭新技术。它有涉猎到很多科技领域，例如军事、交通管控、智能家居和医疗等。在无线传感器网络中，定位技术是无线传感器网络的基础技术，对其后续工作的开展以及应用起到了关键性作用，将全球卫星定位系统(Global Positioning System，GPS)配置到每个网络节点是无线传感器网路最简单的定位方法，但是GPS的高成本和能量限制导致其无法安装在每个传感器节点上，因此只有少量的信标节点装有GPS模块。
[0003]近年来，国内外的学者提出了许多应用在无线传感器网络中的节点定位算法。节点定位算法根据测距方式分为两类：测距算法(range
‑
based)和非测距算法(range
‑
free)。测距算法主要通过测量节点间距离或角度，运用三边测量法或三角测量法等计算得到未知节点的坐标。目前主流的测距方式主要有：基于到达时间(Time of Arrival，TOA)、基于到达角度(Angle of Arrival，AOA)、基于到达时间差(Time Difference of Arriva，TDOA)和信号接收强度指示(Received Signal Strength Indicator，RSSI)；非测距算法主要使用网络的连通度和训练匹配模型来间接测量位置，它不需要额外的硬件设备而且成本低，但是定位效果较差。典型的无需测距的算法有：距离向量跳数(Distance Vector
‑
Hop，DV
‑
Hop)算法、质心(Centriod)算法、近似三角形内点测试(Approximate point in triangulation，APIT)算法和多维标度(Multidimensional scaling，MDS)算法。
[0004]传统质心定位算法采用未知节点通信范围内的锚节点构成的多边形，以其质心作为估计坐标。但在实际的定位环境中，锚节点所构成的多边形面积过大或者未知节点位于定位区域边缘时会导致质心定位的误差较大。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述和/或现有的传统定位算法中存在的问题，提出了本专利技术。
[0007]因此，本专利技术所要解决的问题在于如何提供一种误差更小的质心定位算法。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：一种基于改进
䲟
鱼优化算法的迭代质心定位方法，其包括，每个锚节点向网络广播包含身份标识、位置信息和发射功率的数据包；未知节点接收广播的数据包并得到锚节点的位置信息和发射功率值，并将发射功率转换成RSSI值以及距离值；未知节点选择通信范围内距离自己最近的N个锚节点，并利用
Min
‑
Max算法缩小定位区域；利用迭代质心原理进一步缩小Min
‑
Max定位区域，并设定迭代停止准则；将迭代结束后的定位区域的四个顶点作为新的锚节点，利用RSSI技术重新计算其与未知节点的距离；利用未知节点与锚节点的位置关系得到适应度函数；利用改进
䲟
鱼优化算法迭代计算适应度函数的最小值，并在迭代结束时，将适应度函数值最小时的坐标作为最优的未知节点估计坐标。
[0009]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其中：将发射功率转换成RSSI值的具体计算公式为：
[0010][0011]其中，d0为1，A为距离值；距离值的具体计算公式为：
[0012][0013]其中，P
t
表示锚节点发射的能量，代表在距离为d0＝1时的路径损耗，X
σ
是均值为0、方差为σ的高斯随机变量，n为传播损耗系数。
[0014]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其中：未知节点选择通信范围内距离自己最近的N个锚节点，并利用Min
‑
Max算法缩小定位区域，具体步骤为：未知节点选取通信范围距离自身最近的N个锚节点；利用Min
‑
Max算法缩小定位区域，并得到一个正方形区域以及正方形的四个顶点坐标。
[0015]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其中：正方形的四个顶点坐标，具体公式为：
[0016][0017]其中，max(
·
)与min(
·
)分别表示最大函数与最小函数，(x
i
，y
i
)表示锚节点坐标，d
i
表示锚节点与未知节点的距离，V1、V2、V3、V4分别代表正方形的左下角、左上角、右上角以及右下角的顶点。
[0018]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其中：利用迭代质心原理进一步缩小Min
‑
Max定位区域，并设定迭代停止准则，具体步骤为：将得到的正方形四个顶点作为虚拟节点，替换原始锚节点；使用Min
‑
Max算法迭代缩小定位区域；设置迭代停止准则，当满足停止准则时停止迭代，公式如下：
[0019][0020][0021]其中，ε1和ε2表示迭代停止阈值条件，P
0n
为第n次迭代未知节点与质心点的关系；
[0022][0023]其中，M为路径损耗因子，n为第n次迭代，m＝1，A＝
‑
10log
10
P1，d
ij
为代表第i个锚节点与第j个锚节点的距离。
[0024]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其
中：利用改进
䲟
鱼优化算法迭代计算适应度函数的最小值，并在迭代结束时，将适应度函数值最小时的坐标作为最优的未知节点估计坐标，包括三个步骤，分别为：初始化阶段、自由探索阶段和捕食阶段。
[0025]作为本专利技术所述基于改进
䲟
鱼优化算法的迭代质心定位方法的一种优选方案，其中：初始化阶段包括以下步骤：改进的
䲟
鱼优化算法首先会使用帐篷映射初始化
䲟
鱼种群的位置，公式为：
[0026][0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
䲟
鱼优化算法的迭代质心定位方法，其特征在于：包括：每个锚节点向网络广播包含身份标识、位置信息和发射功率的数据包；未知节点接收广播的数据包并得到锚节点的位置信息和发射功率值，并将发射功率转换成RSSI值以及距离值；未知节点选择通信范围内距离自己最近的N个锚节点，并利用Min
‑
Max算法缩小定位区域；利用迭代质心原理进一步缩小Min
‑
Max定位区域，并设定迭代停止准则；将迭代结束后的定位区域的四个顶点作为新的锚节点，利用RSSI技术重新计算其与未知节点的距离；利用未知节点与锚节点的位置关系得到适应度函数；利用改进
䲟
鱼优化算法迭代计算适应度函数的最小值，并在迭代结束时，将适应度函数值最小时的坐标作为最优的未知节点估计坐标。2.如权利要求1所述的基于改进
䲟
鱼优化算法的迭代质心定位方法，其特征在于：所述将发射功率转换成RSSI值的具体计算公式为：其中，d0为1，A为距离值；距离值的具体计算公式为：其中，P
t
表示锚节点发射的能量，代表在距离为d0＝1时的路径损耗，X
σ
是均值为0、方差为σ的高斯随机变量，n为传播损耗系数。3.如权利要求1所述的基于改进
䲟
鱼优化算法的迭代质心定位方法，其特征在于：所述未知节点选择通信范围内距离自己最近的N个锚节点，并利用Min
‑
Max算法缩小定位区域，具体步骤为：未知节点选取通信范围距离自身最近的N个锚节点；利用Min
‑
Max算法缩小定位区域，并得到一个正方形区域以及正方形的四个顶点坐标；所述正方形的四个顶点坐标，具体公式为：其中，max(
·
)与min(
·
)分别表示最大函数与最小函数，(x
i
，y
i
)表示锚节点坐标，d
i
表示锚节点与未知节点的距离，V1、V2、V3、V4分别代表正方形的左下角、左上角、右上角以及右下角的顶点。4.如权利要求1或3所述的基于改进
䲟
鱼优化算法的迭代质心定位方法，其特征在于：所述利用迭代质心原理进一步缩小Min
‑
Max定位区域，并设定迭代停止准则，具体步骤为：将得到的正方形四个顶点作为虚拟节点，替换原始锚节点；使用Min
‑
Max算法迭代缩小定位区域；
设置迭代停止准则，当满足停止准则时停止迭代，公式如下：设置迭代停止准则，当满足停止准则时停止迭代，公式如下：其中，ε1和ε2表示迭代停止阈值条件，P
0n
为第n次迭代未知节点与质心点的关系；其中，M为路径损耗因子，n为第n次迭代，m＝1，A＝
‑
10log
10
P1，d
ij
为代表第i个锚节点与第j个锚节点的距离。5.如权利要求1所述的基于改进
䲟
鱼优化算法的迭代质心定位方法，其特征在于：所述利用改进
䲟
鱼优化算法迭代计算适应度函数的最小值，并在迭代结束时，将适应度函数值最小时的坐标作为最优的未知节点估计坐标，包括三个步骤，分别为：初始化阶段、自由探索阶段和捕食阶段。6.如权利要求5所述的基于改进
䲟
鱼优化算法的迭代质心定位方法，其特征在于：所述初始化阶段包括以下步骤：改进的
䲟
鱼优化算法首先会使用帐篷映射初始化
䲟
鱼种...

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