一种传感器网络节点定位方法技术

技术编号:8686218 阅读:162 留言:0更新日期:2013-05-09 05:40
本申请公开了一种传感器网络节点定位方法,所述传感器网络中的所有节点的数量和锚节点的数量为已知的,该方法包括:将所有节点随机或按照预设方案布设在传感器网络的部署区域内;利用遗传算法对锚节点的坐标进行优化;按照优化结果对传感器网中的锚节点的位置进行重新布设;利用定位算法对传感器中除锚节点外的其它节点进行定位。该方法由于在对节点定位之前,对传感器网络中的锚节点的位置进行了优化,所以在对传感器网络中的节点定位时,可以提高定位精度。

【技术实现步骤摘要】

本申请涉及传感器网络
,特别是涉及。
技术介绍
名词解释:锚节点:在传感器网络中,由于设备的限制,一般只有部分节点具有自身定位功能(例如自带GPS),这部分节点通常被称为锚节点或信标节点。节点定位技术是无线传感器网络的主要支撑技术之一,它是传感器网络进行目标监测、跟踪、预测,协助路由和进行网络拓扑管理基础。根据无线传感器网络自身定位机制,可以把现在有的定位算法为两类:基于距离的定位算法和与距离无关的定位算法。其中与距离无关的定位算法技术具有对硬件要求低,能耗小、不易受环境干扰等优点,适合于大规模传感器网络,在军事,环境,医疗,家具等领域得到了广泛应用,是目前普遍关注的一种定位机制。典型的与距离无关的定位算法包括质心算法、DV-hop算法、凸规划算法、APIT算法、MDS-MAP算法等。与基于距离的定位算法相比,这些算法相对实现都较为简单,且算法本身只是提供对定位节点的位置的一种估计,所以在定位精度上较差一些。为了提高定位精度,目前在这些算法的基础上,通过改进定位算法模型或通过加权方式对结果进行校正等,可以对定位算法进行改进,例如:增强的质心定位算法:当一个未知节点根据质心算法获得自身的估计位置后,将此位置称为自己的初次估计位置,此未知节点随后与其通信范围内的所有其它未知节点交换信息,获得其它未知节点的初次估计位置,然后将自己以及所有这些未知节点的初次估计位置取平均值作为自己最终的估计位置。但通过对现有技术研究,申请人发现:这种增强的质心定位算法实现相对容易,计算量小,但该方法完全基于网络的连通性,要求网络中的锚节点数目比较大,而且锚节点随机分布时的定位误差远远大于均匀分布时的定位误差,这对于随机布设的传感器网络而言实现定位的难度较大,并且定位的精度较低。
技术实现思路
有鉴于此,本申请实施例提供,该方法通过对传感器网络中锚节点的位置进行优化,提高网络节点的分辨率,增强了网络连通性,进而可以实现提闻节点的定位精度。为了实现上述目的,本申请实施例提供的技术方案如下:,所述传感器网络中的所有节点的数量和锚节点的数量为已知的,包括:将所有节点随机或按照预设方案布设在传感器网络的部署区域内; 利用遗传算法对锚节点的坐标进行优化;按照优化结果对传感器网中的锚节点的位置进行重新布设;利用定位算法对传感器中除锚节点外的其它节点进行定位。优选地,所述利用遗传算法对锚节点的坐标进行优化,包括:S1:设定遗传算法中初始参数,所述初始参数包括:种群规模、精英选择概率、交叉概率、变异概率、最大循环代数和最大稳定代数;S2:生成传感器网络中所有节点排布方式的初始种群,利用适应度函数计算种群中所有个体的适应度,并按照个体的适应度优劣对个体进行排序;S3:验证所述遗传算法的终止条件;S4 ;如果满足所述遗传算法的终止条件,则将当前最优个体输出,得到优化结果;S5:如果不满足所述遗传算法的终止条件,则按照精英法则选择合适数目的个体直接复制到子代;S6:以轮盘赌注方式选择父代基因,按交叉概率进行单亲交叉,产生剩余子代个体;S7:将所有子代个体按变异概率进行变异,并产生最终子代,并执行S2步骤。优选地,所述适应度函数为:本文档来自技高网
...

【技术保护点】
一种传感器网络节点定位方法,所述传感器网络中的所有节点的数量和锚节点的数量为已知的,其特征在于,包括:将所有节点随机或按照预设方案布设在传感器网络的部署区域内;利用遗传算法对锚节点的坐标进行优化;按照优化结果对传感器网中的锚节点的位置进行重新布设;利用定位算法对传感器中除锚节点外的其它节点进行定位。

【技术特征摘要】
1.种传感器网络节点定位方法,所述传感器网络中的所有节点的数量和锚节点的数量为已知的,其特征在于,包括: 将所有节点随机或按照预设方案布设在传感器网络的部署区域内; 利用遗传算法对锚节点的坐标进行优化; 按照优化结果对传感器网中的锚节点的位置进行重新布设; 利用定位算法对传感器中除锚节点外的其它节点进行定位。2.据权利要求1所述的方法,其特征在于,所述利用遗传算法对锚节点的坐标进行优化,包括: S1:设定遗传算法中初始参数,所述初始参数包括:种群规模、精英选择概率、交叉概率、变异概率、最大循环代数和最大稳定代数; 52:生成传感器网络中所有节点排布方式的初始种群,利用适应度函数计算种群中所有个体的适应度,并按照个体的适应度优劣对个体进行排序; 53:验证是否满足所述遗传算法的终止条件;54;如果满足所述遗传算法的终止条件,则将当前最优个体输出,得到优化结果; 55:如果不满足所述遗传算法的终止条件,则按照精英法则选择合适数目的个体直接复制到子代;56:以轮盘赌注方式选择父代基因,按交叉概率进行单亲交叉,产生剩余子代个体; 57:将所有子代个体按变异概率进行变异,并产生最终子代,并执...

【专利技术属性】
技术研发人员:国薇曹红兵朱健邓遂赵显忠向文芳沈杰刘海涛
申请(专利权)人:无锡物联网产业研究院无锡融格物联网科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1