CN101221236A - 三维空间中无线传感器网络基于抽样的节点自身定位方法 - Google Patents

Abstract

本发明提供一种三维空间中无线传感器网络基于抽样的节点自身定位方法，利用对三维空间随机抽样的方法，获取所需样本点信息，并通过范围约束条件进行过滤得到成功样本点，取成功样本点坐标平均值作为未知节点的初始坐标估计值；根据未知节点与邻居节点的关系信息建立目标函数，采用对成功样本点加权筛选的方法避免非线性方程组转化为线性方程组所存在的转化误差，以获得未知节点三维估计坐标的最优解。通过这种对空间区域进行抽样的方法，未知节点可以直接从采样区域获得对坐标的估计，避免了现有算法节点间的最短路径累加机制，杜绝了累加误差的产生，进一步减小定位误差、提高算法的适应性。

Description

三维空间中无线传感器网络基于抽样的节点自身定位方法

(一)技术领域：

本发明涉及一种基于抽样的无线传感器网络三维定位方法，尤其指一种三维空间中无线传感器网络基于抽样的节点自身定位方法，属于无线传感网络节点的自身定位技术领域。

(二)技术背景：

无线传感器网络集传感器技术、微机电系统(MEMS)技术、嵌入式计算技术、无线通信技术和分布式信息处理技术于一体，通过传感器与外界交互，完成数据采集、处理、通信及管理等功能，广泛应用于工业控制与监测、家庭自动化与消费电子、安全与军事、物资跟踪与供应链管理、智能农业、环境感知和健康监测等多方面。

传感器网络节点自身定位作为无线传感器网络的关键支撑技术，对无线传感器网络的应用和基于位置的网络协议研究都有重要意义。没有位置信息的监测消息通常是毫无意义的，确定事件发生的位置或采集数据的节点位置是传感器网络最基本的功能之一。为了提供有效的位置信息，随机部署的传感器节点必须能够在布置后确定自身位置。由于传感节点存在资源有限、随机部署、通信易受环境干扰甚至节点失效等特点，定位机制必须满足自组织、健壮性、能量高效、分布式计算等要求。

根据节点位置是否确定，传感节点分为锚节点和未知节点。锚节点通常配置有GPS定位模块，位置是已知的，未知节点需要根据少数锚节点，按照某种定位机制确定自身的位置。在传感网络定位过程中，通常会使用三边测量法、三角测量法或极大似然估计法确定节点的位置。根据定位过程中是否测量节点间的距离或角度，把传感器网络中的定位分为基于距离的定位和与距离无关的定位。

基于距离的定位通过测量节点间点到点的距离或角度信息计算出节点位置，这种方法的精度较高，但是对网络的硬件设施也要求较高，并且基于距离的定位通常需要多次侧量、循环求精，在获得相对精确的定位结果的同时会产生大量计算和通信开销，所以，这种方法虽然在定位精度较高，但不适用于低功耗、低成本的应用领域。与距离无关的定位无需距离和角度信息，仅根据网络连通性等信息即可实现节点的定位，降低了对节点硬件的要求，但定位误差也相应有所增加。

现有的定位方法大多数针对平面结构进行定位，而现实应用中的无线传感器网络节点往往分布在三维空间中。目前，在三维空间里无线传感器网络节点定位的研究，主要有几下几种方法：(1)Spot ON系统，该系统采用射频识别(RFID)技术，利用无线信号的衰减特性进行距离测量，根据测得的距离信息计算未知节点的位置；(2)自组网中GPS-Free的三维定位系统(ANGEPS，即Ad-hocNetworks Gps-free 3d Position System)，该三维定位系统不依赖于GPS，在局部定位的基础上利用坐标变换得到全网统一的三维坐标。(3)Landscape-3D方法，该方法利用一个可以在三维无线传感器网络中自由运动的定位辅助器LA(Location Assistant)有规律的向未知节点广播其位置信息，未知节点利用接收到的LA位置信息以计算出自身的位置。(4)多维定标(MDS)技术，该技术利用多维定标(MDS)建立一系列二维或三维空间中邻近节点的局部地图，通过估算-比较-修正(estimation-comparison-correction)的迭代优化方法减小定位误差。

本发明提出的基于抽样方式的三维空间中节点自身定位方法，是以抽样点模拟未知节点的位置分布，最终通过坐标过滤和求精得到未知节点最佳估计位置，此发明从内容和实现方式上与已有方法迥然不同，且进一步减小了定位误差、提高了算法的适应性。

(三)发明内容：

本发明的目的在于提供一种三维空间中无线传感器网络基于抽样的节点自身定位方法，主要是针对三维空间中的无线传感器网络节点自身定位提出的，以适应实际网络中节点定位的情况，提高算法在现实环境中的适应性，以减小定位误差。

本发明一种三维空间中无线传感器网络基于抽样的节点自身定位方法，其原理为：在三维空间中给定一组未知坐标位置的节点，节点能够根据获取的指定跳数内的锚节点的信息，利用三维空间的抽样和范围约束的方法，并结合对成功样本点的加权筛选，获得自身的位置信息。

为了清楚阐述本发明提出的定位方法，先定义一些相关的定义和概念：

定义1：邻居节点——如果两个节点之间可以直接无线通信，则它们互称为邻居节点。

定义2：基于跳数的抽样——对于没有测距功能的节点，它们的抽样过程称为基于跳数的抽样。

定义3：基于测距的抽样——对于具有测距功能的节点，它们的抽样过程称为基于测距的抽样。

本发明一种三维空间中无线传感器网络基于抽样的节点自身定位方法，适用于具有自组织特征的传感器网络系统，输出各个未知节点的估计位置坐标，首先通过三维空间抽样和范围约束估算未知节点初始的位置坐标，通过获得的邻居节点的位置信息，建立目标函数，利用对成功样本点的加权筛选，获取未知节点的最终位置坐标。其具体包括如下步骤：

步骤一：无线传感器网络中每个未知节点获取其附近锚节点的位置信息。具体方法为：

每个锚节点广播自身位置的信息和初始为0的计数器信息的数据包；

未知节点接收一个锚节点的数据包时，判断是否接收过此锚节点的数据包，是则将此数据包丢弃；否则保存此锚节点的自身位置信息，将数据包中的计数器加1，判断计数器的值是否大于1，是则不转发数据包，保存距离此锚节点的跳数；否则转发数据包，保存距离此锚节点的跳数。

步骤二：以锚节点为中心，节点间通讯距离为半径建立三维球体，未知节点在三维球体内随机进行抽样得到样本点，具体方法为：

接收到锚节点信息的未知节点，以1跳或2跳通信范围内的任一锚节点为球心，原则上优先选取距离近的锚节点为球心，通信距离R或2R为半径，对球内的点进行抽样，抽样方法为：以球心为原点建立球坐标系，则球坐标系内任一点可用三个有次序的数r，φ，θ来确定，这里r，φ，θ的变化范围为0＜r≤R或0＜r≤2R，0≤φ≤π，0≤θ≤2π。随机取r，φ，θ变化范围内的数值作为抽样点进行抽样得到样本点。

步骤三：用未知节点收集到的所有锚节点信息作为约束条件，过滤样本点以获得符合要求的成功样本点；重复抽样直到得到预定数目的符合要求的成功样本点；具体方法为：

未知节点以收集到的所有锚节点的位置、距离或跳数信息作为约束条件，判断样本点是否满足此种约束，是则保存样本点位置信息，否则丢弃此样本点，以此对步骤二中收集到的抽样点进行过滤；

改变抽样点的半径和空间角度循环抽样，并用约束条件对样本点进行过滤，判断成功样本点的数目是否达到预定数目，是则停止抽样；否则判断抽样次数是否大于最大设定值，是则停止抽样，否则继续抽样。

步骤四：成功样本点取均值得到作为未知节点的初始位置坐标，具体方法为：

未知节点根据获取的成功样本点的信息确定初始位置坐标，未知节点的初始位置坐标＝成功样本点坐标和值/成功样本点的个数。

步骤五：每个未知节点广播自己的初始位置坐标信息给邻居节点，未知节点与其邻居节点之间的距离作为约束条件构成约束集合，具体方法为：

未知节点广播自己的初始位置坐标信息给一跳范围内的所有邻居节点，其中包括锚节点和其它未知节点；

该未知节点与其一跳范围内的所有邻居节点之间的距离作为约束条件构成约束集合；

约束条件包括两种情况：未知节点与未知节点之间的距离约束，使用初始位置坐标计算两节点间的估计距离；未知节点与锚节点之间的距离约束，未知节点使用初始位置坐标，锚节点使用实际位置坐标，计算两节点间的估计距离；

未知节点和邻居节点间的测量距离与估计距离相减得到差值。

步骤六：针对约束集合建立目标函数，对得到的成功样本点以某种原则进行加权筛选，得到最终的位置坐标，具体方法如下：

确定未知节点的邻居节点的加权值，锚节点的加权值高于普通节点；

针对约束集合建立目标函数，将所有成功样本点的坐标代替未知节点坐标依次代入到目标函数中，将使目标函数值最小的样本点的坐标作为未知节点的最终位置坐标。

其中，所述的步骤二中的未知节点可以有三种抽样方案，具体为：

方案1：只在距离未知节点最近的锚节点构成的球中抽样的方案。

方案2：在所有能收到的锚节点构成的多个球中都抽样的方案。

方案3：在已成功样本点为球心的小范围球体内再次抽样的方案。

其中，所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，即可用于基于跳数的抽样，也可用于基于测距的抽样。

本发明的三维空间中无线传感器网络基于抽样的节点自身定位方法是基于三维空间确定传感器节点的自身坐标，也可用于二维平面的情形。

本发明一种三维空间中无线传感器网络基于抽样的节点自身定位方法，其优点及功效在于：通过对空间区域进行抽样的方法，未知节点可以直接从采样区域获得对坐标的估计，避免了现有算法(如DV-Hop算法)节点间的最短路径累加机制，从而杜绝了累加误差的产生；(2)采用样本点加权筛选的方法，获得未知节点的最终位置，避免了将非线性方程组转化为线性方程组计算的繁琐和误差。

(四)附图说明：

图1为本发明三维空间中无线传感器网络基于抽样的节点自身定位方法流程图；

图2为节点抽样的流程图；

图3为本发明实施示例示意图。

(五)具体实施方式：

本发明一种三维空间中无线传感器网络基于抽样的节点自身定位方法，请参阅图1、2、3所示，其具体步骤如下：

101：未知节点获取其附近锚节点的位置信息，具体为：每个锚节点广播自身位置的信息和初始为0的计数器信息的数据包，未知节点接收一个锚节点的数据包时，判断是否接收过此锚节点的数据包，是则将此数据包丢弃；否则保存此锚节点的自身位置信息，将数据包中的计数器加1，判断计数器的值是否大于1，是则不转发数据包，保存距离此锚节点的跳数；否则转发数据包，保存距离此锚节点的跳数。

102：建立三维球体进行抽样得到样本点。具体实现过程如图2中201和202所示：

步骤一：接收到锚节点信息的未知节点，以1跳或2跳通信范围内的任一锚节点为球心，原则上优先选取距离近的锚节点为球心，通信距离R或2R为半径，建立抽样球。

步骤二：以球心为原点建立球坐标系，则球坐标系内任一点可用三个有次序的数r，φ，θ来确定，这里r，φ，θ的变化范围为0＜r≤R或0＜r≤2R，0≤φ≤π，0≤θ≤2π。随机取r，φ，θ变化范围内的数值作为抽样点进行抽样得到样本点。

103：过滤以获得符合要求的成功样本点。具体实现过程如图2中203～206所示：

步骤一：判断样本点是否符合距离约束。如图3所示为网络部分节点的空间拓扑，其中标号3和6即三角形代表示锚节点，其余的即矩形表示未知节点。对于未知节点1，收到来自一跳范围内锚节点3和两跳范围内锚节点6的坐标信息，分别为(x₃，y₃，z₃)，(x₆，y₆，z₆)。选择锚节点3作为球心，一跳范围r为半径，对球内的点进行随机抽样，抽样点如球内小圆圈所示，假设随机抽样点的坐标为(x₁(sample_i)，y₁(sample_i)，z₁(sample_i))。

对抽样点进行检验，如果节点不具有测距功能，则检验样本点是否满足式(1)：

$\left\{\begin{array}{c}\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-x_3)}^2+{(y_1\left({\mathrm{sample}}_i\right)-y_3)}^2+{(z_1\left({\mathrm{sample}}_i\right)-z_3)}^2}\≤r\\ \sqrt{{(x_1\left({\mathrm{sample}}_i\right)-x_6)}^2+{(y_1\left({\mathrm{sample}}_i\right)-y_6)}^2+{(z_1\left({\mathrm{sample}}_i\right)-z_6)}^2}\≤2r\end{array}\right.---\left(1\right)$

如果节点具有测距功能，则检验样本点是否满足式(2)：

$\left\{\begin{array}{c}\left|\right|\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-x_3)}^2+{(y_1\left({\mathrm{sample}}_i\right)-y_3)}^2+{(z_1\left({\mathrm{sample}}_i\right)-z_3)}^2}-R_{\mathrm{1,3}}\left|\right|\≤\mathrm{\ϵ}\\ \sqrt{{(x_1\left({\mathrm{sample}}_i\right)-x_6)}^2+{(y_1\left({\mathrm{sample}}_i\right)-y_6)}^2+{(z_1\left({\mathrm{sample}}_i\right)-z_6)}^2}\≤2r\end{array}\right.---\left(2\right)$

其中R_1，3代表节点1和3之间的测距距离，ε代表算法估计距离与测距距离之间的偏差范围最大值。如果样本点满足条件(1)或(2)的则被保存下来，否则被丢弃。

步骤二：判断符合约束条件的样本点个数是否达到阈值N，是则停止抽样，否则进行下一步骤。

步骤三：判断抽样次数是否大于预设的最大值，是则停止抽样，否则进入下一向抽样过程，直到满足抽样停止的条件。

104：求得未知节点的初始位置坐标。具体为：对成功的样本取平均值，就得到未知节点1的初始位置估计：

$({\mathrm{ex}}_1,{\mathrm{ey}}_1,{\mathrm{ez}}_1)=(\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_1\left({\mathrm{sample}}_i\right)}{N},\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_1\left({\mathrm{sample}}_i\right)}{N},\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{z}_1\left({\mathrm{sample}}_i\right)}{N})---\left(3\right)$

105：节点间距离作为约束条件构成约束集合。具体为：

首先将节点间的距离作为约束条件构成等式组。未知节点1与所有邻居节点形成的等式组如(4)所示。未知节点之间的连接也作为约束条件。

$\left\{\begin{array}{c}{f}_{\mathrm{1,2}}=R_{\mathrm{1,2}}-\sqrt{{(x_1-{\mathrm{ex}}_2)}^2+{(y_1-{\mathrm{ey}}_2)}^2+{(z_1-{\mathrm{ez}}_2)}^2}\\ f_{\mathrm{1,3}}=R_{\mathrm{1,3}}-\sqrt{{(x_1-x_3)}^2+{(y_1-y_3)}^2+{(z_1-z_3)}^2}\\ f_{\mathrm{1,4}}=R_{\mathrm{1,4}}-\sqrt{{(x_1-{\mathrm{ex}}_4)}^2+{(y_1-{\mathrm{ey}}_4)}^2+{(z_1-{\mathrm{ez}}_4)}^2}\\ f_{\mathrm{1,5}}=R_{\mathrm{1,5}}-\sqrt{{(x_1-{\mathrm{ex}}_5)}^2+{(y_1-{\mathrm{ey}}_5)}^2+{(z_1-{\mathrm{ez}}_5)}^2}\end{array}\right.---\left(4\right)$

R_i，j代表两个节点的测量距离，根号下的值代表估计距离。f_i，j代表测量距离与估计距离之间的差值。

106：建立目标函数进行加权筛选得到最终的位置坐标。具体为：

建立目标函数式(5)，目的是使(4)中所有方程差值的累积和最小。

$F(x_1,y_1,z_1)=\min \mathrm{\Σ\ω}{f}_{i,j}^2---\left(5\right)$

ω代表不同的加权值。当f_i，j表达式中含有锚节点信息时，加权值会高于普通节点。

目标函数式(5)的求解可以使用将非线性方程组转化为线性，然后使用线性最小二乘法的解法。考虑到将非线性方程组转化为线性方程组计算繁琐，而且存在转化误差。本文采用样本点加权筛选的方法避免了上述转化过程。

将未知节点进行初始位置估计时抽样到的所有成功样本值代入目标函数(5)，比较各样本的函数值来求得目标函数(5)的最小值。式(6)显示了将未知节点1的样本值代入后得到的方程组。

$\left\{\begin{array}{c}{f}_{\mathrm{1,2}}=R_{\mathrm{1,2}}-\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-{\mathrm{ex}}_2)}^2+{(y_1\left({\mathrm{sample}}_i\right)-{\mathrm{ey}}_2)}^2+{(z_1\left({\mathrm{sample}}_i\right)-{\mathrm{ez}}_2)}^2}\\ f_{\mathrm{1,3}}=R_{\mathrm{1,3}}-\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-x_3)}^2+{(y_1\left({\mathrm{sample}}_i\right)-y_3)}^2+{(z_1\left({\mathrm{sample}}_i\right)-z_3)}^2}\\ f_{\mathrm{1,4}}=R_{\mathrm{1,4}}-\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-{\mathrm{ex}}_4)}^2+{(y_1\left({\mathrm{sample}}_i\right)-{\mathrm{ey}}_4)}^2+{(z_1\left({\mathrm{sample}}_i\right)-{\mathrm{ez}}_4)}^2}\\ f_{\mathrm{1,5}}=R_{\mathrm{1,5}}-\sqrt{{(x_1\left({\mathrm{sample}}_i\right)-{\mathrm{ex}}_5)}^2+{\left(y_1\left({\mathrm{sample}}_i\right){\mathrm{ey}}_5\right)}^2+{(z_1\left({\mathrm{sample}}_i\right)-{\mathrm{ez}}_5)}^2}\end{array}-----\left(6\right)\right.$

通过将所有成功的样本值(x₁(sample_i)，y₁(sample_i)，z₁(sample_i))分别代入和比较后，得到目标函数(5)的解表示为：(x₁(min sample_i)，y₁(min sample_i)，z₁(min sample_i))∈(N samples)，此解即为未知节点最终的估计坐标。

综上所述，本发明提出了一种三维空间中无线传感器网络基于抽样的节点自身定位方法，利用利用三维空间抽样和范围约束的方法，并结合对成功样本点的加权筛选，获得未知节点的三维估计坐标以实现定位。适应现实中的网络节点自身定位，定位精度高，计算开销小。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，仍在本专利申请所述的权利耍求保护范围之内。

Claims (7)

1.一种三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：利用三维空间抽样和范围约束的方法，并结合对成功样本点的加权筛选，获得未知节点的三维位置坐标以实现定位，所述方法包含的步骤为：

步骤1.)无线传感器网络中每个未知节点获取其附近锚节点的位置信息；

步骤2.)以锚节点为中心，节点间通讯距离为半径建立三维球体，未知节点在三维球体内随机进行抽样得到样本点；

步骤3.)用未知节点收集到的所有锚节点信息作为约束条件过滤样本点，以获得符合要求的成功样本点，重复抽样直到得到预定数目的符合要求的成功样本点；

步骤4.)成功样本点取均值得到作为未知节点的初始位置坐标；

步骤5.)每个未知节点广播自己的初始位置坐标信息给邻居节点，未知节点与其邻居节点之间的距离作为约束条件构成约束集合；

步骤6.)针对约束集合建立目标函数，对得到的成功样本点以某种原则进行加权筛选，得到最终的位置坐标。

2.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤1.)中，无线传感器网络中每个未知节点获取其附近锚节点的位置信息，具体方法如下：

每个锚节点广播自身位置的信息和初始为0的计数器信息的数据包；

未知节点接收一个锚节点的数据包时，判断是否接收过此锚节点的数据包，是则将此数据包丢弃；否则保存此锚节点的自身位置信息，将数据包中的计数器加1，判断计数器的值是否大于1，是则不转发数据包，保存距离此锚节点的跳数；否则转发数据包，保存距离此锚节点的跳数。

3.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤2.)中，以锚节点为中心，节点间通讯距离为半径建立三维球体，未知节点在三维球体内随机进行抽样得到样本点，具体方法如下：

接收到锚节点信息的未知节点，以1跳或2跳通信范围内的任一锚节点为球心，原则上优先选取距离近的锚节点为球心，通信距离R或2R为半径，对球内的点进行抽样，抽样方法为：

以球心为原点建立球坐标系，则球坐标系内任一点可用三个有次序的数r，φ，θ来确定，这里r，φ，θ的变化范围为0＜r≤R或0＜r≤2R，0≤φ≤π，0≤θ≤2π；随机取r，φ，θ变化范围内的数值作为抽样点进行抽样得到样本点。

4.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤3.)中，用未知节点收集到的所有锚节点信息作为约束条件过滤样本点，以获得符合要求的成功样本点，重复抽样直到得到预定数目的符合要求的成功样本点，具体方法如下：

未知节点以收集到的所有锚节点的位置、距离或跳数信息作为约束条件，判断样本点是否满足此种约束，是则保存样本点位置信息，否则丢弃此样本点，以此对步骤2.)中收集到的抽样点进行过滤；

改变抽样点的半径和空间角度循环抽样，并用约束条件对样本点进行过滤，判断成功样本点的数目是否达到预定数目，是则停止抽样；否则判断抽样次数是否大于最大设定值，是则停止抽样，否则继续抽样。

5.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤4.)中，成功样本点取均值得到作为未知节点的初始位置坐标，具体方法如下：

未知节点根据获取的成功样本点的信息确定初始位置坐标，未知节点的初始位置坐标＝成功样本点坐标和值/成功样本点的个数。

6.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤5.)中，每个未知节点广播自己的初始位置坐标信息给邻居节点，未知节点与其邻居节点之间的距离作为约束条件构成约束集合，具体方法如下：

未知节点广播自己的初始位置坐标信息给一跳范围内的所有邻居节点，其中包括锚节点和其它未知节点；

该未知节点与其一跳范围内的所有邻居节点之间的距离作为约束条件构成约束集合；

约束条件包括两种情况：未知节点-未知节点之间的距离约束，使用初始位置坐标计算两节点间的估计距离；未知节点-锚节点之间的距离约束，未知节点使用初始位置坐标，锚节点使用实际位置坐标，计算两节点间的估计距离；

未知节点和邻居节点间的测量距离与估计距离相减得到差值。

7.根据权利要求1所述的三维空间中无线传感器网络基于抽样的节点自身定位方法，其特征在于：该步骤6.)中，针对约束集合建立目标函数，对得到的成功样本点以某种原则进行加权筛选，得到最终的位置坐标，具体方法如下：

确定未知节点的邻居节点的加权值，锚节点的加权值高于普通节点；

针对约束集合建立目标函数，将所有成功样本点的坐标代替未知节点坐标依次代入到目标函数中，将使目标函数值最小的样本点的坐标作为未知节点的最终位置坐标。

Images