CN101561495A

CN101561495A - 一种无线传感器网络节点三维定位方法

Info

Publication number: CN101561495A
Application number: CNA2009100850838A
Authority: CN
Inventors: 吴奕凯; 彭再国
Original assignee: Changxun Communications Services Co Ltd
Current assignee: Changxun Communications Services Co Ltd
Priority date: 2009-06-01
Filing date: 2009-06-01
Publication date: 2009-10-21

Abstract

本发明公开了一种无线传感器网络节点三维定位方法，包括：对空间网络区域进行网格化，计算网格顶点到各个锚节点的距离并组成距离向量；根据网格顶点距离向量和网格顶点三维坐标形成三组训练样本集；通过径向基核函数和最小二乘支持向量回归机学习训练样本得到分别用于估计未知节点X坐标、Y坐标和Z坐标的支持向量回归机；将未知节点到各锚节点测量距离组成距离向量分别输入三个回归机得到未知节点的三维坐标估计值。通过本发明可以极大地抑制未知节点与锚节点测距噪声对节点定位准确度的影响，明显提高节点三维定位准确度。

Description

一种无线传感器网络节点三维定位方法

技术领域

本发明涉及一种无线传感器网络节点三维定位方法，尤其涉及一种基于最小二乘支持向量回归机的无线传感器网络节点三维定位方法。

背景技术

无线传感器网络是新一代传感器网络，具有非常广阔的应用前景。节点定位是无线传感器网络应用的重要基础，它要求节点定位方法具有良好的容噪性和准确度。传统的节点定位技术包括基于测距和不基于测距的定位技术，基于测距的定位技术测量未知节点到邻居节点的距离或信号到达角度，距离(角度)测量值通常包含较大误差，通过最小二乘法、极大似然估计法计算得到的未知节点定位结果会受到测距误差的较大影响；不基于测距的定位方法无需测量未知节点到邻居节点距离或者信号到达角度，只根据网络连通性等信息即可实现定位，但节点定位准确度通常较低。

其中国内专利公开号为CN101221236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，所述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。

国内专利公开号为CN101241176的适用于无线传感器网络的三维自身定位方法，所述方法通过判断任意目标节点Mb是否位于由任意四个可见锚节点组成的四面体的内部，筛选出位置区域P，并计算所有位置区域P的重心集合，并以此重心集合G中所有元素的坐标的平均值作为目标节点Mb在无线传感器网络中的坐标位置。

国内专利公开号为CN101241177的面向三维空间的无线传感器网络定位系统，所述方法公开了一种面向三维空间的无线传感器网络定位系统。

国内专利公开号为CN101109804的无线传感器网络三维快速定位的系统和方法，所述系统包括GPS定位装置、移动锚点和无线传感器节点，GPS定位装置用于接收GPS卫星的信息，得到移动锚点的位置坐标；移动锚点用于按预设置周期广播定位信息；并穿越指定区域，其在指定区域的移动轨迹为直线；无线传感器节点用于接收定位信息，比较各定位信息的接收信号强度值，选择具有最大强度值的定位信息，存储其中的位置坐标；并存储其余任一定位信息中的位置坐标；并判断是否获得足够的用于计算其自身位置的位置坐标，计算得到其自身位置。

国内专利公开号为CN101126805的基于球体的三维节点定位方法和系统，所述方法包括：锚节点在移动过程中周期性地广播信标消息；未知节点接收信标消息，并检查是否收到过锚节点发送的信标消息，如果是，则未知节点在信标消息链表中查找到与锚节点对应的信标消息项，并检查其是否过期，如果过期，则未知节点更新信标消息项中的位置信息，并设置信标点标识位为1；未知节点将信标点标识位为1的信标消息项作为信标点，并根据从所有信标点中选择出的任意四个有效信标点的位置信息计算出本节点的位置信息。

国内专利公开号为CN101262285的基于概率的三维无线传感器网络覆盖方法，所述方法对三维待监测区域用网格建模，用迭代的贪婪启发式方法确定传感器节点在网格中的位置，每一步迭代完成一个节点的放置，直到节点总数达到预设的上界或每个网格点以概率T达到k-覆盖为止。

综上所述，以上方法难以有效的抑制节点与锚节点间测距噪声对节点定位准确度的影响。

发明内容

为解决上述方法存在的问题与缺陷，本发明提供了一种无线传感器网络节点三维定位方法。

本发明是通过以下技术方案实现的：

本发明所涉及的一种无线传感器网络节点三维定位方法，包括：

对空间网络区域进行网格化，计算网格顶点到各个锚节点的距离并组成距离向量；

根据网格顶点距离向量和网格顶点三维坐标形成三组训练样本集；

通过径向基核函数和最小二乘支持向量回归机学习训练样本得到分别用于估计未知节点X坐标、Y坐标和Z坐标的支持向量回归机；

将未知节点到各锚节点测量距离组成距离向量分别输入三个回归机得到未知节点的三维坐标估计值。

本发明提供的技术方案的有益效果是：

通过采用径向基核函数的最小二乘支持向量回归机拟合空间网络区域内若干网格顶点到各锚节点距离值组成的特征向量与网格顶点坐标的非线性关系，将未知节点到各个锚节点的测距向量输入通过训练得到的最小二乘支持向量回归机，回归机的输出值可以作为未知节点坐标估计值。本发明能够极大地抑制测距噪声对节点定位的影响，明显提高无线传感器网络节点三维定位准确度。

附图说明

图1是无线传感器网络节点三维定位方法流程图；

图2是无线传感器网络节点三维定位具体实现方法流程图；

图3是最小二乘支持向量回归机模型训练示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述：

本实施例提供了一种无线传感器网络节点三维定位方法，该方法利用最小二乘支持向量回归机估计未知节点三维位置坐标。

参见图1，该方法包括以下步骤：

步骤101对空间网络区域进行网格化，计算网格顶点到各个锚节点的直线距离并组成距离向量。

步骤102根据网格顶点距离向量和网格顶点三维坐标形成三组训练样本集。

步骤103通过径向基核函数和最小二乘支持向量回归机学习训练样本得到分别用于估计未知节点X坐标、Y坐标和Z坐标的支持向量回归机。

步骤104将未知节点到各锚节点测量距离组成的距离向量分别输入三个回归机得到未知节点的三维坐标估计值。

本实施例根据锚节点(锚节点数大于或等于4)三维坐标、网络空间探测区域和利用测距技术得到的未知节点到各锚节点含有误差的测量距离，通过选取网络区域若干网格顶点来收集训练样本，采用最小二乘支持向量回归机对训练样本进行学习得到估计节点位置的决策函数。

参见图2，无线传感器网络节点三维定位具体实现方法包括：

步骤201对网络区域进行网格化，计算网格顶点到各个锚节点的距离，并按锚节点的序号组成距离向量。

步骤202将网格顶点距离向量作为训练样本输入值，网格顶点X坐标作为训练样本输出值，组成关于网格顶点X坐标的训练样本集；将网格顶点距离向量作为训练样本输入值，网格顶点Y坐标作为训练样本输出值，组成关于网格顶点Y坐标的训练样本集；将网格顶点距离向量作为训练样本输入值，网格顶点Z坐标作为训练样本输出值，组成关于网格顶点Z坐标的训练样本集。

步骤203利用径向基核函数将训练样本非线性映射到高维特征空间，并采用最小二乘支持向量回归机在高维特征空间中对训练样本集进行学习，得到分别估计未知节点X、Y和Z坐标的三个最小二乘支持向量回归机。

步骤204通过测距技术获得未知节点到各锚节点包含误差的测量距离后，按锚节点序号组成测量距离向量。

步骤205将测量距离向量输入用于估计未知节点X坐标的最小二乘支持向量机得到未知节点X坐标估计值；将测量距离向量输入用于估计未知节点Y坐标的最小二乘支持向量机得到未知节点Y坐标估计值；将测量距离向量输入用于估计未知节点Z坐标的最小二乘支持向量机得到未知节点Z坐标估计值。

参见图3，无线传感器网络空间区域W＝[0，l_x]×[0，l_y]×[0，l_z]m³，锚节点为S_j(x_j，y_j，z_j)(j＝1，2，3，…N)，采用大小为t_x×t_y×t_zm³的立方体对网络空间区域W进行网格化，得到M个网格顶点G_i(x_i，y_i)(i＝1，2，…，M)；计算网格顶点G_i到各锚节点S_j(x_j，y_j，z_j)(j＝1，2，3，…N))的距离值d_ij，按照锚节点序号组成距离向量V_i＝[d_i1，d_i2，…，d_iL]；将网格顶点G_i的距离向量V_i作为训练样本输入值，并将G_i的坐标值x_i、y_i、z_i分别作为训练样本输出，得到训练样本η_Xi＝(V_i，x_i)、η_Yi＝(V_i，y_i)、η_Zi＝(V_i，z_i)。根据M个网格顶点可以得到关于网格顶点X、Y、Z坐标值的训练样本集，它们分别为：χ_X＝{η_Xi|η_Xi＝(V_i，x_i)，i＝1，2，…，M}、χ_Y＝{η_Yi|η_Yi＝(V_i，y_i)，i＝1，2，…，M}、χ_Z＝{η_Zi|η_Zi＝(V_i，z_i)，i＝1，2，…，M}。利用径向基核函数将训练样本非线性映射到高维特征空间，通过最小二乘支持向量回归机在高维特征空间中对训练样本集χ_X、χ_Y、χ_Z进行学习，得到最小二乘支持向量回归机决策函数

{\hat{x}}_{k} = f_{X} (V_{k}),

{\hat{y}}_{k} = f_{Y} (V_{k}),

{\hat{z}}_{k} = f_{Z} (V_{k})

(k＝1，2，…，L，L为未知节点数量)，f_X、f_Y、f_Z分别用于估计未知节点的X坐标

Y坐标

和Z坐标

通过测距技术获得未知节点S_k到各锚节点S_j包含误差的测量距离

后，按锚节点序号组成测量距离向量

V_{k} = [{\hat{d}}_{k 1}, {\hat{d}}_{k 2}, . . ., {\hat{d}}_{kN}],

将V_k分别输入决策函数f_X、f_Y、f_Z，函数输出值

作为未知节点S_k的坐标估计值。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims

1、一种无线传感器网络节点三维定位方法，其特征在于，该方法包括：

A对空间网络区域进行网格化，计算网格顶点到各个锚节点的距离并组成距离向量；

B根据网格顶点距离向量和网格顶点三维坐标X坐标、Y坐标与Z坐标形成三组训练样本集；

C通过径向基核函数和最小二乘支持向量回归机学习训练样本得到分别用于估计未知节点X坐标、Y坐标和Z坐标的支持向量回归机；

D将未知节点到各锚节点测量距离组成距离向量分别输入三个回归机得到未知节点的三维坐标估计值。

2、根据权利要求1所述的无线传感器网络节点三维定位方法，其特征在于，所述步骤A具体包括：计算网格顶点到各个锚节点的距离，并按锚节点的序号组成距离向量。

3、根据权利要求1所述的无线传感器网络节点三维定位方法，其特征在于，所述步骤B具体包括：

B1将网格顶点距离向量作为训练样本输入值，网格顶点X坐标作为训练样本输出值，组成关于网格顶点X坐标的训练样本集；

B2将网格顶点距离向量作为训练样本输入值，网格顶点Y坐标作为训练样本输出值，组成关于网格顶点Y坐标的训练样本集；

B3将网格顶点距离向量作为训练样本输入值，网格顶点Z坐标作为训练样本输出值，组成关于网格顶点Z坐标的训练样本集。

4、根据权利要求1所述的无线传感器网络节点三维定位方法，其特征在于，所述步骤C具体包括：利用径向基核函数将训练样本非线性映射到高维特征空间，并采用最小二乘支持向量回归机在高维特征空间中对训练样本集进行学习，得到分别估计未知节点X、Y和Z坐标的三个最小二乘支持向量回归机。

5、根据权利要求1所述的无线传感器网络节点三维定位方法，其特征在于，所述步骤D具体包括：

D1获得未知节点到各锚节点包含误差的测量距离后，按锚节点序号组成测量距离向量；

D2将测量距离向量分别输入三个最小二乘支持向量回归机得到未知节点的三维坐标估计值。

6、根据权利要求4或5所述的无线传感器网络节点三维定位方法，其特征在于，

将测量距离向量输入用于估计未知节点X坐标的最小二乘支持向量机得到未知节点X坐标估计值；

将测量距离向量输入用于估计未知节点Y坐标的最小二乘支持向量机得到未知节点Y坐标估计值；

将测量距离向量输入用于估计未知节点Z坐标的最小二乘支持向量机得到未知节点Z坐标估计值。

7、根据权利要求1、2或5所述的无线传感器网络节点三维定位方法，其特征在于，所述锚节点数至少为4个。