CN102209383B - 基于Euclidean算法的无线传感器三维定位方法 - Google Patents

Abstract

本发明公开了无线传感器网络应用技术领域中的一种基于Euclidean算法的无线传感器三维定位方法，用于解决Euclidean定位算法不适用于三维空间未定位节点定位的问题。包括：将计算未定位节点与锚节点间的距离问题抽象为求解六面体顶点间距离的问题；根据抽象结果，使用坐标法求解未定位节点与锚节点间的距离；而后采用循环迭代的方式来提高与锚节点间的距离已知的节点的比例；当比例达到设定值时，应用四边定位法，确定未定位节点在网络中的位置。本发明将二维Euclidean定位算法扩展到了三维空间，具有定位精度高、计算量小以及不依赖于锚节点密度和通信半径等优点。

Description

基于Euclidean算法的无线传感器三维定位方法

技术领域

本发明属于无线传感器网络应用技术领域，尤其涉及一种基于Euclidean算法的无线传感器三维定位方法。

背景技术

物联网技术作为新一代信息技术，在受到广泛关注的同时，已经潜移默化的渗透进社会生活和工业生产的各个方面，在许多领域发挥着越来越重要的作用。当前，包括我国在内的许多国家提出了建设智能电网的宏观构想，甚至纳入了国家发展战略。结合我国电网建设的实际情况，将物联网技术引入智能电网，充分发挥物联网的强大优势，将是智能电网发展的必然趋势。物联网在电力系统监控中，起着“末梢神经”的作用，构成了电力系统监视控制和数据采集(Supervisory Control And Data Acquisition，SCADA)系统的基础，为“五遥”(遥测、遥信、遥控、遥视、遥调)的实现提供了重要保障，提高了电力系统的监测、控制与灵活调度能力。在进行数据采集的过程中，回传采集数据的同时，确定数据的采集位置也是必不可少的，因此无线传感器网络作为物联网的主要组成部分，其节点定位技术的研究成为了必要。

近年来，节点自身定位技术已成为无线传感器网络热点技术之一，很多研究者们一直致力于这一领域的研究，并取得了很大的进展。现有的无线传感器网络定位算法大体分为基于测距(range-based)的定位算法和基于非测距(range-free)的定位算法两大类。前者需要通过实际测量，获得节点间距离(角度)信息，再使用三边或多边定位法，来计算未定位节点(空间位置信息未知的节点)的位置；后者无需实际测量节点间的距离或角度，仅根据网络连通性等信息实现待定位节点的位置。基于测距的定位算法对网络的硬件设施要求较高，通常需要多次测量来提高定位精度，大大增加了网络的计算和通信开销。因此，基于非测距的定位算法，如：质心定位算法、APS系列算法、APIT算法和MAP算法等，受到越来越多的关注。质心算法完全利用未定位节点与导标节点是否连通来进行定位，其优势是实现简单，不需要节点之间的协调，具有良好的扩展性，但其定位精度较低，只能满足一些对位置精度要求不高的应用需求。APIT算法在无线信号传播模式不规则、传感器节点随机部署的情况下，具有较高的定位精度和较稳定的性能，但APIT算法对网络的连通性要求较高，并且对节点密度的依赖性较强。MAP算法具有较强的分布性、可扩展性和能量有效性，但由于其可移动的导标节点周期性地广播导标信息，可能引起破坏性的带宽冲突和拥塞，从而不能正确的选择导标点，导致较大的定位误差。

由美国路特葛斯大学(Rutgers university)的Dragos Niculescu等人提出的APS系列算法中的Euclidean定位算法，给出了计算与锚节点相隔两跳的未定位节点位置的方法，突破了未定位节点必须与锚节点相邻才能定位的限制，并且可以精确的计算出与锚节点相隔两跳的未定位节点与锚节点(空间位置信息已知的节点)的距离，较DV-Hop等需要估计平均每跳距离的算法有更高的精确度。但Euclidean定位算法，应用的是平面几何理论，不能直接扩展到三维空间。

发明内容

本发明的目的在于，针对Euclidean定位算法不适用于三维空间未定位节点计算的问题，提出一种基于Euclidean算法的无线传感器三维定位方法，用以解决此问题。

为实现上述的目的，本发明提供的技术方案是，一种基于Euclidean算法的无线传感器三维定位方法，其特征是所述方法包括：

步骤1：无线传感器网络初始化，各节点建立初始化信息链表和距离链表，设定跳数初值N＝2；

步骤2：扫描各节点的初始化信息链表和距离链表，在锚节点N跳范围内，利用Euclidean算法建立三维定位模型；

步骤3：在所述三维定位模型中，利用坐标法计算未定位节点与锚节点间的距离；

步骤4：在无线传感器网络中，判断与4个锚节点距离已知的节点的比例是否达到设定值，如果达到设定值，则执行步骤6；否则，执行步骤5；

步骤5：与锚节点间距离已知的节点转发各自的距离链表，令N＝N+1，返回步骤2；

步骤6：应用四边定位法，确定未定位节点坐标，完成定位。

所述步骤1包括：

步骤101：无线传感器网络各节点第一次泛洪，锚节点发送包含自身标识、节点ID和三维空间位置的信息，未定位节点发送含有自身标识和节点ID的信息；

步骤102：锚节点的邻居节点记录所述锚节点的三维空间位置的信息，形成初始化信息链表；

步骤103：各节点采用接收信号强度指示RSSI测出与锚节点的邻居节点间的距离并记录，形成距离链表；

步骤104：无线传感器网络各节点第二次泛洪，各节点将第一泛洪收到的信息广播出去，获取与自身相隔两跳节点的信息。

所述利用Euclidean算法建立三维定位模型具体是，在与锚节点距离已知的节点中，选取3个彼此间距离也已知的节点；再选取与该锚节点距离未知，但与这3个节点距离已知的未定位节点，建立三维定位模型。

所述步骤3具体是，将三维定位模型置于三维直角坐标系中，通过各节点的坐标来计算未定位节点到锚节点的距离。

本发明将求解未定位节点与锚节点的距离抽象为求解六面体顶点间的距离，成功地将二维Euclidean定位算法扩展到了三维空间。具有定位精度高、计算量小、无需移动载体辅助定位以及定位精度不依赖于锚节点密度和通信半径的效果。

附图说明

图1是基于Euclidean算法的无线传感器三维定位方法流程图；

图2是利用Euclidean算法建立的三维定位模型示意图；

图3是锚节点比例与相对定位误差的关系示意图；

图4是锚节点比例与定位比例的关系示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

实施例

在实施例中，设定无线传感器网络中存在节点为P₁、P₂、P₃、P₄、P₅......等多个节点。图1是基于Euclidean算法的无线传感器三维定位方法流程图，该方法包括：

步骤1：无线传感器网络初始化，各节点建立初始化信息链表和距离链表，设定跳数初值N＝2。

网络初始化的过程又包括：

步骤101：无线传感器网络各节点第一次泛洪，锚节点发送包含自身标识、节点ID和三维空间位置的信息，未定位节点发送含有自身标识和节点ID的信息。在无线传感器网络中，一般会为一小部分节点配备GPS，这些节点可以通过GPS确定自身的空间位置，这些空间位置已知的节点即为锚节点。锚节点发送的三维空间位置信息可以是自身的三维坐标(如横坐标、纵坐标和高度)。

步骤102：锚节点的邻居节点记录所述锚节点的三维空间位置的信息，形成初始化信息链表。

锚节点的邻居节点是指在锚节点的通信范围内的节点。比如：锚节点的通信范围为R，那么以锚节点为中心，R为半径区域内的所有节点，都称为该锚节点的邻居节点。下表(表1)为节点P₅记录的锚节点三维空间位置信息后形成的初始化信息链表。

锚节点ID	横坐标	纵坐标	高度
				P1	88	56	45
P6	43	65	58
				...
P9	23	78	64

表1：节点P₅记录的初始化信息链表

步骤103：各节点采用接收信号强度指示RSSI测出与锚节点的邻居节点间的距离并记录，形成距离链表。

表2为节点P₅记录的距离链表。

P1

P2

P3

P4

P5

...

P1

0m

9m

6m

7m

-

P2

9m

0m

8m

4m

5m

P3

6m

8m

0m

6m

8m

P4

7m

4m

6m

0m

7m

P5

-

5m

8m

7m

0m

...

表2：节点P₅记录的距离链表

步骤104：无线传感器网络各节点第二次泛洪，各节点将第一泛洪收到的信息广播出去，获取与自身相隔两跳节点的信息。

步骤2：扫描各节点的初始化信息链表和距离链表，在锚节点N跳范围内，利用Euclidean算法建立三维定位模型。

图2是利用Euclidean算法建立的三维定位模型示意图。因为初始的跳数N＝2，则在锚节点2跳范围内，利用Euclidean算法建立三维定位模型。其具体过程是：先选取一个锚节点，如P₁；在锚节点P₁的距离链表中取距离值存在且大于0的节点，如P₂；分别在P₁、P₂距离链表中取与P₁、P₂距离值同时存在且大于0的节点，如P₃；分别在P₁、P₂、P₃距离链表中取与P₁、P₂、P₃距离值同时存在且大于0的节点，如P₄。之后，分别在P₂、P₃、P₄距离链表中取与P₂、P₃、P₄距离值同时存在且大于0，在锚节点P₁的距离链表中无距离值的节点P₅。对P₁、P₂、P₃、P₄、P₅建立三维定位模型，建成的模型如图2所示。

步骤3：在所述三维定位模型中，利用坐标法计算未定位节点与锚节点间的距离。

通过接收信号强度指示(RSSI)可以得到六面体P₁-P₂P₃P₄-P₅的所有棱长值。为了计算P₁P₅的长度，本发明提出了坐标法：以节点P₂为原点，P₃P₄为x轴，P₂P₃P₄所在平面为XOY平面建立一个新的三维直角坐标系，即P₂(0，0，0)，P₃(d₂₃，0，0)。在XOY平面上可以通过(1)式求出节点P₄(x₄，y₄，0)的坐标。

$\left\{\begin{array}{c}{(x_4-d_{23})}^2+{y_4}^2={d_{34}}^2\\ {x_4}^2+{y_4}^2={d_{24}}^2\end{array}\right.---\left(1\right)$

其坐标值如式(2)。

$\left\{\begin{array}{c}{x}_4=\frac{({d_{23}}^2+{d_{24}}^2-{d_{C34D}}^2)}{2d_{23}}\\ y_4=\±\sqrt{\frac{(d_{23}+d_{24}+d_{34})(d_{23}+d_{24}-d_{34})(d_{23}-d_{24}+d_{34})(d_{24}-d_{23}+d_{34})}{4{d_{23}}^2}}\end{array}\right.---\left(2\right)$

y₄的正负只改变所建模型在三维直角坐标系中的相对位置，而不改变P₁P₅的距离值。此时节点P₂、P₃、P₄的坐标和d₁₂、d₁₃、d₁₄已知，由三边定位法可得节点P₁(x₁，y₁，z₁)在新坐标系中的坐标(取z₁＞0)，如式(3)和式(4)所示。

$\left\{\begin{array}{c}{x_1}^2+{y_1}^2+{z_1}^2={d_{12}}^2\\ {(x_1-d_{23})}^2+{y_1}^2+{z_1}^2={d_{13}}^2\\ {(x_1-x_4)}^2+{(y_1-y_4)}^2+{z_1}^2={d_{14}}^2\end{array}\right.---\left(3\right)$

$\left\{\begin{array}{c}{x}_1=\frac{d_{12}^2-d_{13}^2+{x_3}^2}{2x_3}\\ y_1=\frac{d_{12}^2-d_{14}^2-2x_1{x}_4+{x_4}^2+{y_4}^2}{2y_4}\\ z_1=\±\sqrt{d_{12}^2-\frac{{(d_{12}^2-d_{13}^2+{x_3}^2)}^2}{4{x^2}_3}-\frac{{(d_{12}^2-d_{14}^2-2x_1{x}_4+{x_4}^2+{y_4}^2)}^2}{4{y_4}^2}}\end{array}\right.---\left(4\right)$

同理可得节点P₅(x₅，y₅，z₅)的坐标。

再利用距离公式可求得P₁P₅间的距离。

步骤4：在无线传感器网络中，判断与4个锚节点距离已知的节点的比例是否达到设定值，如果达到设定值，则执行步骤6；否则，执行步骤5。

步骤5：与锚节点间距离已知的节点转发各自的距离链表，令N＝N+1，返回步骤2。

当与4个锚节点距离已知的节点的比例未达到设定值时，本发明采用循环迭代方法继续计算锚节点与三跳和三跳以上范围内未定位节点间的距离，其方法是，与锚节点间距离已知的节点转发各自的距离链表，在与锚节点两跳距离的基础上，构建三维定位模型，来计算锚节点三跳或三跳以上范围内未定位节点与该锚节点之间的距离。其中，三维定位模型的建立过程与步骤2中的三维定位模型的建立过程相同。

步骤：6：应用四边定位法，确定未定位节点坐标，完成定位。

本发明为验证所提供定位算法的性能，使用Matlab软件进行仿真。在仿真过程中，所有网络节点都随机地布设在100×100×100m³的区域内，通过改变表3中的参数值来获取实验数据，进而对本发明所提供的定位算法进行评价分析。

参数名称	参数值	说明
			Anchor(％)	10，15，20，25，30	锚节点密度
R(meter)	20，25，30，35	传感器节点的通信半径

表3：无线传感器网络参数设置表

目前，针对定位算法的性能评价有多种方式，本发明采用以下两个最基本的指标对基于Euclidean算法的无线传感器网络三维定位方法进行评价：

1)相对定位误差

定位误差

其中(x，y，z)是未定位节点的实际坐标，是用本发明估计出的未定位节点坐标。网络中M个未定位节点的平均定位误差与通信半径R的比值记为相对定位误差(本文中M值为300)，即：

$\mathrm{\Δ}\stackrel{\‾}{\mathrm{err}}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{err}}_i}{\mathrm{MR}}$

2)定位比例

网络中可定位节点个数n_known与未定位节点(可定位节点+不可定位节点)个数n_all的比值为定位比例，即：

$\mathrm{cov}=\frac{n_{\mathrm{known}}}{n_{\mathrm{all}}}$

根据上述指标，本文从两个方面对仿真结果进行阐述：

1)锚节点比例对相对定位误差的影响

改变锚节点的比例，在不同通信半径下，观察相对定位误差，结果如图3所示。随着锚节点比例和通信半径的增加，相对定位误差基本呈下降趋势。这是由于提高锚节点比例或增加通信半径时，在锚节点两跳范围内的可定位节点数增加，减少了累积误差。当通信半径＞30m时，即使在锚节点比例只有5％的情况下，相对定位误差仅在0.4R左右；当锚节点比例＞15％时，相对定位误差在0.2左右，可见本文所提算法具有较好的精确度。

2)锚节点比例对定位比例的影响

改变锚节点的比例，在不同通信半径下，观察定位比例，结果如图4所示。当通信半径为25m时，定位比例达到97％以上；当通信半径≥30m时，定位比例达到99％以上，具有较强的实用性。

本发明基于二维Euclidean定位算法，在三维空间的无线传感器网络中，将计算未定位节点与锚节点间的距离问题抽象为求解六面体顶点间的距离。根据问题的抽象，使用坐标法进行求解。并采用循环迭代的方式来提高节点的定位比例。当未定位节点获得与四个锚节点的距离时，应用四边定位法，确定该未定位节点在网络中的位置。本发明具有定位精度高、计算量小、无需移动载体辅助定位以及定位精度不依赖于锚节点密度和通信半径的效果。

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 (3)

1.一种基于Euclidean算法的无线传感器三维定位方法，其特征是所述方法包括：

步骤1：无线传感器网络初始化，各节点建立初始化信息链表和距离链表，设定跳数初值N=2；

步骤2：扫描各节点的初始化信息链表和距离链表，在锚节点N跳范围内，利用Euclidean算法建立三维定位模型；

所述利用Euclidean算法建立三维定位模型具体是，在与锚节点距离已知的节点中，选取3个彼此间距离也已知的节点；再选取与该锚节点距离未知，但与这3个节点距离已知的未定位节点，建立三维定位模型；

步骤3：在所述三维定位模型中，利用坐标法计算未定位节点与锚节点间的距离；

步骤4：在无线传感器网络中，判断与4个锚节点距离已知的节点的比例是否达到设定值，如果达到设定值，则执行步骤6；否则，执行步骤5；

步骤5：与锚节点间距离已知的节点转发各自的距离链表，令N=N+1，返回步骤2；

步骤6：应用四边定位法，确定未定位节点坐标，完成定位。

2.根据权利要求1所述的一种基于Euclidean算法的无线传感器三维定位方法，其特征是所述步骤1包括：

步骤101：无线传感器网络各节点第一次泛洪，锚节点发送包含自身标识、节点ID和三维空间位置的信息，未定位节点发送含有自身标识和节点ID的信息；

步骤102：锚节点的邻居节点记录所述锚节点的三维空间位置的信息，形成初始化信息链表；

步骤103：各节点采用接收信号强度指示RSSI测出与锚节点的邻居节点间的距离并记录，形成距离链表；

步骤104：无线传感器网络各节点第二次泛洪，各节点将第一泛洪收到的信息广播出去，获取与自身相隔两跳节点的信息。

3.根据权利要求1所述的一种基于Euclidean算法的无线传感器三维定位方法，其特征是所述步骤3具体是，将三维定位模型置于三维直角坐标系中，通过各节点的坐标来计算未定位节点到锚节点的距离。

Images