CN102223711B - 一种基于遗传算法的无线传感器网络节点定位方法 - Google Patents

一种基于遗传算法的无线传感器网络节点定位方法 Download PDF

Info

Publication number
CN102223711B
CN102223711B CN 201110170884 CN201110170884A CN102223711B CN 102223711 B CN102223711 B CN 102223711B CN 201110170884 CN201110170884 CN 201110170884 CN 201110170884 A CN201110170884 A CN 201110170884A CN 102223711 B CN102223711 B CN 102223711B
Authority
CN
China
Prior art keywords
zone
individual
population
mobile node
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN 201110170884
Other languages
English (en)
Other versions
CN102223711A (zh
Inventor
王瑞荣
王建中
薛安克
徐翠飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Aerospace Changfeng Science & Technology Development Co Ltd
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN 201110170884 priority Critical patent/CN102223711B/zh
Publication of CN102223711A publication Critical patent/CN102223711A/zh
Application granted granted Critical
Publication of CN102223711B publication Critical patent/CN102223711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于遗传算法的无线传感器网络节点定位方法。本发明方法具体是：合理部署坐标系，将整个区域分成对称的两个部分；设置标志量aero的初值以标志移动节点所在的区域；测量两个参考节点与移动节点之间的距离；利用参考节点与移动节点之间的距离，通过遗传算法得到一个定位结果。通过标志量aero的值进行区域匹配，若匹配，则直接以该结果为最终位置坐标；若不匹配，交换横纵坐标后为最终位置坐标。本发明实现了在只有两个参考节点的情况下的定位，对减少参考节点数量具有极大的意义。

Description

一种基于遗传算法的无线传感器网络节点定位方法
技术领域
本发明属于无线传感器网络技术领域，具体是一种基于遗传算法的无线传感器网络节点定位方法。 
背景技术
在无线传感器网络中，定位问题是一个亟待解决的问题，因为传感器网络的许多具体应用都要涉及到传感器节点的位置问题。例如高危车间人员抢救，老人、小孩追踪，最优路线导航，智能交通、物流管理等许多应用都要求网络节点预先知道自身的位置，并在通信和协作过程中利用位置信息完成应用要求。
一般的，在无线传感器网络中，根据是否需要测量实际节点的距离，无线定位机制一般可分为两种：基于测距的定位算法和不基于测距的定位算法。基于测距的定位算法首先测量节点之间的距离、角度或者其它连接性信息，然后进行空间位置的定位。基于测距的定位算法中，典型的测距算法有：到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）、无线信号强度指示（RSSI）；典型的定位算法有：三边定位法（tri-lateration），三角定位法（triangulation），最大似然估计法（Maximum Likelihood estimation）。不基于测距的定位算法利用节点间的估计距离计算节点位置，典型有：凸规划、质心算法、DV-hop算法。
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
发明内容
本发明的目的是提供一种在只有两个参考节点的情况下，仍然能够进行定位的基于遗传算法的无线传感器网络节点定位方法。
本发明包括如下步骤：
步骤1.建立二维直角坐标系，将一个参考节点放置于原点，另一个参考节点放置于直线y=x处；直线y=x将整个区域分为关于y=x对称的两部分，分别记为区域一和区域二，其中区域一对应于y>x；区域二对应于y<x；在移动节点以及直线y=x上部署传感器设备，设置一个标志量aero以表示移动节点所在区域位置；
步骤2：设置标志量aero初值，将移动节点放置于区域一，并令aero=1；当移动节点每感测到一次经过直线y=x的信号，就将该标志量aero进行取反操作；
步骤3：为移动节点所在坐标进行编码，直接采用实数编码，形式为（x，y）；
步骤4：生成初始种群，根据解的可能范围随机产生N个解；
步骤5：计算个体的适应度，种群中各个个体的适应度                                                
Figure 558401DEST_PATH_IMAGE001
，其中
Figure 951336DEST_PATH_IMAGE002
为个体数量为N的种群中第j个个体由于测距误差所引入的偏差和；
Figure 827260DEST_PATH_IMAGE005
分别表示第i个参考节点的横坐标、第i个参考节点纵坐标、第i个参考节点与移动节点的距离，i=1或2； 
步骤6：选择复制，计算每个个体被选择复制的概率
Figure 391096DEST_PATH_IMAGE006
，然后以此概率复制产生2×N个个体；
Figure 778215DEST_PATH_IMAGE007
步骤7：交叉；把选择复制产生的2×N个个体随机配成N对，以设定的交叉率选择交叉，交叉的过程为：首先随机产生0～1的随机数
Figure 820121DEST_PATH_IMAGE008
和
Figure 976295DEST_PATH_IMAGE009
，然后计算所得新个体横坐标
Figure 711033DEST_PATH_IMAGE010
和纵坐标
Figure 319869DEST_PATH_IMAGE011
，不需交叉的则从一对中的两个个体中随机挑选一个个体；
Figure 935439DEST_PATH_IMAGE012
，
Figure 946120DEST_PATH_IMAGE013
；
其中
Figure 851760DEST_PATH_IMAGE014
分别表示一对中的两个个体的横坐标，
Figure 885575DEST_PATH_IMAGE015
分别表示一对中的两个个体的纵坐标；
步骤8：变异，以设定的变异率进行变异，即随机变异成可能的值；
步骤9：进化，将新种群和旧种群中的个体按照适应度大小排列，选取前N个作为新的种群；
步骤10：判断是否终止遗传算法，具体是：判断是否进化了指定的进化代数；若没有达到指定的进化代数，转至步骤6，若已到指定的进化代数，则转至步骤10；
步骤11：选取种群中适应度函数值最大的个体，若鉴定移动节点在区域一且所得个体y>x，或鉴定在区域二且所得个体y<x，则表示区域匹配，定位完成；
步骤12：若区域不匹配，则交换x，y坐标，定位完成。本发明具有的有益效果是：
相对于现有技术，本发明具有以下优点：由于遗传算法直接对结构对象进行操作，不存在求导和函数连续性的限定，故当参考节点只有两个时，可以将定位结果确定在两个位置，再由区域匹配得到最终定位结果。故本发明对减少参考节点数量有极大的意义。
附图说明
图1为坐标系部署示意图；
图2为定位流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
一种基于遗传算法的无线传感器网络节点定位方法，涉及无线传感器网络中的参考节点和移动节点，坐标位置已知的节点称之为参考节点，坐标位置未知的节点称之为移动节点。该定位方法的特别之处在于：部署坐标系如图1所示，将一个参考节点部署在原点，另一个部署在直线y=x处，直线y=x将整个区域分为关于y=x对称的两部分，分别称为区域1和区域2(区域1：y>x；区域2：y<x)，使得利用遗传算法得到的定位结果为准确结果或是交换横纵坐标即得准确结果；引入标志量以标志移动节点所在区域，设置好初值并使该标志量在每次移动节点经过直线y=x时取反，使得当移动节点在区域1，则标志量aero为1，当移动节点在区域2，则标志量aero为0；遗传算法直接对结构对象进行操作，不存在求导和函数连续性的限定，故当参考节点只有两个时，依旧可以得到定位结果。定位方法的流程图如图2所示，包括以下步骤：
步骤1：建立直角坐标系，将其中一个参考节点放置于原点，另一个放置于（100，100）处。
步骤2：在移动节点以及区域对角线（y=x）上安置传感器设备，设置一个标志量aero以表示移动节点所在区域位置。设置好标志量aero初值：将移动节点放置于区域1，并令aero=1。当移动节点每感测得一次经过对角线的信号，就将该标志量aero进行取反操作。这样，当移动节点在区域1，则标志量aero为1；当移动节点在区域2，则标志量aero为0。
步骤3：采用实数编码，形式为（x，y）。生成初始种群，根据解的可能范围随机产生N（种群个数）个解。
步骤4：计算个体的适应度。对于个体，由于理论上由公式（1）可以解得定位坐标，但是，由于测距误差的存在，故通过公式（2）计算种群中各个个体的适应度。
Figure 400050DEST_PATH_IMAGE016
   （1）
        （2）
其中式（1）中，分别表示第i（1~2）个参考节点的横坐标、纵坐标、测得与移动节点的距离。为个体数量为N的种群中的第j个个体
Figure 731226DEST_PATH_IMAGE019
由于测距误差引入的偏差和。
由于偏差和
Figure 40984DEST_PATH_IMAGE002
的值越小，表示个体适应度越大，故适应度函数取为公式（3）。
                 
Figure 49392DEST_PATH_IMAGE020
                            （3）
步骤5：选择复制。对于每个个体，根据公式（4）计算每个个体被选择复制的概率
Figure 102798DEST_PATH_IMAGE021
。然后以此概率复制产生2×N个个体。
Figure 880261DEST_PATH_IMAGE022
   （4）
步骤6：交叉。把选择复制产生的2×N个个体随机配成N对，以一定的交叉率选择交叉，交叉具体过程为，首先随机产生0~1的随机数m，然后计算公式（5）即为所得新个体横坐标。不需交叉的则从两个个体中随机挑选一个个体。这样复制产生的2×N个个体交叉后就变成了新的N个个体
Figure 360921DEST_PATH_IMAGE023
（5）
其中式(5)中，
Figure 89581DEST_PATH_IMAGE024
表示两个个体的横坐标。同理可计算纵坐标。
步骤7：变异。将步骤6所得的种群个体以一定的变异率进行变异，即随机变异成可能的值。
步骤8：进化。将新种群和旧种群中的个体按照适应度大小排列，选取前N个作为新的种群。
步骤9：判断是否终止遗传算法，具体是：判断是否进化了指定的进化代数；若没有，继续转步骤6选择复制，若已到则执行步骤10。
步骤10：选取种群中适应度函数值最大的个体。若鉴定移动节点在区域1且所得个体y>x，或鉴定在区域2且所得个体y<x，则表示区域匹配，定位结束；
步骤11：若区域不匹配，则交换x，y坐标，定位结束。
Matlab仿真实验
在一个100m×100m的无线传感器网络中，两个参考节点分别在原点和（100，100）处，测距误差sigma=2，种群个数N=100，进化代数maxgen=100，交叉率crossrate=0.5，变异率muterate=0.08，移动节点随机分布时，当分别采用本发明方法所得到的一次定位结果如表1所示。
表1
误差 2.19 1.92 1.63 0.55 3.87 2.40 1.74 2.64 4.19 3.85
定位x 58.49 46.83 90.28 78.92 38.37 37.64 13.45 22.12 25.35 5.14
定位y 51.52 32.65 44.45 38.45 59.97 30.03 78.48 95.19 47.62 20.06
实际x 60.68 48.60 89.13 79.19 40.57 35.29 13.89 20.28 27.22 1.53
实际y 51.55 33.40 43.29 37.98 56.78 30.50 76.80 97.08 43.87 21.40
定位误差公式为：
Figure 946678DEST_PATH_IMAGE025
，其中：（x,y）为移动节点的真实坐标，（a,b）为本实施例方法得到的定位坐标，Error为本实施例定位方法的定位误差。从表1可见，当参考节点个数为两个时，本算法依旧可以可靠地定位。

Claims (1)

1.一种基于遗传算法的无线传感器网络节点定位方法，其特征在于该方法包括如下步骤：
步骤1.建立二维直角坐标系，将一个参考节点放置于原点，另一个参考节点放置于直线y=x处；直线y=x将整个区域分为关于y=x对称的两部分，分别记为区域一和区域二，其中区域一对应于y>x；区域二对应于y<x；在移动节点以及直线y=x上部署传感器设备，设置一个标志量aero以表示移动节点所在区域位置；
步骤2：设置标志量aero初值，将移动节点放置于区域一，并令aero=1；当移动节点每感测到一次经过直线y=x的信号，就将该标志量aero进行取反操作；
步骤3：为移动节点所在坐标进行编码，直接采用实数编码，形式为（x，y）；
步骤4：生成初始种群，根据解的可能范围随机产生N个解；
步骤5：计算个体的适应度，种群中各个个体的适应度 
Figure 2011101708841100001DEST_PATH_IMAGE002
，其中
Figure 2011101708841100001DEST_PATH_IMAGE004
为个体数量为N的种群中第j个个体
Figure DEST_PATH_IMAGE006
由于测距误差所引入的偏差和；
分别表示第i个参考节点的横坐标、第i个参考节点纵坐标、第i个参考节点与移动节点的距离，i=1或2； 
步骤6：选择复制，计算每个个体被选择复制的概率，然后以此概率复制产生2×N个个体；
Figure DEST_PATH_IMAGE014
步骤7：交叉；把选择复制产生的2×N个个体随机配成N对，以设定的交叉率选择交叉，交叉的过程为：首先随机产生0～1的随机数和
Figure DEST_PATH_IMAGE018
，然后计算所得新个体横坐标
Figure DEST_PATH_IMAGE020
和纵坐标
Figure DEST_PATH_IMAGE022
，不需交叉的则从一对中的两个个体中随机挑选一个个体；
，
Figure DEST_PATH_IMAGE026
；
其中
Figure DEST_PATH_IMAGE028
分别表示一对中的两个个体的横坐标，
Figure DEST_PATH_IMAGE030
分别表示一对中的两个个体的纵坐标；
步骤8：变异，以设定的变异率进行变异，即随机变异成可能的值；
步骤9：进化，将新种群和旧种群中的个体按照适应度大小排列，选取前N个作为新的种群；
步骤10：判断是否终止遗传算法，具体是：判断是否进化了指定的进化代数；若没有达到指定的进化代数，转至步骤6，若已到指定的进化代数，则转至步骤11；
步骤11：选取种群中适应度函数值最大的个体，若鉴定移动节点在区域一且所得个体y>x，或鉴定在区域二且所得个体y<x，则表示区域匹配，定位完成；
步骤12：若区域不匹配，则交换x，y坐标，定位完成。
CN 201110170884 2011-06-23 2011-06-23 一种基于遗传算法的无线传感器网络节点定位方法 Active CN102223711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110170884 CN102223711B (zh) 2011-06-23 2011-06-23 一种基于遗传算法的无线传感器网络节点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110170884 CN102223711B (zh) 2011-06-23 2011-06-23 一种基于遗传算法的无线传感器网络节点定位方法

Publications (2)

Publication Number Publication Date
CN102223711A CN102223711A (zh) 2011-10-19
CN102223711B true CN102223711B (zh) 2013-07-17

Family

ID=44780101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110170884 Active CN102223711B (zh) 2011-06-23 2011-06-23 一种基于遗传算法的无线传感器网络节点定位方法

Country Status (1)

Country Link
CN (1) CN102223711B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103313263A (zh) * 2013-04-25 2013-09-18 中山大学 基于遗传算法的无线传感器网络节点分层调度方法
TWI510117B (zh) * 2013-08-19 2015-11-21 Univ Nat Taipei Technology 感測節點之定位方法及系統
CN104581940A (zh) * 2015-01-05 2015-04-29 中山大学 一种基于进化策略的无线室内定位方法
CN105223549B (zh) * 2015-08-22 2018-12-11 东北电力大学 一种基于rssi的无线传感器网络全移动节点定位方法
CN105554873B (zh) * 2015-11-10 2019-03-15 胡燕祝 一种基于pso-ga-rbf-hop的无线传感器网络定位算法
CN109121200B (zh) * 2018-08-31 2020-06-30 浙江传媒学院 一种iBeacon基站空间布局优化及室内定位方法
CN109348403B (zh) * 2018-10-08 2020-07-07 内蒙古大学 一种异构网络环境中面向指纹定位的基站部署优化方法
CN112566241B (zh) * 2020-12-03 2022-07-29 浙江树人学院（浙江树人大学） 基于移动锚点的三维无线传感网节点定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459915A (zh) * 2008-12-31 2009-06-17 中山大学 基于遗传算法的无线传感器网络节点覆盖优化方法
CN101820676A (zh) * 2010-04-12 2010-09-01 中国科学技术大学 传感器节点定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7230528B2 (en) * 2005-09-20 2007-06-12 Lawrence Kates Programmed wireless sensor system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459915A (zh) * 2008-12-31 2009-06-17 中山大学 基于遗传算法的无线传感器网络节点覆盖优化方法
CN101820676A (zh) * 2010-04-12 2010-09-01 中国科学技术大学 传感器节点定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张华.基于遗传算法的无线传感器网络节点的自定位技术研究.《基于遗传算法的无线传感器网络节点的自定位技术研究》.2009, *

Also Published As

Publication number Publication date
CN102223711A (zh) 2011-10-19

Similar Documents

Publication Publication Date Title
CN102223711B (zh) 一种基于遗传算法的无线传感器网络节点定位方法
CN106646356B (zh) 一种基于卡尔曼滤波定位的非线性系统状态估计方法
CN106912105B (zh) 基于pso_bp神经网络的三维定位方法
CN105813194B (zh) 基于指纹数据库二次校正的室内定位方法
CN102291817B (zh) 移动通信网络中的基于位置测量样本的群定位方法
CN104019813A (zh) 目标即时定位和构建地图的方法与系统
CN103826298B (zh) 一种协作式迭代优化的无线传感器网络定位计算方法
CN107968987B (zh) 基于定积分结合环境参数的rssi加权质心定位方法
CN103220777A (zh) 一种移动设备定位系统
CN102325370A (zh) 一种高精度的无线传感器网络节点的三维定位器
CN102111876A (zh) 一种选择用于定位的参考标签的方法及装置
CN105554873A (zh) 一种基于pso-ga-rbf-hop的无线传感器网络定位算法
CN106792540A (zh) 一种基于路径匹配的改进DV‑Hop定位方法
CN101561495A (zh) 一种无线传感器网络节点三维定位方法
CN104684081A (zh) 基于距离聚类遴选锚节点的无线传感器网络节点定位算法
CN110062327A (zh) 小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法
CN105101090B (zh) 一种环境监测无线传感网的节点定位方法
JP5470190B2 (ja) ３次元環境生成システム
CN105353351A (zh) 一种基于多信标到达时间差改进型定位方法
CN103249144A (zh) 一种基于c型的无线传感器网络节点定位方法
Wang et al. Modified zeroing neurodynamics models for range-based WSN localization from AOA and TDOA measurements
CN104363649A (zh) 带有约束条件的ukf的wsn节点定位方法
CN108924755A (zh) 基于免疫粒子群优化的dv-hop室内定位方法
CN105046046A (zh) 一种集合卡尔曼滤波局地化方法
CN108111976B (zh) 一种WiFi信号指纹数据优化方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: ZHEJIANG HANGTIAN CHANGFENG TECHNOLOGY DEVELOPMENT

Free format text: FORMER OWNER: HANGZHOU ELECTRONIC SCIENCE AND TECHNOLOGY UNIV

Effective date: 20140627

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 310018 HANGZHOU, ZHEJIANG PROVINCE TO: 312000 SHAOXING, ZHEJIANG PROVINCE

TR01 Transfer of patent right

Effective date of registration: 20140627

Address after: 312000 Zhejiang province Shaoxing Paojiang Road No. 78

Patentee after: ZHEJIANG AEROSPACE CHANGFENG SCIENCE & TECHNOLOGY DEVELOPMENT CO., LTD.

Address before: Hangzhou City, Zhejiang province 310018 Xiasha Higher Education Park No. 2 street

Patentee before: Hangzhou Electronic Science and Technology Univ