CN102480379A - 二进制传感器网络修正权值网格质心法目标定位策略 - Google Patents

Abstract

本发明属于无线传感器网络技术领域，是一种新颖的传感器网络节点定位方法。对于无线传感器网络区域内进行的目标定位，然而此区域当节点数目有限，而且这些节点一旦安置好，就不可以再移动。如果有目标在此区域经过时，要能对于每个时间点，对它进行误差尽可能小的位置定位。针对这一问题，结合已有的传统质心定位法，提出了一种基于修正权值的网格质心定位法。由于此方法可以有效缩小目标存在区域，并且考虑到这些目标存在区域内若干网格的主导地位不同，结合权值，并且可以进行修正，实现定位精度的大幅度提高。

Description

二进制传感器网络修正权值网格质心法目标定位策略

一、技术领域

本发明属于无线传感器网络目标定位技术领域，能针对无线传感器网络节点有限，如何尽可能地对此区域中目标位置进行定位，从而引入网格和修正权值的办法，再和质心法进行结合，实现定位精度地提高。

二、背景技术

随着半导体技术、微系统技术、通信技术、计算机技术的飞速发展，20世纪90年代末，无线传感器网络(wireless sensor network，WSN)技术相继被一些国际重要机构预测为将改变世界的重要新技术，相关研究工作在世界各主要国家积极地开展起来^[1]。然而当该网络应用于地球物理学(例如地震监测)、军事系统、抢险救灾、交通监测、生物学研究等领域时，由于这些领域通常缺乏传统的基础网络设施(Internet、GPS和移动通信网等)的支持，所以目标定位和跟踪是无线传感器网络中的两个研究热点。

近年来涌现出了大量的针对无线传感器网络的定位系统和算法。其中传统质心定位算法非常简单，完全基于网络连通性；在此基础上还有加权质心定位算法，粒子滤波算法之所以不适用，是因为粒子滤波计算复杂度高、实时性差，不适用传感器节点级别的处理。普通多重网格的定位算法，主要研究了分布式二进制传感器网络对单目标进行定位的情况，其定位原理简单、易于实现，计算复杂度可调节，定位精度优于质心定位法，但仍旧存在很大的定位误差。

我们在传统质心法和普通多重网格定位法的基础上，引入了修正权值概念，选择合理的点作为计算权值的参考点，提出了参考点的两种选择方案，得到两种不同的定位结果，即CEGMW和CDNMW两种改进方法。这两种方法都利用有限节点，实现目标定位精度提高。

三、发明内容

本发明的目的在于提供一种基于修正权值网格质心定位的方法。具体实现包括以下步骤：

a)、首先根据每个节点的状态信息找出哪些节点此刻探测到了目标。根据这些节点，将目标存在区域缩小成一个矩形，并且将矩形划分为M个网格。

b)、对于这些网格，按照上文有效网格选择的原则，可以将目标存在区域进一步地缩小。

c)、在文中提出的CEGMW法和CDNMW法中任意选一种方法。根据具体的选择方法，找出它所对应的参考点，再计算出所有剩余的有效网格与该参考点的距离d_i。

d)、由c)中所得到的所有距离d_i的倒数，作为修正权值定位法中的权值。

e)、将各个有效网格的权值和中心坐标代入式(2)，从而计算出该目标的最终位置。

本发明的优点在于，比传统质心定位法，定位误差减小了近80％，比普通网格质心发的误差减小了65％。该发明方法有较好的目标定位。

附图说明

图1将200个传感器节点随机部署在任务区域中间位置；

图2缩小后的目标存在区域；

图3网格点M的选择。

图4四种方法的对于y＝x匀速直线运动的比较

具体实施方式：

下面结合附图和具体实例对本发明做进一步说明：

a)传感器网络节点初始布置：

先将200个传感器节点随机部署在任务区域中间位置。

b)对目标存在的区域进行进一步缩小：

如图2所示，为了方便计算，此区域就取矩形。然后将该矩形区域均匀划分M个网格(M＝w²，w为自然数)，选出满足下述要求的网格点，再计算出这些被选出的网格中心点坐标，以它们坐标均值作为目标位置的估计。挑选条件是：这些网格中有部分网格是在邻居节点里面的不能探测目标的节点内部，根据所有网格与这些不能探测目标的邻居节点的距离d，如果d＜R，则就将这些小网格剔除。如图1所示，如果节点3检测到目标进入，搜索邻居节点状态表发现只有节点1和2也探测到目标，而节点4未探测到目标，那么根据邻居节点中探测到目标的节点的位置信息，得到目标位置可能存在的矩形区域，提出除在节点4中的网格，因为目标不可能在这些网格中。假设邻居节点中有K个节点探测目标，第i假设邻居居节点中有K个节点探测目标，第i个节点的坐标(x_i，y_i)，节点的探测区域为R，通过

$\left\{\begin{array}{c}{x}_a=\max \{x_i-R|i=\mathrm{1,2},\·\·\·,K\}\\ y_a=\max \{y_i-R|i=\mathrm{1,2},\·\·\·,K\}\\ x_b=\min \{x_i+R|i=\mathrm{1,2},\·\·\·,K\}\\ y_b=\min \{y_i+R|i=\mathrm{1,2},\·\·\·,K\}\end{array}\right.$

可以计算出矩形区域的左下角和右上角坐标。计算出这M个网格的中心坐标。对于剩下的的部分网格，都是在可以探测到目标的邻居节点里面的，所以称这部分剩余网格为有效网格。

c)选择一个合理地参考点

对于参考点的选择，本文提出两种思路去进行寻求，而且效果都很好。具体参考点选择方案如下所述：

1)、在剩余的有效网格中，先对它们的中心坐标利用传统质心法，得出一个坐标，并且认为此坐标位置为参考点。

2)、利用能够探测到目标的节点为研究对象，对这几个探测节点利用传统质心法，仍旧可以得到一个坐标，并作为参考点。

这两种参考点的选择方法，都是为减少目标定位误差做铺垫。参考点选择有两种方案，则修正权值网格质心定位法也就分为两种，并且分别称为CEGMW法和CDNMW法。下面具体介绍这两种方法：

1、CEGMW法(the Centroid of Effective Grid and Modified Weighed，CEGMW)，即第一种参考节点选择方案结合修正权值法，各个权值是通过这些有效网格的中心坐标与此找出的参考点间的距离得到。假设剩下的有效网格有j个，且每个有效网格中心坐标为(x_i，y_i)，参考点坐标为(x，y)，其中，

$\left\{\begin{array}{c}x=\frac{1}{j}\underset{i=1}{\overset{j}{\mathrm{\Σ}}}{x}_i\\ y=\frac{1}{j}\underset{i=1}{\overset{j}{\mathrm{\Σ}}}{x}_i\end{array}\right.,$ 则每个权值

$\frac{1}{d_i}=\frac{1}{\sqrt{{(x_i-x)}^2+{(y_i-y)}^2}},(1\≤i\≤j)$

2、CDNMW法(the Centriod of Detection Node and Modified Weighed，CDNMW)，即第二种参考节点选择方案结合修正权值法。各个权值也是通过这些有效网格的中心坐标与此参考点间距离得到。假设只有k个节点探测到目标，而有效网格仍旧为j个，且每个探测节点的坐(x_m，y_m)，参考节点坐标为(x，y)，类似上面的计算方法，

$\left\{\begin{array}{c}x=\frac{1}{k}\underset{m=1}{\overset{k}{\mathrm{\Σ}}}{x}_m\\ y=\frac{1}{k}\underset{m=1}{\overset{k}{\mathrm{\Σ}}}{x}_m\end{array}\right.,$ 则每个权值也是

$\frac{1}{d_i}=\frac{1}{\sqrt{{(x_i-x)}^2+{(y_i-y)}^2}},(1\≤i\≤j)$

虽然这两种方法的计算方式类似，但是在目标定位的精确度上是略有一点不同。因为尽管有效网格是一样的，但是这两种方案选择出来的参考点是肯定不同的，所以最终利用式

来计算得到的结果也是不同的。但这改进的两种方法定位效果都很好，都可以用来进行目标定位。

Claims (4)

1.一种基于修正权值网格质心法目标定位，该方法含有以下步骤：

a)、首先根据每个节点的状态信息找出哪些节点此刻探测到了目标。根据这些节点，将目标存在区域缩小成一个矩形，并且将矩形划分为M个网格。

b)、对于这些网格，按照上文有效网格选择的原则，可以将目标存在区域进一步地缩小。

c)、找出一个参考点，再计算出所有剩余的有效网格与该参考点的距离d_i。

d)、由c)中所得到的所有距离d_i的倒数，作为修正权值定位法中的权值。

e)、将各个有效网格的权值和中心坐标代入权值休整公式中，从而计算出该目标的最终位置。

2.根据权利要求1所述的修正权值网格之心定位法，其特征在于：所述步骤a)中目标存在的有效区域的缩小，可以将目标最终定位结果误差缩小。

3.根据权利要求1所述的修正权值网格之心定位法，其特征在于：所述步骤b)中为了对引入修正权值的概念，必须将次区域进行划分成很多网格。

4.根据权利要求1所述的修正权值网格之心定位法，其特征在于：所述步骤c)中参考点的选择是有两种方法，结合次参考点与各个网格距离，即为权值，引入修正进行进一步调节定位误差，效果很好。

Images