CN102612139B - 一种基于网格的无线传感器网络模糊定位方法 - 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网格的无线传感器网络模糊定位方法。锚节点发送信息给待定位节点，待定位节点接收信息并建立邻居锚节点链表；将传感器网络所在区域等分成指定个网格；计算待定位节点对每个网格的隶属度并按隶属度的大小降序排列；以网格的顶点作为定位辅助点，计算包含定位辅助点的所有网格的排序号的平均值构成序列{Q_Y}；从{Q_Y}中选取前第一指定项，将其对应的网格的定位辅助点的质心作为待定位节点的粗略估计坐标；以粗略估计坐标作为初始聚类中心，对{Q_Y}中前第二指定项所对应的定位辅助点进行聚类，求得待定位节点的位置坐标。本发明计算了待定位节点的精确估计坐标，方法完善，定位性能良好。

Description

一种基于网格的无线传感器网络模糊定位方法

技术领域

本发明属于无线传感器网络应用技术领域，尤其涉及一种基于网格的无线传感器网络模糊定位方法。

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。传统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。

实际应用中的无线传感器网络具有网络规模大，传感器节点的能量、计算能力、通信能力和感知能力有限的特点。由于网络拓扑动态变化以及人们对网络实际环境的认知有限，网络模型和网络参数值的选择会与实际情况存在一定偏差，导致信息获取的不完整，从而影响传感器节点的自身定位。利用传统几何和数理统计方法来解决传感器网络中的具有模糊信息的定位问题存在很大的局限性。因此本方法将模糊理论引入到无线传感器网络节点定位问题中，并利用D-S证据理论和聚类方法来提高定位性能。

由东北大学朱剑等人提出的基于模糊识别的定位模型(Fuzzy TriangleLocation Model，FTLM)是现有将模糊理论和无线传感器网络节点定位问题结合较好的一种定位模型。在FTLM中，定位空间被一些样本点划分为若干个相同的小区域，通过计算待定位节点对应的信号向量与各个样本点对应向量的贴近度确定待定位节点的坐标。该定位模型在计算复杂度和定位精度之间较好地做了折中考虑，但当待定位节点不在网格内时，该方法的定位精度将大大下降。

发明内容

针对上述背景技术中提到现有无线传感器定位不完善等不足，本发明提出了一种基于网格的无线传感器网络模糊定位方法。

本发明的技术方案是，一种基于网格的无线传感器网络模糊定位方法，其特征是该方法包括以下步骤：

步骤1：无线传感器网络初始化，锚节点发送包含自身标识、节点ID和坐标位置的信息，待定位节点接收信息，建立邻居锚节点链表；

步骤2：将传感器网络所在区域等分成指定个网格；

步骤3：利用邻居锚节点链表，用指定方法计算待定位节点对每个网格的隶属度，并按隶属度的大小降序排列；

步骤4：以网格的顶点作为定位辅助点，计算包含定位辅助点的所有网格的排序号的平均值，并按升序排列，构成序列{Q_Y}；

步骤5：从{Q_Y}中选取前第一指定项，将该第一指定项对应的网格的定位辅助点的质心作为待定位节点的粗略估计坐标；

步骤6：以粗略估计坐标作为初始聚类中心，对{Q_Y}中前第二指定项所对应的定位辅助点进行聚类，结果即为待定位节点的位置坐标。

所述指定方法为网格模糊定位方法。

所述聚类的过程为：

步骤6.1：以粗略估计坐标作为初始聚类中心，取{Q_Y}中前设定项所对应的定位辅助点作为备选点；

步骤6.2：取备选点中距聚类中心最近的设定个点，将这设定个点的质心作为聚类中心；

步骤6.3：判断初始聚类中心是否与聚类中心一致，若不一致，以聚类中心作为初始聚类中心，返回步骤6.2，若一致，则聚类中心即为待定位节点的位置坐标。

本发明通过引入模糊理论、D-S证据理论等方法，求取待定位节点对网格的隶属度，选取距待定位节点较近的定位辅助点求得粗略估计位置坐标，再利用聚类的方法计算待定位节点的精确估计坐标，具有方法完善，定位性能良好，普适性的特点。

附图说明

图1是基于网格的无线传感器网络模糊定位方法流程图；

图2是网格模糊定位模型示意图；

图3是聚类示意图。

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。

本方法针对现有基于模糊理论的无线传感器网络定位方法较不完善的问题，提出了基于网格的无线传感器网络模糊定位方法，该方法利用模糊理论来应对无线传感器网络的随机性和模糊性并引入D-S证据理论融合多组证据以提高判断准确率，最后采用聚类方法提高定位精度。与FTLM相比，基于网格的无线传感器网络模糊定位方法具有更好的完善性，自身的普适性和定位性能也较为良好。

图1是基于网格的无线传感器网络模糊定位方法流程图，该方法包括：

步骤1：无线传感器网络初始化，待定位节点建立邻居锚节点链表。

网络初始化后，锚节点发送包含自身标识、节点ID和坐标位置的信息，待定位节点接收信息，建立邻居锚节点链表；

步骤2：将传感器网络所在区域等分成N个网格；

步骤3：利用邻居锚节点链表，用网格模糊定位方法计算待定位节点对每个网格的隶属度，并按降序排列；

图2是网格模糊定位模型示意图。根据待定位节点与第i个邻居锚节点之间的距离以及网格k的坐标来计算网格的中间值

利用D-S证据理论对网格k所有中间值

进行信息融合，融合结果作为待定位节点对网格k的隶属度，降序排列。信息融合的具体过程是：如图2，E点为待定位节点，以网格16和待定位节点E的第2个邻居锚节点F为例。分别计算锚节点F到网格16的四个顶点的距离：d_FA、d_FB、d_FC、d_FD。取d_FA、d_FB、d_FC、d_FD中最小值为d_min和最大值为d_max，计算待定位节点E的

值，即同理可以计算出待定位节点E的其它邻居锚节点的中间值

利用D-S证据理论对邻居锚节点G(1)，F(2)，H(3)的中间值

进行融合，得到待定位节点对网格16的隶属度μ₁₆(E)。同理可得待定位节点E对其它网格的隶属度并降序排列。

步骤4：以网格的顶点作为定位辅助点Y，计算包含定位辅助点Y的所有网格的排序号的平均值Q_Y，并将{Q_Y}升序排列。

若根据隶属度降序排序后，定位辅助点A的左上角、右上角、左下角、右下角网格的排序号分别为(5)、(6)、(3)和(1)，如图2中网格内所示，那辅助点Y的Q_Y值则为(5+6+3+1)/4＝3.75。

步骤5：取{Q_Y}中前K项所对应的定位辅助点的质心作为待定位节点的粗略估计坐标；

质心是指无线传感器节点定位领域中的质心法，取{Q_Y}中前K项所对应的定位辅助点，将这些定位辅助点的坐标求和再除以K，即求这些定位辅助点坐标的平均值。

步骤6：以粗略估计坐标作为初始聚类中心，对{Q_Y}中前M(M＞K)项所对应的定位辅助点进行聚类，结果即为待定位节点的位置坐标。

聚类的过程为：

步骤1：以粗略估计坐标作为初始聚类中心，取{Q_Y}中前设定项所对应的定位辅助点作为备选点；

步骤2：取备选点中距聚类中心最近的5个点，将这5个点的质心作为聚类中心；

步骤3：判断初始聚类中心是否与聚类中心一致，若不一致，以聚类中心作为初始聚类中心，返回步骤2，若一致，则聚类中心即为待定位节点的位置坐标。

图3是聚类示意图，节点A至节点J为备选点，节点L为初始聚类中心，选取距节点L最近的5个备选点，以这5个备选点的质心作为新的聚类中心，即K点，之后开始迭代，直至聚类中心不再变化。

本发明利用模糊理论和D-S证据理论解决无线传感器网络节点定位问题，模糊理论适用于无线传感器网络的随机性和模糊性，D-S证据理论作为一种不确定推理方法适于应对决策中证据不完备、不直接、模糊等情况，两者结合更加适用于具有规模大、模糊性等特点的无线传感器网络。最后使用聚类的方法，达到提高定位精度的目的。本发明具有定位精度高、计算复杂度低、普适性好的特点，适用于无线传感器网络的节点自身定位。

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 (2)

1.一种基于网格的无线传感器网络模糊定位方法，其特征是该方法包括以下步骤：

步骤1：无线传感器网络初始化，锚节点发送包含自身标识、节点ID和坐标位置的信息，待定位节点接收信息，建立邻居锚节点链表；

步骤2：将传感器网络所在区域等分成指定个网格；

步骤3：利用邻居锚节点链表，用指定方法计算待定位节点对每个网格的隶属度，并按隶属度的大小降序排列；

步骤4：以网格的顶点作为定位辅助点，计算包含定位辅助点的所有网格的排序号的平均值，并按升序排列，构成序列{Q_Y}；

步骤5：从{Q_Y}中选取前第一指定项,将该第一指定项对应的网格的定位辅助点的质心作为待定位节点的粗略估计坐标；

步骤6：以粗略估计坐标作为初始聚类中心，对{Q_Y}中前第二指定项所对应的定位辅助点进行聚类，结果即为待定位节点的位置坐标；

所述指定方法为网格模糊定位方法，具体为根据待定位节点与第i个邻居锚节点之间的距离以及网格k的坐标来计算网格的中间值P_i ^k，利用D-S证据理论对网格k所有中间值P_i ^k进行信息融合，融合结果作为待定位节点对网格k的隶属度。

2.根据权利要求1所述的一种基于网格的无线传感器网络模糊定位方法，其特征是所述聚类的过程为：

步骤6.1：以粗略估计坐标作为初始聚类中心，取{Q_Y}中前设定项所对应的定位辅助点作为备选点；

步骤6.2：取备选点中距聚类中心最近的设定个点，将这设定个点的质心作为聚类中心；

步骤6.3：判断初始聚类中心是否与聚类中心一致，若不一致，以聚类中心作为初始聚类中心，返回步骤6.2，若一致，则聚类中心即为待定位节点的位置坐标。

Images