CN103079264A - 一种改进的无线传感器网络DV-Hop定位算法 - Google Patents

Abstract

本发明提供一种改进的无线传感器网络DV-Hop定位算法是用RSSI量化值来代替原算法中的跳数，在定位过程中，各节点对接收到的邻居节点信号强度进行量化，取离散值。锚节点则根据自己与其余锚节点之间的累计量化值来计算平均每一量化单位的距离，以此来代替原算法中的平均每跳距离。未知节点根据自己与锚节点间的累计最小量化值和平均每个量化单位的距离来计算自己与锚节点间的距离，最后再根据三角定位来确定自己的位置。

Description

一种改进的无线传感器网络DV-Hop定位算法

技术领域

本发明涉及无线传感器网络领域，具体涉及一种改进的无线传感器网络DV-Hop定位算法。 

背景技术

无线传感器网络中，节点的位置信息对传感器网络的监测活动至关重要，事件发生的位置和获取信息的节点位置是传感器节点监测消息中所包含的重要信息，没有位置的监测消息毫无意义。随机部署的传感器节点无法是先知道自身位置，因为传感器节点必须能在布放后实时进行定位。传感器节点的自身定位就是根据少数已知位置的节点，按照某种定位机制确定自身的位置。 

DV-Hop定位算法，是一种基于距离矢量计算跳数的算法，是将待定位节点到锚节点之间的距离用网络平均每跳距离和两者之间跳数之积表示，再使用三边定位运算法获得节点位置信息，在无线传感器网络中，节点之间是以一定的概率连通的，当节点距离很近时，两个节点连通概率较高；反之，则较小，若简单的认为这两种情况下节点之间的跳数均为1，则远、近两种情形很难分开，DV-Hop算法虽然是目前应用最广泛的定位算法之一，但是它在计算未知节点到锚节点距离时存在较大误差。为了更好的解决这个问题，本文针对DV-Hop算法这一不足，加入了RSSI，并对RSSI值进行量化，从而提出一种改进算法。 

发明内容

本发明的目的是提供一种改进的无线传感器网络DV-Hop定位算法。 

本发明的目的是按以下方式实现的，针对DV-Hop算法不足，在DV-Hop算法的基础上引入RSSI量化模型，通过对RSSI进行量化，给节点对间带来更精确的位置信息。 

将DV-Hop算法引入了RSSI模型来进行控制，用RSSI量化值来代替原算法中的跳数，在定位过程中，各节点对接收到的邻居节点信号强度进行量化，取离散值，锚节点则根据自己与其余锚节点之间的累计量化值来计算平均每一量化单位的距离，以此来代替原算法中的平均每跳距离，未知节点根据自己与锚节点间的累计最小量化值和平均每个量化单位的距离来计算自己与锚节点间的距离，最后再根据三角定位来确定自己的位置；具体步骤如下： 

(1)建立RSSI量化模型 

对于任意节点i，假设其信号的最大发射功率为Pmax，能识别的最小信号功率为Pmin，最大量化等级为S，邻居节点集为C，对于任意节点j∈C，令Pij表示i收到的来自节点j的信号强度，则通过下列模型对Pij进行量化得到节点之间的量化距离信息dij： 

在这一模型中，对Pij进行如下量化： 

q_k＝k×(P_max-P_min)/s＝k×Q  k∈{1，2，…s} 

其中Q＝(P_max-P_min)/s 

q_s-k+P_min≤P_ij＜q_s-(k-1)+P_min

则：d_ij＝k×Q 

在这里Q代表最小量化单位，当S确定后，Q是一常数，经过上面量化，Pij大的节点对，所得到的dij值小，说明信号强度越大，节点距离越小，这与实际情况相符，量化后，将节点i的邻居节点集C划分成了S个聚类，每个聚类里的节点到i的距离量化值相同； 

(2)改进DV-Hop算法步骤 

a)计算节点与每个锚节点的最小累计量化值 

锚节点信标节点向邻居节点广播自身位置信息和路径序列，其中，自身位置信息包括距离量化值字段，初始化为0，路径序列只包括自身节点编号，接收节点记录具有到每个信标节点的最小累计量化值，忽略来自同一个信标节点的较大累计量化值的分组，同时根据RSSI来估计其与上一跳节点间的dij，计算出k值，并将结果加入到量化值字段中，通过这一方法，网络中每个节点都能记录下到信标节点的最小累计量化单位； 

b)计算未知节点和信标节点的实际跳段距离 

每个信标节点根据第一阶段中记录的其他信标节点的位置信息和相距量化单位数，利用式： 

$Q_{\sin e}=\frac{\underset{i\≠j}{\mathrm{\Σ}}\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}}{\underset{i\≠j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}}$

估算平均每个量化单位的实际距离； 

其中，(x_i，y_i)，(x_j，y_j)是信标节点i和j的坐标，d_ij是信标节点i与j(i≠j)之间的量化单位总数，然后，信标节点将计算的平均每个量化单位距离用带有生存期字段的分组广播至网络中，未知节点仅记录接收到的第一个每跳平均距离，并转发给邻居节点，这个策略确保了大多数节点从最近的信标节点接收到平均每个量化值的距离，未知节点接收到平均每个量化值距离后，根据记录的量化单位总数，计算到每个信标节点的跳段距离； 

c)利用三边测量法或极大似然估计法计算自身位置未知节点利用第二阶段中记录的到各个信标节点的跳段距离，利用三边测量法或极大似然估计法计算自身坐标。 

本发明的有益效果是： 

是用RSSI量化值来代替原算法中的跳数，在定位过程中，各节点对接收到的邻居节点信号 强度进行量化，取离散值。锚节点则根据自己与其余锚节点之间的累计量化值来计算平均每一量化单位的距离，以此来代替原算法中的平均每跳距离。未知节点根据自己与锚节点间的累计最小量化值和平均每个量化单位的距离来计算自己与锚节点间的距离，最后再根据三角定位来确定自己的位置。 

附图说明

图1为无线传感器网络结构； 

图2为该算法的流程示意图。 

具体实施方式

参照说明书附图对本发明的算法作以下详细地说明。 

下面参照附图2，对本发明的内容以一个具体实例来描述实现这一方法的过程。 

(1)RSSI量化模型 

对于任意节点i，假设其信号的最大发射功率为Pmax，能识别的最小信号功率为Pmin，最大量化等级为S，邻居节点集为C，对于任意节点j∈C，令Pij表示i收到的来自节点j的信号强度(可以芯片检测获得)，则我们可以通过下列模型对Pij进行量化得到节点之间的量化距离信息dij： 

在这一模型中，可以对Pij进行如下量化： 

q_k＝k×(P_max-P_min)/s＝k×Q  k∈{1，2，…s} 

其中Q＝(P_max-P_min)/s 

q_s-k+P_min≤P_ij＜q_s-(k-1)+P_min

则：d_ij＝k×Q 

在这里Q代表最小量化单位，当S确定后，Q是一常数。经过上面量化，Pij大的节点对，所得到的dij值小，说明信号强度越大，节点距离越小，这与实际情况相符。量化后，我们将节点i的邻居节点集C划分成了S个聚类，每个聚类里的节点到i的距离量化值相同。 

(2)改进DV-Hop算法步骤 

d)计算节点与每个锚节点的最小累计量化值。 

锚节点信标节点向邻居节点广播自身位置信息和路径序列。其中自身位置信息包括距离量化值字段，初始化为0，路径序列只包括自身节点编号。接收节点记录具有到每个信标节点的最小累计量化值，忽略来自同一个信标节点的较大累计量化值的分组，同时根据RSSI来估计其与上一跳节点间的dij，计算出k值，并将结果加入到量化值字段中，通过这一方法，网络中每个节点都能记录下到信标节点的最小累计量化单位。 

e)计算未知节点和信标节点的实际跳段距离。 

每个信标节点根据第一阶段中记录的其他信标节点的位置信息和相距量化单位数，利用式： 

$Q_{\sin e}=\frac{\underset{i\≠j}{\mathrm{\Σ}}\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}}{\underset{i\≠j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}}$

估算平均每个量化单位的实际距离。 

其中，(x_i，y_i)，(x_j，y_j)是信标节点i和j的坐标，d_ij是信标节点i与j(i≠j)之间的量化单位总数。然后，信标节点将计算的平均每个量化单位距离用带有生存期字段的分组广播至网络中，未知节点仅记录接收到的第一个每跳平均距离，并转发给邻居节点。这个策略确保了大多数节点从最近的信标节点接收到平均每个量化值的距离。未知节点接收到平均每个量化值距离后，根据记录的量化单位总数，计算到每个信标节点的跳段距离。 

f)利用三边测量法或极大似然估计法计算自身位置未知节点利用第二阶段中记录的到各个信标节点的跳段距离，利用三边测量法或极大似然估计法计算自身坐标。 

除说明书所述的技术特征外，均为本专业技术人员的已知技术。 

Claims (1)

1.一种改进的无线传感器网络DV-Hop定位算法，其特征在于将DV-Hop算法引入了RSSI模型来进行控制，用RSSI量化值来代替原算法中的跳数，在定位过程中，各节点对接收到的邻居节点信号强度进行量化，取离散值，锚节点则根据自己与其余锚节点之间的累计量化值来计算平均每一量化单位的距离，以此来代替原算法中的平均每跳距离，未知节点根据自己与锚节点间的累计最小量化值和平均每个量化单位的距离来计算自己与锚节点间的距离，最后再根据三角定位来确定自己的位置；具体步骤如下： 

(1)建立RSSI量化模型 

对于任意节点i，假设其信号的最大发射功率为P_max，能识别的最小信号功率为P_min，最大量化等级为S，邻居节点集为C，对于任意节点j∈C，令P_ij表示i收到的来自节点j的信号强度，则通过下列模型对P_ij进行量化得到节点之间的量化距离信息d_ij： 

在这一模型中，对P_ij进行如下量化： 

q_k＝k×(P_max-P_min)/s＝k×Q k∈{1，2，…s} 

其中Q＝(P_max-P_min)/s 

q_s-k+P_min≤P_ij＜q_s-(k-1)+P_min

则d_ij＝k×Q 

在这里Q代表最小量化单位，当S确定后，Q是一常数，经过上面量化，P_ij大的节点对，所得到的d_ij值小，说明信号强度越大，节点距离越小，这与实际情况相符，量化后，将节点i的邻居节点集C划分成了S个聚类，每个聚类里的节点到i的距离量化值相同； 

(2)改进DV-Hop算法步骤 

a)计算节点与每个锚节点的最小累计量化值 

锚节点信标节点向邻居节点广播自身位置信息和路径序列，其中，自身位置信息包括距离量化值字段，初始化为0，路径序列只包括自身节点编号，接收节点记录具有到每个信标节点的最小累计量化值，忽略来自同一个信标节点的较大累计量化值的分组，同时根据RSSI来估计其与上一跳节点间的d_ij，计算出k值，并将结果加入到量化值字段中，通过这一方法，网络中每个节点都能记录下到信标节点的最小累计量化单位； 

b)计算未知节点和信标节点的实际跳段距离 

每个信标节点根据第一阶段中记录的其他信标节点的位置信息和相距量化单位数，利用式： 

估算平均每个量化单位的实际距离； 

其中，(x_i，y_i)，(x_j，y_j)是信标节点i和j的坐标，d_ij是信标节点i与j(i≠j)之间的量化单位总数，然后，信标节点将计算的平均每个量化单位距离用带有生存期字段的分组广播至网络中， 未知节点仅记录接收到的第一个每跳平均距离，并转发给邻居节点，这个策略确保了大多数节点从最近的信标节点接收到平均每个量化值的距离，未知节点接收到平均每个量化值距离后，根据记录的量化单位总数，计算到每个信标节点的跳段距离； 

c)利用三边测量法或极大似然估计法计算自身位置未知节点利用第二阶段中记录的到各个信标节点的跳段距离，利用三边测量法或极大似然估计法计算自身坐标。 

Images