CN103118333A

CN103118333A - 基于相似度的无线传感器网络移动节点定位方法

Info

Publication number: CN103118333A
Application number: CN2013100301714A
Authority: CN
Inventors: 王俊; 张伏; 李树强; 邱兆美; 毛鹏军
Original assignee: Henan University of Science and Technology
Current assignee: Henan University of Science and Technology
Priority date: 2013-01-25
Filing date: 2013-01-25
Publication date: 2013-05-22
Anticipated expiration: 2033-01-25
Also published as: CN103118333B

Abstract

本发明涉及一种基于相似度的无线传感器网络移动节点定位方法。锚节点部署完成后，各锚节点向汇聚节点上传包含自身节点ID、位置的数据包，汇聚节点收集各锚节点的数据包建立数字链表。根据数字链表中的锚节点分布信息，汇聚节点将温室进行虚拟网格划分，并返回除区域边界外的网格顶点的坐标；汇聚节点收集移动节点与各锚节点通信的一组RSSI值，并由简化的对数正态阴影模型转化为距离向量；通过相似度函数计算移动节点对应的距离向量与除区域边界外的网格顶点对应的距离向量之间的近似程度；取相似度最高的网格顶点集合所围成区域的质心作为移动节点的估计坐标。本发明对移动节点坐标的估算准确，计算复杂度低，方法完善，定位性能良好。

Description

基于相似度的无线传感器网络移动节点定位方法

技术领域

本发明涉及一种基于相似度的无线传感器网络移动节点定位方法，特别是温室无线传感器网络。

背景技术

定位服务是无线传感器网络中一项重要的基础功能和应用的重要条件，节点的位置信息对于无线传感器网络来说至关重要，事件发生的位置或获取信息的传感器节点位置是监测信息中所应包含的关键内容，没有位置信息的监测数据往往毫无意义。目前，设施农业温室的面积一般为几百至数千平方米，并随着技术发展，单体面积呈持续扩大趋势，意味着需要部署大量的无线传感器节点才能保证监测的覆盖性。使用移动节点对温室环境参数进行动态监测，既能减少传感器节点数量，又可保证获取环境信息的全面性，其中移动节点定位是该应用的基础。

根据定位机制不同，可将无线传感器网络定位方法分为两类，即基于距离的定位算法和距离无关的定位算法。前者通过测量相邻节点间的距离或方位信息计算未知节点位置；后者仅根据网络连通性等信息实现定位。距离无关定位方法在定位精度相对较低，而且对锚节点的密度要求较高。在温室定位应用中，考虑成本因素，无法保证锚节点的高密度，因此比较适合采用测距定位机制。目前常用的测距技术主要包括到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）和无线信号强度指示（RSSI）等。前3种方法对硬件要求较高，难以得到实际应用。RSSI方法是利用接收信号功率强度与传输距离存在的变化关系计算收发节点间的距离，然后利用空间关系定位，是目前无线传感器网络定位中较常采用的方法。但RSSI方法易受环境中不确定因素的影响，降低其定位的精度。

发明内容

本发明的目的是提供一种基于相似度的无线传感器网络移动节点定位方法，用以解决现有RSSI定位方法易受环境中不确定因素影响、定位精度低的问题。

为实现上述目的，本发明的方案是：

基于相似度的无线传感器网络移动节点定位方法，步骤如下：

步骤1），部署锚节点：将锚节点布设于网络空间的边界；对于二维矩形区域a×b，a、b为区域的边长，锚节点至少布设于两平行边上；对于三维立体区域a×b×c，锚节点布设于距水平面高度为c的两平行边上，定位范围为三维立体区域。

步骤2），在整个网络中随机选取一个锚节点为汇聚节点；聚焦节点收集各锚节点的位置信息，将网络空间进行虚拟网格进行划分；对于二维空间，划分为

的网格，对于三维空间，划分为的立体网格；

步骤3），汇聚节点收集移动节点与各锚节点通信的一组RSSI值，并通过简化的对数正态阴影模型转化为距离向量；

步骤4），应用数据相似度函数量化距离向量与所有除区域边界外的网格顶点到各锚节点的距离向量之间的相似程度；

步骤5），取相似度最高的网格顶点集合所围成区域的质心作为移动节点的定位坐标。

在步骤1）中，还包括通过实验确定路径损耗指数的环节。

简化的对数正态阴影模型为

{[P_{r} (d)]}_{dBm} = {[P_{r} (d_{0})]}_{dBm} - 10 β \log_{10} \frac{d}{d_{0}}

（1），式(1)中：d₀为近地参考距离，m，d为接收端与发射端之间的距离；P_r(d0)是距离为d₀时接收到的信号强度；P_r(d)是距离为d时接收到的信号强度；β为与阻挡物等环境有关的路径损耗指数，范围在2～6之间。

所述数据相似度函数Gsim(X,Y)表达式为

Gsim (X, Y) = Σ_{i = 1}^{n} (1 - \frac{| x_{i} - y_{i} |}{| x_{i} - y_{i} | + m_{i}}) / n

(2)，(2)中n为锚节点的总数；X=(x₁,x₂,…,x_n)为某一个移动节点到各锚节点的距离向量T_i；Y=(y₁,y₂,…,y_n)为某一个网格顶点到各锚节点的距离向量T_j；m_i表示第i维上X和Y平均值的绝对值；Gsim(X,Y)∈[0,1]。

所述步骤1）中，锚节点等距布设于边界上。

所述无线传感器网络为温室无线传感器网络。

本发明通过引入虚拟网格划分、数据相似度函数等方法，选取距移动节点较近的网格顶点求得估计坐标，具有定位精度高、抗干扰强、计算复杂度低等优点，能够在较少的锚节点数量的情况下获得较理想的定位精度。

附图说明

图1为本发明的流程示意图。

图2为温室实施例的锚节点部署模型图。

图3为温室实施例的虚拟网格划分模型图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

本发明的定位方法，在未知路径损耗指数的情况下，应当包括确定路径损耗指数的环节，路径损耗指数可以通过实验方式获得。

以下为本发明在温室环境中的应用，即适于温室环境的基于相似度的无线传感器网络移动节点定位方法。

假设一组无线传感器节点S={S_i|i=1,…,m}部署在二维矩形温室区域内(a×b)，各节点为同构节点，具有相同的通信半径R（R大于区域的对角线L）。以左上角顶点为坐标原点建立坐标系，前n个节点S_i(x_i,y_i)(1≤i≤n)预先获取自身位置，称为锚节点，S_i(x_i,y_i)(n<i≤m)需要通过锚节点和定位方法来确定位置的节点称为移动节点，其中S₁为坐标系原点。为减小无线传感器节点放置对温室生产的影响，并保证无线信号具有良好的视距传播信道，锚节点沿温室区域的上下边界呈等距布置。锚节点部署模型如图2所示：a、b为温室区域的边长；L为温室区域的对角线长度；S₁S₂S₃…S_n为锚节点；S_i为未知节点。

步骤1采用简化的对数正态阴影模型描述温室中无线信号传播路径损耗，其表达式为：

{[P_{r} (d)]}_{dBm} = {[P_{r} (d_{0})]}_{dBm} - 10 β \log_{10} \frac{d}{d_{0}} - - - (1)

式中：d₀为近地参考距离，m，d为接收端与发射端之间的距离，m。P_r(d₀)是距离为d₀时接收到的信号强度，dBm；P_r(d)是距离为d时接收到的信号强度，dBm；β为与阻挡物等环境有关的路径损耗指数，范围在2～6之间。定位前在温室环境中进行的实验测量，根据实验数据拟合曲线，得出RSSI与距离的函数关系，以确定路径损耗指数β。

步骤2当节点部署完成后，在整个网络中随机选取一个锚节点作为汇聚节点，各锚节点向汇聚节点上传包含自身节点ID、位置的数据包，汇聚节点收集各锚节点的数据包后存入数字链表。根据数字链表中的锚节点分布信息，汇聚节点将温室按

N∈Z⁺的虚拟网格进行划分，返回除区域边界外的网格顶点K_j(j=1,2,…,(N-1)²)的坐标。图3为虚拟网格划分模型：a、b为温室区域的边长；L为温室区域的对角线长度；d_i1d_i2d_i3…d_in为移动节点与各锚节点之间的距离；S₁S₂S₃…S_n为锚节点；S_i为未知节点；K_j为除区域边界外的网格顶点。

步骤3汇聚节点收集移动节点S_i(n<i≤m)与各锚节点通信的一组RSSI值，按序组成一个n维向量R_i=[r_i1,r_i2,…,r_in]。通过简化的对数正态阴影模型（如式（1）），将向量R_i转换为距离向量T_i=[d_i1,d_i2,…,d_in]。

步骤4应用数据相似度函数量化距离向量T_i=[d_i1,d_i2,…,d_in]与所有除区域边界外的网格顶点到各锚节点的距离向量之间的相似程度。

数据相似度函数Gsim(X,Y)表达式为

Gsim (X, Y) = Σ_{i = 1}^{n} (1 - \frac{| x_{i} - y_{i} |}{| x_{i} - y_{i} | + m_{i}}) / n - - - (2)

其中n为锚节点的总数；X=(x₁,x₂,…,x_n)为某一个移动节点到各锚节点的距离向量T_i；Y=(y₁,y₂,…,y_n)为某一个网格顶点到各锚节点的距离向量T_j；m_i表示第i维上X和Y平均值的绝对值；Gsim(X,Y)∈[0,1]。

每一个移动节点通过函数Gsim(X,Y)得到一个对应的相似度数组C_i(n<i≤m)。

C_i=[G_i1 G_i2 … G_i(N-1) ²]（3）

步骤5对数组C_i中元素进行排序，取相似度最高的V个网格顶点所围成区域的质心为最终该移动节点的估计坐标(x_i,y_i),计算公式如下：

(x_{i}, y_{i}) = (\frac{Σ_{j = 1}^{V} x_{j}}{V}, \frac{Σ_{j = 1}^{V} y_{j}}{V}) - - - (4)

以上实施例是二维情况的实施例，对于三维情况，对于三维立体区域a×b×c，锚节点布设于距水平面高度为c的两平行边上，定位范围为三位立体区域；划分为

的立体网格；后面的步骤可以直接从二维情况拓展到三维情况。

Matlab仿真实验

设温室大小为100m×100m，考虑温室无线传感器网络对定位成本的限制，选取少量的锚节点（沿上下边界等距部署6个锚节点），并假定6号锚节点作为汇聚节点。在区域中随机选取10个点作为移动节点的待定位置，其坐标如表1所示。

表1

为模拟温室环境对RSSI测量值的影响，将移动节点至6个锚节点的距离向量添加N(3,0)的高斯噪声作为测试样本数据。汇聚节点按5m×5m的虚拟网格对温室按进行划分，将测试样本数据与除区域边界外的网格顶点对应的距离向量进行相似度计算，输出相似度最高的4个网格顶点坐标，如表2所示。

表2

计算表2中4个网格顶点所围成区域的质心为最终该移动节点的估计坐标，定位结果如表3所示。

表3

计算得到本方法定位误差的最大值为4.8352m，最小值为0.2694m，均值为2.4119m，标准偏差为1.4259m；利用最小二乘估计（least squares estimate，LSE）定位算法分析测试样本数据时，得到定位误差的最大值为6.3189m，最小值为0.8204m，均值为3.0580m,标准偏差为1.6130m。可以看出，本定位方法具有更好的定位精度和抗干扰性。

利用虚拟网格顶点坐标及其至各锚节点的距离向量作为定位参考值，通过相似度函数计算移动节点对应的距离向量与除区域边界外的网格顶点对应的距离向量之间的近似程度，本质上是将移动节点与各网格顶点的接近程度量化，最后取相似度最高的网格顶点集合所围成区域的质心作为移动节点的估计坐标。仿真实验表明，该方法具有良好的定位性能和抗干扰性，且计算复杂度低，能够在较少的锚节点数量的情况下获得较理想的定位精度，适用于温室无线传感器网络移动节点定位。

Claims

1.基于相似度的无线传感器网络移动节点定位方法，其特征在于，步骤如下：

的网格，对于三维空间，划分为

的立体网格；

2.根据权利要求1所述的基于相似度的无线传感器网络移动节点定位方法，其特征在于，在步骤1）中，还包括通过实验确定路径损耗指数的环节。

3.根据权利要求2所述的基于相似度的无线传感器网络移动节点定位方法，其特征在于，简化的对数正态阴影模型为

式(1)中：d₀为近地参考距离，m，d为接收端与发射端之间的距离；P_r(d₀)是距离为d₀时接收到的信号强度；P_r(d)是距离为d时接收到的信号强度；β为与阻挡物等环境有关的路径损耗指数，范围在2～6之间。

4.根据权利要求3所述的基于相似度的无线传感器网络移动节点定位方法，其特征在于，所述数据相似度函数Gsim(X,Y)表达式为

Gsim (X, Y) = Σ_{i = 1}^{n} (1 - \frac{| x_{i} - y_{i} |}{| x_{i} - y_{i} | + m_{i}}) / n - - - (2),

(2)中n为锚节点的总数；X=(x₁,x₂,…,x_n)为某一个移动节点到各锚节点的距离向量T_i；Y=(y₁,y₂,…,y_n)为某一个网格顶点到各锚节点的距离向量T_j；m_i表示第i维上X和Y平均值的绝对值；Gsim(X,Y)∈[0,1]。

5.根据权利要求1所述的基于相似度的无线传感器网络移动节点定位方法，其特征在于，所述步骤1）中，锚节点等距布设于边界上。

6.根据权利要求2所述的基于相似度的无线传感器网络移动节点定位方法，其特征在于，所述无线传感器网络为温室无线传感器网络。