CN103402255A - 一种基于校正值误差加权的改进DV-Hop定位方法 - Google Patents

Abstract

本发明公开一种基于校正值误差加权的改进DV-Hop定位方法，在未知节点接收到多个锚节点的校正值后，根据锚节点校正值误差的大小以及与未知节点的跳数两个方面赋予各个锚节点的校正值以不同的权值，得到的平均每跳距离是对各个锚节点的校正值归一化加权处理后的值，再用校正值加权的平均每跳距离与跳数的乘积得到未知节点与各锚节点之间的估计距离，最后通过计算获得节点的定位坐标，完成所有未知节点的定位。在充分利用网络中锚节点信息的同时，更好地反映了网络的实际状态，提高平均每跳距离的准确性。

Description

一种基于校正值误差加权的改进DV-Hop定位方法

技术领域

本发明涉及一种基于校正值误差加权的改进DV-Hop定位方法，属于无线传感器网络技术领域。

背景技术

无线传感器网络由大量部署在监测区域内的廉价微型传感器节点组成。各节点能够相互协作地感知、采集监测区域内的信息，并通过无线方式发送给用户。因为在许多实际应用中不知道位置信息的数据往往毫无意义，所以在无线传感器网络众多研究中，节点定位是必不可缺的环节。由于节点能量有限，因此设计高定位精度、无需额外硬件条件、计算量适中的定位算法具有现实意义。

根据是否需要测量节点间实际的距离可以将定位算法分为基于测距的定位和非测距的定位两种。基于测距的定位算法需要通过额外的硬件装置测量节点间的距离或角度信息，然后再使用三边测量法、三角测量法等计算节点的位置。典型的基于测距的定位算法有：RSSI、TOA、TDOA、AOA等。基于非测距的定位算法只需要利用节点间跳数等信息并加以简单运算就可以估计出节点间的距离，主要算法包括有质心、凸规划、DV-Hop、MDS-MAP等。基于测距的算法定位精度比基于非测距的算法要高，但是所需成本、节点的能量消耗也会较大，基于非测距的定位算法通过研究与改进，不少已经可以满足无线传感器网络的定位需求。

在基于非测距的算法中，利用距离矢量路由和节点间跳数的DV-Hop(Distance Vector Hop)算法实现简单，整个算法的定位过程通过节点的平均每跳距离、跳数和定位计算方法就可以得到未知节点的定位坐标，算法成本低，计算和通信开销适中，对硬件要求较低，适用于分布式网络，扩展性好。但是DV-Hop算法也依然存在着一些不足之处，比如算法中未知节点仅利用离它最近锚节点的校正值作为平均每跳距离，会使节点间的估计距离和最终的定位计算产生较大的误差。在定位计算时随机选取的锚节点组合也会对定位精度造成较大的影响。

DV-Hop算法的核心是利用节点间的估计距离代替实际测量距离，而估计距离则是通过未知节点与锚节点之间跳数和平均每跳距离相乘来得到，之后通过节点间的估计距离与锚节点的坐标计算未知节点的定位坐标。DV-Hop算法由三个阶段组成：

第一步：获得节点间的最小跳数

锚节点以广播的方式向邻居节点发送包括跳数字段的自身位置信息元组，跳数字段的初值设为0，接收节点接收到该信息元组后将跳数加1并记录下该锚节点的位置和跳数，将该元组转发给它的邻居节点。若节点接收到多个来自同一信标节点的元组，则节点只保留跳数最小的元组信息，通过这种方法网络中每个节点都能够记录下自己到每个锚节点的最小跳数，并获得锚节点的位置信息。

第二步：估算未知节点与锚节点之间的距离

每个锚节点在得到网络中其余锚节点坐标和它们之间的最小跳数，计算自己的平均每跳距离，也称为网络校正值：

$C_i=\frac{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}}{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}}---\left(1\right)$

式中，（x_i，y_i），（x_j，y_j）是锚节点i和j的坐标；h_ij是锚节点i和j(i≠j)之间的跳数。

每个锚节点将自己计算得到的平均每跳距离作为校正值广播至网络中。每个未知节点仅接收获得的第一个校正值，并将其作为自身的平均每跳距离，而丢弃之后收到的校正值。当得到自身的平均每跳距离之后，未知节点通过平均每跳距离与之前获得的到各锚节点的跳数相乘来计算得到与各锚节点的距离。

第三步：计算未知节点坐标

未知节点得到与三个或以上不同锚节点的估计距离以后，利用三边测量法计算未知节点的坐标。

DV-Hop定位算法的优势在于计算过程简单，硬件需求较低，但是也存在着定位误差比较大的缺点。通过分析研究，误差产生的来源主要是由于平均每跳距离受单个锚节点校正值误差影响较大。

在DV-Hop算法计算过程中未知节点使用最先收到的锚节点校正值作为平均每跳距离，由于锚节点校正值自身就存在一定的误差以及单个锚节点的局限性最终会导致误差的积累。所以，平均每跳距离对于网络中未知节点的定位起着重要的作用。平均每跳距离的好坏影响着整个网络节点的定位精度。

针对此问题已有一些的改进方法被提出：

为了使未知节点到各锚节点之间的估计距离更接近实际距离，已经存在将网络中所有锚节点计算得到的校正值求平均，未知节点利用这个平均值作为自己的平均每跳距离，但是所有未知节点都用同一个全网校正值，这样计算出来的未知节点到锚节点的距离与实际距离仍存在误差。

此外通过在未知节点计算平均每跳距离时引入权重，对于不同锚节点计算所得校正值根据与未知节点的跳数大小赋予不同的权重，这样未知节点所得的平均每跳距离可以更好的参考全网的锚节点。但是每个锚节点的校正值本身就已经存在一定的误差，这样未知节点获得的平均每跳距离就会因为误差积累而不准确。

这些改进都能在一定程度上提高DV-Hop算法未知节点的定位精度，但是也都依然存在着一些不足，未知节点平均每跳距离的误差依然较大。将全网所有锚节点的校正值加入计算，或求平均或根据与锚节点的跳数大小赋予不同的权值，这样做虽然考虑了网络的全局性，但仅仅依靠跳数的大小并不能很好的对未知节点的平均每跳距离进行修正。

因此本文针对平均每跳距离的计算提出新的改进方法，提出平均每跳距离距离基于校正值误差加权的WDV-Hop定位算法。

本发明分析DV-Hop算法定位精度不高的原因，找到误差来源进行相应的改进，并以此提出基于校正值误差加权的WDV-Hop(Weighted DV-Hop，WDV-Hop)定位方法。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于校正值误差加权的改进DV-Hop定位方法。

技术方案：一种基于校正值误差加权的改进DV-Hop定位方法，未知节点接收到多个锚节点的校正值后，根据锚节点校正值误差的大小以及与未知节点的跳数两个方面赋予各个锚节点的校正值以不同的权值，最后得到的平均每跳距离是对各个锚节点的校正值归一化加权处理后的值。

可以从两方面解释这样求取平均每跳距离的原因：

(1)对于网络来讲，单个锚节点估计的校正值可能会产生比较大的偏差，如果未知节点只以这一个锚节点的校正值作为自身的平均每跳距离就会造成该未知节点定位精度较低，从而影响整个网络的定位精度。同时，仅仅使用一个锚节点的校正值也浪费了网络中的众多信息。因此综合考虑多个锚节点的校正值以更为准确地估计平均跳距离。

(2)对未知节点而言，与未知节点跳数不同的锚节点对其局部网络状态的反映是不一样的，离未知节点跳数越小的锚节点可以更好地体现出未知节点附近局部网络连通情况。同时，锚节点校正值的自身误差越小，就越能降低未知节点平均每跳据的误差，所以基于这两方面对于不同锚节点的校正值赋予不同的权值。

通过将不同锚节点的校正值加权处理来获得未知节点的平均每跳距离，可以减少单个锚节点校正值误差带来的影响。

WDV-Hop方法流程的初始步骤和DV-Hop算法相同，基于校正值误差加权的改进DV-Hop定位方法，具体步骤是：

首先，网络中节点通过距离矢量路由协议得到与其它各节点的最小跳数。其次，锚节点计算自身的校正值，除此之外锚节点还将计算自身校正值的误差，之后每个锚节点将校正值及误差信息广播至网络当中。未知节点接收所有锚节点的信息，并根据跳数和校正值误差的大小对各个锚节点的校正值进行归一化加权处理得到平均每跳距离，再用校正值加权的平均每跳距离与跳数的乘积得到未知节点与各锚节点之间的估计距离。最后通过计算获得节点的定位坐标，完成所有未知节点的定位。

有益效果：与现有技术相比，本发明提供的基于校正值误差加权的改进DV-Hop定位方法，考虑网络中所有锚节点计算得到的校正值，并且根据和未知节点的跳数以及校正值自身存在的误差大小进行归一化加权处理，对各锚节点的校正值赋予不同权值，将加权处理的结果作为未知节点的平均每跳距离，在充分利用网络中锚节点信息的同时，更好地反映了网络的实际状态，提高平均每跳距离的准确性。通过仿真表明，WDV-Hop算法可以很好的提高无线传感器网络节点定位覆盖率，并且降低平均定位误差。

附图说明

图1为本发明实施例方法流程图；

图2为定位覆盖率对比示意图；

图3为平均定位误差与未知节点数量关系图；

图4为平均定位误差与锚节点数量关系图；

图5为平均定位误差与通信半径关系图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，基于校正值误差加权的改进DV-Hop定位方法：

首先，网络中节点通过距离矢量路由协议得到与其它各节点的最小跳数。其次，锚节点计算自身的校正值，除此之外锚节点还将计算自身校正值的误差，之后每个锚节点将校正值及误差信息广播至网络当中。未知节点接收所有锚节点的信息，并根据跳数和校正值误差的大小对各个锚节点的校正值进行归一化加权处理得到平均每跳距离，再用校正值加权的平均每跳距离与跳数的乘积得到未知节点与各锚节点之间的估计距离。最后通过计算获得节点的定位坐标，完成所有未知节点的定位。

下面对本发明的创新点进行详细阐述：

第一步：计算每个锚节点校正值的误差。

假设网络中有m个锚节点，那么根据DV-Hop算法可以得到锚节点i的校正值，如式2所示：

$C_i=\frac{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}\sqrt{{(x_i-x_j)}^2+{(y_i-y_i)}^2}}{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}}---\left(2\right)$

式中，(x_i，y_i)，(x_j，y_j)是锚节点i,j的坐标；h_ij是锚节点i和j(i≠j)之间的跳数。由于两个锚节点i,j之间的实际距离为：

$d_{\mathrm{reali},j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}---\left(3\right)$

而锚节点i、j之间根据校正值C_i得到的估算距离为：

d_esti,j＝C_i×h_ij     （4）

那么锚节点i校正值的误差为：

${\mathrm{\ϵ}}_i=\left(\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}\frac{|d_{\mathrm{reali},j}-d_{\mathrm{esti},j}|}{h_{\mathrm{ij}}}\right)/(m-1)---\left(5\right)$

第二步：设定每个锚节点校正值的权值。

锚节点校正值的误差越小就能准确的反映此锚节点的平均每跳距离，同时距离未知节点跳数越小的锚节点越能反映其周围局部的网络平均每跳距离。所以，给不同锚节点校正值加权的方法是：校正值误差越小，离待测未知节点跳数越小，那么校正值赋以的权值就越大，这样才能公平、全面的反映出未知节点的平均每跳距离基于全网校正值的实际情况。

假设未知节点与锚节点i的跳数记为hop_i，那么赋予锚节点i校正值的权值为：

$W_i=\frac{\frac{1}{{\mathrm{hop}}_i\×{\mathrm{\ϵ}}_i}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{1}{{\mathrm{hop}}_i\×{\mathrm{\ϵ}}_i}}---\left(6\right)$

式6通过归一化的加权处理，每个锚节点的权值各不相同，离未知节点跳数越小且自身校正值误差越小的锚节点赋予的权值越大，同时式6也能够使各锚节点校正值的权值之和为1。

第三步：计算未知节点的平均每跳距离。

根据每个锚节点的校正值C_i以及第二步计算得到的相应权值就可以计算出未知节点加权后的平均每跳距离：

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{W}_i{C}_i---\left(7\right)$

通过对平均每跳距离的加权修正使其可以更好地反映网络中实际的平均每跳距离，使用此值与节点间跳数相乘得到的未知节点与锚节点的估算距离也更为准确，参与到之后的定位坐标计算可以很好的降低定位误差。

仿真结果分析

为了验证改进算法的有效性，对于WDV-Hop算法和DV-Hop算法进行实验仿真，将节点随机分布在100m×100m的区域内。从节点定位覆盖率，不同锚节点数、未知节点数、通信半径下的平均定位误差说明算法之间的优劣。平均定位误差和覆盖率的公式如下所示：

$\mathrm{AverageError}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\sqrt{{(x^{\′}-x)}^2+{(y^{\′}-y)}^2}}{N*R}---\left(12\right)$

$\mathrm{Coverage}=\frac{N_{\mathrm{located}}}{N}\×100\%---\left(13\right)$

式中，R为节点通信半径，N为未知节点总数，(x，y)为节点的实际坐标，(x',y')为定位算法求得的坐标。N_located表示成功定位的未知节点数。

1定位覆盖率

网络中未知节点总数设置为100，节点通信半径设为20m，锚节点数从10增加到40，算法仿真100次求节点定位覆盖率的平均值。

从图2中可以看出两种算法定位覆盖率都会随着锚节点数量的增加而有所提高。WDV-Hop算法的覆盖效果又稍微优于DV-Hop算法，因为进行定位坐标计算之前，WDV-Hop算法未知节点在平均每跳距离的求取上使用了基于锚节点校正值加权的方法，降低了未知节点与锚节点之间估计距离的误差，可以避免因为节点间距离误差过大导致的节点无法定位情况的产生。

2平均定位误差与未知节点数量的关系

图3比较了在锚节点数量一定的情况下未知节点的数量对平均定位误差的影响。仿真中锚节点数量固定为20个，未知节点的数量从100个递增到400个。从图3中看出随着未知节点总数的增加，平均定位误差都有所增大，但在WDV-Hop算法中未知节点将平均每跳距离进行了加权处理，减小了节点间距离误差积累对之后定位计算的影响，因此平均定位误差最小，定位精度最高。

3平均定位误差与锚节点数量的关系

仿真中未知节点数固定为100个，信标节点数量从10递增到40，节点通信半径为20m，比较使用四种算法所得的平均定位误差，实验结果如图4所示。

从图4中可以看出，当锚节点数量从10个增加到25个这一过程，平均定位误差下降的很明显，随着锚节点数量的进一步增多，平均定位误差趋于稳定。这是因为当锚节点数量增加时，未知节点可选择锚节点的范围增大，当网络中锚节点增加到一定数量后，未知节点与锚节点的估计距离误差也趋于稳定，所以每个未知节点定位误差趋于稳定，网络平均定位误差仅有小幅的下降。WDV-Hop算法考虑了多个锚节点的校正值，使未知节点平均每跳距离值更加准确，所以未知节点的平均定位误差比DV-Hop算法低，并且随着锚节点数量的增加更加明显。

4平均定位误差与节点通信半径的关系

在节点数量一定的情况下，比较节点的通信半径对平均定位误差的影响。试验中，未知节点数为100个，锚节点的数量为20个，节点的通信半径从10m递增到40m。

从图5中可以看出，当网络中节点的通信半径变大时，每个节点的邻居节点数会增加，也就是说节点之间相互通信的机会增大。这样算法中未知节点与锚节点的之间的跳数也会减少，它们之间的跳段路径偏离直线的可能性因为跳数的减小也会降低，所以未知节点与锚节点之间估计距离的误差就会有所下降，从而减小了最终网络中所有节点的平均定位误差。本文提出的算法可以将DV-Hop算法前两步所得的估算距离产生的误差所造成的影响降到最小，所以效果更好。

Claims (4)

1.一种基于校正值误差加权的改进DV-Hop定位方法，其特征在于：

在未知节点接收到多个锚节点的校正值后，根据锚节点校正值误差的大小以及与未知节点的跳数两个方面赋予各个锚节点的校正值以不同的权值，得到的平均每跳距离是对各个锚节点的校正值归一化加权处理后的值，再用校正值加权的平均每跳距离与跳数的乘积得到未知节点与各锚节点之间的估计距离，最后通过计算获得节点的定位坐标，完成所有未知节点的定位。

2.如权利要求1所述的基于校正值误差加权的改进DV-Hop定位方法，其特征在于：

计算每个锚节点校正值的误差的过程如下：

假设网络中有m个锚节点，那么根据DV-Hop算法可以得到锚节点i的校正值，如式2所示：

$C_i=\frac{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}\sqrt{{(x_i,x_j)}^2+{(y_i-y_i)}^2}}{\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}}---\left(2\right)$

式中，(x_i，y_i)，(x_j，y_j)是锚节点i,j的坐标；h_ij是锚节点i和j(i≠j)之间的跳数。由于两个锚节点i,j之间的实际距离为：

$d_{\mathrm{reali},j}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}---\left(3\right)$

而锚节点i、j之间根据校正值C_i得到的估算距离为：

d_esti,j＝C_i×h_ij   （4）

那么锚节点i校正值的误差为：

${\mathrm{\ϵ}}_i=\left(\underset{i,j=1,i\≠j}{\overset{m}{\mathrm{\Σ}}}\frac{|d_{\mathrm{reali},j}-d_{\mathrm{esti},j}|}{h_{\mathrm{ij}}}\right)/(m-1)---\left(5\right)$

3.如权利要求2所述的基于校正值误差加权的改进DV-Hop定位方法，其特征在于：

赋予不同锚节点校正值加权的方法是：校正值误差越小，离待测未知节点跳数越小，那么校正值赋以的权值就越大；

假设未知节点与锚节点i的跳数记为hop_i，那么赋予锚节点i校正值的权值为：

$W_i=\frac{\frac{1}{{\mathrm{hop}}_i\×{\mathrm{\ϵ}}_i}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{1}{{\mathrm{hop}}_i\×{\mathrm{\ϵ}}_i}}---\left(6\right)$

式6通过归一化的加权处理，每个锚节点的权值各不相同，离未知节点跳数越小且自身校正值误差越小的锚节点赋予的权值越大，同时该式使各锚节点校正值的权值之和为1。

4.如权利要求3所述的基于校正值误差加权的改进DV-Hop定位方法，其特征在于：

计算未知节点的平均每跳距离：

根据每个锚节点的校正值C_i以及第二步计算得到的相应权值就可以计算出未知节点加权后的平均每跳距离：

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{W}_i{C}_i---\left(7\right).$

Images