CN103491506A - 基于wlan和wsn的异构网络协同定位方法及系统 - Google Patents

Abstract

本发明公开了一种基于WLAN和WSN的异构网络协同定位方法及系统，所述方法包括如下步骤：在定位区域内搭建WLAN和WSN异构网络混合定位系统；利用WLAN定位技术选出与待测点的采样信息距离最近的N组数据；利用基于WSN定位技术估计待测节点的位置；利用WLAN和WSN进行协同定位，用WLAN定位中筛选出的N组数据与WSN定位中的估计坐标进行比较，选择距离最近的那组位置信息作为待测点的最终估计位置。本发明有效结合了WSN组网灵活及WLAN网络传输速率高的优点，避免了各技术的缺陷，仅仅利用已有的WLAN网络和无线传感器网络通过设计的网络融合算法，明显地提高了定位精度，同时可以去除由于复杂多变的环境造成的信号飞值点。

Description

基于WLAN和WSN的异构网络协同定位方法及系统

技术领域

本发明属于通信技术领域，涉及一种定位方法及系统，具体是一种基于WLAN和WSN的异构网络协同定位方法及系统。

背景技术

无线局域网络(Wireless Local Area Networks，WLAN)是在局部区域内以无线媒体或介质进行无线通信的网络，无线局域网的传输媒质有射频无线电波和光波两类。基于无线局域网的定位就是在无线局域网中通过对接收到的无线电信号的特征信息进行分析，根据特定的算法来计算出被测物体所在的位置。

无线传感器网络（Wireless Sensor Network，WSN）是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者。传感器网络系统通常包括传感器节点End-Device、汇聚节点Router和管理节点Coordinator。具有大规模、自组织、动态性、可靠性、以数据为中心、集成化、具有密集的节点布置、采用协作方式执行任务、工作方式为自组织方式等特点。

异构网络(Heterogeneous Network）其是由不同制造商生产的计算机、网络设备和系统组成的，大部分情况下运行在不同的协议上支持不同的功能或应用。所谓异构是指两个或以上的无线通信系统采用了不同的接入技术，或者是采用相同的无线接入技术但属于不同的无线运营商。利用现有的多种无线通信系统，通过系统间融合的方式，是多系统之间取长补短满足未来移动通信业务需求一种有效手段，能够综合发挥各自的优势。由于现有的各种无线接入系统在很多区域内都是重叠覆盖的，所以可以将这些相互重叠的不同类型的无线接入系统智能地结合在一起，利用多模终端智能化的接入手段，使多种不同类型的网络共同为用户提供随时随地的无线接入，从而构成了异构无线网络。

随着我国经济水平的提升以及近年来举办国际性大型比赛活动(如北京奥运会、上海世博会、广州亚运会)的增加，类似国家大剧院和鸟巢等大型场馆日益增多。大型建筑物具有规模大、结构复杂、人员密集高、内部设备数量大等特点，其监控管理和应急安全处理涉及消防系统、安防系统、电气监测系统等。为了实现大型建筑物复杂环境中的定位导航、监控预警和应急处理等功能，设计一种室内精准定位技术显得相当必要。

另一方面，随着普适计算和分布式通信技术的深入研究，无线通信和无线网络技术进入了飞速发展阶段，无线局域网、全球移动通信系统（GSM）、Wi-Max等无线通信网络得到了迅速普及，并展现出低功耗、自组织的发展趋势，如点对点模式（Ad-hoc）、无线传感器网络等。基于信息感知的分布式网络，其监测的事件与物理位置戚戚相关，没有基于位置服务的信息数据将毫无意义，因此确定信息的位置成为普适计算应用的迫切需求和关键性问题。

由于WLAN技术采用经验测试和信号传播模型相结合的方式定位，物理层速率最高可达到54Mb/s，由于其传输速率高，因此可与定位服务器在较短时间内交换大量定位数据。该方式可以获得较高的定位精度，但是信号强度很容易受到干扰，因而定位结果的可靠性和稳定性受环境影响较大；WSN的优点是可以任意布设，组网灵活且覆盖范围大，对恶劣环境中易出现的节点意外失效和信号丢失等情况表现出很强的鲁棒性，使得无缝监控与定位成为可能，但其数据传输速率较低只有250kb/s，在有限时间内只能实现对对象的区域定位而难以精确定位，并且由于室内定位距离短、传播环境复杂、难以精确测量到达时间差(Time Difference ofArrival，TDOA)、到达时间(Time of Arrival，TOA)、到达角度(Angle of Arrival，AOA)，所以用几何定位的方式很难获得精确的结果。

发明内容

本发明所要解决的技术问题是为了克服现有技术中仅仅利用无线局域网络WLAN或者无线传感器网络WSN定位精度不高、可靠性和稳定性受环境因素影响大的缺陷，提出一种结合了无线局域网和无线传感器网络的异构网络协同定位技术，可以提高系统的抗干扰能力和室内定位的精确度。

本发明解决其技术问题采用的技术方案是：基于WLAN和WSN的异构网络协同定位方法，包括如下步骤：

A、在定位区域内搭建WLAN和WSN异构网络混合定位系统：

在定位区域内设置无线接入点AP，构建无线局域网络WLAN；同时在定位区域内构建无线传感器网络WSN；

B、利用WLAN定位技术估计待测节点的位置：

在构建的WLAN网络中，对定位区域内的参考节点和待测节点进行测量，获得与待测节点的信息距离最近的N组数据；

C、利用基于WSN定位技术估计待测节点的位置：

在构建的WSN网络中，计算各节点间的邻居关系，根据各节点间的邻居关系，估计待测节点位置，设为(x,y)；

D、协同定位：

将所述步骤B中选出的N组数据与所述步骤C中得出的待测节点的估计位置的坐标(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标，其中，要求r²=(x_i-x)²+(y_i-y)²为最小。

进一步的，所述步骤B中，采用位置指纹算法实现对待测节点的位置估计，其具体过程为：在构建的WLAN网络中，对定位区域进行离线数据采集，获得定位区域内参考节点的接收的信号强度指示RSSI样本数据，即参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；

对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹数据库中和RSSI测量数据信息距离最近的N组数据。

更进一步的，所述步骤B中，获得的RSSI样本数据是所述AP在不同的时间多次采集参考节点的RSSI数据求得的平均值。

更进一步的，其特征在于，所述步骤B中，对RSSI测量数据和位置指纹数据库中的RSSI样本数据的筛选过程为：设在定位阶段采集到待测节点对周围AP的RSSI信息为S，所述S={S₁，S₂，...，S_n}，R为位置指纹数据库中参考节点的位置的RSSI特征值信息，所述R={β₁，β₂，...，β_n}，其中，n为接入的AP点个数，根据 $D(S,R)=\sqrt{{(S_1-{\mathrm{\β}}_1)}^2+{(S_2-{\mathrm{\β}}_2)}^2+...+{(S_n-{\mathrm{\β}}_n)}^2}\≤\mathrm{\ΔD}$ 来选择和实际接收信号匹配度最近的N组位置信息数据，ΔD为我们设定的信息距离固定门限值。

更进一步的，所述步骤B中，对RSSI测量数据和指纹数据库中的RSSI样本数据的筛选过程为：设在定位阶段采集到待测节点对周围AP的RSSI信息为S，所述S={S₁，S₂，...，S_n}，R为位置指纹数据库中参考节点的位置的RSSI特征值信息，所述R={β₁，β₂，...，β_n}，其中，n为接入的AP点个数；在所述位置指纹数据库中，包括了m个参考节点的位置指纹信息，其集合为A={R₁，R₂，...，R_m}，根据D(S,R_j)≤D(S,R_k)，在位置指纹库中选出和采样信息距离最近的N组数据，所述R_j∈A，R_k∈A，对于所有的k≠j，迭代运算m次。

进一步的，所述步骤C中，采用APIT算法估计待测节点位置，其具体过程为：

C1、待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；

C2、重复前述操作，选择另外三个能够与之通信的邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；

C3、取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)。

更进一步的，所述步骤C中，如果待测节点周围的邻居信标节点数小于三个时，由几何上求圆交点的方法求出交点作为待测节点的估计位置。

进一步的，所述步骤C中，采用DV-Hop算法估计待测节点位置，其具体过程为：由参考节点向WSN网络广播一个信标，该信标中包含了此参考节点的位置信息以及一个初始值为1的表示跳数的参数；接收节点在收到关于某一个参考节点的所有信标中，保存最小跳数值的信标，丢弃其他较大跳数值的同一参考节点的信标，网络中所有的节点都获得了到每一个参考节点的最小跳数值；估计网络中平均每跳的物理距离，参考节点根据到网络内部其他参考节点的跳数值以及这些参考节点的位置信息，得到与其他参考节点的实际距离；参考节点得到网络的平均每跳距离，再把它广播到网络中，未知节点收到平均每跳距离，估算自己到参考节点的距离；未知节点获得三个以上参考节点的估计距离，利用三边测量法估计其自身的位置，设为(x,y)。

本发明还提供了一种基于WLAN和WSN的异构网络协同定位系统，其特征在于,包括：WLAN网络、WSN网络、WLAN定位模块、WSN定位模块以及数据处理模块，所述WLAN定位模块用于在WLAN网络中对定位区域进行离线数据采集，获得定位区域内参考节点的RSSI样本数据，得到参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹库中和RSSI测量数据距离最近的N组数据；

所述WSN定位模块用于在WSN网络中计算各节点间的邻居关系，根据各节点间的邻居关系，待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；再重复前述操作，选择另外三个能够与之通信的三个邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；最后，取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)；

所述数据处理模块用于对WLAN定位模块获得的N组数据和WSN定位模块得到的待测节点的估计位置(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标，其中，要求r_i ²=(x_i-x)²+(y_i-y)²为最小，所述r为坐标(x,y)与(x_i,y_i)之间的距离。

本发明的有益效果：本发明基于WLAN和WSN的异构网络协同定位方法及系统，通过有效的结合WSN组网灵活及WLAN网络传输速率高的特点，利用设计的网络融合算法提高定位精度，同时去除由于复杂多变的环境造成的信号飞值点，这种网络融合算法充分利用了两种网络的定位信息，提高了系统的抗干扰能力和室内定位的精确度，并且融合定位算法利用不基于测距的WSN定位技术，不需要添加额外的硬件设备来进行精确的时间同步和角度测量，可以有效降低成本，实现快速精准的定位。

附图说明

图1所示为本发明实施例的基于WLAN和WSN的异构网络协同定位方法的流程框图；

图2所示为本发明实施例的基于WLAN和WSN的异构网络协同定位方法中采用APIT算法估计待测节点位置的流程框图；

图3所示为本发明实施例的基于WLAN和WSN的异构网络协同定位系统的结构示意图。

具体实施方式

下面结合附图和具体的实施例对本发明作进一步的阐述。

如图1所示为本发明实施例的基于WLAN和WSN的异构网络协同定位方法的流程框图，其具体包括如下步骤：

A、在定位区域内搭建混合定位系统：

在定位区域内设置无线接入点AP，构建无线局域网络WLAN；同时在定位区域内构建无线传感器网络WSN；在构建WLAN网络设置无线接入点AP的过程中，要使得移动终端在WLAN网路中一般只能接受到4个AP信号，在实际的操作应用中，同样可以使用已存在的WLAN网络或者WSN网络，而不必重新构建WLAN网络或者WSN网络。

B、利用WLAN定位技术估计待测节点的位置：

在构建的WLAN网络中，对定位区域进行离线数据采集，获得定位区域内参考节点的RSSI样本数据，得到参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹库中和RSSI测量数据距离最近的N组数据；

其具体的操作步骤为：

B1、在定位区域内离线采集数据：在定位区域内选中一定数量的参考节点，参考节点数量的选取根据要求定位的精度不同可以做相应的变化，但是尽量选择足够的参考节点以覆盖整个定位区域，这样在获得的指纹数据库中能够尽可能包括定位区域内的位置指纹信息；在选择的参考节点上多次采集RSSI样本数据，并对各个AP在这些参考节点上多次测得的RSSI值进行平均处理，形成一组RSSI元素，将该组RSSI元素作为参考节点的位置指纹样本保存在位置指纹数据库中，再下次需要定位时，同样可以使用已存在的指纹数据库中的RSSI样本数据，而不必进行重复测量；

B2、对定位区域进行实时定位测量：未知节点对其周围AP的RSSI值进行采集，形成一组AP的RSSI测量数据，然后通过RSSI测量数据与位置指纹数据库存在的联系进行筛选匹配，详细过程见步骤B2；

B3、对获得的RSSI样本数据和RSSI测量数据进行数据筛选：设在定位阶段采集到待测节点对周围AP的RSSI信息为S，所述S={S₁，S₂，...，S_n}，R为位置指纹数据库中参考节点的位置的RSSI特征值信息，所述R={β₁，β₂，...，β_n}，其中，n为接入的AP点个数；根据 $D(S,R)=\sqrt{{(S_1-{\mathrm{\β}}_1)}^2+{(S_2-{\mathrm{\β}}_2)}^2+...+{(S_n-{\mathrm{\β}}_n)}^2}\≤\mathrm{\ΔD}$ 来选择和实际接收信号匹配度最近的N组位置信息数据，ΔD为我们设定的信息距离固定门限值，这个可以根据硬件情况和定位精度来进行确定。或者，在所述位置指纹数据库中，包括了m个参考节点的位置指纹信息，其集合为A={R₁，R₂，...，R_m}，根据D(S,R_j)≤D(S,R_k)，在位置指纹库中选出和采样信息距离最近的N组数据，所述R_j∈A，R_k∈A，对于所有的k≠j，迭代运算m次。上述具体的筛选过程为现有技术，在本发明申请方案中不再详细描述。

C、利用基于WSN定位技术估计待测节点的位置：

在构建的WSN网络中，计算各节点间的邻居关系，根据各节点间的邻居关系，估计待测节点位置，设为(x,y)；实现所述步骤C可以采用两种算法进行实现，下面将对两种算法实现待测节点位置估计的过程进行详细说明：

1、采用APIT算法估计待测节点位置，其具体过程为：

C1、待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；

C2、重复前述操作，选择另外三个能够与之通信的邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；

C3、取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)。

但是由于APIT算法也存在一定的缺陷，在网络覆盖区域的中部，未知节点的邻居信标节点有很多，但是可能没有一个由3个邻居信标节点组成的三角形可以包含该未知节点，这就造成这些未知节点在运行定位算法后成为未确定节点；在网络覆盖区域的边缘地带，未知节点拥有比较少的邻居信标节点，这样更加容易造成它们无法满足APIT定位条件，甚至有些节点的邻居信标节点数少于3个，它们都将成为未确定节点，所以需要对APIT算法进行改进，改进算法为对于符合APIT定位条件的节点，按照APIT算法进行定位，对于不符合APIT定位条件的节点，作进一步的处理，提高定位覆盖率。当待测节点周围的邻居信标节点数大于等于3个时，采用3边测量法进行定位；当邻居信标节点数为2个时，由几何上求圆交点的方法求出交点作为待测节点的估计位置(x,y)。

2、采用DV-Hop算法估计待测节点位置，其具体过程为：由参考节点向WSN网络广播一个信标，该信标中包含了此参考节点的位置信息以及一个初始值为1的表示跳数的参数；接收节点在收到关于某一个参考节点的所有信标中，保存最小跳数值的信标，丢弃其他较大跳数值的同一参考节点的信标，网络中所有的节点都获得了到每一个参考节点的最小跳数值；估计网络中平均每跳的物理距离，参考节点根据到网络内部其他参考节点的跳数值以及这些参考节点的位置信息，得到与其他参考节点的实际距离；参考节点得到网络的平均每跳距离，再把它广播到网络中，未知节点收到平均每跳距离，估算自己到参考节点的距离；未知节点获得三个以上参考节点的估计距离，利用三边测量法估计其自身的位置，设为(x,y)。

D、协同定位：

将所述步骤B中选出的N组数据与所述步骤C中得出的待测节点的估计位置的坐标(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标，其中，要求r_i ²=(x_i-x)²+(y_i-y)²为最小，所述r为坐标(x,y)与(x_i,y_i)之间的距离。

本发明还提供了一种基于WLAN和WSN的异构网络协同定位系统，如图3所示，包括：WLAN网络、WSN网络、WLAN定位模块、WSN定位模块以及数据处理模块，所述WLAN定位模块用于在WLAN网络中对定位区域进行离线数据采集，获得定位区域内参考节点的RSSI样本数据，得到参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹库中和RSSI测量数据距离最近的N组数据；

所述WSN定位模块用于在WSN网络中计算各节点间的邻居关系，根据各节点间的邻居关系，待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；再重复前述操作，选择另外三个能够与之通信的三个邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；最后，取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)；

所述数据处理模块用于对WLAN定位模块获得的N组数据和WSN定位模块得到的待测节点的估计位置(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标，其中，要求r_i ²=(x_i-x)²+(y_i-y)²为最小，所述r为坐标(x,y)与(x_i,y_i)之间的距离。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (10)

1.基于WLAN和WSN的异构网络协同定位方法，其特征在于，包括如下步骤：

A、在定位区域内搭建WLAN和WSN异构网络混合定位系统：

在定位区域内设置无线接入点AP，构建无线局域网络WLAN；同时在定位区域内构建无线传感器网络WSN；

B、利用WLAN定位技术估计待测节点的位置：

在构建的WLAN网络中，对定位区域内的参考节点和待测节点进行测量，获得与待测节点的信息距离最近的N组数据；

C、利用基于WSN定位技术估计待测节点的位置：

在构建的WSN网络中，计算各节点间的邻居关系，根据各节点间的邻居关系，估计待测节点位置，设为(x,y)；

D、协同定位：

将所述步骤B中选出的N组数据与所述步骤C中得出的待测节点的估计位置的坐标(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标。

2.根据权利要求1所述的方法，其特征在于，所述步骤B中，采用位置指纹算法实现对待测节点的位置估计，其具体过程为：在构建的WLAN网络中，对定位区域进行离线数据采集，获得定位区域内参考节点的接收的信号强度指示RSSI样本数据，即参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；

对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹数据库中和RSSI测量数据信息距离最近的N组数据。

3.根据权利要求2所述的方法，其特征在于，所述步骤B中，获得的RSSI样本数据是所述AP在不同的时间多次采集参考节点的RSSI数据求得的平均值。

4.根据权利要求3所述的方法，其特征在于，所述步骤B中，对RSSI测量数据和位置指纹数据库中的RSSI样本数据的筛选过程为：设在定位阶段采集到待测节点对周围AP的RSSI信息为S，所述S={S₁，S₂，...，S_n}，R为位置指纹数据库中参考节点的位置的RSSI特征值信息，所述R={β₁，β₂，...，β_n}，其中，n为接入的AP点个数，根据 $D(S,R)=\sqrt{{(S_1-{\mathrm{\β}}_1)}^2+{(S_2-{\mathrm{\β}}_2)}^2+...+{(S_n-{\mathrm{\β}}_n)}^2}\≤\mathrm{\ΔD}$ 来选择和实际接收信号匹配度最近的N组位置信息数据，ΔD为设定的信息距离固定门限值。

5.根据权利要求3所述的方法，其特征在于，所述步骤B中，对RSSI测量数据和指纹数据库中的RSSI样本数据的筛选过程为：设在定位阶段采集到待测节点对周围AP的RSSI信息为S，所述S={S₁，S₂，...，S_n}，R为位置指纹数据库中参考节点的位置的RSSI特征值信息，所述R={β₁，β₂，...，β_n}，其中，n为接入的AP点个数；在所述位置指纹数据库中，包括了m个参考节点的位置指纹信息，其集合为A={R₁，R₂，...，R_m}，根据D(S,R_j)≤D(S,R_k)，在位置指纹库中选出和采样信息距离最近的N组数据，所述R_j∈A，R_k∈A，对于所有的k≠j，迭代运算m次。

6.根据权利要求1所述的方法，其特征在于，所述步骤C中，采用于APIT算法估计待测节点位置，其具体过程为：

C1、待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；

C2、重复前述操作，选择另外三个能够与之通信的邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；

C3、取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)。

7.根据权利要求6所述的方法，其特征在于，所述步骤C中，如果待测节点周围的邻居信标节点数小于三个时，由几何上求圆交点的方法求出交点作为待测节点的估计位置。

8.根据权利要求1所述方法，其特征在于，所述步骤C中，采用于DV-Hop算法估计待测节点位置，其具体过程为：由参考节点向WSN网络广播一个信标，该信标中包含了此参考节点的位置信息以及一个初始值为1的表示跳数的参数；接收节点在收到关于某一个参考节点的所有信标中，保存最小跳数值的信标，丢弃其他较大跳数值的同一参考节点的信标，网络中所有的节点都获得了到每一个参考节点的最小跳数值；估计网络中平均每跳的物理距离，参考节点根据到网络内部其他参考节点的跳数值以及这些参考节点的位置信息，得到与其他参考节点的实际距离；参考节点得到网络的平均每跳距离，再把它广播到网络中，未知节点收到平均每跳距离，估算自己到参考节点的距离；未知节点获得三个以上参考节点的估计距离，利用三边测量法估计其自身的位置，设为(x,y)。

9.基于WLAN和WSN的异构网络协同定位系统，其特征在于，包括：WLAN网络、WSN网络、WLAN定位模块、WSN定位模块以及数据处理模块，所述WLAN定位模块用于在WLAN网络中对定位区域进行离线数据采集，获得定位区域内参考节点的RSSI样本数据，得到参考节点的位置指纹信息，并把得到的位置指纹信息存入位置指纹数据库中；对定位区域进行实时定位测量，获得未知节点对周围AP的RSSI测量数据，将RSSI测量数据与数据库中的RSSI样本数据进行对比，筛选出在位置指纹库中和RSSI测量数据距离最近的N组数据；

所述WSN定位模块用于在WSN网络中计算各节点间的邻居关系，根据各节点间的邻居关系，待测节点选择能够与之通信的三个邻居信标节点，测试待测节点在这三个邻居信标节点所构成的三角形的外部还是内部；再重复前述操作，选择另外三个能够与之通信的三个邻居信标节点进行同样测试，使之穷尽所有组合或者达到预设精度要求，若待测节点在某三角形的内部，则表示三角形包含待测节点；最后，取所有包含待测节点的三角形的相交部分的质心作为待测节点的估计位置，设为(x,y)；

所述数据处理模块用于对WLAN定位模块获得的N组数据和WSN定位模块得到的待测节点的估计位置(x,y)进行比较，在N组数据中选出与坐标(x,y)距离最近的那组位置信息数据的(x_i,y_i)作为待测节点的最终估计坐标。

10.根据权利要求9所述的方法，其特征在于，在所述WSN定位模块中，如果待测节点周围的邻居信标节点数小于三个时，由几何上求圆交点的方法求出交点作为待测节点的估计位置。

Images