CN103826298A - 一种协作式迭代优化的无线传感器网络定位计算方法 - Google Patents
一种协作式迭代优化的无线传感器网络定位计算方法 Download PDFInfo
- Publication number
- CN103826298A CN103826298A CN201410077848.4A CN201410077848A CN103826298A CN 103826298 A CN103826298 A CN 103826298A CN 201410077848 A CN201410077848 A CN 201410077848A CN 103826298 A CN103826298 A CN 103826298A
- Authority
- CN
- China
- Prior art keywords
- delta
- formula
- unknown node
- beaconing nodes
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于协作式迭代优化的无线传感器网络定位计算方法,利用节点间距离的相互约束关系,以代数计算方法精确定位未知节点坐标。对于二维或三维平面上的无线传感器网络节点,包含有已知位置的信标节点和未知位置的未知节点,先采用已知位置的信标节点定位未知节点坐标;将被定位的未知节点作为伪信标节点定位其余未知节点;采用最大数量的邻接信标节点和伪信标节点改进第二步的初始定位结果;协作式迭代优化第三步定位结果,得到最终的所有未知节点的坐标。该定位计算方法将复杂的定位计算过程进行分解,将计算过程分配于各个节点上,实现分布式定位计算。仿真结果表明,该定位计算方法所得的定位结果收敛,稳定可靠,定位精度高。
Description
技术领域
本发明属于无线传感器网络定位技术领域,涉及基于协作式迭代优化的无线传感器网络定位计算方法。
背景技术
无线传感器网络是通过将大量具有传感器单元、数据处理单元及通信模块的微小智能节点密集地散布在感知区域,节点间以自组织方式构成的无线通信网络。无线传感器网络能够实时监测、感知和采集网络分布区域内的各种环境或监测对象的信息,并对这些信息进行处理,从而为远程用户提供详尽而准确的信息。采用无线传感器网络进行信息收集和处理,这些数据必须和位置信息相结合才有意义,甚至有时需要传感器节点发回单纯的位置信息。
GPS系统利用精确的同步卫星时钟提供实时测距以对用户节点进行定位,具有定位精度高、实时性好、抗干扰能力强等优点。但是GPS定位仅仅适应于无遮挡的室外环境,其用户设备通常能耗高、体积大、成本高,需要固定的基础硬件设施等,这使得它不适用于大规模环境下的无线传感器网络定位。这种方法的局限性激发了一种低成本的无线传感器网络定位方法,即利用已知位置坐标的信标节点(其位置坐标可通过GPS或人工测量方式获取)去推算其余未知节点位置坐标。在这种方法中,把已知位置坐标的节点称为信标节点,采用信标节点去推算其余未知节点位置坐标时,需要未知节点与信标节点间的某些参数值,比如,距离或者角度信息。
在上述定位方法中,如何在计算能力、存储能力、能量受限的无线传感器网络节点上进行定位计算,达到低成本、高精度的定位目标,一直是无线传感器网络定位领域重点解决的问题。在大规模无线传感器网络部署中,信标节点的数量有有限,DV-Hop算法的核心思想是估计未知节点与非相邻的信标节点间的距离,利用平均每跳距离与最短跳数的乘积表示节点间的近似距离。APIT定位方法是通过测试未知节点是否位于三个信标节点所组成的三角形内,并使用不同信标节点组合所形成的三角形重复测试,直到所有三角形组合测试完毕,将所有包含未知节点所有三角形的交集质心作为待定位未知节点的坐标。质心定位算法是将与未知节点相邻的所有信标节点的坐标质心来估计节点位置。DV-Hop算法、质心算法、APIT算法等轻量级的定位算法,计算过程简单,易于实现分布式定位计算,但定位精度不够高。基于先验统计信息的最大可能性(ML)估计方法能达到定位结果的CRLB下界,定位精度较高,但ML估计方法为非线性问题,其精确的求解过程只能通过数值方法求解,计算过程也较复杂,并且容易产生奇异解。为提高定位精度,也有研究将定位模型归结为数学优化问题,如将定位问题放松为半正定规划(SDP)优化问题,SDP算法能实现全局优化,定位精度也较高,但计算复杂度较高,难以实现分布式定位计算,并且对于网络局部测距信息的变化不敏感,并要求收集网络全部信息,因此通信代价很高、可扩展性弱。
发明内容
本发明的目的在于针对资源受限的无线传感器网络节点定位实现问题,提出一种新的定位代数计算方法。该代数计算方法以节点间的测距模型为研究对象,针对全局距离约束下的定位问题,提出精确的定位代数计算方法。该方法直接以代数解形式表示了定位结果,减少了计算复杂度。
本发明同时利用节点间距离的相互约束关系,在已有初始定位结果基础上,通过节点间的不断协作式迭代优化,达到单个节点上定位结果的最优解。同时将复杂的定位计算过程进行分解,并将分解后的计算过程分配于各个节点上,实现分布式定位计算,尤其适合于规模化无线传感器网络的定位过程。
为实现上述目的,本发明提出一种基于协作式迭代优化的无线传感器网络定位计算方法,具体为:直接采用信标节点定位未知节点坐标;将被定位的未知节点作为伪信标节点定位其余未知节点;采用尽最大数量的邻接信标节点和伪信标节点改进第二步的定位结果;节点间协作式迭代优化第三步的定位结果。
本发明的技术方案为:
步骤1:直接采用已知位置的信标节点定位未知节点坐标;
步骤2:将被定位的未知节点作为伪信标节点定位其余未被定位的未知节点;
步骤3:采用最大数量的邻接信标节点和伪信标节点改进步骤2的定位结果;
步骤4:节点间协作式迭代优化步骤3的定位结果。
本发明的技术特点还在于步骤1采用信标节点或步骤2伪信标节点定位未知节点坐标值时,以精确的代数方法表示未知节点坐标,达到定位结果的无偏估计值。步骤4节点间的不断协作式迭代优化直至定位结果保持稳定,达到单个节点定位结果的最优值。
步骤1的计算过程为:
坐标平面上分布着N个无线传感器网络节点,假设序号为1,2,…,M的M个节点为坐标位置已知的信标节点,其余序号为M+1,M+2,…,N的N-M个节点为待定位的未知节点,为确定未知节点位置坐标,未知节点i与其邻接的节点j间的实际测量距离dij与真实节点间距离满足 并且i>j,Δdij为节点间的测距误差。假设节点i、j的真实坐标位置分别为则有关系式
式(1)中下角标2代表2-范数,假设节点间的测距误差Δdij各自独立,并且Δdij服从均值为0,方差为的高斯分布,记为如果节点间距离可直接测量,称节点间是邻接的,若未知节点至少有三个以上的邻接信标节点,该未知节点可以被直接定位,假设单个未知节点i坐标列向量为xi=[xi yi]T,与该未知节点i邻接的m个信标节点的真实位置坐标为列向量 j=1,…,m,将式(1)转化为以下关系式
令列向量参数 (zi为3×1向量);矩阵A的行向量值为[-xj -yj 0.5],j=1,…,m,(A为m×3矩阵);列向量b、α的行元素值分别为(b、α为m×1向量),则可将式(3)写成矩阵的线性表达式
Azi=b+α (4)
根据线性最小二乘平方原理,向量zi的无偏估计值为
zi=(ATWαA)-1ATWαb (5)
式(5)中,Wα为最小平方权重系数,其值为
将向量zi的估计误差记为Δzi(Δzi亦为3×1向量),则有关系式
Δzi=(ATWαA)-1ATWαα (7)
则估计误差Δzi的协方差为
cov(Δzi)=(ATWαA)-1 (8)
这里cov(Δzi)为3×3矩阵,式(5)表示了未知节点i的位置坐标近似值,可利用向量 元素间的相互约束关系进一步计算其位置坐标的精确值,则有以下关系式
式(9)中zi(k)、Δzi(k)表示了向量zi、Δzi的第k个元素,k=1,2,3。将式(9)表示为线性矩阵形式
Gui=h+β (10)
式(10)中h=[zi(1)2 zi(2)2 zi(3)]T(h为3×1向量), (ui为2×1向量),β=LΔzi(β为3×1向量),
根据线性最小二乘平方原理,向量ui的无偏估计值为
ui=(GTWβG)-1GTWβh (11)
式(11)中,
Wβ=E(βTβ)-1=[LTcov(Δzi)L]-1=L-1ATWαAL-1 (12)
式(12)中Wβ为3×3矩阵,将向量ui的估计误差记为Δui,则有关系式
Δui=(GTWβG)-1GTWββ (13)
则估计误差Δui的协方差为
cov(Δui)=(GTWβG)-1 (14)
步骤2的计算过程为:
若与未知节点直接邻接的信标节点数量不够三个,但与未知节点邻接的信标节点和伪信标节点总数达到三个以上,则该未知节点可也以被间接定位出来。将被定位的未知节点作为伪信标节点时,伪信标节点的位置坐标是存在误差的,假设伪信标节点的真实位置坐标为 其位置坐标误差为Δxj=[Δxj Δyj]T,则有关系式 即 及 代入式(2)有下列关系式,
同样令 矩阵A的行向量值为[-xj -yj 0.5],j=1,…,m,A为m×3矩阵,列向量b、γ的行元素值分别为[(xj-xi)Δxj+(yj-yi)Δyj+dijΔdij],b、γ为m×1向量,则可将式(19)写成矩阵的线性表达式
Azi=b+γ (20)
则zi的无偏估计值为
zi=(ATWγA)-1ATWγb (21)
式(21)中,Wγ其值应为
j=1,…,m,Wγ为m×m对角矩阵,式(22)中,Cij=[xj -xi yj-yi],由于在计算权重系数Wγ时,需要已知未知节点坐标值xi=(xi,yi)。可预先设置Wγ为m×m单位矩阵,近似地求解未知节点坐标值xi,并以此计算Cij,代入式(22)计算Wγ,再以式(21)进一步精确计算参数zi,根据式(7~18),同样利用向量 元素间的相互约束关系可计算其位置坐标的精确值及估计位置坐标误差的方差,根据式(15)、(16)进一步计算精确估计值即为该步骤由结果伪信标节点定位出的未知节点坐标(与步骤1的不同之处在于权重系数Wγ的取值不同,该步骤考虑了伪信标节点的位置坐标误差对权重系数Wγ的影响),的位置坐标误差的协方差表示为
步骤3的计算过程为:
当网络中所有可被定位的未知节点坐标位置被确定后,未知节点也可以作为伪信标节点,重新优化已有的初始位置坐标。假设通过步骤1和步骤2后未知节点i的初始位置坐标估计值为而采用最大数量的邻接信标节点和伪信标节点改进后位置坐标的向量增量为 则有 即 及代入式(19),则有
式(26)中Wε为n×n矩阵,其值应为
式(27)中, 则被优化后的未知节点位置坐标为
步骤4的计算过程为:
将步骤3中的通过式(28)获取的节点定位结果作为伪信标节点位置坐标,重新定位网络中所有未知节点,即所有未知节点位置坐标被重新优化一次,称为一次协作式迭代优化过程。当网络中所有节点重新优化后,将优化后具有更准确位置坐标的定位结果作为伪信标节点位置坐标,又一次重新定位和优化网络中所有未知节点,这个过程称为二次协作式迭代优化过程。这样协作式迭代定位过程一次又一次地不断更新,直至定位结果保持稳定,不能再改进。
附图说明
图1为节点的位置坐标分布图;
图2为直接由信标节点定位的未知节点位置分布图;
图3为由伪信标节点定位的未知节点位置分布图;
图4为采用尽可能多的伪信标节点定位的未知节点位置分布图;
图5为蒙特卡罗测试下未知节点的平均RMS定位误差比较图;
图6为五次协作式迭代优化后的未知节点位置分布图;
图7为蒙特卡罗测试下未知节点的平均RMS定位误差比较图;
图8不同迭代次数下未知节点的平均RMS定位误差变化规律。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明方法可用在二维或三维面上,在二维平面上(三维平面的分析方法与二维平面分析方法相同),坐标平面上分布着N个无线传感器网络节点。不失一般性,假设序号为1,2,…,M的M个节点为坐标位置已知的信标节点,其余序号为M+1,M+2,…,N的N-M个节点为待定位的未知节点。为确定未知节点位置坐标,未知节点i与其邻接的节点j间的实际测量距离dij与真实节点间距离满足 并且i>j,Δdij为节点间的测距误差。假设节点i、j的真实坐标位置分别为则有关系式
式(1)中下角标2代表2-范数,假设节点间的测距误差Δdij各自独立,并且Δdij服从均值为0,方差为的高斯分布,记为对于任意未知节点i,并不是与所有节点j=1,2,…,N都是可测距的,只有部分与其邻接的节点是可测距的。定位计算的目标是通过尽可能地利用所有的节点间距离测量值,以尽可能地精确定位未知节点坐标。
由于节点被定位需满足可定位条件,所以规模化无线传感器网络中大部分节点不能直接被信标节点定位,而必须采用被定位出的未知节点(将被定位的未知节点当作信标节点时,该节点也被称为伪信标节点)位置坐标定位其余未知节点。图1说明无线传感器网络中的协作式迭代定位过程,该图中节点1~8为信标节点,其位置坐标为已知的精确值,节点9~20为待定位未知节点,节点间的连接直线代表了节点间的连通性,其直线长度代表了节点间的测量距离。也就是说没有直线连接表示两个节点间没有连通性,不能被测距。在二维平面上,定位未知节点至少需要三个邻接信标节点(邻接含义即为可直接被测距),因此图1中大多数待定位未知节点都能被信标节点直接定位,而未知节点9、10、15由于缺少足够数量的邻接信标节点而不能被信标节点直接定位。由于节点9、10、15与节点11、16间的距离是可测量的,所以当未知节点11、16被定位后被当作伪信标节点可进一步定位未知节点9、10、15,从而网络中所有的未知节点都被定位。当未知节点9、10、15的坐标位置被确定后,节点9、10、15的位置坐标可以用来重新优化节点11、16的位置坐标,从而优化网络中所有与之邻接的节点坐标位置。当11、16的位置坐标被优化后,其被优化后的具有更精确位置坐标的节点11、16也可以用来重新优化节点9、10、15的位置坐标。如此交互循环,网络中所有节点的位置坐标不断被迭代优化,此过程被称为协作式迭代优化定位过程。协作式迭代优化定位的实现步骤:定位过程可以分成以下四个步骤来完成:
步骤1:直接采用已知位置的信标节点定位未知节点坐标。
如果节点间距离可直接测量,称节点间是邻接的。若未知节点至少有三个以上的邻接信标节点,该未知节点可以被直接定位。假设单一未知节点i坐标列向量为xi=[xi yi]T,(这里T表示转置矩阵,下同),与该未知节点i邻接的m个信标节点的真实位置坐标为列向量 将式(1)转化为以下关系式
令列向量参数 (zi为3×1向量);矩阵A的行向量值为[-xj -yj0.5],j=1,…,m,(A为m×3矩阵);列向量b、α的行元素值分别为(b、α为m×1向量),则可将式(3)写成矩阵的线性表达式
Azi=b+α (4)
根据线性最小二乘平方原理,向量zi的无偏估计值为
zi=(ATWαA)-1ATWαb (5)
式(5)中,Wα为最小平方权重系数,其值为
将向量zi的估计误差记为Δzi(Δzi亦为3×1向量),则有关系式
Δzi=(ATWαA)-1ATWαα (7)
则估计误差Δzi的协方差为
cov(Δzi)=(ATWαA)-1 (8)
这里cov(Δzi)为3×3矩阵。式(5)表示了未知节点i的位置坐标近似值,可利用向量 元素间的相互约束关系计算其位置坐标的精确值,则有以下关系式
式(9)中zi(k)、Δzi(k)表示了向量zi、Δzi的第k个元素,k=1,2,3。将式(9)表示为线性矩阵形式
Gui=h+β (10)
式(10)中h=[zi(1)2 zi(2)2 zi(3)]T(h为3×1向量), (ui为2×1向量),β=LΔzi(β为3×1向量),
根据线性最小二乘平方原理,向量ui的无偏估计值为
ui=(GTWβG)-1GTWβh (11)
式(11)中,
Wβ=E(βTβ)-1=[LTcov(Δzi)L]-1=L-1ATWαAL-1 (12)
式(12)中Wβ为3×3矩阵,将向量ui的估计误差记为Δui(Δui亦为2×1向量),则有关系式
Δui=(GTWβG)-1GTWββ (13)
则估计误差Δui的协方差为:
cov(Δui)=(GTWβG)-1 (14)
(这里sign表示符号函数,当diag(z(1:2))元素值大于等于零时,值为1;当diag(z(1:2))元素值小于零时,值为-1)根据ui和之间的关系,的估计误差与ui的估计误差Δui之间有关系式
式(15)精确了表示了未知节点坐标位置xi的估计值就是该步骤直接由信标节点定位出的未知节点坐标,并且其估计误差的方差可由式(18)计算。图1中除未知节点9、10和15以外的所有未知节点都具有三个以上直接邻接的信标节点,因此这些未知节点的位置坐标都可以在此步定位过程中被确定。当节点设置为图1所示位置时,实验测试了上述计算方法下的定位结果。假设所有节点间测距误差服从均值为零,方差为52的高斯分布,即Δdij∈N(0,52),随机选择一组测距误差,图2画出了除未知节点9、10和15以外的所有未知节点被确定的位置坐标。
步骤2:将被定位的未知节点作为伪信标节点定位其余未被定位的未知节点:
若与未知节点直接邻接的信标节点数量不够三个,但与未知节点邻接的信标节点和伪信标节点总数达到三个以上,则该未知节点可也以被间接定位出来。将被定位的未知节点作为伪信标节点时,伪信标节点的位置坐标是存在误差的。假设伪信标节点的真实位置坐标为 其位置坐标误差为Δxj=[Δxj Δyj]T,则有关系式 即 及 代入式(2)有下列关系式,
同样令 (zi为3×1向量);矩阵A的行向量值为[-xj -yj 0.5],j=1,…,m,(A为m×3矩阵);列向量b、γ的行元素值分别为[(xj-xi)Δxj+(yj-yi)Δyj+dijΔdij],(b、γ为m×1向量),则可将式(19)写成矩阵的线性表达式
Azi=b+γ (20)
则zi的无偏估计值为
zi=(ATWγA)-1ATWγb (21)
式(21)中,Wγ其值应为
(j=1,…,m,Wγ为m×m对角矩阵)式(22)中,Cij=[xj-xi yj-yi]。由于在计算权重系数Wγ时,需要已知未知节点坐标值xi=(xi,yi)。可预先设置Wγ为m×m单位矩阵,近似地求解未知节点坐标值xi,然后计算Cij,代入式(22)计算Wγ,再以式(21)进一步精确计算参数zi。根据式(7~18),同样利用向量 元素间的相互约束关系可计算其位置坐标的精确值及估计位置坐标误差的方差。根据式(15)、(16)进一步计算精确估计值即为该步骤由结果伪信标节点定位出的未知节点坐标(与步骤1的不同之处在于权重系数Wγ的取值不同,该步骤考虑了伪信标节点的位置坐标误差对权重系数Wγ的影响),的位置坐标误差的协方差表示为
将图2中被定位出的未知节点作为伪信标节点,在图2中定位出的未知节点位置坐标的基础上,图3画出了未知节点9、10和15的估计位置坐标。
步骤3:采用最大数量的邻接信标节点和伪信标节点改进步骤2的定位结果:
当未知节点9、10、15的坐标位置被确定后,节点9、10、15也可以作为伪信标节点,以重新优化节点11、16的原有位置坐标。在此优化过程中定位节点11、16的伪信标节点数目增多了。显然采用更多的邻接伪信标节点可以改进已有的定位结果,减少定位误差。经过步骤1和步骤2的定位过程,未知节点i的初步位置坐标估计值为假设采用最大数量的邻接信标节点和伪信标节点改进后位置坐标的向量增量为 则有 即 及 代入式(19),则有
式(26)中Wε为n×n矩阵,其值应为
式(27)中, 则被优化后的未知节点位置坐标为
以图3中的节点位置为已有的初始定位结果,对已有的未知节点坐标位置选择最大数量的邻接信标节点和伪信标节点进行优化,图4画出了优化后的未知节点坐标位置。由图4可见,大多数节点的位置坐标得到了优化。由于测距误差分布的随机性,当然也有少部分节点的定位被放大了。为此进行了定位结果的唯一性实验,选择1000次蒙特卡罗测试的平均RMS定位误差评价其定位及精度。假设所有节点间测距误差服从均值为零,方差为0.12的高斯分布,即Δdij∈N(0,0.12),在节点ID为9~20的12个未知节点上1000次蒙特卡罗测试的平均RMS定位误差绘在图5中。由图5可见,利用最大数量的邻接信标节点和伪信标节点优化后的任何一个未知节点上的平均RMS定位误差均小于优化前的平均RMS定位误差。
步骤4:协作式迭代优化步骤3的定位结果:
当11、16的位置坐标采用式(28)被优化后,其被优化后的具有更精确位置坐标的节点11、16也可以用来重新优化节点9、10、15的位置坐标。将步骤3中的节点定位结果作为伪信标节点位置坐标,重新定位网络中所有未知节点,即所有未知节点位置坐标被重新优化一次,称为一次协作式迭代优化过程。当网络中所有节点重新优化后,将优化后具有更准确位置坐标的定位结果作为伪信标节点位置坐标,又一次重新定位和优化网络中所有未知节点,这个过程称为二次协作式迭代优化过程。这样协作式迭代定位过程一次又一次地不断更新,直至定位结果保持稳定,不能再改进。
以图4相对于图3中的节点位置坐标增量为基础,对未知节点坐标位置进行五次协作式迭代优化,图6画出了五次协作式迭代优化后的未知节点坐标位置。由图6可见五次协作式迭代优化后的节点位置坐标误差较优化前的位置坐标误差有所减少。由于测距误差分布的随机性,当然也有少量节点的定位被放大了。
为此,同样地进行唯一性实验,在第三步定位结果的基础上,对节点ID为9~20的12个未知节点上进行了1000次蒙特卡罗测试实验,选择1000次蒙特卡罗测试的平均RMS定位误差评价其定位精度。假设所有节点间测距误差服从均值为零,方差为0.12的高斯分布,即Δdij∈N(0,0.12),在节点ID为9~20的12个未知节点上1000次蒙特卡罗测试的平均RMS定位误差绘在图7中。由图7可见,经过五次协作式迭代优化后的所有未知节点上的平均RMS定位误差均不会大于优化前的平均RMS定位误差。仿真实验结果也表明,随着迭代次数的增加,所有未知节点的平均RMS定位误差也将趋于稳定值。图8画出了随机抽取的4个节点的平均RMS定位误差随迭代次数的变化规律。由图8可以看出,随着迭代次数的增加,4个节点的平均RMS定位误差越来越小并且趋于稳定。
Claims (6)
1.基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于按照以下步骤完成:
步骤1:直接采用已知位置的信标节点定位未知节点坐标;
步骤2:将被定位的未知节点作为伪信标节点定位其余未被定位的未知节点;
步骤3:采用最大数量的邻接信标节点和伪信标节点改进步骤2的定位结果;
步骤4:节点间协作式迭代优化步骤3的定位结果。
2.按照权利要求1所述基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于:所述步骤1采用信标节点或步骤2伪信标节点定位未知节点坐标值时,以精确的代数方法表示未知节点坐标,达到定位结果的无偏估计值。
3.按照权利要求1所述基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于:所述步骤4节点间的不断协作式迭代优化直至定位结果保持稳定,达到单个节点定位结果的最优值。
4.按照权利要求1所述基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于:所述步骤1的计算过程为:
坐标平面上分布着N个无线传感器网络节点,假设序号为1,2,…,M的M个节点为坐标位置已知的信标节点,其余序号为M+1,M+2,…,N的N-M个节点为待定位的未知节点,为确定未知节点位置坐标,未知节点i与其邻接的节点j间的实际测量距离dij与真实节点间距离满足 并且i>j,Δdij为节点间的测距误差;假设节点i、j的真实坐标位置分别为则有关系式
式(1)中下角标2代表2-范数,假设节点间的测距误差Δdij各自独立,并且Δdij服从均值为0,方差为的高斯分布,记为如果节点间距离可直接测量,称节点间是邻接的,若未知节点至少有三个以上的邻接信标节点,该未知节点可以被直接定位,假设单一未知节点i坐标列向量为xi=[xi yi]T,与该未知节点i邻接的m个信标节点的真实位置坐标为列向量 j=1,…,m,将式(1)转化为以下关系式
令列向量参数 (zi为3×1向量);矩阵A的行向量值为[-xj -yj 0.5],j=1,…,m,(A为m×3矩阵);列向量b、α的行元素值分别为(b、α为m×1向量),则可将式(3)写成矩阵的线性表达式
Azi=b+α (4)
根据线性最小二乘平方原理,向量zi的无偏估计值为
zi=(ATWαA)-1ATWαb (5)
式(5)中,Wα为最小平方权重系数,其值为
将向量zi的估计误差记为Δzi(Δzi亦为3×1向量),则有关系式
Δzi=(ATWαA)-1ATWαα (7)
则估计误差Δzi的协方差为
cov(Δzi)=(ATWαA)-1 (8)
这里cov(Δzi)为3×3矩阵,式(5)表示了未知节点i的位置坐标近似值,可利用向量 元素间的相互约束关系计算其位置坐标的精确值,则有以下关系式
式(9)中zi(k)、Δzi(k)表示了向量zi、Δzi的第k个元素,k=1,2,3;将式(9)表示为线性矩阵形式
Gui=h+β (10)
式(10)中h=[zi(1)2 zi(2)2 zi(3)]T(h为3×1向量), (ui为2×1向量),β=LΔzi(β为3×1向量),
根据线性最小二乘平方原理,向量ui的无偏估计值为
ui=(GTWβG)-1GTWβh (11)
式(11)中,
Wβ=E(βTβ)-1=[LTcov(Δzi)L]-1=L-1ATWαAL-1 (12)
式(12)中Wβ为3×3矩阵,将向量ui的估计误差记为Δui,则有关系式
Δui=(GTWβG)-1GTWββ (13)
则估计误差Δui的协方差为:
cov(Δui)=(GTWβG)-1 (14)
式(17)中F=U(GTWβG)-1GTWβL,则估计误差的方差可以表示为
5.按照权利要求1所述基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于:所述步骤2的计算过程为:
若与未知节点直接邻接的信标节点数量不够三个,但与未知节点邻接的信标节点和伪信标节点总数达到三个以上,则该未知节点可也以被间接定位出来,将被定位的未知节点作为伪信标节点时,伪信标节点的位置坐标是存在误差的,假设伪信标节点的真实位置坐标为 其位置坐标误差为Δxj=[Δxj Δyj]T,则有关系式 即 及 代入式(2)有下列关系式,
同样令 矩阵A的行向量值为[-xj -yj 0.5],j=1,…,m,A为m×3矩阵,列向量b、γ的行元素值分别为[(xj-xi)Δxj+(yj-yi)Δyj+dijΔdij],b、γ为m×1向量,则可将式(19)写成矩阵的线性表达式
Azi=b+γ (20)
则zi的无偏估计值为
zi=(ATWγA)-1ATWγb (21)
式(21)中,Wγ其值应为
j=1,…,m,Wγ为m×m对角矩阵,式(22)中,Cij=[xj -xi yj-yi],由于在计算权重系数Wγ时,需要已知未知节点坐标值xi=(xi,yi),可预先设置Wγ为m×m单位矩阵,近似地求解未知节点坐标值xi,然后计算Cij,代入式(22)计算Wγ,再以式(21)进一步精确计算参数zi,根据式(7~18),同样利用向量 元素间的相互约束关系可计算其位置坐标的精确值及估计位置坐标误差的方差,根据式(15)、(16)进一步计算精确估计值即为该步骤由结果伪信标节点定位出的未知节点坐标(与步骤1的不同之处在于权重系数Wγ的取值不同,该步骤考虑了伪信标节点的位置坐标误差对权重系数Wγ的影响),的位置坐标误差的协方差表示为
6.按照权利要求1所述基于协作式迭代优化的无线传感器网络定位计算方法,其特征在于:所述步骤3的计算过程为:
当未知节点坐标位置被确定后,未知节点也可以作为伪信标节点,以重新优化原有位置坐标,未知节点i的初步位置坐标估计值为假设采用最大数量的邻接信标节点和伪信标节点改进后位置坐标的向量增量为 则有 即 及 代入式(19),则有
式(26)中Wε为n×n矩阵,其值应为
式(27)中, 则被优化后的未知节点位置坐标为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077848.4A CN103826298B (zh) | 2014-03-05 | 2014-03-05 | 一种协作式迭代优化的无线传感器网络定位计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077848.4A CN103826298B (zh) | 2014-03-05 | 2014-03-05 | 一种协作式迭代优化的无线传感器网络定位计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103826298A true CN103826298A (zh) | 2014-05-28 |
CN103826298B CN103826298B (zh) | 2017-02-08 |
Family
ID=50761061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410077848.4A Expired - Fee Related CN103826298B (zh) | 2014-03-05 | 2014-03-05 | 一种协作式迭代优化的无线传感器网络定位计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103826298B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104105197A (zh) * | 2014-06-27 | 2014-10-15 | 山东大学(威海) | 一种处理无线传感器网络节点定位中节点翻转歧义的迭代方法 |
CN104144499A (zh) * | 2014-08-18 | 2014-11-12 | 重庆邮电大学 | 基于rssi向量相近度和广义逆的无线传感器网络定位方法 |
CN105050179A (zh) * | 2015-04-14 | 2015-11-11 | 西安交通大学 | 一种面向低密度无线传感器网络的节点定位方法 |
CN105592548A (zh) * | 2016-03-28 | 2016-05-18 | 东华大学 | 一种基于高斯模型的无线传感网络质心定位方法 |
CN105738865A (zh) * | 2015-12-05 | 2016-07-06 | 中国人民解放军信息工程大学 | 信号波形已知条件下的多目标直接定位方法 |
CN106162869A (zh) * | 2016-07-07 | 2016-11-23 | 上海交通大学 | 移动自组织网络中高效协作定位方法 |
CN109246606A (zh) * | 2018-10-15 | 2019-01-18 | 广州科语机器人有限公司 | 机器人定位网络的扩展方法、装置、终端设备及存储介质 |
CN110881192A (zh) * | 2019-11-19 | 2020-03-13 | 哈尔滨工业大学 | 结合MDS的DV-Hop无线传感器网络节点定位方法 |
CN112954633A (zh) * | 2021-01-26 | 2021-06-11 | 电子科技大学 | 一种基于参数约束的双网络架构室内定位方法 |
CN117739992A (zh) * | 2024-02-19 | 2024-03-22 | 深圳市其域创新科技有限公司 | 室内定位方法、装置、系统、终端设备及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090121940A1 (en) * | 2007-11-13 | 2009-05-14 | Jonathan Ladd | System for determining position over a network |
-
2014
- 2014-03-05 CN CN201410077848.4A patent/CN103826298B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090121940A1 (en) * | 2007-11-13 | 2009-05-14 | Jonathan Ladd | System for determining position over a network |
Non-Patent Citations (1)
Title |
---|
后嘉龙: "基于距离约束判定的无线传感器网络迭代定位算法研究", 《全国优秀硕士论文集》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104105197A (zh) * | 2014-06-27 | 2014-10-15 | 山东大学(威海) | 一种处理无线传感器网络节点定位中节点翻转歧义的迭代方法 |
CN104144499A (zh) * | 2014-08-18 | 2014-11-12 | 重庆邮电大学 | 基于rssi向量相近度和广义逆的无线传感器网络定位方法 |
CN105050179A (zh) * | 2015-04-14 | 2015-11-11 | 西安交通大学 | 一种面向低密度无线传感器网络的节点定位方法 |
CN105050179B (zh) * | 2015-04-14 | 2018-10-30 | 西安交通大学 | 一种面向低密度无线传感器网络的节点定位方法 |
CN105738865A (zh) * | 2015-12-05 | 2016-07-06 | 中国人民解放军信息工程大学 | 信号波形已知条件下的多目标直接定位方法 |
CN105738865B (zh) * | 2015-12-05 | 2018-03-27 | 中国人民解放军信息工程大学 | 信号波形已知条件下的多目标直接定位方法 |
CN105592548A (zh) * | 2016-03-28 | 2016-05-18 | 东华大学 | 一种基于高斯模型的无线传感网络质心定位方法 |
CN106162869B (zh) * | 2016-07-07 | 2020-03-06 | 上海交通大学 | 移动自组织网络中高效协作定位方法 |
CN106162869A (zh) * | 2016-07-07 | 2016-11-23 | 上海交通大学 | 移动自组织网络中高效协作定位方法 |
CN109246606A (zh) * | 2018-10-15 | 2019-01-18 | 广州科语机器人有限公司 | 机器人定位网络的扩展方法、装置、终端设备及存储介质 |
CN109246606B (zh) * | 2018-10-15 | 2020-11-17 | 广州科语机器人有限公司 | 机器人定位网络的扩展方法、装置、终端设备及存储介质 |
CN110881192A (zh) * | 2019-11-19 | 2020-03-13 | 哈尔滨工业大学 | 结合MDS的DV-Hop无线传感器网络节点定位方法 |
CN110881192B (zh) * | 2019-11-19 | 2022-11-18 | 哈尔滨工业大学 | 结合MDS的DV-Hop无线传感器网络节点定位方法 |
CN112954633A (zh) * | 2021-01-26 | 2021-06-11 | 电子科技大学 | 一种基于参数约束的双网络架构室内定位方法 |
CN112954633B (zh) * | 2021-01-26 | 2022-01-28 | 电子科技大学 | 一种基于参数约束的双网络架构室内定位方法 |
CN117739992A (zh) * | 2024-02-19 | 2024-03-22 | 深圳市其域创新科技有限公司 | 室内定位方法、装置、系统、终端设备及可读存储介质 |
CN117739992B (zh) * | 2024-02-19 | 2024-05-03 | 深圳市其域创新科技有限公司 | 室内定位方法、装置、系统、终端设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103826298B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103826298A (zh) | 一种协作式迭代优化的无线传感器网络定位计算方法 | |
CN106912105B (zh) | 基于pso_bp神经网络的三维定位方法 | |
CN103402258A (zh) | 一种基于Wi-Fi的室内定位系统和方法 | |
CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
CN102209382A (zh) | 一种基于rssi的无线传感器网络节点定位方法 | |
CN103885028B (zh) | 一种适用于无线传感器网络节点定位的基于误差校正的联合质心定位方法 | |
CN104080165A (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
CN104507050A (zh) | 一种WiFi室内定位中概率型指纹匹配方法 | |
CN101466145A (zh) | 基于神经网络的双基站精确定位方法 | |
CN108882149B (zh) | 距离相关概率的nlos补偿定位方法 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
CN108307498B (zh) | 一种wsn节点的定位方法及装置 | |
CN103716879B (zh) | Nlos环境下采用距离几何的无线定位新方法 | |
CN111381209A (zh) | 一种测距定位的方法及装置 | |
CN104640204A (zh) | 一种非直达波环境下无线传感器网络节点定位方法 | |
CN104363649A (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
Liu et al. | LANDMARC with improved k-nearest algorithm for RFID location system | |
CN102264127B (zh) | 基于共面度的无线传感网络的三维定位方法 | |
Lou et al. | High-accuracy positioning algorithm based on uwb | |
Artemenko et al. | Comparison of anchor selection algorithms for improvement of position estimation during the wi-fi localization process in disaster scenario | |
Fan et al. | A modified tetrahedron shape measure and its application for 3D trilateration localization in mobile cluster networks | |
Yuan et al. | A three dimensional tracking scheme for underwater non-cooperative objects in mixed LOS and NLOS environment | |
Guo et al. | A novel density-based geolocation algorithm for a noncooperative radio emitter using power difference of arrival | |
Yang et al. | Sequence localization algorithm based on 3D Voronoi diagram in wireless sensor network | |
CN109884582A (zh) | 利用一维测向快速确定目标三维坐标的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170208 Termination date: 20200305 |
|
CF01 | Termination of patent right due to non-payment of annual fee |