CN104254126A - 基于css测距的无线传感器网络分布式节点定位方法 - Google Patents

Abstract

本发明公开了一种基于CSS测距的无线传感器网络分布式节点定位方法，包括以下步骤：使用距离矢量交换协议，使无线传感器网络中的锚节点与未知节点进行信息交互，使待定位节点获得1跳范围内锚节点的ID、位置坐标，同时建立对应的锚节点信息表；待定位节点查询自身的锚节点信息表，当其1跳范围内具有的锚节点数目大于或者等于3个时，该待定位节点采用基于CSS测距的三边定位算法获得自身位置；获得自身位置的节点依次晋升为锚节点，并通过广播方式向周围邻居节点广播自身的ID和位置坐标信息，同时邻居待定位节点将晋升锚节点的ID和位置坐标信息记录到自身的锚节点信息表中，以实现其自身的节点定位。

Description

基于CSS测距的无线传感器网络分布式节点定位方法

技术领域

本发明涉及无线传感器网络节点定位领域，特别是一种基于CSS(Chirp Spread Spectrum，线性调频扩频)测距的WSN(Wireless Sensor Network，无线传感器网络)分布式节点定位方法。 

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是一个由部署在监测区域内的大量传感器所组成，通过无线通信方式形成的一个多跳自组织网络。具有可快速部署、可自组织、成本低、能在恶劣和特殊环境下工作等优点，已经广泛应用于战场监控、环境监测、工业控制、健康医疗、智能家居等多个领域。在无线传感器网络的众多应用中，传感器节点的位置信息是至关重要的，因为没有节点位置信息的监测数据往往是没有意义的。节点自身的精确定位是提供监测事件位置信息的前提，也是实现移动目标定位、轨迹跟踪预测、网络拓扑控制以及网络路由优化的基础。 

现有的无线传感器网络定位方法根据是否需要测距分为：基于测距的定位方法和无需测距的定位方法。前者需要测量相邻节点间的绝对距离或方位，并利用节点间的实际距离来计算未知节点的位置；后者无需测量节点的绝对距离或方位，而是利用节点间的估计距离计算节点位置。基于测距的定位方法有：基于TOA的定位、基于TDOA的定位、基于AOA的定位和基于RSSI的定位。其中，基于TOA的定位需要严格的节点间时间同步，很难应用于大规模无线传感器网络定位；基于TDOA的定位受限于超声波传输距离和非直视路径问题；基于AOA的定位需要额外的硬件，在硬件尺寸和功耗上很难满足实际应用；基于RSSI的定位虽然符合低功率、低成本的要求，但是具有较大的定位误差。无需测距的定位方法如质心算法、DV-Hop(Distance Vector-Hop)等，尽管具有低成本、受环境影响小等优点，但是存在测距误差累积问题，同时定位误差也较大。 

尽管研究者提出了多种方法对上述算法进行改进，但是现有的无线传感器网络节点定位方法仍存在以下问题亟需解决：(1)由于周围恶劣环境对无线信号的影响，导致传统的测距方法如TOA/TDOA、AOA、RSSI等无法获得良好的测距精度，从而导 致节点定位性能下降；(2)如何减小大规模无线传感器网络中测距误差累积问题；(3)由于传感器节点数量众多导致集中式定位算法不再有效，这就要求各传感器节点能够分布式计算自己的位置信息，来实现网络能量均衡。 

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于CSS测距的无线传感器网络分布式节点定位方法。 

为了解决上述技术问题，本发明公开了一种基于CSS测距的无线传感器网络分布式节点定位方法，，包含了以下几个步骤： 

1.使用典型的距离矢量交换协议，使无线传感器网络中的锚节点与未知节点进行信息交互，未知节点仅存储距离自己1跳范围内的锚节点ID、位置坐标，并建立对应的锚节点信息表； 

2.网络中的未知节点查询自身的锚节点信息表，如果1跳范围内具有的锚节点数目大于或者等于3个，则未知节点采用基于CSS测距的三边定位算法获得自身位置； 

3.未知节点晋升为锚节点，晋升的原则为一跳范围内具有3个或以上锚节点并且已通过步骤2获得自身位置坐标的未知节点； 

4.晋升锚节点通过广播方式向邻居节点广播自身的ID和位置坐标信息，邻居未知节点将晋升锚节点的ID和位置坐标信息记录到该未知节点的锚节点信息表中； 

5.然后从步骤2到步骤4进行多次迭代，计算网络中其他未知节点的位置坐标。 

步骤2中所述的基于CSS测距的三边定位算法包括如下步骤： 

(1)未知节点利用CSS信号多次测量自身与锚节点之间的距离，获得个测距样本，用表示，其中表示该未知节点与锚节点之间第次测距样本； 

(2)利用式(1)求取M个测距样本的样本均值；然后定义投票模型如式(2)所示，计算每个测距样本的投票概率

$\mathrm{\μ}=\frac{{\mathrm{\Σ}}_{i=1}^M{d}_j^i}{M}---\left(1\right),$

$P\left(d_j^i\right|\mathrm{\μ})=\frac{1}{\sqrt{2\mathrm{\π}}\·\mathrm{\σ}}{e}^{-\frac{{(d_j^i-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}---\left(2\right),$

(3)根据实际需求定义置信值，对测距样本进行投票，当测距样本的投票概率 小于置信值λ时，就抛弃这个测距样本，否则就保留。保留下的测距样本数用K表示。本发明中建议置信值λ的取值范围为0.8≤λ≤0.5，取值越大，越有利于删除异常测距样本，但是取值过大，部分正常测距样本易被误删除。 

(4)然后对保留的K个测距样本按照式(3)进行平均滤波，获得测距估计值

${\hat{d}}_j=\frac{1}{M}{\mathrm{\Σ}}_{k=1}^M{d}_j^i---\left(3\right),$

(5)未知节点利用已知的n个邻居锚节点的坐标信息：(x₁，y₁)、(x₂，y₂)、……、(x_n，y_n)，以及它们与未知节点的测距估计值：通过式(4)来求取未知节点的坐标为(x，y)： 

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2={\hat{d}}_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2={\hat{d}}_2^2\\ ......\\ {(x_n-x)}^2+{(y_n-y)}^2={\hat{d}}_n^2\end{array}\right.---\left(4\right).$

本发明提出基于CSS测距的三边定位算法来实现传感器节点的精确定位；同时通过节点晋升方案来让未知节点有序主动发起定位请求，计算自身所处的地理位置，不仅可以实现节点分布式计算，还极大提高了节点定位精度。 

本发明公开了一种基于CSS测距的无线传感器网络分布式节点定位方法，包括以下步骤：使用距离矢量交换协议，使无线传感器网络中的锚节点与未知节点进行信息交互，使待定位节点获得1跳范围内锚节点的ID、位置坐标，同时建立对应的锚节点信息表；待定位节点查询自身的锚节点信息表，当其1跳范围内具有的锚节点数目大于或者等于3个时，该待定位节点采用基于CSS测距的三边定位算法获得自身位置；获得自身位置的节点依次晋升为锚节点，并通过广播方式向周围邻居节点广播自身的ID和位置坐标信息，同时邻居待定位节点将晋升锚节点的ID和位置坐标信息记录到自身的锚节点信息表中，以实现其自身的节点定位。本发明消除环境干扰，测距精度高，通过晋升锚节点方式不断迭代实现节点分布式定位，在降低定位误差的同时，实现了网络的能量均衡。 

有益效果：本发明的优势主要体现以下几个方面： 

(1)本发明提出基于CSS测距的三边定位算法，有效消除环境干扰，显著提高了 传感器节点的测距定位精度。 

(2)通过节点晋升方案来让未知节点有序主动发起定位请求，计算自身所处的地理位置，在降低定位误差的同时，实现了传感器节点分布式定位计算，有利于网络能量均衡。 

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。 

图1是本发明的流程图。 

图2为实施例节点部署环境在仿真环境示意图。 

具体实施方式

如图1所示，本发明提供的基于CSS测距的无线传感器网络分布式节点定位方法，包括如下步骤： 

1.通过距离矢量交换协议，无线传感器网络中的每个未知节点获取周围1跳范围内锚节点ID、位置坐标，并建立其对应的锚节点信息表； 

2.网络中的未知节点查询自身的锚节点信息表，如果1跳范围内具有的锚节点数目等于3个，则未知节点采用基于CSS测距的三边定位算法获得自身位置，具体过程如下： 

首先待定位节点i与锚节点j间进行M次测距，获得M个测距样本，用表示，其中表示该未知节点与锚节点j之间第i次测距样本；本实施例中M＝30。 

其次对30个测距样本求样本均值μ，计算公式如下式： 

$\mathrm{\μ}=\frac{d_j^1+d_j^2+...+d_j^{30}}{30},$

其中μ为计算获得样本均值。 

然后定义标准差σ，通过下式计算每个测距样本的投票概率

$P\left(d_j^k\right|\mathrm{\μ})=\frac{1}{\sqrt{2\mathrm{\π}}\·\mathrm{\σ}}{e}^{-\frac{{(d_j^k-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}},$

本实施例中σ＝0.25。 

再次，定义置信值λ，当测距样本的投票概率小于置信值λ时，就抛弃这个 测距样本，否则就保留。保留下的测距样本数用M表示，本实施例中λ＝0.8。对保留下的M个测距样本进行平均滤波，公式如下，获得测距估计值为

${\hat{d}}_j=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{d}_j^k,$

最后，根据实施例中3个锚节点的坐标：(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，以及与待定位节点的距离通过下式计算获得带定位节点的坐标： 

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2=d_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2=d_2^2\\ {(x_3-x)}^2+{(y_3-y)}^2=d_3^2\end{array}\right.$

3.未知节点晋升为锚节点，晋升的原则为一跳范围内具有3个或以上锚节点并且已获得自身位置坐标的未知节点； 

4.晋升锚节点通过广播方式向邻居节点广播自身的ID和位置坐标信息，邻居未知节点将晋升锚节点的ID和位置坐标信息记录到该未知节点的锚节点信息表中； 

5.然后从步骤2到步骤4进行多次迭代，计算网络中其他未知节点的位置坐标。实施例 

本实施例仿真环境为200m×100m的区域，10个锚节点和60个待定位节点均匀随机部署。 

图2实施例节点部署环境在仿真环境中对典型的无需测距定位方法DV-Hop、典型的测距定位方法RSSI和本实施例定位方法进行实验对比，三种定位方法的测距和定位的结果如表1所示： 

表1三种定位方法的实验比较 

	DV-Hop定位方法	基于RSSI的定位方法	本实施例定位方法
				平均测距误差	1.6m	1.2m	0.5m
平均定位误差	2.1m	1.4m	0.7m

从上表可以看出，本实施例所述的定位方法在定位精度以及测距精度上都显著优于现有方法。 

本发明提供了基于CSS测距的无线传感器网络分布式节点定位方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。 

Claims (1)

1.基于CSS测距的无线传感器网络分布式节点定位方法，其特征在于，包括如下步骤：

(1)使用距离矢量交换协议，使无线传感器网络中的锚节点与未知节点进行信息交互，未知节点仅存储距离自己1跳范围内的锚节点ID、位置坐标，并建立对应的锚节点信息表；

(2)无线传感器网络中的未知节点查询自身的锚节点信息表，如果1跳范围内具有的锚节点数目大于或者等于3个，则未知节点采用基于CSS测距的三边定位算法获得自身位置；

(3)未知节点晋升为锚节点：如果未知节点的一跳范围内具有3个以上锚节点，并且已通过步骤2获得自身位置坐标，则未知节点晋升为锚节点；

(4)晋升后的锚节点通过广播方式向邻居节点广播自身的ID和位置坐标信息，邻居未知节点将晋升后锚节点的ID和位置坐标信息记录到该未知节点的锚节点信息表中；

(5)反复迭代执行步骤(2)到步骤(4)，计算网络中其他未知节点的位置坐标。2、根据权利要求1所述的基于CSS测距的无线传感器网络分布式节点定位方法，其特征在于，步骤2中所述的未知节点采用基于CSS测距的三边定位算法获得自身位置，包括如下步骤：

(21)未知节点利用CSS信号M次测量自身与锚节点j之间的距离，获得M个测距样本，用表示，其中表示该未知节点与锚节点j之间第i次测距样本；

(22)利用式(1)求取M个测距样本的样本均值μ，根据式(2)定义投票模型，计算每个测距样本的投票概率

$\mathrm{\μ}=\frac{{\mathrm{\Σ}}_{i=1}^M{d}_j^i}{M}---\left(1\right),$

$P\left(d_j^i\right|\mathrm{\μ})=\frac{1}{\sqrt{2\mathrm{\π}}\·\mathrm{\σ}}{e}^{-\frac{{(d_j^i-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}}---\left(2\right),$

σ表示标准差；

(23)定义置信值λ，对测距样本进行投票，当测距样本的投票概率小于置信值λ时，抛弃该测距样本，否则就保留，保留下的测距样本数用K表示；

(24)然后对保留的K个测距样本按照式(3)进行平均滤波，获得测距估计值

${\hat{d}}_j=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^M{d}_j^i---\left(3\right),$

(25)未知节点利用已知的n个邻居锚节点的坐标信息：(x₁,y₁)、(x₂,y₂)、……、(x_n,y_n)，以及它们与未知节点的测距估计值：通过式(4)求取未知节点的坐标为(x,y)：

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2={\hat{d}}_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2={\hat{d}}_2^2\\ \·\·\·\·\·\·\\ {(x_n-x)}^2+{(y_n-y)}^2={\hat{d}}_n^2\end{array}\right.---\left(4\right).$