CN104302001A - 一种水声传感器网络及其基于水流预测的节点定位方法 - Google Patents

Abstract

本发明公开了一种水声传感器网络及其基于水流预测的节点定位方法，该方法包括如下步骤：对该水声传感器网络中的各节点采用分层定位的方法，将其分为锚节点定位和普通节点定位；信标节点周期性地广播自己的坐标信息，锚节点与普通节点分别进行自我定位；各节点周期的检查自身附近信标节点或锚节点的移动模式，并采用水流移动预测定位法更新自己的移动模式；各节点在获得自身的移动模式之后，根据该移动模式更新自己的坐标为自身定位。本发明提出节点的移动模式概念，每个节点都可以根据其移动模式来预测它未来的位置，有效地减小了节点间的通信开销。

Description

一种水声传感器网络及其基于水流预测的节点定位方法

技术领域

本发明涉及水声传感器网络技术领域，特别是涉及一种水声传感器网络及其基于水流预测的节点定位方法。

背景技术

海洋通信网络是借助于水声信号而建立起来的无线网络，其原理是在待监测水域中放入大量廉价微型传感器节点，利用水声通信的方式，节点可以形成有组织网络的系统，用来协助感知、采集以及处理监测水域范围内目标的对象信息。其中，海洋传感器节点主要由控制器、存储器、传感器和水声调制解调器等组成。传感器节点通过自组织方式构成无线网络，依靠传感器来获取参数，并通过水声调制解调器将信息进行转换后转发，通过网络将数据经由接收发送器链路将整个区域内的信息传送到远程控制管理中心。

目前水声传感器网络的节点定位方法主要有升潜定位法、LSL定位法、AAL定位法以及MASL定位法。其中升潜定位法是分布式的基于估计的定位算法，利用可上浮与下沉的信标。在信标浮到水面上的时候通过全球定位系统(GPS)得到自身坐标，然后在下沉时通过压力传感器获取深度信息并不断的发送自身坐标信息，未知节点被动的接受这些信息并通过单程到达时间(TOA)测距算法计算距离并通过三边测量法原理来定位；大规模定位法(LSL)是静态水环境中的分布式分层定位机制，该网络由三种节点组成：浮标节点，锚节点和未知节点。此定位方法中，浮标节点通过GPS获取坐标，锚节点首先通过浮标节点定位自身坐标，然后周期发送自身坐标为未知节点定位；水下自主航行器辅助定位法(AAL)是静态水环境中的分布式分层定位机制，该算法是利用水下自主航行器在水下通过航行来定位未知节点，水下自主航行器会周期的浮出水面取GPS坐标，然后通过船位推算法来定位自身位置并共享位置消息，未知节点收到消息后，通过双向TOA测距算法获取距离，通过水下自主航行器的移动使未知节点获取多个与不同水下自主航行器坐标相对应的距离后，节点即可定位；运动感知的自身定位法(MASL)，是动态水环境中的集中式定位机制，该定位方法中没有锚节点，在MASL算法中，节点会自动收集自身与邻居节点的距离，这些距离信息会在由基站进行离线处理，通过迭代方法对节点进行估算定位，在此方法中将海水划分成多个网格，采用集中式算法减轻节点的计算负担。

然而上述定位法都存在各自的缺点：升潜定位法覆盖面和定位精度较高，但需要的信标节点较多，且会出现通信开销较大并带来误差累积的现象；LSL定位法存在节点间无法通信现象；MASL定位法不能实时监测，获得实时的定位信息；AAL定位法需要较高的通信开销。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种水声传感器网络及其基于水流预测的节点定位方法，其提出节点的移动模式概念，每个节点都可以根据其移动模式来预测它未来的位置，使得各节点能在一定程度上延长获取定位信息的时间间隔，从而避免了节点间频繁地进行位置信息的交换，有效地减小了节点间的通信开销。

为达上述及其它目的，本发明提出一种水声传感器网络，该水声传感器网络包括4个或更多信标节点、若干锚节点以及若干普通节点，该信标节点用于发送坐标，锚节点可直接与信标节点通信，通过与该信标节点的接触来实现自定位，普通节点不能直接与该信标节点接触，普通节点通过接触其邻居节点或锚节点来获取自己的位置。

进一步地，该信标节点为装备GPS的表面浮标。

进一步地，各节点部署在动态水流中。

为达到上述目的，本发明还提供一种水声传感器网络中基于水流预测的节点定位方法，包括如下步骤：

步骤一，对该水声传感器网络中的各节点采用分层定位的方法，将其分为锚节点定位和普通节点定位；

步骤二，信标节点周期性地广播自己的坐标信息，锚节点收到信标节点的坐标信号后，通过与信标节点的交互通信的时间差，获得自己与附近三个信标节点的距离，再通过三角定位法实现自我定位，并广播自己的坐标信息，普通节点收到自己附近的锚节点的坐标信息后，与至少三个锚节点进行通信，获得自己与这些锚节点的距离后，再通过三角定位法实现自我定位；

步骤三，各节点周期的检查自身附近信标节点或锚节点的移动模式，并采用水流移动预测定位法更新自己的移动模式；

步骤四，各节点在获得自身的移动模式后，根据该移动模式更新自己的坐标为自身定位。

进一步地，于步骤三中，锚节点采用线性预测的方法获得自己的移动模式。

进一步地，于步骤三中，对于水声传感器网络中的普通节点，周期性地获取附近的锚节点的坐标，并根据该些锚节点的移动特点，采用线性预测的方法获得自己的移动模式。

进一步地，于步骤三中，该线性预测方法采用如下公式计算移动模式：

$\left\{\begin{array}{c}{v}_x\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_x\left(i\right)\\ v_y\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_y\left(i\right)\end{array}\right.$

假设需要获得j点的坐标，其中Vx(j),Vy(j)为j的的位置坐标；在已得知j节点相邻节点的位置坐标的情况下，则可列方程计算出j点的坐标，其中，m为j节点的邻居节点数，Sij为插值系数。

进一步地，于步骤四中，各节点采用如下公式更新自己的坐标：

$\left\{\begin{array}{c}x\left(j\right)=x_0+t_0\·v_x\left(j\right)\\ y\left(j\right)=y_0+t_0\·v_y\left(j\right)\end{array}\right.$

其中，x(j)和y(j)分别表示节点j的新坐标，x₀和y₀分别表示节点j更新前的坐标，t₀表示更新的时间周期。

与现有技术相比，本发明一种水声传感器网络及其基于水流预测的节点定位方法采用分层定位的方法，对锚节点采用线性预测的方法对自己进行定位，对普通节点利用水下对象存在的空间相关性的优势来促进实现普通节点的预测，在减小通信开销的同时，保证了较大的定位覆盖率和定位精确度。

附图说明

图1为本发明一种水声传感器网络的网络分层结构；

图2为本发明一种水声传感器网络中基于水流预测的节点定位方法的步骤流程图；

图3为本发明较佳实施例中定位信息的组成示意图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

图1为本发明一种水声传感器网络的网络分层结构。如图1所示，本发明一种水声传感器网络，包括4个或更多信标节点、若干锚节点以及若干普通节点，信标节点用于发送坐标，信标节点为装备GPS的表面浮标，可获取它们的估计位置，它们被作为水下定位方案中的“卫星”，定位被分层执行的，整个定位过程被分为两个部分：锚节点定位以及普通节点定位，锚节点通过信标节点直接定位，锚节点可以直接接触信标节点，通过与信标节点的接触来实现自定位；普通节点复杂度较低，不能直接与浮标节点接触，因为它的价格低廉，且不希望消耗过多能量，普通节点通过接触其邻居节点或锚节点来获取自己的位置，通常情况下，普通节点间通过与相邻锚节点发送本地消息来实现自定位，因此能更有效的参与到定位任务中。在定位过程中，每个节点的移动模式都来自于过去的位置信息，它可以通过移动模式来预测它未来的位置。

图2为本发明一种水声传感器网络中基于水流预测的节点定位方法的步骤流程图。如图2所示，本发明一种水声传感器网络中基于水流预测的节点定位方法，包括如下步骤：

步骤201，对水声传感器网络中的各节点采用分层定位的方法，将其分为锚节点定位和普通节点定位；

步骤202，信标节点周期性地广播自己的坐标信息，锚节点收到信标节点的坐标信号后，通过与信标节点的交互通信的时间差，获得自己与附近三个信标节点的距离，再通过三角定位法实现自我定位，并广播自己的坐标信息；不能与信标节点直接通信的普通节点，收到自己附近的锚节点的坐标信息后，需与至少三个锚节点进行通信，获得自己与这些锚节点的距离后，再通过三角定位法实现自我定位；

步骤203，各节点周期的检查自身附近信标节点或锚节点的移动模式，并更新自己的移动模式，采用水流移动预测定位法(Water Flow Forecast Location，WFFL)更新自己的移动模式。具体地说，尽管在较大的范围内，水流的变化比较复杂，比如存在漩涡、流向改变等特点，但由于水流是一种液体，在相对较小的范围内，水流仍然存在一定的规律，比如海洋的洋流中洋流是有一定的流动方向的，因此，在没有海拔落差和缺乏障碍物的海洋中，水流的流动方向和速率可以通过时间连续记录和附近的水声传感器的数据进行预测。这里的过程如下，由于水声传感器节点没有固定于海底或其他固定位置时，基本是随着水流波动的，因此其运动方向和速度与其所处的水流的运动方向和速度有极大的相关性。对于水声传感器网络中的锚节点，由于可以周期性地获取信标节点的坐标，因此可以通过附近信标节点的移动特点，采用线性预测的算法获得自己的移动模式，进而实现对自己位置的预测。而对于水声传感器网络中的普通节点，可以通过周期性地获取附近的锚节点的坐标，并根据这些锚节点的移动特点，采用线性预测的算法获得自己的移动模式，进而实现对自己的位置的预测。这样通过利用节点在水下环境中存在的空间相关性，实现水声传感器节点的移动预测和定位。

具体地说，由于实际的海洋水流现象在较大范围内比较复杂，但对于一定范围的水流来说，还是具有一定规律的，在一定的范围内可以假设为水流随着流动的距离速度呈现线性的变化，因此，这里的流动预测是利用节点移动速度随距离的关系近似为线性变化。基于以上的假设，在节点移动预测定位算法中，节点的移动模式的计算过程如公式(1)所示，假设需要获得j点的速度，其中Vx(j),Vy(j)为j的的x和y轴的速度；在已得知j节点相邻节点的x和y轴速度的情况下，则可列方程计算出j点的速度：其中，m为j节点的邻居节点数，Sij为插值系数，对精度要求不高时该插值系数可取值为一，此时节点j的移动速度为其邻居节点的平均速度。

$\left\{\begin{array}{c}{v}_x\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_x\left(i\right)\\ v_y\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_y\left(i\right)\end{array}\right.---\left(1\right)$

步骤204，各节点在获得自身的移动模式之后，根据该移动模式更新自己的坐标为自身定位。

获得节点j的移动模式后，可通过式(2)计算节点j的坐标，这里的x(j)和y(j)分别表示节点j的新坐标，x₀和y₀分别表示节点j更新前的坐标，t₀表示更新的时间周期。

$\left\{\begin{array}{c}x\left(j\right)=x_0+t_0\·v_x\left(j\right)\\ y\left(j\right)=y_0+t_0\·v_y\left(j\right)\end{array}\right.---\left(2\right)$

在以上的算法中，假设了水流和节点的移动模式是线性变化的，这种假设在大范围水流环境中会有较大的误差。当水流环境不是线性变化时，这种算法可以通过以下两种方法来减少预测误差，一是增加周围节点的数量获取更多的周围水流信息，二是根据周围节点的距离和特点优化插值系数来提高水流预测的准确性。

在WFFL定位机制中，假设该机制中所有节点会按照一定的周期来获取自身的定位信息。节点的移动模式会因为其在不断的运动而发生变化，所以节点需要周期的检查自身的移动模式，并更新其移动模式。节点在预测自身位置之后，会根据收集的定位信息来为自身定位，定位信息的组成如图3所示。

锚节点可以直接与浮标节点进行通信，所以在任何的定位时期，它们都能很容易的测量得到其位置，它们也可以通过过去测量得到的位置信息来预测其未来的移动模式。因为水下对象的移动速度是具有持续性以及半周期性特征的，所以可以采用线性预测的算法来对锚节点进行移动预测。

本发明适合于将节点部署在动态水流中，相对比较密集的海洋无线传感网络，如针对环境监测的海洋无线传感网络，系统关注的是整体网络的事件而不是单个传感节点的事件。

综上所述，本发明一种水声传感器网络及其基于水流预测的节点定位方法采用分层定位的方法，对锚节点采用线性预测的方法对自己进行定位，对普通节点利用水下对象存在的空间相关性的优势来促进实现普通节点的预测，在减小通信开销的同时，保证了较大的定位覆盖率和定位精确度。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (8)

1.一种水声传感器网络，其特征在于：该水声传感器网络包括4个或更多信标节点、若干锚节点以及若干普通节点，该信标节点用于发送坐标，锚节点可直接与信标节点通信，通过与该信标节点的接触来实现自定位，普通节点不能直接与该信标节点接触，普通节点通过接触其邻居节点或锚节点来获取自己的位置。

2.如权利要求1所述的一种水声传感器网络，其特征在于：该信标节点为装备GPS的表面浮标。

3.如权利要求1所述的一种水声传感器网络，其特征在于：各节点部署在动态水流中。

4.一种水声传感器网络中基于水流预测的节点定位方法，包括如下步骤：

步骤一，对该水声传感器网络中的各节点采用分层定位的方法，将其分为锚节点定位和普通节点定位；

步骤二，信标节点周期性地广播自己的坐标信息，锚节点收到信标节点的坐标信号后，通过与信标节点的交互通信的时间差，获得自己与附近三个信标节点的距离，再通过三角定位法实现自我定位，并广播自己的坐标信息，普通节点收到自己附近的锚节点的坐标信息后，与至少三个锚节点进行通信，获得自己与这些锚节点的距离后，再通过三角定位法实现自我定位；

步骤三，各节点周期的检查自身附近信标节点或锚节点的移动模式，并采用水流移动预测定位法更新自己的移动模式；

步骤四，各节点在获得自身的移动模式后，根据该移动模式更新自己的坐标为自身定位。

5.如权利要求4所述的一种水声传感器网络中基于水流预测的节点定位方法，其特征在于：于步骤三中，锚节点采用线性预测的方法获得自己的移动模式。

6.如权利要求5所述的一种水声传感器网络中基于水流预测的节点定位方法，其特征在于：于步骤三中，对于水声传感器网络中的普通节点，周期性地获取附近的锚节点的坐标，并根据该些锚节点的移动特点，采用线性预测的方法获得自己的移动模式。

7.如权利要求6所述的一种水声传感器网络中基于水流预测的节点定位方法，其特征在于，于步骤三中，该线性预测方法采用如下公式计算移动模式：

$\left\{\begin{array}{c}{v}_x\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_x\left(i\right)\\ v_y\left(j\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}{v}_y\left(i\right)\end{array}\right.$

假设需要获得j点的坐标，其中Vx(j),Vy(j)为j的的位置坐标；在已得知j节点相邻节点的位置坐标的情况下，则可列方程计算出j点的坐标，其中，m为j节点的邻居节点数，Sij为插值系数。

8.如权利要求7所述的一种水声传感器网络中基于水流预测的节点定位方法，其特征在于，于步骤四中，各节点采用如下公式更新自己的坐标：

$\left\{\begin{array}{c}x\left(j\right)=x_0+t_0\·v_x\left(j\right)\\ y\left(j\right)=y_0+t_0\·v_y\left(j\right)\end{array}\right.$

其中，x(j)和y(j)分别表示节点j的新坐标，x₀和y₀分别表示节点j更新前的坐标，t₀表示更新的时间周期。