CN104581940A - 一种基于进化策略的无线室内定位方法 - Google Patents

Abstract

本发明提供的一种基于进化策略的无线室内定位方法，其定位步骤如下，步骤一：初始化，通过任意方式生成μ个个体组成初始群体，并给出定终止条件；步骤二：交叉重组，新个体的目标变量是从两个父代个体中随机选取、组合而来，即从μ个父代个体中用随机的方法任选两个个体，然后从这两个个体中组合出新个体；步骤三：突变，对重组后的个体添加随机量，产生新个体；步骤四：选择淘汰，计算每个个体的适应度，采用确定型(μ+λ)-ES挑选策略，从(μ+λ)个个体中挑选出适应度较小的前μ个组成下一代群体，为进一步进化做准备；步骤五：重复执行步骤二到步骤四，直到满足终止条件，选择最优各个作为进化过程的结果，最优个体的坐标分量即为所求移动节点所对应的坐标。

Description

一种基于进化策略的无线室内定位方法

技术领域

本发明属于无线室内定位技术领域，尤其涉及一种基于进化策略的无线定位方法。

背景技术

随着通信技术的发展以及市场需求的增长，例如森林防火，老人、小孩追踪，军事监控，智能交通，物流管理等学多应用，基于位置服务(LBS)受到越来越多的关注。在室外环境下，GPS、GSM提供很好的解决方法，而在室内环境下，常用的室外定位方法表现极为不理想，因而，室内定位技术成为研究热点在无线传感器网络中，定位技术是其核心技术之一。

一般地，根据是否需要测量实际节点的距离，无线室内定位方法可分成两种：基于测距的定位方法和不基于测距的定位方法。基于测距的定位算法首先要测量节点之间的距离，角度或者其他连接信息，然后进行空间位置的定位；基于测距的定位算法中从用到的测距方法有：到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、接收信号强度(RSSI)。典型的定位算法有：三边定位法，三角定位法，最大似然估计法等。不基于测距的定位方法主要利用节点间的估计距离计算节点位置，典型的有质心算法、DV-Hop算法等。

进化策略(evolution strategy)通过模拟生物进化过程来求解优化问题的一种方法，并且进化策略将优化问题的解空间看作由若干个个体组成的群体，每一个解就是一个个体，基于优化问题的目标函数来构造问题的评价函数，根据计算得到的每一个个体的评价函数值即适应度值来选择淘汰个体，不断进化直至达到设定的终止准则。进化策略算法已经在最优化、机器学习以及并行处理等领域得到了越来越广泛的应用。

进化策略的基本流程：

(1)首先以随机方式决定一个初始群体，即搜索空间中的一组初始解；

(2)通过不断地交叉、变异、选择操作产生新的群体；

(3)计算得到各个个体的适应值，根据适者生存的原理，其中适应度大的个体产生后代较多，从而使群体在搜索空间中越来越接近于最优的区域，最终求出最优解。

发明内容

本发明目的是提供一种基于进化策略的，精度高，稳定性好的无线室内定位方法。

为了实现上述目标，本发明提供的一种基于进化策略的无线室内定位方法，涉及无线传 感器网络中的参考节点和移动节点，坐标位置已知的节点称之为参考节点，坐标位置未知的节点称之为移动节点。测得移动节点P与它临近的参考节点i的距离为：其中为测得的距离，d_i为实际在、两者之间的距离，n是由于外界环境干扰而加入的噪声。这里需要得到三个以上临近参考节点的距离信息，设目标函数为定位误差为：

$e\left(X\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|(\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}-{\tilde{d}}_i)\right|$

本发明所述的一种基于优化策略的无线室内定位方法，根据目标函数可构造适应度函数如下所示： $f\left(X\right)=\frac{1}{1+\sqrt{e\left(X\right)}}$

本发明所述的一种基于优化策略的室内定位方法，所述的个体的表达式由X和σ两部分组成，X代表所求的坐标变量，σ表示的是标准差，用来表示对个体中的每个分量做出的扰动，各部分有n个分量，即(X，σ)＝((x₁，x₂，...，x_n)，(σ₁，σ₂，...，σ_n))。其中，在二维平面定位中，n＝2。

本发明所述的一种基于优化策略的无线传感器网络节点定位方法，步骤如下所述：

步骤一：初始化，通过任意方式生成μ个个体组成初始群体。每个个体(X，σ)内包含n个x_i，σ_i分量，并给定终止条件ε和最大迭代次数T，ε是一个很接近1又小于1的实数；

步骤二：交叉重组，新个体的目标变量是从两个父代个体中随机选取、组合而来，即从μ个父代个体中用随机的方法任选两个个体：

$(X^1,{\mathrm{\σ}}^1)=((x_1^1,x_2^1,...,x_n^1),({\mathrm{\σ}}_1^1,{\mathrm{\σ}}_2^1,...,{\mathrm{\σ}}_n^1))$

$(X^2,{\mathrm{\σ}}^2)=((x_1^2,x_2^2,...,x_n^2),({\mathrm{\σ}}_1^2,{\mathrm{\σ}}_2^2,...,{\mathrm{\σ}}_n^2))$

然后从这两个个体中组合出如下新个体：

$(X,\mathrm{\σ})=((x_1^q,x_2^q,...,x_n^q),({\mathrm{\σ}}_1^q,{\mathrm{\σ}}_2^q,...,{\mathrm{\σ}}_n^q))$

其中q＝1或者2，它以相同的概率针对i＝1，2，...，n随机选取；

步骤三：突变，对重组后的个体添加随机量，产生新个体：

$\left\{\begin{array}{c}\mathrm{\σ}(k+1)=\mathrm{\σ}\left(k\right)\exp \left(\mathrm{\ξ}\right)\\ X(k+1)=X\left(k\right)+N(0,\mathrm{\σ}(k+1))\end{array}\right.$

其中，ζ＝τ′N(0，1)+τN(0，1)，ζ服从正态分布其中

步骤四：选择淘汰，计算每个个体的适应度，采用确定型(μ+λ)-ES挑选策略，从(μ+λ)个个体中挑选出适应度较小的前μ个组成下一代群体，为进一步进化做准备；

步骤五：重复执行步骤二到步骤四，直到满足终止条件，选择最优各个作为进化过程的结果，最优个体的坐标分量即为移动节点的定位坐标。

相对于现有技术，本发明具有以下优点：由于优化策略具有全局收敛和并行搜索等优势，同时不依赖于初始点的选取，能够有效的定位出未知节点的位置，稳定性也高。同时，本发明所述的一种基于进化策略的无线室内定位方法不仅适用于二维平面定位，而且很容易移植到三维空间定位，通用性强。

附图说明

附图1为本发明所述的一种基于进化策略的无线室内定位方法的流程图。

具体实施方式

下面结合附图对本发明所述的一种基于进化策略的无线室内定位方法做进一步的描述。

本实施例以二维平面定位为具体实施例进行说明。在一室内区域随机部署M个节点，并测量得到其位置坐标，作为参考节点。当一移动节点p进入到该室内区域时，测得与周围N个临近参考节点的距离，为其中i＝1，2，..，N，其中n是由于外界环境干扰而加入的噪声。

基于上述的发明内容，构造适应度函数其中  $e\left(X\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|(\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}-{\tilde{d}}_i)\right|,$ 表示的是坐标X对应的定位误差。

基于上述的发明内容，个体的表达式由X和σ两部分组成，X代表所求的坐标变量，σ表示的是标准差，用来表示对个体中的每个分量做出的扰动，即(X，σ)＝((x，y)，(σ₁，σ₂))。

基于上述的发明内容，本实施例的定位过程如下，流程图如附图1所示：

步骤一：初始化，通过任意方式生成μ个个体组成初始群体。每个个体(X，σ)内包含2 个x_i，σ_i分量，并给定终止条件ε和最大迭代次数T，其中ε是一个很接近1又小于1的实数；

步骤二：交叉重组，新个体的目标变量是从两个父代个体中随机选取、组合而来，即从μ个父代个体中用随机的方法任选两个个体 $(X^1,{\mathrm{\σ}}^1)=((x_1^1,x_2^1,...,x_n^1),({\mathrm{\σ}}_1^1,{\mathrm{\σ}}_2^1,...,{\mathrm{\σ}}_n^1))$ 以及

$(X^2,{\mathrm{\σ}}^2)=((x_1^2,x_2^2,...,x_n^2),({\mathrm{\σ}}_1^2,{\mathrm{\σ}}_2^2,...,{\mathrm{\σ}}_n^2)),$ 然后从这两个个体中组合出如下新个体：

$(X,\mathrm{\σ})=((x_1^q,x_2^q,...,x_n^q),({\mathrm{\σ}}_1^q,{\mathrm{\σ}}_2^q,...,{\mathrm{\σ}}_n^q)),$ 其中，n＝2，q＝1或者2，它以相同的概率针对i＝1，2，...，n随机选取；

步骤三：突变，对重组后的个体添加随机量，产生新个体：

$\left\{\begin{array}{c}\mathrm{\σ}(k+1)=\mathrm{\σ}\left(k\right)\exp \left(\mathrm{\ξ}\right)\\ X(k+1)=X\left(k\right)+N(0,\mathrm{\σ}(k+1))\end{array}\right.$

其中，ζ＝τ′N(0，1)+τN(0，1)，ζ服从正态分布其中n＝2；

步骤四：选择淘汰，计算每个个体的适应度，采用确定型(μ+λ)-ES挑选策略，即从(μ+λ)个个体中挑选出适应度较小的前μ个组成下一代群体，为进一步进化做准备；

步骤五：重复执行步骤二到步骤四，直到满足终止条件，选择最优各个作为进化过程的结果，最优个体说所对应的坐标变量X即为移动节点p的二维平面的位置坐标。

以上所述的实施例，只是基于二维平面的一个实施例，实际上，本发明很容易复制到三维空间定位上，故任何在本发明的精神原则之内所做出的修改、等同替代和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (2)

1.一种基于进化策略的无线室内定位方法，其特征在于，定位步骤如下：

步骤一：初始化，通过任意方式生成μ个个体组成初始群体。每个个体(X，σ)内包含n个x_i，σ_i分量，并给定终止条件ε和最大迭代次数T，ε是一个很接近1又小于1的实数；

步骤二：交叉重组，新个体的目标变量是从两个父代个体中随机选取、组合而来，即从μ个父代个体中用随机的方法任选两个个体：

$(X^1,{\mathrm{\σ}}^1)=((x_1^1,x_2^1,\·\·\·,x_n^1),({\mathrm{\σ}}_1^1,{\mathrm{\σ}}_2^1,\·\·\·,{\mathrm{\σ}}_n^1))$

$(X^2,{\mathrm{\σ}}^2)=((x_1^2,x_2^2,\·\·\·,x_n^2),({\mathrm{\σ}}_1^2,{\mathrm{\σ}}_2^2,\·\·\·,{\mathrm{\σ}}_n^2))$

然后从这两个个体中组合出如下新个体：

$(X,\mathrm{\σ})=((x_1^q,x_2^q,\·\·\·,x_n^q),({\mathrm{\σ}}_1^q,{\mathrm{\σ}}_2^q,\·\·\·,{\mathrm{\σ}}_n^q))$

其中q＝1或者2，它以相同的概率针对i＝1，2，…，n随机选取；

步骤三：突变，对重组后的个体添加随机量，产生新个体：

$\left\{\begin{array}{c}\mathrm{\σ}(k+1)=\mathrm{\σ}\left(k\right)\exp \left(\mathrm{\ξ}\right)\\ X(k+1)=X\left(k\right)+N(0,\mathrm{\σ}(k+1))\end{array}\right.$

其中，ζ＝τ′N(0，1)+τN(0，1)，ζ服从正态分布其中

步骤四：选择淘汰，计算每个个体的适应度函数值，采用确定型(μ+λ)-ES挑选策略，从(μ+λ)个个体中挑选出适应度较小的前μ个组成下一代群体，为进一步进化做准备；

步骤五：重复执行步骤二到步骤四，直到满足终止条件，选择最优各个作为进化过程的结果，最优个体的坐标分量即为移动节点的定位坐标。

2.根据权利要求1所述的一种基于进化策略的无线室内定位方法，其特征在于，所述的适应度函数定义为： $f\left(X\right)=\frac{1}{1+\sqrt{e\left(X\right)}}$

其中，表示的是表示的是坐标X对应的定位误差。