CN104730492B - 一种基于节点分布评价的wsn定位顺序选取方法 - Google Patents

Abstract

一种基于节点分布评价的WSN定位顺序选取方法，本发明涉及WSN定位顺序选取方法。本发明是要解决现有技术很少考虑WSN节点定位顺序对定位误差的影响以及一般的顺序定位忽视传递误差的影响，会造成传递误差的迅速传播，不利于后续WSN节点的精确定位的问题，而提出的一种基于节点分布评价的WSN定位顺序选取方法。该方法是通过步骤一、设U_j接收到信号的信标节点为B_k＝(x_k,y_k)；步骤二、引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量步骤三、求解未知节点U_j位置的估计坐标步骤四、计算得到节点分布评价因子R_j；步骤五、得到R_j与信标节点集；步骤六、获得最终的未知节点U_j的WSN定位结果等步骤实现的。本发明应用于WSN定位顺序选取方法。

Description

一种基于节点分布评价的WSN定位顺序选取方法

技术领域

本发明涉及WSN定位顺序选取方法，特别涉及一种基于节点分布评价的WSN定位顺序选取方法。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)是通过在工作环境内部署大量具有感知、计算和无线通信能力的传感器节点而组成的网络。传感器节点具备感知、计算和通信等功能，彼此合作完成一些复杂的任务。一般情况下，要提供这些服务，首先要获得传感器节点的位置信息。因此，WSN节点的定位是WSN研究领域的一个基本问题。

WSN节点定位一般需要已知一些节点的位置信息，这些节点通常被称为信标节点。根据信标节点的位置信息，结合一定的定位算法，就可以完成未知节点的定位。通常情况下，由于信标节点的占比较小，需要将新定位的未知节点转化为信标节点，来继续完成其它未知节点的定位。可是，新定位的未知节点是存在定位误差的，这一误差会传递到接下来其它节点的定位中。现有的研究大多集中在通过不同的定位算法来改善节点的定位精度，很少考虑WSN节点定位顺序对定位误差的影响造成很大的传递误差。实际情况下，由于环境的复杂性，如信标节点部署、障碍物遮挡等，考虑传递误差的影响，WSN节点定位顺序对定位结果的影响很大。因此，可以通过一定的评价体系来选择一种较好的定位顺序，以减小传递误差，改善WSN节点的定位精度。

而一般的顺序定位忽视传递误差的影响，会造成传递误差的迅速传播，不利于后续WSN节点的精确定位。

发明内容

本发明的目的是为了解决现有技术很少考虑WSN节点定位顺序对定位误差的影响以及一般的顺序定位忽视传递误差的影响，会造成传递误差的迅速传播，不利于后续WSN节点的精确定位的问题，而提出的一种基于节点分布评价的WSN定位顺序选取方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、在WSN工作环境内，部署M个信标节点B_i的坐标为(x_i,y_i)，i＝1,2,...,M，N个未知节点U_j的真实坐标为(X_j,Y_j)，j＝1,2,...,N；对于工作环境内任意的未知节点U_j＝(X_j,Y_j)，设U_j接收到信号的信标节点为B_k＝(x_k,y_k)，k＝k₁,k₂,…,k_P∈{1,2,…,M}，且k₁,k₂,…,k_P互不相同；其中，B_k对于未知节点U_j是可见的，可见信标的总数为P个，P≤M；

步骤二、在受高斯噪声n的影响下，根据一般的信号传播模型P_k(d_k)＝P_k(d₀)-10αlg(d_k/d₀)，引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量其中，n均值为0，方差为的高斯噪声；σ_n为n的标准差在距离信标节点；

步骤三、根据无偏估计量求解未知节点U_j位置的估计坐标

步骤四、根据未知节点U_j位置的估计坐标计算得到节点分布评价因子R_j；

步骤五、采用基于RSSI的定位方法，将未知节点U_j的估计坐标加入到信标节点集，将未知节点的标号为j＝j+1重复步骤三至五，直到j＝N为止；从而得到了所有未知节点处的R_j与所有未知节点组成的信标节点集；

步骤六、将所有未知节点的R_j值进行升序排列，根据升序排列后的R_j，将R_j值由小到大对应的U_j进行由小到大重新编号，将重新编号后的U_j再次执行步骤三至五中的定位过程获得最终的未知节点U_j的WSN定位结果

发明效果

本发明提出了一种基于节点分布评价的WSN定位顺序选取方法，能够在不增加任何硬件资源的情况下，通过引入一个节点分布评价的标准，优化WSN节点的定位顺序，以减小传递误差，改善WSN节点的定位精度。本发明优先考虑二维平面定位的情况，WSN节点可独立定位，能够适应无线传感器网络分布式定位的需求。

从图2中可以看出，采用基于节点分布评价的WSN顺序优化定位相对于一般的顺序定位能够明显地改善定位精度。一般顺序定位的平均定位误差为3.32米，定位顺序优化的WSN节点平均定位误差为2.42米，基于节点分布评价的WSN顺序优化定位能够有效的抑制传递误差，改善WSN节点定位的精度。于分布评价的优化顺序定位相比于一般的顺序定位，能够充分考虑节点分布对定位的影响，有效抑制传递误差的传播，实现WSN节点的精确定位。

附图说明

图1为实施例一提出的信标节点分布图；

图2为实施例一提出的两种不同方式下的定位误差累积概率分布图；

图3为具体实施方式一提出的一种基于节点分布评价的WSN定位顺序选取方法流程图。

具体实施方式

具体实施方式一：本实施方式的一种基于节点分布评价的WSN定位顺序选取方法，具体是按照以下步骤制备的：

步骤一、在WSN工作环境内，部署M个信标节点B_i的坐标为(x_i,y_i)，i＝1,2,...,M，N个未知节点U_j的真实坐标为(X_j,Y_j)，j＝1,2,...,N；对于工作环境内任意的未知节点U_j＝(X_j,Y_j)，设U_j接收到信号的信标节点为B_k＝(x_k,y_k)，k＝k₁,k₂,…,k_P∈{1,2,…,M}，且k₁,k₂,…,k_P互不相同；其中，B_k对于未知节点U_j是可见的，可见信标的总数为P个，P≤M；

步骤二、在受高斯噪声n的影响下，根据一般的信号传播模型P_k(d_k)＝P_k(d₀)-10αlg(d_k/d₀)，引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量其中，n均值为0，方差为的高斯噪声；σ_n为n的标准差在距离信标节点；

步骤三、根据无偏估计量求解未知节点U_j位置的估计坐标

步骤四、根据未知节点U_j位置的估计坐标计算得到节点分布评价因子R_j；

步骤五、采用基于RSSI的定位方法，按未知节点U_j标号递增顺序进行顺序定位；即将未知节点U_j的估计坐标加入到信标节点集，将未知节点的标号为j＝j+1重复步骤三至五，直到j＝N为止；从而得到了所有未知节点处的R_j与所有未知节点组成的信标节点集；

步骤六、将所有未知节点的R_j值进行升序排列，根据升序排列后的R_j，将R_j值由小到大对应的U_j进行由小到大重新编号(例如U₁对应R₁＝20、U₂对应R₂＝10、U₃对应R₃＝15；进行由小到大重新编号为将R₂＝10对应的U₂重新编号为U₁，将R₃＝15对应的U₃重新编号为U₂，将R₂＝20对应的U₁重新编号为U₃)，将重新编号后的U_j再次执行步骤三至五中的定位过程获得最终的未知节点U_j的WSN定位结果由于重新编号，此时按顺序定位的过程即实现了基于节点分布评价的WSN定位顺序优化如图3。

本实施方式效果：

本实施方式提出了一种基于节点分布评价的WSN定位顺序选取方法，能够在不增加任何硬件资源的情况下，通过引入一个节点分布评价的标准，优化WSN节点的定位顺序，以减小传递误差，改善WSN节点的定位精度。本实施方式优先考虑二维平面定位的情况，WSN节点可独立定位，能够适应无线传感器网络分布式定位的需求。

从图2中可以看出，采用基于节点分布评价的WSN顺序优化定位相对于一般的顺序定位能够明显地改善定位精度。一般顺序定位的平均定位误差为3.32米，定位顺序优化的WSN节点平均定位误差为2.42米，基于节点分布评价的WSN顺序优化定位能够有效的抑制传递误差，改善WSN节点定位的精度。于分布评价的优化顺序定位相比于一般的顺序定位，能够充分考虑节点分布对定位的影响，有效抑制传递误差的传播，实现WSN节点的精确定位。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤二中在受高斯噪声n的影响下，根据一般的信号传播模型P_k(d_k)＝P_k(d₀)-10αlg(d_k/d₀)，引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量具体为：

其中，σ_w是w的标准差，d₀处设置参考节点，参考节点接收信标节点B_k的信号功率为P_k(d₀)；在不受噪声的情况下，未知节点U_j接收到信标节点B_k的信号功率为P_k(d_k)；在高斯噪声n的影响下，未知节点U_j接收到信标节点B_k的信号功率为α为路径损耗指数，对于传感器网络工作环境为自由空间时，其值一般取为2；k＝k₁,k₂,…,k_P∈{1,2,…,M}，且k₁,k₂,…,k_P互不相同。其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤三中根据无偏估计量求解未知节点U_j位置的估计坐标具体过程为：

a)设未知节点U_j的初始位置为(x₀,y₀)，即迭代的初始值；

b)当m＝1时，根据无偏估计量结合加权最小二乘法，利用公式(4)、(5)和(6)分别获得H、b和W；其中，

简记为(x_m-1,y_m-1)表示第m-1次牛顿迭代求解未知节点U_j的位置坐标，表示第k_P个信标节点的位置坐标；

权重矩阵W为：

c)将H、b和W代入式(7)获得△X：

△X＝(H^TWH)^-1H^TWb (7)

获得此时的△X，△X＝[(x₁-x₀) (y₁-y₀)]^T，进而获得第一次迭代的结果(x₁,y₁)；若△X的二范数小于设定的迭代门限值，则退出迭代，未知节点U_j位置的估计坐标否则m+1执行步骤d)；当△X小于迭代门限值时，认为迭代收敛；迭代门限值设定为0.01；

d)当m>1时，根据式(4)、(5)和(6)分别获得H、b和W，并代入式(7)获得此时的△X＝[(x_m-x_m-1) (y_m-y_m-1)]^T；当△X的二范数小于迭代门限值时，退出迭代，未知节点U_j位置的估计坐标

e)当m>1，△X的二范数大于等于迭代门限值时，将m+1，返回执行步骤d)；直到△X的二范数小于迭代门限值为止，退出迭代，未知节点U_j位置的估计坐标其中，x_m,y_m为第m次牛顿迭代法求解未知节点U_j位置坐标。其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤四中根据未知节点U_j位置的估计坐标计算得到节点分布评价因子R_j具体为：

R_j＝tr((H^TD^-1H)^-1) (8)

其中，tr(·)表示矩阵的迹，即对角线元素之和；定义diag[·]表示对角阵； (x_m-1,y_m-1)表示第m-1次牛顿迭代求解未知节点U_j的位置坐标。其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤六中对未知节点按分布评价因子R_j与U_j相对应的，并且R_j的编号为1～N。其它步骤及参数与具体实施方式一至四之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例一种基于节点分布评价的WSN定位顺序选取方法，具体是按照以下步骤制备的：

假设定位区域为一个50×50(m²)的正方形区域，坐标原点为(0,0)。预先部署5个信标节点，每个信标节点的发射功率为1mW(0dBm)，节点通信半径为30m。信标节点的信息如表1所示：

表1信标节点的位置坐标

信标节点序号	x(m)	y(m)
			1	10	10
2	40	10

3	10	40
			4	40	40
5	25	25

图1中给出了信标节点的分布图。

在工作环境内随机部署200个未知节点，分别采用顺序定位和基于节点分布评价的顺序优化定位两种方式，各完成1000次定位。仿真的具体参数为如表2所示：

表2仿真参数

变量	参数
		高斯噪声标准差	1
未知节点数目	200个
		仿真次数	1000次
迭代初始坐标	(0,0)

按照表2中的仿真参数对本算法进行仿真，可以获得顺序定位和定位顺序优化两种方式下的定位误差累积概率分布如图2所示：

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (5)

1.一种基于节点分布评价的WSN定位顺序选取方法，其特征在于：一种基于节点分布评价的WSN定位顺序选取方法具体是按照以下步骤进行的：

步骤一、在WSN工作环境内，部署M个信标节点B_i的坐标为(x_i,y_i)，i＝1,2,...,M，N个未知节点U_j的真实坐标为(X_j,Y_j)，j＝1,2,...,N；对于工作环境内任意的未知节点U_j＝(X_j,Y_j)，设U_j接收到信号的信标节点为B_k＝(x_k,y_k)，k＝k₁,k₂,…,k_P∈{1,2,…,M}，且k₁,k₂,…,k_P互不相同；其中，B_k对于未知节点U_j是可见的，可见信标的总数为P个，P≤M；

步骤二、在受高斯噪声n的影响下，根据一般的信号传播模型P_k(d_k)＝P_k(d₀)-10αlg(d_k/d₀)，引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量其中，n均值为0，方差为的高斯噪声；σ_n为n的标准差在距离信标节点；α为路径损耗指数；

步骤三、根据无偏估计量求解未知节点U_j位置的估计坐标

步骤四、根据未知节点U_j位置的估计坐标计算得到节点分布评价因子R_j；

步骤五、采用基于RSSI的定位方法，将未知节点U_j的估计坐标加入到信标节点集，将未知节点的标号为j＝j+1重复步骤三至五，直到j＝N为止；从而得到了所有未知节点处的R_j与所有未知节点组成的信标节点集；

步骤六、将所有未知节点的R_j值进行升序排列，根据升序排列后的R_j，将R_j值由小到大对应的U_j进行由小到大重新编号，将重新编号后的U_j再次执行步骤三至五中的定位过程获得最终的未知节点U_j的WSN定位结果

2.根据权利要求1所述一种基于节点分布评价的WSN定位顺序选取方法，其特征在于：步骤二中在受高斯噪声n的影响下，根据一般的信号传播模型P_k(d_k)＝P_k(d₀)-10αlg(d_k/d₀)，引入未知节点U_j到信标节点B_k真实距离d_k的无偏估计量具体为：

${\hat{d}}_k={10}^{\frac{P_k\left(d_0\right)-{\hat{P}}_k\left(d_k\right)}{10g\mathrm{\α}}-\frac{{\mathrm{\σ}}_w^2\ln 10}{2}}---\left(2\right)$

其中，σ_w是w的标准差，d₀处设置参考节点，参考节点接收信标节点B_k的信号功率为P_k(d₀)；在不受噪声的情况下，未知节点U_j接收到信标节点B_k的信号功率为P_k(d_k)；在高斯噪声n的影响下，未知节点U_j接收到信标节点B_k的信号功率为α对于传感器网络工作环境为自由空间时，其值一般取为2；k＝k₁,k₂,K,k_P∈{1,2,K,M}，且k₁,k₂,K,k_P互不相同。

3.根据权利要求1所述一种基于节点分布评价的WSN定位顺序选取方法，其特征在于：步骤三中根据无偏估计量求解未知节点U_j位置的估计坐标具体过程为：

a)设未知节点U_j的初始位置为(x₀,y₀)，即迭代的初始值；

b)当m＝1时，根据无偏估计量结合加权最小二乘法，利用公式(4)、(5)和(6)分别获得H、b和W；其中，

$H=\left[\begin{array}{cc}\frac{x_{m-1}-x_{k_1}}{r_1}& \frac{y_{m-1}-y_{k_1}}{r_1}\\ \frac{x_{m-1}-x_{k_2}}{r_2}& \frac{y_{m-1}-y_{k_2}}{r_2}\\ M& M\\ \frac{x_{m-1}-x_{k_P}}{r_P}& \frac{y_{m-1}-y_{k_P}}{r_P}\end{array}\right]---\left(4\right)$

$b=\left[\begin{array}{c}{\hat{d}}_1-r_1\\ {\hat{d}}_2-r_2\\ M\\ {\hat{d}}_P-r_P\end{array}\right]---\left(5\right)$

简记为(x_m-1,y_m-1)表示第m-1次牛顿迭代求解未知节点U_j的位置坐标，表示第k_P个信标节点的位置坐标；

权重矩阵W为：

c)将H、b和W代入式(7)获得ΔX：

ΔX＝(H^TWH)^-1H^TWb (7)

获得此时的ΔX，ΔX＝[(x₁-x₀)(y₁-y₀)]^T，进而获得第一次迭代的结果(x₁,y₁)；若ΔX的二范数小于设定的迭代门限值，则退出迭代，未知节点U_j位置的估计坐标否则m+1执行步骤d)；迭代门限值设定为0.01；

d)当m>1时，根据式(4)、(5)和(6)分别获得H、b和W，并代入式(7)获得此时的ΔX＝[(x_m-x_m-1)(y_m-y_m-1)]^T；当ΔX的二范数小于迭代门限值时，退出迭代，未知节点U_j位置的估计坐标

e)当m>1，ΔX的二范数大于等于迭代门限值时，将m+1，返回执行步骤d)；直到ΔX的二范数小于迭代门限值为止，退出迭代，未知节点U_j位置的估计坐标其中，x_m,y_m为第m次牛顿迭代法求解未知节点U_j位置坐标。

4.根据权利要求1所述一种基于节点分布评价的WSN定位顺序选取方法，其特征在于：步骤四中根据未知节点U_j位置的估计坐标计算得到节点分布评价因子R_j具体为：

R_j＝tr((HTD^-1H)^-1) (8)

其中，tr(g)表示矩阵的迹，即对角线元素之和；定义diag[·]表示对角阵；(x_m-1,y_m-1)表示第m-1次牛顿迭代求解未知节点U_j的位置坐标。

5.根据权利要求1所述一种基于节点分布评价的WSN定位顺序选取方法，其特征在于：步骤六中对未知节点按分布评价因子R_j与U_j相对应的，并且R_j的编号为1～N。