CN105592548A - 一种基于高斯模型的无线传感网络质心定位方法 - Google Patents
一种基于高斯模型的无线传感网络质心定位方法 Download PDFInfo
- Publication number
- CN105592548A CN105592548A CN201610183565.7A CN201610183565A CN105592548A CN 105592548 A CN105592548 A CN 105592548A CN 201610183565 A CN201610183565 A CN 201610183565A CN 105592548 A CN105592548 A CN 105592548A
- Authority
- CN
- China
- Prior art keywords
- gauss model
- beaconing nodes
- model
- positioning
- sensing network
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明涉及一种基于高斯模型的无线传感网络质心定位方法,包括以下步骤:利用无线信号传播损耗模型作为通用模型;优化定位算法,利用高斯模型排除小概率事件;优选信标节点;根据信标节点优化定位节点的坐标;根据坐标获取定位信息。本发明的定位精度更高,抗干扰能力更强。
Description
技术领域
本发明涉及无线传感网络质心定位技术领域,特别是涉及一种基于高斯模型的无线传感网络质心定位方法。
背景技术
随着通信技术和数字电子技术的成熟与发展,无线传感器网络的应用得到较大发展,在国防、农田管理、环境检测等众多领域都有着重大的应用,而传感器节点的定位技术目前越来越受到各个行业的青睐。
近年来,无线传感网络常用的定位方法包括基于距离和距离无关的定位算法。利用这些传统算法将已定位的未知节点作为信标节点的通用算法模型,因存在环境影响误差和定位叠加误差,已经不能满足精确定位的要求。
从定位方法上来讲,上述方法或多或少的改进定位的准确度,但是上述方法由于存在各种误差,在实际应用中,也显露出了弊端。
发明内容
本发明所要解决的技术问题是提供一种基于高斯模型的无线传感网络质心定位方法,使得定位精度高,抗干扰能力强。
本发明解决其技术问题所采用的技术方案是:提供一种基于高斯模型的无线传感网络质心定位方法,包括以下步骤:
(1)利用无线信号传播损耗模型作为通用模型;
(2)优化定位算法,利用高斯模型排除小概率事件;
(3)优选信标节点;
(4)根据信标节点优化定位节点的坐标;
(5)根据坐标获取定位信息。
所述步骤(1)中无线信号传播损耗模型为其中,Pr(d)[dBm]为接收信号强度,P0(d0)[dBm]是已知距发射机d0处的参考信号强度,np是路径衰减系数,X0是由遮蔽效应引起的服从正态分布的随机变量,d为到发送机的距离。
所述步骤(2)中高斯模型排除小概率事件的模型为:其中,σ2为方差,Xi为定位点,μ为数学期望,n为节点数,m均值。
所述步骤(3)具体为:确定原始信标节点的信息为Xi=[0,…,0];确定全部由已知信标节点定位的未知节点信息为Xj=[1,…,1];在定位过程中,有部分被定为的未知节点也作为信标节点,全部以这种节点作为信标节点进行定位的未知节点信息为Xj=[2,…,2];存在未知节点的信息为Xj=[…1,…2,…1,…2,…]。
所述步骤(4)中利用最大似然估计计算出未知节点位置坐标。
所述步骤(5)中通过确定各信标节点覆盖范围叠加区域的交点以此来确定未知节点的定位信息。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明利用了高斯模型数据处理原则,选取高概率发生区的RSSI值,优化已定位未知节点作为信标节点,并对相邻信标节点信号覆盖的重叠区域进行质心平均,从而进一步减小定位误差,以使得定位精度更高,而且其抗干扰能力好,有效的排除了小概率事件的误差,可以在实际森林防火等领域得到应用。
附图说明
图1是优选信标节点示意图;
图2是质心平均示意图;
图3是定位误差对比曲线图;
图4是采用通用算法的定位误差图;
图5是采用本发明的定位误差图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于高斯模型的无线传感网络质心定位方法,算法利用了高斯模型数据处理原则,选取高概率发生区的RSSI值(ReceivedSignalStrengthIndication接收信号强度指示),优化已定位未知节点作为信标节点,并对相邻信标节点信号覆盖的重叠区域进行质心平均,进一步减小定位误差。具体步骤如下:
步骤1:确定算法模型,利用无线信号传播损耗模型作为通用模型;
无线信号传播的损耗模型如下:
在自由空间中,接收信号强度Pr(d)与到发送机的距离d的平方成反比,有如下公式,
式中,Pt是发射功率,Gt是发射天线增益,Gr是接收天线增益,λ是发射信号的波长。
上述描述的是在自由空间中的情况,是一种理想的情况。在实际环境中,信号传播受到反射、散射、衍射的影响,这些影响与周围环境相关。所以,在实际环境中采用如下经验公式:
式中,Pr(d)[dBm]为接收信号强度,P0(d0)[dBm]是已知距发射机d0处的参考信号强度,np是路径衰减系数,X0是由遮蔽效应引起的服从正态分布的随机变量,d为到发送机的距离。
步骤2:优化定位算法,利用高斯模型排除小概率事件;
高斯模型排除小概率事件的模型为:
其中,σ2为方差,Xi为定位点,μ为数学期望,n为节点数,m均值。
通过高斯模型分布函数确定RSSI值的选定范围,基于RSSI的定位算法中,未知节点距离信标节点的距离越近,其接收到的信号强度就越强,从而由信号传播损耗得到的距离就越准确,所以根据实际经验值选取高斯模型的概率范围为0.6到1。
步骤3:优选信标节点;如图1所示,具体为:确定原始信标节点的信息为Xi=[0,…,0];确定全部由已知信标节点定位的未知节点信息为Xj=[1,…,1];在定位过程中,有部分被定为的未知节点也作为信标节点,全部以这种节点作为信标节点进行定位的未知节点信息为Xj=[2,…,2];存在未知节点的信息为Xj=[…1,…2,…1,…2,…]。
步骤4:优化定位节点的坐标;
通过高斯模型排除异常点,优化信标节点后,在利用最大似然估计计算出未知节点位置坐标,X'=(ATA)-1ATb,其中,其中,X'节点位置坐标,A为单位矩阵,b为节点信息。
步骤5:获取定位信息;质心定位算法在实际情况下,相邻信标节点通信半径范围并不是相交于一个点,而是出现相互叠加的区域,确定各信标节点覆盖范围叠加区域的交点为xi=(xi',yi'),确定未知节点坐标X”=(xi,yi)
其中,N为节点数。
图2是质心平均示意图,图3是定位误差对比曲线图;图4是采用通用算法的定位误差图;图5是采用本发明的定位误差图。通过以上附图可知,本发明与现有的算法相比,定位精度更高,抗干扰能力更强。
Claims (6)
1.一种基于高斯模型的无线传感网络质心定位方法,其特征在于,包括以下步骤:
(1)利用无线信号传播损耗模型作为通用模型;
(2)优化定位算法,利用高斯模型排除小概率事件;
(3)优选信标节点;
(4)根据信标节点优化定位节点的坐标;
(5)根据坐标获取定位信息。
2.根据权利要求1所述的基于高斯模型的无线传感网络质心定位方法,其特征在于,所述步骤(1)中无线信号传播损耗模型为其中,Pr(d)[dBm]为接收信号强度,P0(d0)[dBm]是已知距发射机d0处的参考信号强度,np是路径衰减系数,X0是由遮蔽效应引起的服从正态分布的随机变量,d为到发送机的距离。
3.根据权利要求1所述的基于高斯模型的无线传感网络质心定位方法,其特征在于,所述步骤(2)中高斯模型排除小概率事件的模型为:其中,σ2为方差,Xi为定位点,μ为数学期望,n为节点数,m均值。
4.根据权利要求1所述的基于高斯模型的无线传感网络质心定位方法,其特征在于,所述步骤(3)具体为:确定原始信标节点的信息为Xi=[0,…,0];确定全部由已知信标节点定位的未知节点信息为Xj=[1,…,1];在定位过程中,有部分被定为的未知节点也作为信标节点,全部以这种节点作为信标节点进行定位的未知节点信息为Xj=[2,…,2];存在未知节点的信息为Xj=[…1,…2,…1,…2,…]。
5.根据权利要求1所述的基于高斯模型的无线传感网络质心定位方法,其特征在于,所述步骤(4)中利用最大似然估计计算出未知节点位置坐标。
6.根据权利要求1所述的基于高斯模型的无线传感网络质心定位方法,其特征在于,所述步骤(5)中通过确定各信标节点覆盖范围叠加区域的交点以此来确定未知节点的定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610183565.7A CN105592548A (zh) | 2016-03-28 | 2016-03-28 | 一种基于高斯模型的无线传感网络质心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610183565.7A CN105592548A (zh) | 2016-03-28 | 2016-03-28 | 一种基于高斯模型的无线传感网络质心定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105592548A true CN105592548A (zh) | 2016-05-18 |
Family
ID=55931648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610183565.7A Pending CN105592548A (zh) | 2016-03-28 | 2016-03-28 | 一种基于高斯模型的无线传感网络质心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105592548A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360542A (zh) * | 2017-05-15 | 2017-11-17 | 江南大学 | 一种基于无线网络室内物品精准定位算法 |
CN107367711A (zh) * | 2017-02-28 | 2017-11-21 | 淮阴师范学院 | 一种井下人员定位算法的仿真实验方法 |
CN108011673A (zh) * | 2016-10-27 | 2018-05-08 | 福特全球技术公司 | 用于车辆对车辆通信的天线验证 |
CN109640254A (zh) * | 2019-01-04 | 2019-04-16 | 南京邮电大学 | 一种基于改进高斯滤波的加权质心定位算法 |
CN110933632A (zh) * | 2019-12-03 | 2020-03-27 | 北京建筑大学 | 一种终端室内定位方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826298A (zh) * | 2014-03-05 | 2014-05-28 | 浙江农林大学 | 一种协作式迭代优化的无线传感器网络定位计算方法 |
CN103885028A (zh) * | 2014-04-17 | 2014-06-25 | 哈尔滨工业大学 | 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 |
-
2016
- 2016-03-28 CN CN201610183565.7A patent/CN105592548A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826298A (zh) * | 2014-03-05 | 2014-05-28 | 浙江农林大学 | 一种协作式迭代优化的无线传感器网络定位计算方法 |
CN103885028A (zh) * | 2014-04-17 | 2014-06-25 | 哈尔滨工业大学 | 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 |
Non-Patent Citations (1)
Title |
---|
李永新等: "煤矿井下基于RSSI校正测距的WSN节点定位算法", 《黑龙江科技学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011673A (zh) * | 2016-10-27 | 2018-05-08 | 福特全球技术公司 | 用于车辆对车辆通信的天线验证 |
CN108011673B (zh) * | 2016-10-27 | 2021-11-23 | 福特全球技术公司 | 用于车辆对车辆通信的天线验证 |
CN107367711A (zh) * | 2017-02-28 | 2017-11-21 | 淮阴师范学院 | 一种井下人员定位算法的仿真实验方法 |
CN107360542A (zh) * | 2017-05-15 | 2017-11-17 | 江南大学 | 一种基于无线网络室内物品精准定位算法 |
CN109640254A (zh) * | 2019-01-04 | 2019-04-16 | 南京邮电大学 | 一种基于改进高斯滤波的加权质心定位算法 |
CN110933632A (zh) * | 2019-12-03 | 2020-03-27 | 北京建筑大学 | 一种终端室内定位方法及系统 |
CN110933632B (zh) * | 2019-12-03 | 2021-07-27 | 北京建筑大学 | 一种终端室内定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fascista et al. | A localization algorithm based on V2I communications and AOA estimation | |
Rezazadeh et al. | Novel iBeacon placement for indoor positioning in IoT | |
CN103402258B (zh) | 一种基于Wi‑Fi的室内定位系统和方法 | |
US8521181B2 (en) | Time of arrival based positioning system | |
CN101191832B (zh) | 一种基于测距的无线传感器网络节点定位方法 | |
CN105592548A (zh) | 一种基于高斯模型的无线传感网络质心定位方法 | |
KR101213363B1 (ko) | 수신신호강도의 거리추정방식에 의거하여 4개 이상의 앵커노드를 이용한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체 | |
US8489114B2 (en) | Time difference of arrival based positioning system | |
Alsayyari et al. | An empirical path loss model for wireless sensor network deployment in a concrete surface environment | |
CN104965193A (zh) | 一种基于网格加权的无线移动终端rssi定位方法 | |
CN103916955B (zh) | 用于无线定位的装置及方法 | |
CN103096462A (zh) | 一种无线传感器网络非测距节点定位方法 | |
CN104902567A (zh) | 基于最大似然估计的质心定位方法 | |
CN103618997A (zh) | 一种基于信号强度概率的室内定位方法和装置 | |
CN105208527A (zh) | 多径环境下基于信号传播路径推算的无线定位方法 | |
Sumathi et al. | RSS-based location estimation in mobility assisted wireless sensor networks | |
Goonjur et al. | Enhanced the weighted centroid localization algorithm based on received strength signal in indoor wireless sensor network | |
Li et al. | Cramer-rao lower bound analysis of data fusion for fingerprinting localization in non-line-of-sight environments | |
Vaščák et al. | Radio beacons in indoor navigation | |
Achroufene | RSSI-based hybrid centroid-K-nearest neighbors localization method | |
CN101373216A (zh) | 可携式通讯装置的定位方法 | |
US20240036166A1 (en) | Method and Apparatus for Scatterer Localization and Material Identification | |
Gadhgadhi et al. | Distance estimation using polynomial approximation and neural network based on rssi technique | |
Pereira | Positioning systems for underground tunnel environments | |
Wei et al. | iMag+: An accurate and rapidly deployable inertial magneto-inductive SLAM system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160518 |
|
RJ01 | Rejection of invention patent application after publication |