CN105592548A - 一种基于高斯模型的无线传感网络质心定位方法 - Google Patents

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

一种基于高斯模型的无线传感网络质心定位方法

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，P_r(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，n_p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，X_i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X_i＝[0,…,0]；确定全部由已知信标节点定位的未知节点信息为X_j＝[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X_j＝[2,…,2]；存在未知节点的信息为X_j＝[…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P_r(d)与到发送机的距离d的平方成反比，有如下公式，

$P_r\left(d\right)=\frac{P_t{G}_t{G}_t{\mathrm{\λ}}^2}{{\left(4\mathrm{\π}\right)}^2{d}^2}$

式中，P_t是发射功率，G_t是发射天线增益，G_r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：

$P_r\left(d\right)\[dBm\]=P_0\left(d_0\right)\[dBm\]-10n_{p}lg\left(\frac{d}{d_0}\right)+X_0$

式中，P_r(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，n_p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：

$F\left(x\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

$m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{X}_i$

${\mathrm{\σ}}^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(X_i-\mathrm{\μ})}^2$

其中，σ²为方差，X_i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X_i＝[0,…,0]；确定全部由已知信标节点定位的未知节点信息为X_j＝[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X_j＝[2,…,2]；存在未知节点的信息为X_j＝[…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'＝(A^TA)^-1A^Tb，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x_i＝(x_i',y_i')，确定未知节点坐标X”＝(x_i,y_i)

$x_i=\frac{({x_1}^{\′}+{x_2}^{\′}+...{x_n}^{\′})}{N}$

$y_i=\frac{({y_1}^{\′}+{y_2}^{\′}+...{y_n}^{\′})}{N}$

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，P_r(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，n_p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，X_i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X_i＝[0,…,0]；确定全部由已知信标节点定位的未知节点信息为X_j＝[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X_j＝[2,…,2]；存在未知节点的信息为X_j＝[…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。