CN106131960A - 基于多维系统的无线传感器网络移动节点定位算法 - Google Patents
基于多维系统的无线传感器网络移动节点定位算法 Download PDFInfo
- Publication number
- CN106131960A CN106131960A CN201610749181.7A CN201610749181A CN106131960A CN 106131960 A CN106131960 A CN 106131960A CN 201610749181 A CN201610749181 A CN 201610749181A CN 106131960 A CN106131960 A CN 106131960A
- Authority
- CN
- China
- Prior art keywords
- node
- coordinate
- designated
- anchor
- anchor node
- 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.)
- Granted
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于多维系统的无线传感器网络移动节点定位算法,该算法使用多维标度算法来更新传感器节点的坐标。奇异值分解是传统MDS的核心步骤之一,本发明改良了MDS的奇异值分解步骤,在内存中更新完新的节点坐标后,能直接获取新奇异值分解的各项分解矩阵而不需要计算,接着利用这些分解矩阵来定位移动传感器的节点。本发明将WSN的基站坐标定义为(0,0),将第一个锚节点的坐标定义为(1,0),并把坐标存放在基站中,通过这两个节点坐标,不断更新将锚节点坐标并存入基站中去,形成不断更新扩大的传感器网络。本方法具备计算复杂度低、运算速度快、内存少的特点。
Description
技术领域
本发明涉及网络技术,尤其涉及一种基于多维系统的无线传感器网络移动节点定位算法。
背景技术
无线传感器网络(Wireless Sensor Network,简称WSN)是由部署在特定的监测区域内大量廉价、微型的、具有通信能力和计算能力的感器节点构成的自组织分布式网络系统,它具有快速展开、高健壮性和抗毁性等特点,能够广泛应用于军事、环境检测和预报、智能家居等诸多领域,已经引起了世界许多国家军界、学术界和工业界的高度重视。
节点定位(Node Localization,NL)作为WSN中重要的一部分,是国内外学者们研究的热点。NL是指通过特定的技术、方法和手段,再结合给定区域中的锚节点信息计算出网络中的未知节点的相对位置或者绝对位置的过程。在常见的WSN中,一般有两种节点,一种是信标节点(Beacon Node,BN)或称锚节点(Anchor Node,AN),其相置信息是给定或者已知的;另一种是未知节点(Unknown Node,UN),其不知道自己的物理位置信息,需要通过NL得到位置信息。
移动传感器网络的定位技术可以按照节点间是否测距来划分,可以将节点定位分为基于测距(range-based)和非测距(range-free)的方式进行。本发明基于多维系统的Fornasini-Marchesini模型,使用多维标度(Multidimentional Scaling,MDS)来定位未知节点,MDS算法是一种多重变量分析的算法,它比与其他多变量分析方法比较起来在测量误差上更具备稳定性,已被用于传感器网络节点定位。
基于MDS方法也存在一些问题,例如计算量比较大,随着记录锚节点坐标的矩阵A不断扩充,对A的矩阵分解的计算量也会越来越大,而传感器的电池容量、内存又比较小,本发明针对这样的问题,利用一种新型的奇异值分解方法,直接获得分解结果,避开部分计算,并用这些结果进行定位。本发明提出一种基于多维系统的移动传感器算法(Multidimentional Scaling based singular values decomposition advanced,MDSA),通过与传统算法比较,本算法在一定程度上节约了能量与内存。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于多维系统的无线传感器网络移动锚节点定位算法。
本发明解决其技术问题所采用的技术方案是:基于多维系统的无线传感器网络移动节点定位算法,包括以下步骤:
1)将基站的坐标记为B0(0,0),同时定义第一个锚节点的坐标,记为B1(1,0),设锚节点总个数为m,m≥3;
3)将待测节点坐标记为N(x,y),锚节点坐标记为Bi(xi,yi),N和Bi之间的距离记为ri,则他们的欧式距离为(x-xi)2+(y-yi)2=ri 2(i=2,...,m);
4)定义B1到Bi之间的距离,记为d1i,则记
5)获得b1i的表达式:
(x-x1)(x2-x1)+(y-y1)(y2-y1)=b12
(x-x1)(x3-x1)+(y-y1)(y3-y1)=b13
(x-x1)(x4-x1)+(y-y1)(y4-y1)=b14.
……
(x-x1)(xm-x1)+(y-y1)(ym-y1)=b1m,
这样的式子有m-1个,m是锚节点的个数,未知值为测节点坐标N(x,y);
6)设Ax=b,其中:
将上式写成矩阵方程的形式,可以看出,A中包含了所有锚节点的坐标信息;
7)将A1的初始分解写作:此时在A中更新一个锚节点坐标信息,变为:其中然后A的新分解可以更新为此形式:经过验算,此形式可以不断往上更新扩充成
8)根据上式中Am的新奇异值分解,定位待测节点N(x,y),或继续通过获得的锚节点坐标Bj来更新得到矩阵Aj,而步骤1)中的
本发明产生的有益效果是:本发明针对基于MDS的移动传感器定位方法中存在的一些问题,比如内存不够用,耗能比较大等问题,提出了一种新的奇异值分解定位算法,该算法首先确定了基站和首个锚节点的坐标,然后利用新奇异值分解简化定位步骤,简化了一部分计算,并利用计算结果进行节点定位,通过与已有算法比较,本算法在计算时间上有了一定的提高。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种基于新奇异值分解的无线传感器网络移动节点定位算法,算法分为两个阶段,初始化阶段,新奇异值分解阶段。首先,对基站和首个锚节点进行初始化,给它们初始坐标,然后用新奇异值分解算法来完善MDS算法,使其能耗降低,内存占用降低,运行速度变快。
该算法从根源上降低了计算复杂度,有效的提高了定位效率,缓解了传统算法中内存不足与计算速度较慢的问题。
实现本发明目的技术方案:
一种基于新奇异值分解的移动传感器算法,
1)将基站的坐标记为B0(0,0),同时定义第一个锚节点的坐标,记为B1(1,0),设锚节点总个数为m,m≥3;
3)将待测节点坐标记为N(x,y),锚节点坐标记为Bi(xi,yi),N和Bi之间的距离记为ri,则他们的欧式距离为(x-xi)2+(y-yi)2=ri 2(i=2,...,m);
4)定义B1到Bi之间的距离,记为d1i,则记
5)获得b1i的表达式:
(x-x1)(x0-x1)+(y-y1)(y0-y1)=b10
(x-x1)(x1-x1)+(y-y1)(y1-y1)=b11
(x-x1)(x2-x1)+(y-y1)(y2-y1)=b12
(x-x1)(x3-x1)+(y-y1)(y3-y1)=b13
(x-x1)(x4-x1)+(y-y1)(y4-y1)=b14
……
(x-x1)(xm-x1)+(y-y1)(ym-y1)=b1m,
这样的式子有m+1个,m是锚节点的个数,未知值为测节点坐标N(x,y);
6)设Ax=b,其中:
将上式写成矩阵方程的形式,可以看出,A中包含了所有锚节点的坐标信息;
7)将A1的初始分解写作:此时在A中更新一个锚节点坐标信息,变为:其中然后A的新分解可以更新为此形式:经过验算,此形式可以不断往上更新扩充成
8)根据上式中Am的新奇异值分解,定位待测节点N(x,y),或继续通过获得的锚节点坐标Bj来更新得到矩阵Aj,而步骤1)中的
为了验证本发明实施例的定位算法有效性,本发明采用MATLAB软件在Windows操作系统、i5处理器下进行仿真,并与传统MDS算法进行比较,来验证本算法在计算方面的速度优势。仿真场景设置如下:100m*100m的区域里随机分布121个传感器节点,传感器节点的通信半径为200m,其中24个锚节点,对数据仿真50次求平均值。
表1.仿真参数表。
表2.仿真结果表。
本发明针对基于MDS的定位算法中因矩阵复杂导致的计算时间稍长,利用一种新的奇异值分解算法对距离矩阵A进行分析,可以从表2看出,通过与传统MDS算法比较,本发明在计算时间上大约降低了5%,并在定位误差、网络平均连接度等方面并未造成明显的不良影响。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (1)
1.一种基于多维系统的无线传感器网络移动节点定位算法,包括以下步骤:
1)将基站的坐标记为B0(0,0),同时定义第一个锚节点的坐标,记为B1(1,0),设锚节点总个数为m,m≥3;
3)将待测节点坐标记为N(x,y),锚节点坐标记为Bi(xi,yi),N和Bi之间的距离记为ri,则他们的欧式距离为(x-xi)2+(y-yi)2=ri 2(i=2,...,m);
4)定义B1到Bi之间的距离,记为d1i,则记
5)获得b1i的表达式:
(x-x1)(x2-x1)+(y-y1)(y2-y1)=b12
(x-x1)(x3-x1)+(y-y1)(y3-y1)=b13
(x-x1)(x4-x1)+(y-y1)(y4-y1)=b14.
……
(x-x1)(xm-x1)+(y-y1)(ym-y1)=b1m,
这样的式子有m-1个,m是锚节点的个数,未知值为测节点坐标N(x,y);
6)设Ax=b,其中:
将上式写成矩阵方程的形式,可以看出,A中包含了所有锚节点的坐标信息;
7)将A1的初始分解写作:此时在A中更新一个锚节点坐标信息,变为:其中然后A的新分解可以更新为此形式:经过验算,此形式可以不断往上更新扩充成
8)根据上式中Am的新奇异值分解,定位待测节点N(x,y),或继续通过获得的锚节点坐标Bj来更新得到矩阵Aj,而步骤1)中的
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610749181.7A CN106131960B (zh) | 2016-08-26 | 2016-08-26 | 基于多维系统的无线传感器网络移动节点定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610749181.7A CN106131960B (zh) | 2016-08-26 | 2016-08-26 | 基于多维系统的无线传感器网络移动节点定位算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106131960A true CN106131960A (zh) | 2016-11-16 |
CN106131960B CN106131960B (zh) | 2019-10-25 |
Family
ID=57272017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610749181.7A Expired - Fee Related CN106131960B (zh) | 2016-08-26 | 2016-08-26 | 基于多维系统的无线传感器网络移动节点定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106131960B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324786A (zh) * | 2019-06-04 | 2019-10-11 | 苏州经贸职业技术学院 | 一种IPv6接入式移动定位物联采集系统 |
CN113532436A (zh) * | 2021-07-12 | 2021-10-22 | 中通服咨询设计研究院有限公司 | 一种室内相对位置定位方法 |
CN117896740A (zh) * | 2024-03-13 | 2024-04-16 | 武汉科技大学 | 一种智能家居无线传感器网络部署方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251592A (zh) * | 2008-03-31 | 2008-08-27 | 中国科学院计算技术研究所 | 一种无线传感器网络的节点定位方法 |
CN102186242A (zh) * | 2011-05-09 | 2011-09-14 | 江南大学 | 固定区域无线传感器网络移动节点定位方法 |
CN104363654A (zh) * | 2014-11-04 | 2015-02-18 | 浙江师范大学 | 基于Tunneling method的无线传感器网络三维节点定位方法 |
CN105636198A (zh) * | 2015-12-16 | 2016-06-01 | 吉林大学 | 一种基于apit测试的无线传感器网络定位算法 |
-
2016
- 2016-08-26 CN CN201610749181.7A patent/CN106131960B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251592A (zh) * | 2008-03-31 | 2008-08-27 | 中国科学院计算技术研究所 | 一种无线传感器网络的节点定位方法 |
CN102186242A (zh) * | 2011-05-09 | 2011-09-14 | 江南大学 | 固定区域无线传感器网络移动节点定位方法 |
CN104363654A (zh) * | 2014-11-04 | 2015-02-18 | 浙江师范大学 | 基于Tunneling method的无线传感器网络三维节点定位方法 |
CN105636198A (zh) * | 2015-12-16 | 2016-06-01 | 吉林大学 | 一种基于apit测试的无线传感器网络定位算法 |
Non-Patent Citations (2)
Title |
---|
ZHENLIANG CHENG, HUA CHENG, GENGGUO CHENG: "Fornasini-Marchesini Model Realization in Sensor Networks Based on Euclidean Space Embedding", 《IEEE》 * |
张源峰,程恩: "基于可控制粒子群优化的无线传感网节点定位技术", 《厦门大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324786A (zh) * | 2019-06-04 | 2019-10-11 | 苏州经贸职业技术学院 | 一种IPv6接入式移动定位物联采集系统 |
CN110324786B (zh) * | 2019-06-04 | 2020-12-29 | 苏州经贸职业技术学院 | 一种IPv6接入式移动定位物联采集系统 |
CN113532436A (zh) * | 2021-07-12 | 2021-10-22 | 中通服咨询设计研究院有限公司 | 一种室内相对位置定位方法 |
CN113532436B (zh) * | 2021-07-12 | 2024-05-10 | 中通服咨询设计研究院有限公司 | 一种室内相对位置定位方法 |
CN117896740A (zh) * | 2024-03-13 | 2024-04-16 | 武汉科技大学 | 一种智能家居无线传感器网络部署方法 |
CN117896740B (zh) * | 2024-03-13 | 2024-05-28 | 武汉科技大学 | 一种智能家居无线传感器网络部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106131960B (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
CN103648164B (zh) | 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法 | |
CN106123892A (zh) | 一种基于无线传感器网络与地磁地图的机器人定位方法 | |
CN102665277B (zh) | 一种对无线传感器网络中节点进行定位的方法 | |
CN102740456B (zh) | 一种无线传感器网络的节点定位方法 | |
CN106131960A (zh) | 基于多维系统的无线传感器网络移动节点定位算法 | |
CN102621522B (zh) | 一种水下无线传感器网络的定位方法 | |
CN102395193B (zh) | 一种用于无线传感器网络的定位方法 | |
CN103458502B (zh) | 基于位置指纹的定位误差估计方法 | |
CN112469115B (zh) | 一种基于快速聚类多维标度fc-mds改进的无线传感器网络定位方法 | |
CN104363654A (zh) | 基于Tunneling method的无线传感器网络三维节点定位方法 | |
CN105682224A (zh) | 一种免离线训练的分布式无线指纹定位方法 | |
CN102158957A (zh) | 一种三维空间无线传感网络区域二次分割迭代定位方法 | |
CN105208651A (zh) | 基于地图结构的Wi-Fi位置指纹非监督训练方法 | |
CN108737952A (zh) | 基于rssi测距改进的多边形加权质心定位方法 | |
CN105407529A (zh) | 基于模糊c均值聚类的无线传感器网络节点定位算法 | |
CN102209383B (zh) | 基于Euclidean算法的无线传感器三维定位方法 | |
CN104159292A (zh) | 一种基于虚拟中心节点的三维无线传感网络定位方法 | |
Ru et al. | A weighted centroid localization algorithm for wireless sensor networks based on weight correction | |
CN110297212B (zh) | 基于Voronoi图的室外分组测试定位方法及系统 | |
CN103079168A (zh) | 基于隐马氏模型的分布式运动节点的定位方法 | |
CN105203992A (zh) | 一种以到信标点估算距离为搜寻准则的DV-Hop定位方法 | |
Liu et al. | BP localization algorithm based on virtual nodes in wireless sensor network | |
CN112702761B (zh) | 一种无线传感器网络覆盖空洞检测方法及系统 | |
CN105246150A (zh) | 一种基于网络空洞内部信标点组检测的免测距定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191025 Termination date: 20200826 |