CN108810840A - 协作定位中基于efim和距离协作的节点选择方法 - Google Patents
协作定位中基于efim和距离协作的节点选择方法 Download PDFInfo
- Publication number
- CN108810840A CN108810840A CN201810349040.5A CN201810349040A CN108810840A CN 108810840 A CN108810840 A CN 108810840A CN 201810349040 A CN201810349040 A CN 201810349040A CN 108810840 A CN108810840 A CN 108810840A
- Authority
- CN
- China
- Prior art keywords
- node
- efim
- speb
- destination
- agent
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种协作定位中基于EFIM和距离协作的节点选择方法,包括下列步骤:1)在场景中放置代理和锚节点,计算它们与待定位目标节点的距离。2)得到费希尔信息矩阵FIM再对高维的FIM进行分解和量化得到二维的等效费希尔信息矩阵EFIM。3)当目标节点和锚节点协作时,根据锚节点的EFIM计算节点的位置误差界限的平方SPEB;当目标节点和邻近代理节点协作时,根据代理节点的EFIM计算SPEB。根据新的节点选择标准从邻近节点中选择节点,构建辅助节点的集合,对目标节点定位。
Description
技术领域
本发明属于无线传感器网络定位领域,具体涉及协作定位节点选择算法在无线传感器网络中对目标节点定位的应用。
背景技术
定位,即获取感兴趣目标在空间中的位置信息。在如今的互联网时代,商业、导航、搜救、军事等领域对位置信息的要求越来越高,其中无线定位技术扮演着重要的角色。目标节点的位置可以通过接收到的信号来推测和估计,通常可以根据信号的到达时间(TOA),信号的到达时间差(TDOA),信号的到达角度(AOA)和接受信号的信号强度(RSS)。信号在传播过程中受到外界干扰会造成测量到的RSS不稳定,而测量时间需要精密的仪器设备。在二维场景中,确定目标节点的位置至少需要三个不同的锚节点。为了获得较高的定位精度,可以增大锚节点的功率或者增加锚节点的布置密度。但这受限于系统成本花费和实际的环境,解决这个问题最实用的方法就是协作定位。
协作定位它避开了锚节点大功率和高密度的要求,通过周围节点的位置信息交换来确定目标节点的位置。尽管节点协作可以提高定位性能,但信息的交换与融合也会造成计算复杂度和通信负担的增加。减少辅助节点的数量不但可以节约定位所需的时间,还可以节约系统成本。况且有些应用只需要达到某一特定的定位精度即可,例如在一个房间里达到米级的定位精度就足够了。因此,在资源受限的定位系统中,协作定位节点选择算法激起了越来越多研究者的兴趣。
目前的节点选择算法大多是选择固定数目的邻近节点作为辅助节点参与协作定位。例如借助RSS来确定辅助节点的集合和最近邻节点选择法(NNSM),当环境复杂多变时这两个方法的定位精度会大大降低。基于费希尔信息矩阵(FIM)的节点选择算法和借助克拉美罗下界(CRLB)确定辅助节点的集合,当邻近节点的数量很多时,有着很大的计算量。
发明内容
本发明的目的是提供一种可以提高定位精度和降低计算复杂度的节点选择方法,技术方案如下:
一种协作定位中基于EFIM和距离协作的节点选择方法,包括下列步骤:
1)在场景中放置NA个代理节点和NB个锚节点,计算它们与待定位目标节点的距离,并引进未知参量X=[PTκT]T,其中P是NA个代理节点的位置坐标,κ是NA个代理节点接收波形的幅值和时延。
2)利用未知参量X及其估计量的均方误差得到费希尔信息矩阵FIM再对高维的FIM进行分解和量化得到二维的等效费希尔信息矩阵EFIM。
3)当目标节点和锚节点协作时,根据锚节点的EFIM计算节点的位置误差界限的平方SPEB;当目标节点和邻近代理节点协作时,根据代理节点的EFIM计算SPEB。
4)当目标节点k与节点j协作时,先判断节点j是锚节点还是代理节点,再计算其SPEB,并将SPEB和距离dkj结合起来形成一个新的节点选择标准,其中dkj是目标节点k与节点j之间的距离。
5)根据新的节点选择标准从邻近节点中选择节点,构建辅助节点的集合,最后借助这些辅助节点来确定目标节点的位置。
附图说明
图1本发明待定位场景图。
图2本发明与其他算法的定位精度比较图。
图3本发明与其他算法的辅助节点的数目随设定的SPEB门限值变化关系图。
具体实施方式
以下结合附图及实例,对本发明进行进一步的详细说明。本实例仅限于说明本发明的一种实施方法,不代表对本发明覆盖范围的限制。图1本发明待定位场景图。图2本发明与其他算法的定位精度比较图。图3本发明与其他算法的辅助节点的数目随设定的SPEB门限值变化关系图。
为了减小随机误差的影响,这里通过Matlab进行200次蒙特卡洛仿真试验来验证本发明提出的一种基于EFIM和距离协作的节点选择方法的性能,并与已有的节点选择算法进行对比。使用位置均方根误差(RMSE)来对算法的定位精度进行对比评价,RMSE表达式如下:
其中,pk=[xk,yk]T是待定位目标节点的真实位置坐标,是借助辅助节点计算得到的待定位目标节点的位置坐标。
具体的方法实现过程描述如下:
步骤一:定位场景布置(如图1):建立一个100m×100m的无线传感器网络场景,设定待定位节点坐标是(0,0),10个锚节点和20个代理节点由MATLAB随机函数来生成,节点固定不动,节点之间可以进行信息交换。它们有着不同的旋转角度α和不同的到达角度φ,且它们到目标节点的距离也各不相同。
步骤二:计算邻近节点j与目标节点k之间的距离dkj,并引进未知参量X=[PTκT]T,其中P是NA个代理节点的位置坐标,κ是NA个代理节点接收波形的幅值和时延。利用未知参量X及其估计量的均方误差得到费希尔信息矩阵FIMJX,再对高维的FIM进行分解和量化得到二维的等效费希尔信息矩阵EFIMJe(P),最后得到每个邻近节点的SPEB:
步骤三:当目标节点和邻近锚节点协作时,根据锚节点的信息矩阵计算目标节点的EFIM:
其中,F(μ,η,α)表示目标节点的EFIM,F(ν,0,φ)表示来自锚节点的位置信息,并计算得到参数 和当目标节点和邻近代理节点协作时,同理根据代理节点的信息矩阵计算目标节点的EFIM,得到参数和则目标节点与锚节点协作后的SPEB为:
步骤四:将节点协作后的SPEB与其对应距离结合起来,形成新的节点选择标准:携带节点间距离d的SPEB(d):
其中,节点协作后得到的SPEB,dkj是目标节点k与邻近节点j之间的距离。
步骤五:确定设定门限值g0,从邻近节点的集合中选出最小的节点作为辅助节点的集合,直到再根据辅助节点的集合来确定目标节点的位置。
Claims (1)
1.一种协作定位中基于EFIM和距离协作的节点选择方法,包括下列步骤:
1)在场景中放置NA个代理节点和NB个锚节点,计算它们与待定位目标节点的距离,并引进未知参量X=[PT κT]T,其中P是NA个代理节点的位置坐标,κ是NA个代理节点接收波形的幅值和时延。
2)利用未知参量X及其估计量的均方误差得到费希尔信息矩阵FIM再对高维的FIM进行分解和量化得到二维的等效费希尔信息矩阵EFIM;
3)当目标节点和锚节点协作时,根据锚节点的EFIM计算节点的位置误差界限的平方SPEB;当目标节点和邻近代理节点协作时,根据代理节点的EFIM计算SPEB;
4)当目标节点k与节点j协作时,先判断节点j是锚节点还是代理节点,再计算其SPEB,并将SPEB和距离dkj结合起来形成一个新的节点选择标准,其中dkj是目标节点k与节点j之间的距离;
5)根据新的节点选择标准从邻近节点中选择节点,构建辅助节点的集合,最后借助这些辅助节点来确定目标节点的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349040.5A CN108810840B (zh) | 2018-04-18 | 2018-04-18 | 协作定位中基于efim和距离协作的节点选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349040.5A CN108810840B (zh) | 2018-04-18 | 2018-04-18 | 协作定位中基于efim和距离协作的节点选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108810840A true CN108810840A (zh) | 2018-11-13 |
CN108810840B CN108810840B (zh) | 2021-02-19 |
Family
ID=64094389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810349040.5A Active CN108810840B (zh) | 2018-04-18 | 2018-04-18 | 协作定位中基于efim和距离协作的节点选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108810840B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111479214A (zh) * | 2020-02-23 | 2020-07-31 | 南京理工大学 | 基于toa测量的无线传感网络最优目标定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140274166A1 (en) * | 2013-03-14 | 2014-09-18 | Arizona Board of Regents, a body Corporate of the State of Arizona, Acting for and on Behalf of Ariz | Maximum likelihood localization in the presence of channel uncertainties |
CN104798355A (zh) * | 2012-09-18 | 2015-07-22 | 思杰系统有限公司 | 移动设备管理和安全 |
CN106162869A (zh) * | 2016-07-07 | 2016-11-23 | 上海交通大学 | 移动自组织网络中高效协作定位方法 |
CN106170151A (zh) * | 2016-07-05 | 2016-11-30 | 重庆邮电大学 | 基于协作锚节点自适应移动的未知节点定位方法 |
-
2018
- 2018-04-18 CN CN201810349040.5A patent/CN108810840B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104798355A (zh) * | 2012-09-18 | 2015-07-22 | 思杰系统有限公司 | 移动设备管理和安全 |
US20140274166A1 (en) * | 2013-03-14 | 2014-09-18 | Arizona Board of Regents, a body Corporate of the State of Arizona, Acting for and on Behalf of Ariz | Maximum likelihood localization in the presence of channel uncertainties |
CN106170151A (zh) * | 2016-07-05 | 2016-11-30 | 重庆邮电大学 | 基于协作锚节点自适应移动的未知节点定位方法 |
CN106162869A (zh) * | 2016-07-07 | 2016-11-23 | 上海交通大学 | 移动自组织网络中高效协作定位方法 |
Non-Patent Citations (1)
Title |
---|
范馨月等: "非均匀场景下的协作定位基本限的研究", 《重庆邮电大学学报( 自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111479214A (zh) * | 2020-02-23 | 2020-07-31 | 南京理工大学 | 基于toa测量的无线传感网络最优目标定位方法 |
CN111479214B (zh) * | 2020-02-23 | 2022-08-16 | 南京理工大学 | 基于toa测量的无线传感网络最优目标定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108810840B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shu et al. | Gradient-based fingerprinting for indoor localization and tracking | |
Zhang et al. | A novel distributed sensor positioning system using the dual of target tracking | |
Zhang et al. | Landscape-3D; a robust localization scheme for sensor networks over complex 3D terrains | |
Lavanya et al. | Swarm intelligence based localization in wireless sensor networks | |
CN104185272A (zh) | 基于优化平均每跳距离和优选锚节点的wsn定位方法 | |
CN105676181A (zh) | 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法 | |
CN111157943B (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
CN108966120B (zh) | 一种用于动态集群网络改进的组合三边定位方法及系统 | |
CN107144827B (zh) | 一种基于联合估计crlb的分布式雷达最优构型构建方法 | |
CN104159297A (zh) | 一种基于聚类分析的无线传感器网络多边定位算法 | |
CN104053234A (zh) | 一种基于rssi的坐标误差补偿定位系统和方法 | |
Galov et al. | Bayesian filters for ToF and RSS measurements for indoor positioning of a mobile object | |
Huang et al. | Wearable indoor localisation approach in Internet of Things | |
Wei et al. | Autonomous underwater vehicles localisation in mobile underwater networks | |
CN103369670A (zh) | 一种基于跳数优选的改进DV-Hop定位方法 | |
Chen et al. | Hybrid ToA and IMU indoor localization system by various algorithms | |
CN108810840A (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
Wei et al. | An improved multihop distance estimation for DV-hop localization algorithm in wireless sensor networks | |
Isokawa et al. | An Anchor‐Free Localization Scheme with Kalman Filtering in ZigBee Sensor Network | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 | |
CN110351657A (zh) | 一种无线传感器网络中节点几何定位的方法 | |
Destiarti et al. | Modified iterated extended Kalman filter for mobile cooperative tracking system | |
CN106937298B (zh) | 一种改进的无线传感器网络三维定位方法 | |
Assayag et al. | Indoor positioning system using synthetic training and data fusion | |
CN110602635B (zh) | 一种室内地图匹配增强定位方法、设备及存储设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |