CN108924734B - 一种三维传感器节点定位方法及系统 - Google Patents
一种三维传感器节点定位方法及系统 Download PDFInfo
- Publication number
- CN108924734B CN108924734B CN201810504934.7A CN201810504934A CN108924734B CN 108924734 B CN108924734 B CN 108924734B CN 201810504934 A CN201810504934 A CN 201810504934A CN 108924734 B CN108924734 B CN 108924734B
- Authority
- CN
- China
- Prior art keywords
- node
- distance
- nodes
- dimensional space
- anchor
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/08—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种三维传感器节点定位方法及系统。该方法包括:计算所有节点之间的距离,所述节点包括锚节点和未知节点;通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点;根据所述距离准确的锚节点,选取预设个数的初始锚节点;根据所述初始锚节点,通过质心迭代法,定位各所述未知节点。通过本方法或系统,能够避免维度增加对测距估计的粗大误差,进一步提高定位精度。
Description
技术领域
本发明涉及系统工程技术领域,特别是涉及一种三维传感器节点定位方法及系统。
背景技术
无线传感器网络是一种特殊的无线自组织网络,它由大量的随机分布的传感器节点、汇聚节点、Intemet网络及用户管理中心组成,传感器节点包括搭载定位设备并可获取自身位置的锚节点以及未知自身位置并需要设计方法获取位置的未知节点,考虑到定位大规模传感器网络中定位设备的成本限制,研究如何利用锚节点及未知节点间的通讯信息实现未知节点定位是本发明的关键技术。
目前,传感器网络定位技术集中于二维平面定位方法,主要包括基于测距(Range-based)的定位和无需测距(Range-free)的定位方法,基于测距的定位方法有AOA、TOA、TDOA等,这些方法依赖于信号传播速度、发射源和接收源的角度实现节点间的距离估计,基于测距的定位方法对于硬件需求较高,对于大规模、复杂环境下无线传感器网络的硬件成本相对较高,因此并不具有适用性。无需测距的定位方法有DV-HOP、质心方法、APIT方法、凸规划方法等,此类方法相对于测距方法精度较低但是对硬件需求也远低于测距方法,传感器节点无需搭载定位相关的设备,因此适用于大规模复杂网络对节点成本的限制。二维传感器节点定位技术已经相对成熟,在多个领域得到广泛应用,然而复杂环境下的传感器网络往往随机部署在各类地形中,如高山、水下、空中等,由于坡度、深度、海拔等纵向高度的影响,二维平面式的WSNs定位已经远远不能满足感知信息对未知的需求,因此三维传感器网络定位技术应运而生。
相对二维WSNs定位技术,三维定位技术的研究较少,现有的三维定位技术主要从以下几个方向进行拓展,一方面在已有二维定位技术如DV-HOP、APIT等方法进行延伸,增加维度测量从而减少误差;另外一方面依赖于测距方法,搭载设备准确获知节点间的距离,从而提高定位精度;此外一部分三维定位技术集中于移动锚节点的研究,利用路径规划方法推理未知节点位置。然而基于成本的限制,以上方法均不适用于复杂环境下大规模传感器的定位策略,因此寻求高精度、低成本、低计算复杂度的大规模三维节点定位技术具有十分重要的实际意义。
发明内容
针对上述问题,本发明提供了一种三维传感器节点定位方法及系统。
为实现上述目的,本发明提供了如下方案:
一种三维传感器节点定位方法,所述方法包括:
计算所有节点之间的距离,所述节点包括锚节点和未知节点;
根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点;
根据所述距离准确的锚节点,选取预设个数的初始锚节点;
根据所述初始锚节点,通过质心迭代法,定位各所述未知节点。
可选的,所述计算所有节点之间的距离,具体包括:
采用信号强度分析法计算相邻节点之间的距离;
采用跳距之和的方法计算通讯范围外的多跳节点的距离。
可选的,所述根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点,具体包括:
根据所述距离,利用排列组合将所有锚节点划分为多组,每组包括4个锚节点;
采用最小二乘法对每组进行定位,得到多个定位结果;
根据多个所述定位结果,确定多个类别,得到多个初始聚类中心;
根据多个所述初始聚类中心进行聚类,确定最终的聚类中心;
根据各聚类中心所在的聚类的样本点个数以及所述距离,排除大于误差阈值的锚节点,得到距离准确的锚节点。
可选的,所述根据所述距离准确的锚节点,选取预设个数的初始锚节点,之前还包括:
确定所有锚节点构成的立体空间;
采用定位算法判断各所述未知节点是否位于所述立体空间内。
可选的,所述采用定位算法判断各所述未知节点是否位于所述立体空间内,具体包括:
获取当前未知节点与所有锚节点的交换信息,为第一交换信息;
获取所述当前节点相邻的未知节点与所述锚节点的交换信息,为第二交换信息;
判断所述第一交换信息与所述第二交换信息的强度变化是否全部强增或者全部减弱;
若是,则表示所述当前未知节点位于所述立体空间之外;
若否,则表示所述当前未知节点位于所述立体空间之内。
可选的,所述根据所述初始锚节点,通过质心迭代法,定位各所述未知节点,具体包括:
确定所述立体空间的空间质心;
计算所述空间质心与所述立体空间内的每一个未知节点的距离;
判断所述空间质心与所述立体空间内的当前未知节点的距离是否小于距离阈值;
若是,则所述空间质心为当前未知节点的估计位置,实现所述立体空间之内的未知节点的定位;
若否,则计算当前未知节点与所述立体空间内所有所述初始锚节点之间的距离;
获取与当前未知节点距离最远的初始锚节点;
将所述距离最远的初始锚节点的坐标更新为所述空间质心的坐标,并得到更新后的立体空间,以及更新后的立体空间的质心。
此外,本发明还提供了一种三维传感器节点定位系统,所述系统包括:
计算模块,用于计算所有节点之间的距离,所述节点包括锚节点和未知节点;
排除模块,用于通过聚类算法排除所述距离大于误差阈值的锚节点,得到距离准确的锚节点;
选取模块,用于根据所述距离准确的锚节点,选取预设个数的初始锚节点;
定位模块,用于根据所述初始锚节点,通过质心迭代法,定位各所述未知节点。
可选的,所述计算模块包括:
第一计算单元,用于采用信号强度分析法计算相邻节点之间的距离;
第二计算单元,用于采用跳距之和的方法计算通讯范围外的多跳节点的距离。
可选的,所述系统还包括:
立体空间确定模块,用于在根据所述距离准确的锚节点,选取预设个数的初始锚节点之前,确定所有锚节点构成的立体空间;
判断模块,用于采用定位算法判断各所述未知节点是否位于所述立体空间内。
可选的,所述定位模块包括:
空间质心确定单元,用于确定所述立体空间的空间质心;
第一距离计算单元,用于计算所述空间质心与所述立体空间内的每一个未知节点的距离;
判断单元,用于判断所述空间质心与所述立体空间内的当前未知节点的距离是否小于距离阈值;
定位单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离小于距离阈值时,确定所述空间质心为当前未知节点的估计位置,实现所述立体空间之内的未知节点的定位;
第二距离计算单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离大于距离阈值时,计算当前未知节点与所述立体空间内所有所述初始锚节点之间的距离;
获取单元,用于获取与当前未知节点距离最远的初始锚节点;
更新单元,用于将所述距离最远的初始锚节点的坐标更新为所述空间质心的坐标,并得到更新后的立体空间,以及更新后的立体空间的质心。
与现有技术相比,本发明具有以下技术效果:针对大规模复杂环境的地势特点,本发明充分考虑三维空间节点定位可能带来的误差影响,提出三维K-means聚类方法和三维质心迭代算法,可避免维度增加对测距估计的粗大误差,进一步提高定位精度。本发明采用质心迭代方法实现传感器节点的定位,与现有方法相比在不损失精度的前提下,较大程度的减少硬件成本,避免测距设备和移动设备的使用。且三维K-means聚类方法能够有效的实现锚节点的筛选,弥补信号强度转化距离的过程中的不确定性和模糊性,选取可用锚节点的结果为是保证质心迭代方法的前提,从而实现更准确的定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例三维传感器节点定位方法的流程图;
图2为本发明实施例聚类节点分布示意图;
图3为本发明实施例未知节点处于立体空间之内的示意图;
图4为本发明实施例未知节点处于立体空间之外的示意图;
图5为本发明实施例三维传感器节点定位系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例三维传感器节点定位方法的流程图。如图1所示,一种三维传感器节点定位方法包括以下步骤:
步骤101:计算所有节点之间的距离,所述节点包括锚节点和未知节点。
节点间的距离估计采用RSSI方法,RSSI无须增加额外的硬件成本,但是相对无需测距的距离估计方法在计算复杂度、精度上均具有优势,因此相邻节点间的距离估计采用RSSI方法实现,对于通讯范围外的多跳节点距离采用跳距之和进行计算,如公式(1)所示。
其中dik表示节点i和k之间的距离,hl表示第l跳的距离,l=1,2,...,n,表示两节点间的跳数。
由二维平面的三边节点定位方法可知,对于三维平面确定节点的位置至少需要四个锚节点所确定的四个距离,三维空间中节点与距离的几何关系可以表示为
其中(xi,yi,zi)表示第i个锚节点坐标,i=1,2,...,q,表示锚节点个数;(x,y,z)为未知节点坐标,d1 2表示第一个未知节点与对应锚节点之间的距离。
利用方程组中的公式与第n个公式相减可对方程组进行化简,化简后可利用最小二乘法求得节点的估计未知,如公式(3)所示。
其中,
步骤102:根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点。
利用以上方法,在大多数距离信息都相对准确的情况下,任选其中四个锚节点使用四边定位法得到的结果在三维空间中会有更多的结果接近真实值,如图2所示,因此可采用K-means方法对距离信息不准确的锚节点进行排除,从n个锚节点中任选4个为一组,对每组利用最小二乘法进行定位,经排列组合方式可得到个定位结果,每个组合均可得到一个未知节点的估计位置,表示成坐标为X={(xs,ys,zs)},该坐标即为聚类样本用于后续聚类。将个定位结果X={(xs,ys,zs)}作为待聚类样本并设定聚类结果的类的个数为k,初始聚类中心从待聚类样本中任意选择k个表示为聚类中心C={(ctx,cty,ctz)|t=1,2L,k},其中ctx,cty,ctz表示x,y,z方向的坐标。
确定k个聚类的初始聚类中心后,对剩余个点进行聚类,分别计算剩余点到聚类中心的欧式距离并判断与剩余点距离最近的聚类中心,将该剩余点划归为最近的聚类中心所属的类别,因此对所有点均进行聚类后可形成聚类W1,W2,L,Wk,每个聚类Wt包括该聚类的聚类中心Ct和隶属于该聚类的所有聚类点。
对于任意一个聚类Wt利用聚类点的坐标重新计算其聚类中心,计算公式如下所示。
利用新的聚类中心对所有点再次聚类,进而找出下一次聚类中心C*,如此重复迭代直到聚类中心的位置小于限值ε,从而迭代结束,此时的聚类中心C*则为最终的聚类中心,三维K-means聚类节点分析结束。进行三维K-means聚类节点分析后,能够获得k个聚类,因此根据每个聚类中所含样本点的个数,排除误差较大的样本点。
步骤103:根据所述距离准确的锚节点,选取预设个数的初始锚节点。
进行统计分析获得距离准确性的锚节点排序,选取指定个数的锚节点进行质心迭代求取未知节点坐标,但是在进行质心迭代前需要保证未知节点位于被选取锚节点所围成的空间,因此引入APIT方法进行判断,具体实施方式如下。
在分析三维K-means聚类结果之后,能够从迭代后得到的最终聚类中比较出包含样本点最多的类Wmax,将Wmax视为未知节点的大概率位置,表明生成这些样本的锚节点在计算自身与锚节点的距离时相对准确,因此对该聚类中的样本所对应的锚节点进行统计分析,排序以上锚节点出现的次数,设定质心迭代的点为v个,则选择出现次数较多的v个锚节点进行APIT判断。
已有的v个锚节点能够围成一个多面的立体空间,判断未知节点是否处于立体空间中,本发明采用APIT的方法,三维空间APIT定位思想也是二维APIT思想的扩展,未知节点与立体空间存在两种位置关系,如图3所示未知节点位于立体空间之内和如图4所示未知节点位于立体空间之外。
当未知节点M位于立体空间之内时,节点与邻居节点(例如节点1)交换信息,节点M即可获得邻居节点与所选锚节点的信号强度并进行比较,若未知节点与邻居节点到所有锚节点的信号强度的变化有的增强有的减弱,说明节点M相对于邻居节点并没有同时远离或者同时靠近该立体空间的锚节点,则表明未知节点位于立体空间之内。
当未知节点M位于立体空间之外时,节点与邻居节点(例如节点1)交换信息,节点M即可获得邻居节点与所选锚节点的信号强度并进行比较,若未知节点与邻居节点到所有锚节点的信号强度的变化存在全部增强或者全部减弱的情况,说明节点M相对于邻居节点并同时远离或者同时靠近该立体空间的锚节点,则表明未知节点位于立体空间之外。
步骤104:根据所述初始锚节点,通过质心迭代法,定位各所述未知节点。
质心迭代法是利用未知节点处于立体空间的事实,通过迭代求取质心,利用质心替代距离未知节点最远的节点,从而不断的缩小节点所处的三维空间的范围,实现精确定位。由于质心迭代算法对节点测距的依赖较小,因此适用于三维节点定位,相对于其他方法对节点测距的容错率较高。
实现质心替代距离未知节点最远的锚节点首先需要证明质心和最远锚节点分别到未知节点的距离关系。在三维环境中,假设未知节点O的真实坐标为(x,y,z),初始锚节点分别为S1,S2,L,SN,则未知节点与第n个锚节点之间的距离可表示为
其中,(xn,yn,zn)为锚节点n的坐标。
已知所选锚节点的坐标,则所选锚节点围成的三维立体空间质心为
则质心与未知节点的距离如公式(7)所示,并可对质心距离公式作进一步推导,得到距离与节点坐标的关系公式。
由于当i≠j,公式可进一步化简,
因此,质心与未知节点的距离公式可表示成如下所示。
其中,dn表示第n个锚节点到未知节点的距离。进一步简化质心与未知节点的距离公式如下所示。
其中,
其中dij表示锚节点i,j的距离,假设所选信标节点与未知节点之间的距离关系满足一下条件,
0<d1≤d2≤d3L≤dN-1≤dN (10)
则可推导出
因此,
根据上式可知,质心到未知节点的距离一定小于最远锚节点到未知节点的距离,因此可以考虑用质心替代最远锚节点,从而形成新的立体空间,为保证定位准确性,判断未知节点是否在新的立体空间之内,若满足未知节点位于新的立体空间的条件,则对新的立体空间继续求取质心,并用质心替代最远锚节点进行迭代运算,若未知节点不在立体空间内,则用质心替代次最远锚节点,并判断未知节点是否在立体空间内,直至找到符合条件的新的立体空间。经过以上迭代过程,未知节点所在的立体空间不断缩小,最后设定迭代结束条件当未知节点与质心的距离小于δ时,迭代结束,此时的质心则为未知节点的估计位置。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1、针对大规模复杂环境的地势特点,充分考虑三维空间节点定位可能带来的误差影响,提出三维K-means聚类方法和三维质心迭代算法,可避免维度增加对测距估计的粗大误差,进一步提高定位精度。
2、本发明采用质心迭代方法实现传感器节点的定位,与现有方法相比在不损失精度的前提下,较大程度的减少硬件成本,避免测距设备和移动设备的使用。
3、三维K-means聚类方法能够有效的实现锚节点的筛选,弥补信号强度转化距离的过程中的不确定性和模糊性,选取可用锚节点的结果为是保证质心迭代方法的前提,从而实现更准确的定位。
4、增加APIT的判断过程能够保证质心迭代算法的有效性,避免定位方向发生偏离,是对每一步定位结果的校正,从而使最终的定位结果达到更高的精度。
图5为本发明实施例三维传感器节点定位系统的结构框图。如图5所示,本发明还提供了一种三维传感器节点定位系统,所述系统包括:
计算模块501,用于计算所有节点之间的距离,所述节点包括锚节点和未知节点。
所述计算模块501具体包括:
第一计算单元,用于采用信号强度分析法计算相邻节点之间的距离;
第二计算单元,用于采用跳距之和的方法计算通讯范围外的多跳节点的距离。
排除模块502,用于通过聚类算法排除所述距离大于误差阈值的锚节点,得到距离准确的锚节点。
选取模块503,用于根据所述距离准确的锚节点,选取预设个数的初始锚节点。
定位模块504,用于根据所述初始锚节点,通过质心迭代法,定位各所述未知节点。
所述定位模块504具体包括:
空间质心确定单元,用于确定所述立体空间的空间质心;
第一距离计算单元,用于计算所述空间质心与所述立体空间内的每一个未知节点的距离;
判断单元,用于判断所述空间质心与所述立体空间内的当前未知节点的距离是否小于距离阈值;
定位单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离小于距离阈值时,确定所述空间质心为当前未知节点的估计位置,实现所述立体空间之内的未知节点的定位;
第二距离计算单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离大于距离阈值时,计算当前未知节点与所述立体空间内所有所述初始锚节点之间的距离;
获取单元,用于获取与当前未知节点距离最远的初始锚节点;
更新单元,用于将所述距离最远的初始锚节点的坐标更新为所述空间质心的坐标,并得到更新后的立体空间,以及更新后的立体空间的质心。
所述系统还包括:
立体空间确定模块,用于在根据所述距离准确的锚节点,选取预设个数的初始锚节点之前,确定所有锚节点构成的立体空间;
判断模块,用于采用定位算法判断各所述未知节点是否位于所述立体空间内。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种三维传感器节点定位方法,其特征在于,所述方法包括:
计算所有节点之间的距离,所述节点包括锚节点和未知节点;
根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点;
根据所述距离准确的锚节点,选取预设个数的初始锚节点;
根据所述初始锚节点,通过质心迭代法,定位各所述未知节点;
所述根据所述距离准确的锚节点,选取预设个数的初始锚节点,之前还包括:
确定所有锚节点构成的立体空间;
采用定位算法判断各所述未知节点是否位于所述立体空间内;
所述根据所述初始锚节点,通过质心迭代法,定位各所述未知节点,具体包括:
确定所述立体空间的空间质心;
计算所述空间质心与所述立体空间内的每一个未知节点的距离;
判断所述空间质心与所述立体空间内的当前未知节点的距离是否小于距离阈值;
若是,则所述空间质心为当前未知节点的估计位置,实现所述立体空间之内的未知节点的定位;
若否,则计算当前未知节点与所述立体空间内所有所述初始锚节点之间的距离;
获取与当前未知节点距离最远的初始锚节点;
将所述距离最远的初始锚节点的坐标更新为所述空间质心的坐标,并得到更新后的立体空间,以及更新后的立体空间的质心。
2.根据权利要求1所述的节点定位方法,其特征在于,所述计算所有节点之间的距离,具体包括:
采用信号强度分析法计算相邻节点之间的距离;
采用跳距之和的方法计算通讯范围外的多跳节点的距离。
3.根据权利要求1所述的节点定位方法,其特征在于,所述根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点,具体包括:
根据所述距离,利用排列组合将所有锚节点划分为多组,每组包括4个锚节点;
采用最小二乘法对每组进行定位,得到多个定位结果;
根据多个所述定位结果,确定多个类别,得到多个初始聚类中心;
根据多个所述初始聚类中心进行聚类,确定最终的聚类中心;
根据各聚类中心所在的聚类的样本点个数,排除大于误差阈值的锚节点,得到距离准确的锚节点。
4.根据权利要求1所述的节点定位方法,其特征在于,所述采用定位算法判断各所述未知节点是否位于所述立体空间内,具体包括:
获取当前未知节点与所有锚节点的交换信息,为第一交换信息;
获取所述当前未知节点相邻的未知节点与所述锚节点的交换信息,为第二交换信息;
判断所述第一交换信息与所述第二交换信息的强度变化是否全部强增或者全部减弱;
若是,则表示所述当前未知节点位于所述立体空间之外;
若否,则表示所述当前未知节点位于所述立体空间之内。
5.一种三维传感器节点定位系统,其特征在于,所述系统包括:
计算模块,用于计算所有节点之间的距离,所述节点包括锚节点和未知节点;
排除模块,用于根据所述距离,通过聚类算法排除大于误差阈值的锚节点,得到距离准确的锚节点;
选取模块,用于根据所述距离准确的锚节点,选取预设个数的初始锚节点;
定位模块,用于根据所述初始锚节点,通过质心迭代法,定位各所述未知节点;
所述系统还包括:
立体空间确定模块,用于在根据所述距离准确的锚节点,选取预设个数的初始锚节点之前,确定所有锚节点构成的立体空间;
判断模块,用于采用定位算法判断各所述未知节点是否位于所述立体空间内;
所述定位模块包括:
空间质心确定单元,用于确定所述立体空间的空间质心;
第一距离计算单元,用于计算所述空间质心与所述立体空间内的每一个未知节点的距离;
判断单元,用于判断所述空间质心与所述立体空间内的当前未知节点的距离是否小于距离阈值;
定位单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离小于距离阈值时,确定所述空间质心为当前未知节点的估计位置,实现所述立体空间之内的未知节点的定位;
第二距离计算单元,用于当所述空间质心与所述立体空间内的当前未知节点的距离大于距离阈值时,计算当前未知节点与所述立体空间内所有所述初始锚节点之间的距离;
获取单元,用于获取与当前未知节点距离最远的初始锚节点;
更新单元,用于将所述距离最远的初始锚节点的坐标更新为所述空间质心的坐标,并得到更新后的立体空间,以及更新后的立体空间的质心。
6.根据权利要求5所述的系统,其特征在于,所述计算模块包括:
第一计算单元,用于采用信号强度分析法计算相邻节点之间的距离;
第二计算单元,用于采用跳距之和的方法计算通讯范围外的多跳节点的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810504934.7A CN108924734B (zh) | 2018-05-24 | 2018-05-24 | 一种三维传感器节点定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810504934.7A CN108924734B (zh) | 2018-05-24 | 2018-05-24 | 一种三维传感器节点定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108924734A CN108924734A (zh) | 2018-11-30 |
CN108924734B true CN108924734B (zh) | 2020-08-11 |
Family
ID=64403948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810504934.7A Expired - Fee Related CN108924734B (zh) | 2018-05-24 | 2018-05-24 | 一种三维传感器节点定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108924734B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210072027A1 (en) * | 2019-09-09 | 2021-03-11 | Caci, Inc. - Federal | Systems and methods for providing localization and navigation services |
CN111432368B (zh) * | 2020-03-31 | 2022-10-21 | 中国人民解放军国防科技大学 | 一种适用于稀疏锚节点wsn的测距定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685676A (zh) * | 2012-03-26 | 2012-09-19 | 河海大学 | 一种无线传感器网络节点三维定位方法 |
CN104684081A (zh) * | 2015-02-10 | 2015-06-03 | 三峡大学 | 基于距离聚类遴选锚节点的无线传感器网络节点定位算法 |
CN106226732A (zh) * | 2016-07-08 | 2016-12-14 | 西安电子科技大学 | 基于tof及迭代无迹滤波的室内无线定位跟踪方法 |
CN106412828A (zh) * | 2016-09-14 | 2017-02-15 | 扬州大学 | 基于apit的无线传感器网络节点定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105307118B (zh) * | 2015-09-22 | 2017-05-31 | 南京邮电大学 | 基于质心迭代估计的节点定位方法 |
-
2018
- 2018-05-24 CN CN201810504934.7A patent/CN108924734B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685676A (zh) * | 2012-03-26 | 2012-09-19 | 河海大学 | 一种无线传感器网络节点三维定位方法 |
CN104684081A (zh) * | 2015-02-10 | 2015-06-03 | 三峡大学 | 基于距离聚类遴选锚节点的无线传感器网络节点定位算法 |
CN106226732A (zh) * | 2016-07-08 | 2016-12-14 | 西安电子科技大学 | 基于tof及迭代无迹滤波的室内无线定位跟踪方法 |
CN106412828A (zh) * | 2016-09-14 | 2017-02-15 | 扬州大学 | 基于apit的无线传感器网络节点定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108924734A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN106912105B (zh) | 基于pso_bp神经网络的三维定位方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
EP1514130A1 (en) | Probabilistic model for a positioning technique | |
CN109379711B (zh) | 一种定位方法 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
US20200413365A1 (en) | Radiation source positioning method based on radio spectrum monitoring big data processing | |
CN111157943B (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 | |
CN109341682B (zh) | 一种提高地磁场定位精度的方法 | |
CN108521631B (zh) | 一种面向室内定位的移动ap识别方法 | |
Schüssel et al. | Coverage gaps in fingerprinting based indoor positioning: The use of hybrid gaussian processes | |
Sun et al. | Successive and asymptotically efficient localization of sensor nodes in closed-form | |
Zhou et al. | IMLours: Indoor mapping and localization using time-stamped WLAN received signal strength | |
CN111263295B (zh) | 一种wlan室内定位方法和装置 | |
CN108810840B (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
CN109561384B (zh) | 一种复合噪声条件下的无线传感器网络节点定位方法 | |
CN109633531B (zh) | 一种复合噪声条件下的无线传感器网络节点定位系统 | |
CN110351657A (zh) | 一种无线传感器网络中节点几何定位的方法 | |
Assayag et al. | Indoor positioning system using synthetic training and data fusion | |
CN109255150B (zh) | 基于双向次序关联的多天线到达角数据关联方法 | |
Chen et al. | DeepMetricFi: Improving Wi-Fi fingerprinting localization by deep metric learning | |
CN113238185B (zh) | 一种基于斐波那契散枝搜索的非协作目标定位方法和系统 | |
CN105828434B (zh) | 一种子网划分式DV-hop无线传感器网络定位方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200811 |
|
CF01 | Termination of patent right due to non-payment of annual fee |