CN108966120B - 一种用于动态集群网络改进的组合三边定位方法及系统 - Google Patents
一种用于动态集群网络改进的组合三边定位方法及系统 Download PDFInfo
- Publication number
- CN108966120B CN108966120B CN201810590560.5A CN201810590560A CN108966120B CN 108966120 B CN108966120 B CN 108966120B CN 201810590560 A CN201810590560 A CN 201810590560A CN 108966120 B CN108966120 B CN 108966120B
- Authority
- CN
- China
- Prior art keywords
- positioning
- nodes
- node
- trilateral
- 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.)
- Active
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
- H04W4/025—Services making use of location information using location based information parameters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于动态集群网技术领域,公开了一种用于动态集群网络改进的组合三边定位方法及系统,通过锚节点的选择、组合三边定位,确定三边算法的误差传播与积累;通过对候选点集的过滤操作,处理定位过程中存在的部分异常测量数据;求均值作为定位结果。本发明改进的组合三边定位算法,基于三边定位的技术框架,保留了其简单高效的优点,并且节点定位过程中只需要与其一跳邻居节点通信,通信代价小,具有应用于动态网络定位的前提;本发明的算法通过多次组合定位,解决了三边算法运用于实际大规模网络的误差累积问题;同时锚节点选择策略,通过控制参与组合的邻居锚节点个数,减少算法的计算量,从而能够保证动态节点对位置信息的实时性要求。
Description
技术领域
本发明属于动态集群网技术领域,尤其涉及一种用于动态集群网络改进的 组合三边定位方法及系统。
背景技术
目前,业内常用的现有技术是这样的:
随着电子元器件以及无线电通信技术的日趋成熟,越来越多动态集群网络的 应用受到人们的关注,例如无人机集群,移动机器人集群等。动态网络作为一 种新的信息获取平台,能够实时监测和采集一定区域内被监测目标的多种信息, 扩展人与现实世界进行远程交互的能力,以及完成一些人类无法完成的危险任 务。而位置信息作为网络应用的基础,使得定位研究成为其应用的技术支撑。
网络定位算法根据是否测量节点之间的距离分为基于测距和无需测距两种。 非测距定位算法原理简单,代价小,硬件设备要求低,一般用于网络节点的粗 定位。例如:DV-hop算法利用距离矢量路由,计算网络平均每跳距离,进而估 算网络节点位置;蒙特卡罗定位算法基于概率统计原理估计节点下一时刻的位 置。
为了取得较高的定位精度,往往需要获得较精确的节点间距。基于测距的 定位方法,例如:多维标度MDS定位算法,通过整个网络节点之间的距离矩阵, 重构出节点间的相对位置,其计算复杂度高。三边定位或者多边定位算法,存 在误差传播与积累的问题。在此基础上有一些改进算法,例如:基于置信度迭 代的三边定位,通过定量化锚节点的几何分布来提高定位精度,但是其所需的 某些先验概率往往难以获取;类似的通过优化锚节点部署来提高三边定位精度 的方法在实际中也难以实施。鲁棒性定位算法,两两组合锚节点定位,降低算 法计算复杂度的同时,却增加了定位的误差;N次三边加权算法,通过组合所 有邻居锚节点定位,却没有考虑邻居锚节点数量较多时,其计算复杂度问题。
上述的方法大多关注于静态网络或者单一的网络拓扑结构定位,较少研究 动态网络节点的定位问题。
综上所述,现有技术存在的问题是:
(1)对于动态集群网络节点,其位置信息具有时效性的特点,这就要求定 位算法的计算复杂度较低,一次定位整个集群间的通信负荷也要很小。同时动 态网络中产生异常数据的概率较大。而大多数传统静态网络定位算法,仅关注 于定位精度指标,并没有考虑节点移动性以及动态网络数据异常的问题,所以 仅简单地将静态网络定位算法用于动态网络,节点的定位问题不能有效的解决。
(2)Kumar S等人提出速度辅助的MDS定位算法,通过多普勒频移技术测 量节点间的相对速度,将相对速度应用到MDS的压力函数中来定位移动网络, 但其面向的是移动速度很小的节点,并没有考虑定位时限的问题,同时MDS计 算复杂度高的问题也没有解决;LiC等人使用扩展卡尔曼滤波器对多机器人系 统进行位置预测,但是其前提是需要已知移动网络的动态模型。Helmut H等人 则提出一种使用信号传播时间估计网络节点间距离的方法,通过动态网络节点 之间的相互协作完成集群的相对定位目标,该方法通过集群节点间的不断通信 来提升定位的精度,而并没有考虑集群的通信负载。
解决上述技术问题的难度和意义:
本发明充分考虑了动态网络节点定位的特点,在三边定位的基础上提出了 改进的组合三边定位算法,算法在定位精度、容错性以及整体性能等方面都能 取得较好的结果。
发明内容
针对现有技术存在的问题,本发明提供了一种用于动态集群网络改进的组 合三边定位方法及系统。
本发明是这样实现的,一种用于动态集群网络改进的组合三边定位方法, 所述用于动态集群网络改进的组合三边定位方法包括:
对邻居锚节点组合三边定位,得到多组定位结果,提高节点的定位精度, 较好地缓解误差的累积问题;
在组合锚节点定位的过程中,通过锚节点选择策略,限制参与组合的锚节 点数,大大降低算法的时间复杂度,保证算法能够在动态网络的定位时限范围 内完成定位;
通过候选点集的过滤操作,进一步提高定位的精度,并处理定位过程中存 在的部分异常测量数据,以实现算法的容错性;
对过滤后的候选点集求均值作为最终定位结果。
进一步,求均值作为定位结果后,结合无人机集群网络对参数的选取、与 现有方法的对比分析以及异常数据测试进行仿真实验。
进一步,所述用于动态集群网络改进的组合三边定位方法具体包括:
步骤一:锚节点开始将其位置广播给它的一跳邻居节点;
步骤二:未知节点接收到锚节点位置之后则立即测量到该锚节点的距离, 并构造出邻居锚节点列表信息;
步骤三:若未知节点的邻居锚节点少于三个,则暂时无法定位;
步骤四:若邻居锚节点个数大于指定参与定位锚节点数阈值,则根据锚节 点选择策略,只保留限制参与定位的锚节点个数;
步骤五:对未知节点选出的邻居锚节点进行组合,三边定位得到候选点集;
步骤六:对候选点集进行过滤处理,求均值作为最终的定位坐标;
步骤七:重复上述步骤直到集群中所有节点都定位完成。
本发明的另一目的在于提供一种实现所述用于动态集群网络改进的组合三 边定位方法的计算机程序。
本发明的另一目的在于提供一种实现所述用于动态集群网络改进的组合三 边定位方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在 计算机上运行时,使得计算机执行所述用于动态集群网络改进的组合三边定位 方法。
本发明的另一目的在于提供一种实现所述用于动态集群网络改进的组合三 边定位方法的用于动态集群网络改进的组合三边定位控制系统。
综上所述,本发明的优点及积极效果为:
本发明在保留三边定位算法简单高效优点的同时,通过锚节点的选择、组 合三边定位较好地解决三边算法的误差传播与积累问题;通过对候选点集的过 滤操作使得算法能够处理定位过程中可能存在的部分异常测量数据。
结合实际的无人机集群网络对算法进行仿真实验,得到100个节点的集群 在不同测距误差下组合不同邻居锚节点数的节点定位误差,结果如下表1所示:
表1组合不同数量锚节点的定位误差(单位:米)
由实验结果可知,组合邻居锚节点定位可以有效降低定位的误差,取得较 高的定位精度。
算法的对比实现可见本发明详细描述的5.2小节,通过与常用的原始三边定 位算法与最常用的协同定位算法MDS的对比,可以发现本发明的定位误差保持 在0.5米之内,远低于其他方法,具有较好的优越性。
对异常测距数据的测试结果如下表2所以,分别展示了不同异常数据比例 下处理前后的定位误差。
表2存在异常数据时的定位误差(单位:米)
从上表看出,存在一定比例的测距异常时,定位误差将急剧增大;而本发 明方法通过锚节点的选取以及候选点集的过滤策略剔除异常测距数据,在较小 的异常比例下仍能保证较低的定位误差。
本发明改进的组合三边定位算法,基于三边定位的技术框架,保留了其简单 高效的优点,并且节点定位过程中只需要与其一跳邻居节点通信,通信代价小, 具有应用于动态网络定位的前提;
本发明的算法通过多次组合定位,解决了三边算法运用于实际大规模网络的 误差累积问题;同时锚节点选择策略,通过控制参与组合的邻居锚节点个数, 减少算法的计算量,从而能够保证动态节点对位置信息的实时性要求;
本发明的候选点集的过滤,剔除误差较大的定位结果,进一步提升定位精 度的同时,使得算法能够处理一定比例的异常测距信息。具有一定的鲁棒性, 对动态网络的适应性好。
附图说明
图1是本发明实施例提供的用于动态集群网络改进的组合三边定位方法流 程图。
图2是本发明实施例提供的三边定位法示意图。
图3是本发明实施例提供的集群三边定位示意图。
图4是本发明实施例提供的组合三边定位方法示意图。
图5是本发明实施例提供的组合三边定位方法示意图。
图6是本发明实施例提供的100个节点下不同p值定位结果图。
图7是本发明实施例提供的200个节点下不同p值定位结果图。
图8是本发明实施例提供的不同误差区间的节点分布图。
图9是本发明实施例提供的异常数据下的定位结果图。
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仅用以 解释本发明,并不用于限定本发明。
动态集群网络定位,需要考虑网络节点的定位时限与集群间的通信负荷, 以及网络中可能的数据异常问题。而大多数传统静态网络定位算法,仅关注于 定位精度指标。动态集群网络节点的定位问题不能有效解决
如图1所示,本发明实施例提供的用于动态集群网络改进的组合三边定位 方法包括:
S101:通过锚节点的选择、组合三边定位,确定三边算法的误差传播与积 累;
S102:通过对候选点集的过滤操作,处理定位过程中存在的部分异常测量 数据;求均值作为定位结果。
S103:结合无人机集群网络对参数的选取、与现有方法的对比分析以及异 常数据测试进行仿真实验。
下面结合具体分析对本发明作进一步描述。
1、定位基本概念
网络节点定位的目标就是利用已有的条件,节点连通性、节点间距离等来求 解节点的相对或者绝对位置信息。下面首先介绍定位中一些最常用的基本概念:
锚节点:网络中一些位置已知的节点在定位时通常被称为锚节点或信标节 点,锚节点的位置通过GPS设备或者人工部署的方式获取,相应地网络中需要 定位的节点称为未知节点或盲节点。如果没有锚节点,则无法实现节点的绝对 定位,
只能在网络集群内部相对定位。
邻居节点:无线网络节点存在通信范围的概念,在某个节点通信半径内的 节点则称为该节点的邻居节点。
定位误差:通常使用定位得到的节点位置与节点真实位置之间的距离来作 为定位误差,其计算方式如下:
评价定位算法的指标中,定位误差是最重要的一个,但是也还要考虑其他一 些,例如网络的规模、算法的时间复杂度等,这些具体的指标在后续的算法设 计与仿真实验中具体分析。
为了叙述方便,本发明假设网络中有n个未知节点需要定位,m个位置已知 的锚节点辅助定位,dij表示节点i和节点j之间的测量距离。
2、三边定位原理
三边定位方案是基于距离测量中最常用的方法,具有简单、高效的特点,当 测距误差较小时,能够获得较高的定位精度。其原理如下:
在二维平面中,如果已知一个未知节点和不共线的3个锚节点之间的距离, 则可以确定该未知点的坐标。现假设3个锚节点的坐标分别为A1=(x1,y1), A2=(x2,y2),A3=(x3,y3),盲节点M的坐标为(x,y),且该节点到各个锚节点的距离 分别为d1、d2、d3。示意图如图2所示.
根据二维空间距离计算公式,可以列出一个非线性方程组如下:
解该方程组可以得到M点的坐标:
3、误差传播与积累问题
动态集群网络由于节点的运动性导致网络拓扑结构多变,覆盖范围广,属 于大规模多跳网络,使用三边定位算法的示意图如下图3所示:
由图3所示,锚节点需要额外的设备获取位置信息,布设的成本较高,所 以在大多数的实际应用中,锚节点数量较少;同时由于网络工作环境的多样性, 往往只能在网络的边界处部署少量的锚节点。因此不能确保所有的盲节点都与 锚节点直接相邻,能够获得足够的定位所需信息,所以需要迭代处理,将已经 定位的节点当作位置已知的锚节点。
具体地,锚节点将其位置信息广播给它的一跳邻居,附近的未知节点收到 该信息之后则立即测量自己到该锚节点之间的距离,当某个未知节点获取到足 够(二维平面下不少于3个不共线)锚节点位置及其相应的距离信息之后,则 使用三边定位算法自定位。接下来就是将已经定位的节点升级为锚节点,也进 行位置广播,直到集群中所有的节点都完成定位。
由于测距总是会有一定的误差,所以定位得到的节点位置也不可能完全精 确,而用这些存在一定误差的定位点来定位其他节点,势必使得定位的误差进 一步增加,即误差的传播与积累问题。
下面结合改进的组合三边定位算法对本发明作进一步描述。
4、改进的组合三边定位算法
针对动态网络定位中需要解决的关键问题,组合三边定位算法提出了相应的 解决方案。首先邻居锚节点组合三边定位,提高节点定位精度,较好地缓解了 误差的累积;通过锚节点选择策略,限制参与组合的锚节点数,大大降低算法 的时间复杂度,从而能够在动态网络的定位时限范围内完成定位;而候选点集 的过滤操作进一步提高定位精度的同时,能够实现改进的组合三边定位算法的 容错性。
4.1组合三边定位方法
在定位过程中,由于未知节点定位后升级为锚节点,所以一个未知节点定 位时其邻居锚节点可能有多个。传统的三边定位只是在邻居锚节点中随机选择 三个进行定位,此时容易出现选择的锚节点共线度高的问题,从而产生较大的 定位误差,影响其余节点定位。
组合三边定位的原理是将未知节点的邻居锚节点进行不同的组合,然后三 边定位,得到多组定位结果,提高精度。其基本原理如下图4所示。
图4中黑色圆点表示某个未知节点的邻居锚节点(初始的或升级而来的), 依次地组合这些锚节点,使用三边定位算法,最终得到一系列候选位置,在图 中由三角形点表示。
如算法1描述的组合三边定位算法伪代码,其中neighbor_anchor_list表示 参与定位的邻居锚节点集合,其中包括位置和相应的距离信息。算法返回候选 点集candidate_list,该集合后续过滤之后,求均值便得到未知节点的位置。
算法1组合三边定位方法
4.2锚节点选择策略
为了解决组合所有邻居锚节点所带来的时间复杂度问题,可以从邻居锚节 点中选择部分节点进行组合,在保证定位精度的前提下,降低算法的时间复杂 度。选择锚节点的方法如下图5所示.
首先设定参与定位的最大邻居锚节点个数为p(该值的选择与具体的网络场 景有关,本发明实验部分将通过具体测试详细分析),当未知节点的邻居锚节点 数多于p个时,则从图5所示的圆环中进行选择,圆环的外边界为节点的最大 通信范围(该范围假设为R)边界,内边界则剔除了距离未知节点较近的锚节 点,而最终只保留需要的锚节点数。算法2流程的伪代码表述如下:
算法2锚节点选择算法
其中neighbor_list表示某节点的所有邻居锚节点,而返回的 neighbor_anchor_list则是选择出来参与定位的锚节点集合,即组合三边定位算法 所需的输入。上述策略选择特定圆环内的锚节点,其共线度较低,几何分布好, 而从(3)式出发,相距较近的锚节点对三边方程的系数矩阵影响较大,所以优 先选择距离较远的锚节点。
4.3候选点集过滤方法
图4中有一个白色的三角形点与其他三角形的距离较远,可以看成是较大定 位误差的结果,其主要原因可能是定位得到该位置的三个锚节点的分布较差, 或者其中某段间距的测距误差较大甚至异常等。因此需要从候选点集中将这些 偏离较远的候选位置删除,对剩余的候选点求均值得到最终定位结果。
现假设组合三边定位得到的候选点集为:
candidate_list={(xj,yj)}j=1,2,…,num,理论上,得到的候选点大部分会集中在一起,而 当存在少量异常数据或者某些组合的定位误差较大时,得到的候选点与其他大 部分候选点的距离将较远,所以可以假设点集中的点服从正态分布。
定义对集合S={(xj,yj)}j=1,2,…,num中的每个点,计算η(xj,yj), 若其值大于某个阈值γ,则把该点从candidate_list集合中删除,最后求解剩下点 的均值作为定位点的位置。
4.4改进的组合三边定位算法
从要定位节点的邻居锚节点中选择特定的数量进行组合,多次三边定位, 得到一系列候选点。然后对候选点集进行异常值过滤,最后求均值作为定位结 果。通过组合较少数量的锚节点,可以显著地降低组合算法的时间复杂度;而 锚节点选择策略以及候选点集的过滤解决了三边算法结果的不稳定性,将定位 误差稳定在较低水平,大大缓解了其误差传播与积累问题;同时能够剔除误差 较大的异常定位结果,使得算法具有一定的鲁棒性。综上得到改进的组合三边 定位算法的伪代码如下:
算法3改进的组合三边定位算法
4.5算法时间复杂度分析
动态网络中,移动节点的位置具有时间有效性,因此定位算法的时间复杂 度,动态集群的通信代价等不能太高。
从(3)式可以看出三边定位算法的时间复杂度为O(1),组合三边定位算法的 主要时间复杂度在于组合邻居锚节点并过滤候选点集。当未知节点邻居锚节点 有k个时,需要进行组合定位的次数为:当k较大时,算法的时 间复杂度接近O(n3);而选择了一个较小的阈值p后,时间复杂度将远小于O(n3), 例如当p<9时,时间复杂度将小于O(n2)。上述重点关注的就是在保证定位精度 的同时,将p值控制在较小的范围,而过滤操作只需要对候选点集中的每个点 都简单判断一次即可。
另一方面,三边定位算法是一个分布式算法,各个节点之间的定位互不干 扰,同时进行,并且只需要维护与一跳邻居之间的通信,因此通信的代价小。 考虑整个网络的定位时间复杂度只需要考虑算法的定位轮次,假设该值为q。由 于整个网络是联通的,所以q的值不会太大,仿真实验也说明了这一点。因此 总结来说p和q的值都控制在较小的范围,整个网络的定位时间复杂度很低。
5、下面结合仿真实验对本发明作进一步描述
使用MATLAB仿真工具对本发明的组合三边定位算法进行仿真实验。计算 机的配置如下,系统:windows 7,处理器:Intel(R)Core(TM)i5-4570 CPU 3.20GHZ,内存:4.0GB。
为了验证本发明的算法,必须从两个方面考虑,首先是算法重要参数选取对 其性能的影响,以确定算法的最佳状态;然后需要与其他方法在同等条件下进 行对比仿真,以此验证本发明算法的优越性。进一步地,上文提到本发明算法 具有一定的容错性,因此也需要设计相应的实验进行相关验证。各实验的结果 与理论分析,是算法推广到实际应用的重要依据。
这里假定无人机的飞行高度相差很小,即考虑在二维平面内的定位。在 1000*1000米的区域内,随机部署100个无人机,它们的飞行速度为0-400m/s 的随机值,加速度大小在0-100m/s2之间随机变化,方向在0-360度内随机变化。 并在区域的边界处每隔50米布置一个锚节点,因此未知节点n=100,锚节点 m=80。
仿真实验中,在两个无人机的真实距离上加一定的测距误差当作实际的测距 距离。并设定无人机的通信半径以及UWB[18]的测距距离均为200米,测距误差 在10-30cm之间。
定位结果主要用节点定位误差来表示。并且为了提高实验的准确性,每次 的实验结果都是进行30次仿真的平均值。
5.1不同参数实验
首先进行仿真的是参数p的取值,即最多保留几个邻居锚节点进行组合定位。 对p取不同的值,得到网络定位误差的误差棒图如下图6所示。
图6中组合3个锚节点即原始的三边定位方法,只是简单的从未知节点的邻 居锚节点中随机选择3个进行定位。由于是随机选择,所以可能选中的三个锚 节点共线度较高,从而导致较大的定位误差。而组合全部邻居锚节点即不管邻 居锚节点有几个都依次组合。
为了验证不同网络规模对各参数以及最后定位结果的影响,取n=200,进行 与上面相同的实验,得到的实验结果如图7所示。200个节点的网络,相比于 100个节点,其节点密度增加了。当n=100时,统计得到网络定位轮次q在4-7 之间,最大邻居锚节点个数k在10-21之间;当n=200时,q在3-5之间,而k 在16-26之间。此时可以发现网络节点越密集,较小的p值能更加显著地降低算 法的时间复杂度。
结合图6和7,可以得出结论无论网络中无人机个数是100还是200,其定 位误差都是随着组合的锚节点数越多而越小。同时发现p取一个相对较小的值 的时候也可获得接近组合所有邻居锚节点一样的定位结果,并且能大大减少算 法计算量。例如:当n=100时,可取p=7;n=200时,可取p=8,其时间复杂度 和定位精度均能满足应用的需求。
在不同网络场景中,可以通过选择合适的p值,从而平衡定位精度和时间复 杂度的要求。
5.2算法对比实验
为了进一步验证本发明算法的优越性,将组合三边定位算法与原始的三边定 位算法以及MDS定位算法进行对比。网络的各项参数同上,n=100,组合三边 算法取p=7,而MDS需要构造整个网络的距离矩阵,这里使用常用的Dijkstra 最短路径计算多跳节点间的距离。以定位误差为评价指标,得到如下表3所示 的结果。
表3不同定位算法的结果比较
从上表中可以看出组合三边算法的精度最优,这是因为随机选择存在锚节 点共线度较高的情况,本发明算法则通过产生候选点集,再进行过滤可以保证 定位的误差稳定在较低的水平。而MDS定位算法的误差很高,主要原因在于获 取多跳节点间距时使用最短路径和实际距离之间的误差较大。
同时MDS算法的时间复杂度为O(n3),难以运用于快速移动的动态集群网络 节点的定位。
为了更近一步地把握网络的整体定位情况,在测距误差为20cm时,统计得 到组合三边定位网络中所有节点的误差分布,其结果如下图8所示。
由图8可以发现,有80%节点的定位误差小于0.3,与网络的平均定位误差 接近;而定位误差大于0.5的节点有7%,大于0.9的只有1%。这说明组合三边 定位算法结果的稳定性好,不会产生异常值,这也直接证明了锚节点的选择与 候选点集过滤方法的有效性和高效性。
5.3异常数据实验
动态网络由于节点的移动性,容易受到环境的干扰,从而导致测距出现异常。 组合三边定位算法通过锚节点的选取和候选点集的过滤,具有一定的异常值处 理能力。
现假设正常的情况下,节点之间的测距误差为20cm的均匀分布,而出现少 量的异常测距,其测距误差为10m。如下图9所示,是网络中出现不同比例异 常测距时的定位结果。
其中异常数据的百分比是指整个网络节点之间测距中存在相应比例的异常 测量值;而未处理异常的定位结果指的是对锚节点的选择是随机的,并且得到 的候选点集没有进行过滤处理,而是直接求取均值,处理异常的定位即本发明 方法。
图9的实验结果可以看出,存在一定比例的测距异常时,定位误差将急剧 增大;而本发明方法通过锚节点的选取以及候选点集的过滤策略剔除异常测距 数据,在较小的异常比例下仍能保证较低的定位误差。实验表明改进的组合三 边算法具有一定的鲁棒性。
下面结合效果对本发明作进一步描述。
在三边定位的基础上,提出一种改进的组合三边定位算法。首先通过多次 组合邻居锚节点定位,可以防止三边定位因锚节点共线度高,从而产生误差较 大甚至不可用的定位结果,从多组定位中选择较优的,可以有效地降低定位的 误差,进而缓解误差的传播与积累问题;然后通过选取一个较小的参与定位锚 节点数,从而大大降低算法的时间复杂度,当网络较为密集时,这一策略带来 的性能提升将更加显著;最后通过对候选点集的过滤操作可以保障算法的容错 性,允许网络中出现较小比例的异常测距数据。最后从算法自身参数的选取, 与其他方法的对比分析,以及异常数据测试三个方面的仿真实验验证本发明算 法的可用性与优越性。
本发明改进的组合三边定位算法,是一种高效、高精度的分布式算法,节 点只需要与其一跳邻居通信即可。可用于特定区域的动态集群网络,以及在一 些卫导限制等恶劣无线环境下的动态网络节点定位。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或 无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据 中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用 介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。 所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、 或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明 的保护范围之内。
Claims (4)
1.一种用于动态集群网络改进的组合三边定位方法,其特征在于,所述用于动态集群网络改进的组合三边定位方法包括:
步骤一,锚节点开始将其位置广播给它的一跳邻居节点;对邻居锚节点组合三边定位,得到多组定位结果;组合三边定位的原理是将未知节点的邻居锚节点进行不同的组合,然后三边定位,得到多组定位结果;依次地组合未知节点的邻居锚节点,使用三边定位算法,最终得到一系列候选位置;
步骤二,未知节点接收到锚节点位置之后则立即测量到该锚节点的距离,并构造出邻居锚节点列表信息;
步骤三,若未知节点的邻居锚节点少于三个,则暂时无法定位;
步骤四,在组合锚节点定位的过程中,若邻居锚节点个数大于指定参与定位锚节点数阈值,则通过锚节点选择策略,限制参与组合的锚节点数,只保留限制参与定位的锚节点个数;为了解决组合所有邻居锚节点所带来的时间复杂度问题,从邻居锚节点中选择部分节点进行组合,首先设定参与定位的最大邻居锚节点个数为p,该值的选择与具体的网络场景有关;当未知节点的邻居锚节点数多于p个时,则从圆环中进行选择,圆环的外边界为节点的最大通信范围边界,最大通信范围为R,内边界则剔除了距离未知节点较近的锚节点,而最终只保留需要的锚节点数;
步骤五,对未知节点选出的邻居锚节点进行组合,三边定位得到候选点集;
步骤六,通过候选点集的过滤操作,进一步提高定位的精度,处理定位过程中存在的部分异常测量数据;现假设组合三边定位得到的候选点集为:
candidate_list={(xj,yj)}j=1,2,…,num,理论上,得到的候选点大部分会集中在一起,而当存在少量异常数据或者某些组合的定位误差较大时,得到的候选点与其他大部分候选点的距离将较远,假设点集中的点服从正态分布;
步骤七,对过滤后的候选点集求均值作为最终的定位坐标;
步骤八,重复上述步骤直到集群中所有节点都定位完成。
2.一种实现权利要求1所述用于动态集群网络改进的组合三边定位方法的信息数据处理终端。
3.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述用于动态集群网络改进的组合三边定位方法。
4.一种实现权利要求1所述用于动态集群网络改进的组合三边定位方法的用于动态集群网络改进的组合三边定位控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810590560.5A CN108966120B (zh) | 2018-06-09 | 2018-06-09 | 一种用于动态集群网络改进的组合三边定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810590560.5A CN108966120B (zh) | 2018-06-09 | 2018-06-09 | 一种用于动态集群网络改进的组合三边定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108966120A CN108966120A (zh) | 2018-12-07 |
CN108966120B true CN108966120B (zh) | 2021-01-15 |
Family
ID=64488137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810590560.5A Active CN108966120B (zh) | 2018-06-09 | 2018-06-09 | 一种用于动态集群网络改进的组合三边定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108966120B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110312306B (zh) * | 2019-06-20 | 2020-10-30 | 中国人民解放军国防科技大学 | 基于异步信息的无人机集群合作式定位方法及装置 |
CN111538048A (zh) * | 2020-05-26 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 一种多个无人机入库方法、控制器及无人机 |
CN112379328B (zh) * | 2020-10-12 | 2024-05-17 | 西安电子科技大学 | 一种鲁棒式低功耗tdoa定位方法及鲁棒式中值过滤器 |
CN112566239B (zh) * | 2020-11-09 | 2022-04-08 | 西安电子科技大学 | 锚节点选择与部署方法、系统、存储介质、设备及应用 |
CN115226202B (zh) * | 2022-06-15 | 2024-05-28 | 北京航空航天大学 | 一种基于最大互信息的定位基站筛选方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118280A (zh) * | 2007-08-31 | 2008-02-06 | 西安电子科技大学 | 分布式无线传感器网络节点自身定位方法 |
CN101246211A (zh) * | 2008-03-13 | 2008-08-20 | 哈尔滨工程大学 | 基于圆形的权重三角形选择方法的循环三边组合测量法 |
CN101458323A (zh) * | 2009-01-04 | 2009-06-17 | 北京航空航天大学 | 动态节点定位方法 |
CN105635964A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学 | 基于k中心点聚类的无线传感器网络节点定位方法 |
WO2017100068A1 (en) * | 2011-08-18 | 2017-06-15 | Rivada Research, Llc | Method and system for providing enhanced location based services (elbs) trilateration using a single device |
US9900742B1 (en) * | 2017-03-17 | 2018-02-20 | SCRRD, Inc. | Wireless device detection, tracking, and authentication platform and techniques |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7970574B2 (en) * | 2005-06-22 | 2011-06-28 | The Board Of Trustees Of The Leland Stanford Jr. University | Scalable sensor localization for wireless sensor networks |
CN101221236A (zh) * | 2008-02-02 | 2008-07-16 | 北京航空航天大学 | 三维空间中无线传感器网络基于抽样的节点自身定位方法 |
KR101260647B1 (ko) * | 2011-08-19 | 2013-05-06 | 서울대학교산학협력단 | 무선센서네트워크 상에서 효율적인 다변측량을 이용한 무선측위방법과 이를 실시하기 위한 프로그램이 기록된 기록매체 |
CN103338511A (zh) * | 2013-05-28 | 2013-10-02 | 东南大学 | 一种基于三角形形态估计的wsn快速自定位方法 |
CN103369670A (zh) * | 2013-07-08 | 2013-10-23 | 河海大学 | 一种基于跳数优选的改进DV-Hop定位方法 |
CN103929810B (zh) * | 2014-05-09 | 2017-08-25 | 浙江师范大学 | 基于小波神经的DV‑Hop无线传感网络节点定位方法 |
CN104185272A (zh) * | 2014-07-30 | 2014-12-03 | 河海大学 | 基于优化平均每跳距离和优选锚节点的wsn定位方法 |
CN105792348B (zh) * | 2014-12-23 | 2018-12-07 | 中国民用航空总局第二研究所 | 一种无线传感网节点间的节点定位方法 |
-
2018
- 2018-06-09 CN CN201810590560.5A patent/CN108966120B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118280A (zh) * | 2007-08-31 | 2008-02-06 | 西安电子科技大学 | 分布式无线传感器网络节点自身定位方法 |
CN101246211A (zh) * | 2008-03-13 | 2008-08-20 | 哈尔滨工程大学 | 基于圆形的权重三角形选择方法的循环三边组合测量法 |
CN101458323A (zh) * | 2009-01-04 | 2009-06-17 | 北京航空航天大学 | 动态节点定位方法 |
WO2017100068A1 (en) * | 2011-08-18 | 2017-06-15 | Rivada Research, Llc | Method and system for providing enhanced location based services (elbs) trilateration using a single device |
CN105635964A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学 | 基于k中心点聚类的无线传感器网络节点定位方法 |
US9900742B1 (en) * | 2017-03-17 | 2018-02-20 | SCRRD, Inc. | Wireless device detection, tracking, and authentication platform and techniques |
Non-Patent Citations (4)
Title |
---|
Localization algorithms research in wireless sensor network based on Multilateration and Trilateration techniques;Labyad Asmaa等;《2014 Third IEEE International Colloquium in Information Science and Technology (CIST)》;20150122;全文 * |
Security DV-hop localisation algorithm against wormhole attack in wireless sensor network;Jianpo Li等;《 IET Wireless Sensor Systems》;20180322;全文 * |
基于移动信标节点的无线传感器网络定位算法设计;尹海峰;《中国优秀硕士学位论文全文数据库信息科技辑》;20140710;全文 * |
无线传感器网络DV_Hop定位算法的研究;涂常艳;《中国优秀硕士学位论文全文数据库信息科技辑》;20121010;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108966120A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108802674B (zh) | 一种针对直接定位的联合搜索方法及装置 | |
CN102665277B (zh) | 一种对无线传感器网络中节点进行定位的方法 | |
CN101965052A (zh) | 基于最优信标组的无线传感网节点定位方法 | |
CN105635964A (zh) | 基于k中心点聚类的无线传感器网络节点定位方法 | |
CN109547929B (zh) | 基于共轭梯度法的分布式传感器节点定位方法 | |
CN103747419A (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 | |
CN103533647A (zh) | 一种基于分簇机制及稳健回归的射频地图自适应定位方法 | |
CN108650706A (zh) | 基于二阶泰勒近似的传感器节点定位方法 | |
Darakeh et al. | DCRL-WSN: A distributed cooperative and range-free localization algorithm for WSNs | |
CN112444778A (zh) | 一种基于dbscan的参考点加权三边质心定位方法 | |
Gupta et al. | An improved DV-maxHop localization algorithm for wireless sensor networks | |
Zeng et al. | Advanced combination localization algorithm based on trilateration for dynamic cluster network | |
CN108990148B (zh) | 面向室内协作定位的参考点选择方法 | |
CN110351657A (zh) | 一种无线传感器网络中节点几何定位的方法 | |
CN110297212B (zh) | 基于Voronoi图的室外分组测试定位方法及系统 | |
CN116482609B (zh) | 指纹数据处理方法、装置、计算机设备、存储介质和产品 | |
CN108810840B (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
CN109459723B (zh) | 一种基于元启发算法的纯方位被动定位方法 | |
CN113115245B (zh) | 基于蓝牙和室内路网信息的室内定位系统 | |
CN114173281B (zh) | 室内nlos环境下基于toa的定位系统信标节点的优化布局方法 | |
CN114286375B (zh) | 一种移动通信网络干扰定位方法 | |
CN113395762B (zh) | 超宽带定位网络中位置校正方法及装置 | |
CN112379328B (zh) | 一种鲁棒式低功耗tdoa定位方法及鲁棒式中值过滤器 | |
CN109884587B (zh) | 一种用于雾计算环境的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 |