CN109996171A - 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 - Google Patents
用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 Download PDFInfo
- Publication number
- CN109996171A CN109996171A CN201910180271.2A CN201910180271A CN109996171A CN 109996171 A CN109996171 A CN 109996171A CN 201910180271 A CN201910180271 A CN 201910180271A CN 109996171 A CN109996171 A CN 109996171A
- Authority
- CN
- China
- Prior art keywords
- wireless sensor
- sensor network
- hop count
- tabu search
- heredity
- 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
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- 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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种用于无线传感网络的遗传‑禁忌搜索优化的Amorphous定位方法,包括以下步骤:步骤1:接收无线传感网络中接收器的信号并与跳数进行转换;步骤2:利用最大似然估计确定未知节点位置并确定为初始解;步骤3:使用遗传‑禁忌搜索优化的Amorphous数据处理方法对初始解进行优化得出优化解;步骤4:根据优化解得出无线传感网络中接收器的具体精确定位位置。与现有技术相比,本发明具有定位精确度高,误差小,适用场景范围广等优点。
Description
技术领域
本发明涉及无线传感网络技术领域,尤其是涉及一种用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法。
背景技术
近年来,无线传感网络WSN(Wireless Sensor Network)在环境数据检测、抢险抗灾和排水管道监测等方面有着广泛的应用。无线传感网络定位是无线传感领域的核心技术之一。
Amorphous数据处理方法原理与DV-Hop数据处理方法原理大致相同,但是Amorphous数据处理方法应用于无线传感网络定位将通信半径作为平均每跳距离存在较大误差,导致定位误差明显。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法。
本发明的目的可以通过以下技术方案来实现:
用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,包括以下步骤:
步骤1:接收无线传感网络中接收器的信号并与跳数进行转换;
步骤2:利用最大似然估计确定未知节点位置并确定为初始解;
步骤3:使用遗传-禁忌搜索优化的Amorphous数据处理方法对初始解进行优化得出优化解;
步骤4:根据优化解得出无线传感网络中接收器的具体精确定位位置。
进一步地,所述步骤1包括以下分步骤:
步骤11:获取每个未知节点与最近三个锚节点间的最小跳数;
步骤12:根据不同信号强度转换区间设置相对跳数。
进一步地,所述步骤11中的最小跳数的计算公式为:
式中,s(i,k)为每个未知节点与最近三个锚节点间的最小跳数,h(j,k)和h(i,k)分别为未知节点j和未知节点i到锚节点k的跳数,|nbis(i)|为未知节点i的邻居节点数目。
进一步地,所述步骤12具体包括:40dbm-50dbm信号强度对应的跳数设置为1,50dbm-60dbm信号强度对应的跳数设置为0.8,60dbm-70dbm信号强度对应的跳数设置为0.6,70dbm-80dbm信号强度对应的跳数设置为0.5,80dbm-90dbm信号强度对应的跳数设置为0.4。
进一步地,所述步骤3包括以下分步骤:
步骤31:将初始解代入适应度函数中,判断是否满足GA终止条件,若满足进入步骤32:
步骤32:将初始解的横纵坐标使用十位二进制数进行编码并选择交叉以形成新种群;
步骤33:利用新种群中的个体值产生领域解和候选集;
步骤34:判断领域解是否满足藐视准则,若是则将该解作为最优解更新禁忌表后进入步骤36,若否则进入步骤35:
步骤35:判断候选集的属性是否在禁忌表中,若是则将非禁忌对象对应的最优解作为当前解,并将该对象替换最早进入禁忌表的对象;
步骤36:判断是否满足TS的终止准则,若是则返回步骤31,若否则返回步骤33。
进一步地,所述步骤31中的适应度函数为:
式中,K为未知节点坐标个数,xj、yj分别为未知节点横纵坐标,ai、bi分别为锚节点横纵坐标,di1为未知节点与第i1个已知节点的估计距离。
进一步地,所述步骤31中的GA终止条件为:达到遗传数据处理方法最大迭代次数或适应度值低于最小误差。
进一步地,所述步骤36中的终止准则为满足禁忌搜索数据处理方法最大迭代次数或某一坐标位置出现次数超过三次。
与现有技术相比,本发明具有以下优点:
(1)误差小,精确度高,本发明为了提供Amorphous数据处理方法的定位精度,引入了遗传数据处理方法,为了减少计算量引入了禁忌搜索数据处理方法,于是产生了遗传-禁忌搜索优化的Amorphous定位方法。这样可以在保证定位精度的条件下,减少了计算量。
(2)适用性强,由于无线传感器网络(Wireless Sensor Network,WSN)是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络,以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息,并最终把这些信息发送给网络的所有者,因此,本发明的定位方法可以满足各种场景下的无线传感器网络。
附图说明
图1为本发明的方法流程示意图;
图2为本发明中的优化步骤具体流程示意图。
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,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图1所示为本发明技术方案对应的实施例的整体方法流程示意图,包括以下步骤:
步骤1:接收无线传感网络中接收器的信号并与跳数进行转换;
步骤2:利用最大似然估计确定未知节点位置并确定为初始解;
步骤3:使用遗传-禁忌搜索优化的Amorphous数据处理方法对初始解进行优化得出优化解;
步骤4:根据优化解得出无线传感网络中接收器的具体精确定位位置。
如图2所示为本发明实施例的整体方法步骤中的步骤2及步骤3的具体流程示意图,具体流程如下:
1.本实施例中的初始化参数设置:设置K个未知节点坐标,N个锚节点坐标,通信半径为80,最小误差为0.25,初始种群数量为100,遗传数据处理方法最大迭代次数为100,交叉概率为0.6,置空禁忌表,禁忌搜索数据处理方法的最大迭代次数为10。
2.由下式(a)获取每个未知节点与最近三个锚节点的最小跳数,使用(b)中转换规则将信号强度转换成相对跳数;未知节点计算到锚节点的跳段距离为相对跳数乘以通信半径,下式(a)对应为:
式中,s(i,k)为每个未知节点与最近三个锚节点间的最小跳数,h(j,k)和h(i,k)分别为未知节点j和未知节点i到锚节点k的跳数,|nbis(i)|为未知节点i的邻居节点数目。
(b)对应为:将信号强度在40dbm-90dbm划分成若干区间,40-50dbm可以将跳数设置为1,50-60dbm跳数设置为0.8,60-70dbm跳数设置为0.6,70-80dbm跳数设置为0.5,80-90dbm跳数设置为0.4;
3.使用最大似然法计算出未知节点的坐标位置,作为遗传算法的初始输入;
4.将上一步的计算结果带入适应度函数中,判断是否满足GA的终止条件,若满足输出结果,否则进入步骤5;
此步骤中的适应度函数对应为:
式中,K为未知节点坐标个数,xj、yj分别为未知节点横纵坐标,ai、bi分别为锚节点横纵坐标,di1为未知节点与第i1个已知节点的估计距离。
GA终止条件对应为:达到遗传数据处理方法最大迭代次数或适应度值低于最小误差。
5.将步骤3中的计算结果横、纵坐标均使用10位二进制数进行编码,进行选择和交叉操作,形成新一代种群;
6.种群中的个体值Xi产生领域解、产生候选集;
7.判断领域解是否满足藐视准则,若是将当前解作为最优解更新禁忌表后进入步骤9,否则进入步骤8;
8.判断候选解的属性是否在禁忌表中,将非禁忌对象对应的最佳解作为当前解,并该对象替换最早进入禁忌表的对象;
9.判断是否满足TS的终止准则,若满足进入步骤4,否则进入步骤6,本步骤中的终止准则为满足禁忌搜索数据处理方法最大迭代次数或某一坐标位置出现次数超过三次。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,包括以下步骤:
步骤1:接收无线传感网络中接收器的信号并与跳数进行转换;
步骤2:利用最大似然估计确定未知节点位置并确定为初始解;
步骤3:使用遗传-禁忌搜索优化的Amorphous数据处理方法对初始解进行优化得出优化解;
步骤4:根据优化解得出无线传感网络中接收器的具体精确定位位置。
2.根据权利要求1所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤1包括以下分步骤:
步骤11:获取每个未知节点与最近三个锚节点间的最小跳数;
步骤12:根据不同信号强度转换区间设置相对跳数。
3.根据权利要求2所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤11中的最小跳数的计算公式为:
式中,s(i,k)为每个未知节点与最近三个锚节点间的最小跳数,h(j,k)和h(i,k)分别为未知节点j和未知节点i到锚节点k的跳数,|nbis(i)|为未知节点i的邻居节点数目。
4.根据权利要求2所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤12具体包括:40dbm-50dbm信号强度对应的跳数设置为1,50dbm-60dbm信号强度对应的跳数设置为0.8,60dbm-70dbm信号强度对应的跳数设置为0.6,70dbm-80dbm信号强度对应的跳数设置为0.5,80dbm-90dbm信号强度对应的跳数设置为0.4。
5.根据权利要求1所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤3包括以下分步骤:
步骤31:将初始解代入适应度函数中,判断是否满足GA终止条件,若满足进入步骤32:
步骤32:将初始解的横纵坐标使用十位二进制数进行编码并选择交叉以形成新种群;
步骤33:利用新种群中的个体值产生领域解和候选集;
步骤34:判断领域解是否满足藐视准则,若是则将该解作为最优解更新禁忌表后进入步骤36,若否则进入步骤35:
步骤35:判断候选集的属性是否在禁忌表中,若是则将非禁忌对象对应的最优解作为当前解,并将该对象替换最早进入禁忌表的对象;
步骤36:判断是否满足TS的终止准则,若是则返回步骤31,若否则返回步骤33。
6.根据权利要求5所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤31中的适应度函数为:
式中,K为未知节点坐标个数,xj、yj分别为未知节点横纵坐标,ai、bi分别为锚节点横纵坐标,di1为未知节点与第i1个已知节点的估计距离。
7.根据权利要求5所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤31中的GA终止条件为:达到遗传数据处理方法最大迭代次数或适应度值低于最小误差。
8.根据权利要求5所述的用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法,其特征在于,所述步骤36中的终止准则为满足禁忌搜索数据处理方法最大迭代次数或某一坐标位置出现次数超过三次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910180271.2A CN109996171B (zh) | 2019-03-11 | 2019-03-11 | 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910180271.2A CN109996171B (zh) | 2019-03-11 | 2019-03-11 | 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109996171A true CN109996171A (zh) | 2019-07-09 |
CN109996171B CN109996171B (zh) | 2020-10-23 |
Family
ID=67130287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910180271.2A Active CN109996171B (zh) | 2019-03-11 | 2019-03-11 | 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109996171B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610490A (zh) * | 2020-05-20 | 2020-09-01 | 南华大学 | 一种滤波rssi和禁忌搜索聚类的传感节点定位方法 |
CN113473355A (zh) * | 2021-05-17 | 2021-10-01 | 杭州电子科技大学 | 一种基于不规则区域下的禁忌粒子群优化DV-Hop定位方法 |
CN115103296A (zh) * | 2022-06-07 | 2022-09-23 | 哈尔滨理工大学 | 一种基于距离向量的节点定位方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256369A (zh) * | 2011-06-28 | 2011-11-23 | 武汉理工大学 | 基于能量和通信开销的无线传感器网格任务调度方法 |
CN102999783A (zh) * | 2012-11-08 | 2013-03-27 | 哈尔滨工程大学 | 基于遗传禁忌混合算法的多输入多输出雷达正交多相码信号产生方法 |
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN103298104A (zh) * | 2012-03-04 | 2013-09-11 | 山东大学威海分校 | 一种首领智能选择机制的无线传感器网络节点三维定位器 |
CN103517411A (zh) * | 2013-08-22 | 2014-01-15 | 东北大学 | 一种无线传感器网络节点定位方法及装置 |
CN104267419A (zh) * | 2014-09-11 | 2015-01-07 | 山东交通学院 | 一种基于北斗卫星的传感器节点的快速定位方法 |
CN105550033A (zh) * | 2015-11-17 | 2016-05-04 | 北京交通大学 | 私有云环境下基于遗传禁忌混合算法的资源调度策略方法 |
CN106993273A (zh) * | 2017-03-29 | 2017-07-28 | 江南大学 | 基于距离加权和遗传优化的DV‑Hop定位方法 |
CN108241375A (zh) * | 2018-02-05 | 2018-07-03 | 景德镇陶瓷大学 | 一种自适应蚁群算法在移动机器人路径规划中的应用方法 |
-
2019
- 2019-03-11 CN CN201910180271.2A patent/CN109996171B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256369A (zh) * | 2011-06-28 | 2011-11-23 | 武汉理工大学 | 基于能量和通信开销的无线传感器网格任务调度方法 |
CN103298104A (zh) * | 2012-03-04 | 2013-09-11 | 山东大学威海分校 | 一种首领智能选择机制的无线传感器网络节点三维定位器 |
CN102999783A (zh) * | 2012-11-08 | 2013-03-27 | 哈尔滨工程大学 | 基于遗传禁忌混合算法的多输入多输出雷达正交多相码信号产生方法 |
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN103517411A (zh) * | 2013-08-22 | 2014-01-15 | 东北大学 | 一种无线传感器网络节点定位方法及装置 |
CN104267419A (zh) * | 2014-09-11 | 2015-01-07 | 山东交通学院 | 一种基于北斗卫星的传感器节点的快速定位方法 |
CN105550033A (zh) * | 2015-11-17 | 2016-05-04 | 北京交通大学 | 私有云环境下基于遗传禁忌混合算法的资源调度策略方法 |
CN106993273A (zh) * | 2017-03-29 | 2017-07-28 | 江南大学 | 基于距离加权和遗传优化的DV‑Hop定位方法 |
CN108241375A (zh) * | 2018-02-05 | 2018-07-03 | 景德镇陶瓷大学 | 一种自适应蚁群算法在移动机器人路径规划中的应用方法 |
Non-Patent Citations (2)
Title |
---|
屈巍: "无线传感器网络节点定位与覆盖控制技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
顾一中: "无线传感器网络地理位置路由相关技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610490A (zh) * | 2020-05-20 | 2020-09-01 | 南华大学 | 一种滤波rssi和禁忌搜索聚类的传感节点定位方法 |
CN113473355A (zh) * | 2021-05-17 | 2021-10-01 | 杭州电子科技大学 | 一种基于不规则区域下的禁忌粒子群优化DV-Hop定位方法 |
CN113473355B (zh) * | 2021-05-17 | 2022-10-21 | 杭州电子科技大学 | 一种基于不规则区域下的禁忌粒子群优化DV-Hop定位方法 |
CN115103296A (zh) * | 2022-06-07 | 2022-09-23 | 哈尔滨理工大学 | 一种基于距离向量的节点定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109996171B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107113764B (zh) | 提高人工神经网络定位性能的方法和装置 | |
CN109996171A (zh) | 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 | |
CN102546059B (zh) | 认知自组织网络中基于无监督聚类的分布式合作频谱感知方法 | |
CN108848449B (zh) | 基于DV-Hop改进的无线传感器网络节点定位算法 | |
CN105828287B (zh) | 一种基于强化学习的无线传感器网络协同跟踪方法 | |
CN109547351A (zh) | Ad Hoc网络中基于Q学习和信任模型的路由方法 | |
Sivakumar et al. | Meta-heuristic approaches for minimizing error in localization of wireless sensor networks | |
Shee et al. | Efficient color-theory-based dynamic localization for mobile wireless sensor networks | |
CN113422695B (zh) | 一种提高物联网拓扑结构鲁棒性能的优化方法 | |
CN113329490B (zh) | 一种基于量子虎鲨机制的无线传感器网络节点定位方法 | |
Mansouri et al. | Secure and robust clustering for quantized target tracking in wireless sensor networks | |
CN104883737A (zh) | 一种无线传感器网络的混合定位方法 | |
CN111356199B (zh) | 一种三维场景中车载自组织网络路由选择方法 | |
CN103200041B (zh) | 基于历史数据的容迟容断网络节点相遇概率预测方法 | |
Ali et al. | Performance evaluation of WLAN/cellular media access for mobile voice users under random mobility models | |
Tao et al. | Enhancement of DV-Hop by weighted hop distance | |
CN112087710B (zh) | 一种基于无线传感器网络DV-Hop测距算法的节点定位方法 | |
Chen et al. | DeepMetricFi: Improving Wi-Fi fingerprinting localization by deep metric learning | |
CN117956576A (zh) | 一种基于跳数和跳距优化的DV-Hop定位方法及系统 | |
CN108363036B (zh) | Wsn中基于误差补偿策略的节点分布式定位系统与方法 | |
Rathod et al. | Data-driven and GIS-based coverage estimation in a heterogeneous propagation environment | |
CN106341791B (zh) | 认知无线电频谱感知动态判决方法 | |
CN104469811A (zh) | 认知无线传感网络分簇合作频谱感知硬融合方法 | |
KR100948837B1 (ko) | 무선 센서 네트워크에서 분산적인 위치 인식 방법 및 그장치 | |
CN105430613A (zh) | 一种基于空间信息数据挖掘的路由路径计算方法 |
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 |