CN110087306A - 一种针对无线传感器网络的节点定位方法 - Google Patents
一种针对无线传感器网络的节点定位方法 Download PDFInfo
- Publication number
- CN110087306A CN110087306A CN201910208367.5A CN201910208367A CN110087306A CN 110087306 A CN110087306 A CN 110087306A CN 201910208367 A CN201910208367 A CN 201910208367A CN 110087306 A CN110087306 A CN 110087306A
- Authority
- CN
- China
- Prior art keywords
- node
- anchor
- anchor node
- nodes
- pair
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 230000001143 conditioned effect Effects 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 240000002791 Brassica napus Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种针对无线传感器网络的节点定位方法，将锚节点i与网络中剩余锚节点组成锚节点对，计算各锚节点对的可靠度，根据可靠度将各锚节点对降序排序并放至栈中；找到栈中可靠度最高的锚节点对，条件判决该锚节点对所属类型，若其为可用锚节点对，则按对应的距离估计公式获得待定位节点到锚节点i的距离；若其为不可用锚节点对，则丢弃该锚节点对的信息，根据可靠度从高到低的顺序重新选择栈中锚节点对进行条件判决及距离估计，直至栈空；重复上述步骤，直至待定位节点获得其到所有锚节点的距离后，计算待定位节点的地理位置。本发明利用可靠度选出受空洞迂回较少的可用锚节点对，利用相应的距离估计方法获得待定位节点到所有锚节点的距离，有效降低覆盖空洞对节点定位的误差。
Description
技术领域
本发明涉及无线传感器网络技术领域，更具体地，涉及一种针对无线传感器网络的节点定位方法。
背景技术
无线传感器网络(WSNs)，也被称为无线传感网，是21世纪初诞生的新兴技术，被用于感知、传输被监测区域的各项物理指标，如温湿度、声音、光照、污染等级以及风力等。WSNs采集得到的数据最终会被传输到数据中心用于进一步的分析与处理。
WSNs同时是物联网的核心技术之一，它由大量的传感器节点组成，这些节点拥有如下的特性：体积小、价格相对低廉、能量以及计算资源受限、拥有一定的通信能力。它们被随机或者有规律地人工放置到某个监测区域，负责实时地采集被监测对象的信息，然后通过节点间的相互写作，以多跳的方式将数据传输到基站或者数据中心。近年来随着嵌入式、通信、微电子技术的高速发展，现在的WSN节点的生产成本已经下降了许多，其价格也比较低廉，同时体积和功耗也有所降低。而且，与以前相比，如今相同体积的传感器节点上能安装更多数量的传感器，这使得节点的种类和功能变得越来越丰富。
WSNs中的节点定位技术是当前一个备受关注的研究方向，因为节点定位对于WSNs的应用有着非常重要的应用。节点所采集得到的物理数据需要与该数据所产生的地理位置相关联才有意义，因为对于数据的分析需要知道该数据与特定事件的联系，如果缺少了传感器节点的位置，则特定事件的空间信息会丢失，因此节点位置对于数据分析有着重要的意义。在特定场景下，WSNs包含数量较多的传感器节点，从经济的角度考虑，这些数量巨大的节点不适宜通过人工部署的方式逐一放置到被监测区域；从另一方面考虑，监测区域可能是人类无法到达的区域，例如部署于深海或者高山上的WSNs。在这种情况下，网络需要通过在载具上随机播撒的方式，投放到监测区域并形成自组织网络。网络在启动以后，通过特定的定位算法来获得节点自身的位置，节点在采集数据并回传至数据中心时，会附带其自身的位置信息。
GPS是目前应用较为广泛的一种定位方法，然而GPS并不适宜应用到WSNs中作为节点定位方法，因为GPS要求节点安装相应的GPS接收机，该设备价格相对昂贵，而且能耗较高，体积较大，因此不适合用于能量受限，体积较小的WSNs节点。
WSNs的节点定位方法按照是否需要测量收发机之间的距离可以分为两类，分别为Range-based定位算法和Range-free定位算法。其中Range-based定位算法要求节点安装额外的硬件设备，用于测量收发机的距离。这类型的算法通常是根据接收信号的特征进行测距，典型的信号特征有信号到达时间(TOA)、信号到达时间差(TDOA)、信号到达角(AOA)以及接收信号强度(RSS)。Range-free定位算法则要求网络通过多跳方式传输数据，通常有三类，分别是几何约束方法、基于跳距以及基于机器学习方法。Range-based定位算法的特点是精度高，鲁棒性高，成本高，容易受到通信场景的限制；Range-free定位算法的特点是精度相对而言较为一般，成本低廉，容易受到环境因素影响。
两种定位算法并无优劣之分，只是两者适合的应用场景有所不同，其中，Range-based定位算法适合用于监测区域面积小，锚节点数量少的小规模WSNs，Range-free定位算法适用于监测区域面积大，锚节点数量多的大规模WSNs。
在传统的基于Range-free的节点定位方案中，定位的精度受环境因素影响严重，如果监测区域内存在大型障碍物、建筑以及水域等导致传感器节点无法部署于特定区域中，会形成“覆盖空洞”，这种网络拓扑中的空洞会导致多跳网络的传输路径发生迂回，这种迂回会严重降低定位精度。
发明内容
本发明旨在克服上述现有技术的不足，提供一种针对无线传感器网络的节点定位方法，该方法能有效地降低覆盖空洞对节点定位带来的误差。
本发明采取的技术方案是：提供一种针对无线传感器网络的节点定位方法，所述无线传感器网络包括若干个锚节点和至少一个待定位节点，预先设定所有节点的通信半径R，所述节点定位方法包括以下步骤：
S1无线传感器网络部署于特定区域后，在锚节点的信息散播阶段，控制中心或者基站以多播的形式向网络中的锚节点发送执行定位的命令，接收到命令的锚节点将一个包含自身信息的分组散播到整个网络，以使网络中的待定位节点都接收到所有锚节点的信息；
S2接收到所有锚节点的信息后，若锚节点总数为N时，待定位节点先将其中一个锚节点i与网络中剩余锚节点组成N-1个锚节点对，计算各锚节点对的可靠度，根据可靠度对各锚节点对进行降序排序，并存放至栈中；
S3待定位节点选定栈中可靠度最高的锚节点对，根据其自身与锚节点对的几何关系，对选定的锚节点对进行条件判决，若选定的锚节点对的条件判决类型为可用锚节点对，待定位节点根据选定的锚节点对的类型来执行对应的距离估计公式，以获得其到锚节点i的距离；
若选定的锚节点对的条件判决类型为不可用锚节点对，待定位节点则抛弃该锚节点对的信息，根据可靠度从高到低的顺序，重新选择栈中下一个锚节点对进行条件判决以及对应的距离估计，直至栈空为止；
S4再重复步骤S2～S3，直到待定位节点获得其到所有锚节点的距离，基于待定位节点与所有锚节点的距离计算待定位节点的地理位置。
本方法引入了锚节点对可靠度，利用可靠度筛选出受到空洞迂回较少的可用锚节点对，并获得待定位节点到所有锚节点的距离，从而利用多点定位法计算待定位节点的地理位置。
锚节点对拥有较高的可靠度意味着锚节点到待定位节点受到的空洞迂回较少，从另一方面而言，因为待定位节点的具体位置是随机变量，而可靠的锚节点对能够提供一个面积较小的待定位节点潜在区域，这就意味着利用面积较小的潜在区域来估计待定位节点的位置有较小的方差，即估计的有效性更高，同时，本发明考察锚节点对与待定位节点间是否组成了特殊的几何关系，利用这种几何关系，充分利用锚节点之间的距离以及跳数信息，进一步提高距离估计的准确度，降低环境因素对节点定位的影响，提高节点定位精度。
此外，本方法基于Range-free定位算法，通过多跳方式传输数据，无需测距，不要求节点安装用于测距的硬件，只需要节点具有通信能力，且该方法适用于锚节点数量多的大规模WSNs。
优选地，步骤S1中，锚节点分组的信息包括锚节点的识别号ID，分组传输的转发次数Hop Counter和锚节点的地理坐标Location。
进一步优选地，步骤S1中，锚节点的信息散播的具体步骤包括：
S1.1当待定位节点首次接收到来自锚节点的分组时，待定位节点在内存中生成一个锚节点信息表T，T的长度等于网络中锚节点的总数N；
S1.2当待定位节点接收到锚节点i生成的分组P时，待定位节点检查分组P中的ID；
S1.3若发现T中该ID对应的元素没有存放数据，即待定位节点第一次接收到锚节点i的分组P，则将分组P的数据存放于T中该ID对应的元素中；
S1.4若T中该ID对应的元素已存放数据，则待定位节点比较分组P和T中对应ID的HopCounter；
S1.5若P.Hop Counter>T[P.ID].Hop Counter，则将分组P的Hop Counter加1后，将分组P转发到其邻居节点；
S1.6若P.Hop Counter>T[P.ID].Hop Counter，则分组P的数据替换T中该ID对应的元素，并将分组P的Hop Counter加1后，将分组P转发到邻居节点；
S1.7当待定位节点接收到固定数量的来自锚节点的分组后，结束。
在本发明中，相互之间可以通过单跳链路直接通信的节点称为彼此的邻居节点。
进一步优选地，步骤S2中，对于待定位节点k，锚节点对i和j的可靠度γ的计算步骤为：
待定位节点k先利用锚节点i和j发送分组中的Location，计算锚节点i和j之间的距离dij；
再获取待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj计算可靠度γ为：
其中，hpki和hpkj分别是节点k到锚节点i和j的跳数，hpki和hpkj的值存储在待定位节点k接收到锚节点i和j所生成的分组的Hop Counter域中。
优选地，步骤S3中，可用锚节点对包括理想锚节点对和次理想锚节点对，其中，对于锚节点对i和j，若i和j均位于对方的潜在传输半径外，则锚节点对i和j为理想锚节点对；
若i和j之中有且仅有一个锚节点位于对方的潜在传输半径外，则锚节点对i和j为次理想锚节点对；
若i和j既不是理想锚节点对，也不是次理想锚节点对，则锚节点对i和j为不可用锚节点对。
进一步优选地，理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
hpkiR<dij并且hpkjR<dij
其中，R为节点的通信半径，则锚节点对i和j即为理想锚节点对。
更进一步优选地，对于待定位节点k，若锚节点对i和j为理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中，是线段与线段的夹角，θoij是的上界，代表的概率密度函数，是锚节点对i和j对于待定位节点k的可靠度，hpki是待定位节点k到锚节点i和j的跳数；
其中，θoij的计算公式为：
dij是锚节点i和j之间的距离，Ri和Rj分别是锚节点i和j的最大潜在传输距离，可分别表示为hpkiR和hpkjR；
其中，的计算公式为：
其中，C是一常数，C的计算公式为：
待定位节点k到锚节点j的距离可用相同的方法计算，故不再赘述。
进一步优选地，次理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
(hpkiR<dij并且hpkjR>dij)或(hpkjR<dij并且hpkiR>dij)
其中，R为节点的通信半径，则锚节点对i和j即为次理想锚节点对。
更进一步优选地，对于待定位节点k，若锚节点对i和j为次理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中dij是锚节点i到锚节点j的距离，hpij是锚节点i到锚节点j的跳数，hpki是待定位节点k到锚节点i的跳数。
优选地，步骤S4中是利用多点定位法计算待定位节点k的地理位置的，对于待定位节点k，步骤S4利用多点定位法计算待定位节点k的地理位置的具体步骤为：
先基于待定位节点k与所有锚节点的距离，构建两个矩阵：
和
其中xM和yM是锚节点M的坐标，是估计得到的待定位节点与锚节点M的距离；
再基于最小二乘准则，计算待定位节点k的坐标：
Pk＝(HTH)-1HTb。
与现有技术相比，本发明的有益效果为：
本方法引入了锚节点对可靠度，利用可靠度筛选出受到空洞迂回较少的可用锚节点对，并获得待定位节点到所有锚节点的距离，从而利用多点定位法计算待定位节点的地理位置，有效地降低覆盖空洞对节点定位带来的误差，降低环境因素对节点定位的影响，提高节点定位精度；此外，本方法基于Range-free定位算法，通过多跳方式传输数据，无需测距，不要求节点安装用于测距的硬件，只需要节点具有通信能力，且该方法适用于锚节点数量多的大规模WSNs。
附图说明
图1是控制中心发送定位指令至网络中锚节点的示意图。
图2是锚节点扩散包括自身信息的分组至整个网络的示意图。
图3是锚节点所生成的分组的结构示意图。
图4是待定位节点接收到锚节点分组后的处理流程图。
图5是待定位节点执行定位算法的流程图。
图6是本发明的流程图。
图7是仿真实验中，O型网络的示意图。
图8是仿真实验中，S型网络的示意图。
图9是O型网络下0.015密度，20m传输半径的节点定位性能对比图。
图10是S型网络下0.015密度，20m传输半径的节点定位性能对比图。
具体实施方式
本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
如图1-6所示，一种针对无线传感器网络的节点定位方法，所述无线传感器网络包括若干个锚节点和至少一个待定位节点，预先设定所有节点的通信半径R，所述节点定位方法包括以下步骤：
S1无线传感器网络部署于特定区域后，在锚节点的信息散播阶段，控制中心或者基站以多播的形式向网络中的锚节点发送执行定位的命令，接收到命令的锚节点将一个包含自身信息的分组散播到整个网络，以使网络中的待定位节点都接收到所有锚节点的信息；
S2接收到所有锚节点的信息后，当锚节点总数为N时，待定位节点先将其中一个锚节点i与网络中剩余锚节点组成N-1个锚节点对，计算各锚节点对的可靠度，根据可靠度对各锚节点对进行降序排序，并存放至栈中；
S3待定位节点选定栈中可靠度最高的锚节点对，根据其自身与锚节点对的几何关系，对选定的锚节点对进行条件判决，若选定的锚节点对的条件判决类型为可用锚节点对，待定位节点根据选定的锚节点对的类型来执行对应的距离估计公式，以获得其到锚节点i的距离；
若选定的锚节点对的条件判决类型为不可用锚节点对，待定位节点则抛弃该锚节点对的信息，根据可靠度从高到低的顺序，重新选择栈中下一个锚节点对进行条件判决以及对应的距离估计，直至栈空为止；
S4再重复步骤S2～S3，直到待定位节点获得其到所有锚节点的距离，基于待定位节点与所有锚节点的距离计算待定位节点的地理位置。
本方法所针对的无线传感器网络中的节点拥有相同的通信能力，即节点拥有相同的最大传输距离，网络的规模以及监测面积应该充分大，使得网络中任意两个节点均以单跳或多跳的形式进行通信，另外，本发明对于网络的传输协议无具体要求。
本方法引入了锚节点对可靠度，利用可靠度筛选出受到空洞迂回较少的可用锚节点对，并获得待定位节点到所有锚节点的距离，从而利用多点定位法计算待定位节点的地理位置。
锚节点对拥有较高的可靠度意味着锚节点到待定位节点受到的空洞迂回较少，从另一方面而言，因为待定位节点的具体位置是随机变量，而可靠的锚节点对能够提供一个面积较小的待定位节点潜在区域，这就意味着利用面积较小的潜在区域来估计待定位节点的位置有较小的方差，即估计的有效性更高，同时，本发明考察锚节点对与待定位节点间是否组成了特殊的几何关系，利用这种几何关系，充分利用锚节点之间的距离以及跳数信息，进一步提高距离估计的准确度，降低环境因素对节点定位的影响，提高节点定位精度。
其中，步骤S1中，锚节点分组的信息包括锚节点的识别号ID，分组传输的转发次数Hop Counter和锚节点的地理坐标Location。
步骤S1中，当任一锚节点接收到定位的命令后，在其内存中生成一个分组，该分组是与锚节点一一对应的，分组的报文内容如图3所示，除去传输所需要的报头外，分组的数据域包括三个部分：锚节点的识别号(ID)、分组传输所经过的转发次数(Hop Counter)和锚节点的地理坐标(Location)，其中分组中的ID和Location在分组转发的过程中不可改变。三个域所占的字节数要根据网络的规模以及锚节点位置的精度进行自定义，因此本发明不具体指定。以如下条件的网络为例：包含锚节点在内总共200个以下的节点数量，120米以上的节点通信半径，则ID，Hop Counter域可分配单字节整型的存储空间，Location域可分配四字节单精度浮点型的存储空间。
具体地，如图4所示，步骤S1中，锚节点的信息散播的具体步骤包括：
S1.1当待定位节点首次接收到来自锚节点的分组时，待定位节点在内存中生成一个锚节点信息表T，T的长度等于网络中锚节点的总数N；
S1.2当待定位节点接收到锚节点i生成的分组P时，待定位节点检查分组P中的ID；
S1.3若发现T中该ID对应的元素没有存放数据，即待定位节点第一次接收到锚节点i的分组P，则将分组P的数据存放于T中该ID对应的元素中；
S1.4若T中该ID对应的元素已存放数据，则待定位节点比较分组P和T中对应ID的HopCounter；
S1.5若P.Hop Counter>T[P.ID].Hop Counter，则将分组P的Hop Counter加1后，将分组P转发到其邻居节点；
S1.6若P.Hop Counter>T[P.ID].Hop Counter，则分组P的数据替换T中该ID对应的元素，并将分组P的Hop Counter加1后，将分组P转发到邻居节点；
S1.7当待定位节点接收到固定数量的来自锚节点的分组后，结束。
在本发明中，相互之间可以通过单跳链路直接通信的节点称为彼此的邻居节点。本发明中，锚节点信息散播过程并没有固定的终止条件，一般认为，当待定位节点接收到固定数量的来自锚节点的分组后，即回传一个ACK信息到控制中心或基站，控制中心或基站接收到所有待定位节点的ACK信息后，该过程可以终止。
锚节点信息散播过程的目的是在网络中扩散锚节点的信息，使得待定位节点能够利用到尽可能多的锚节点，另一方面，抛弃Hop Counter大的分组是为了确保待定位节点能够找到迂回更少的路径。
具体地，步骤S2中，对于待定位节点k，锚节点对i和j的可靠度γ的计算步骤为：
待定位节点k先利用锚节点i和j发送分组中的Location，计算锚节点i和j之间的距离dij，因为待定位节点k已经接收到锚节点对i和j发送的分组，其中包含了i和j的位置信息，因此dij可以计算得到；
再获取待定位节点k到锚节点i和j的跳数hpki和hpkj，其中，hpki和hpkj存储在对应分组的Hop Counter域中；
基于dij、hpki和hpkj计算可靠度γ为：
其中，hpki和hpkj分别是节点k到锚节点i和j的跳数，hpki和hpkj的值存储在待定位节点k接收到锚节点i和j所生成的分组的Hop Counter域中。
以待定位节点k为例，为了获得k的位置，它首先需要估计自身到三个以上的锚节点的距离，具体个数本发明没有规定，一般而言，待定位可以利用的锚节点数量越多，则能获得越高的定位精度。假设锚节点的总数为N，待定位节点k为估计自身到锚节点i的距离，它首先需构建出包含锚节点i的N-1个锚节点对，以计算出所有锚节点对的可靠度，计算得到锚节点对的可靠度后，待定位节点k将所有的锚节点对按照可靠度降序排序并将它们的序号存储在内存中。
其中，步骤S3中，可用锚节点对包括理想锚节点对和次理想锚节点对，其中，对于锚节点对i和j，若i和j均位于对方的潜在传输半径外，则锚节点对i和j为理想锚节点对；
若i和j之中有且仅有一个锚节点位于对方的潜在传输半径外，则锚节点对i和j为次理想锚节点对；
若i和j既不是理想锚节点对，也不是次理想锚节点对，则锚节点对i和j为不可用锚节点对。
具体地，理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
hpkiR<dij并且hpkjR<dij
其中，R为节点的通信半径，则锚节点对i和j即为理想锚节点对，其中R是预先设定好的节点的传输半径，该信息在网络被部署前已经提前获得。
更具体地，对于待定位节点k，若锚节点对i和j为理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中，是线段与线段的夹角，θoij是的上界，代表的概率密度函数，是锚节点对i和j对于待定位节点k的可靠度，hpki是待定位节点k到锚节点i和j的跳数；
其中，θoij的计算公式为：
dij是锚节点i和j之间的距离，Ri和Rj分别是锚节点i和j的最大潜在传输距离，可分别表示为hpkiR和hpkjR；
其中，的计算公式为：
其中，C是一常数，C的计算公式为：
待定位节点k到锚节点j的距离可用相同的方法计算，故不再赘述。
具体地，次理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
(hpkiR<dij并且hpkjR>dij)或(hpkjR<dij并且hpkiR>dij)
其中，R为节点的通信半径，则锚节点对i和j即为次理想锚节点对。
更具体地，对于待定位节点k，若锚节点对i和j为次理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中dij是锚节点i到锚节点j的距离；hpij是锚节点i到锚节点j的跳数，因为锚节点j已经接收到了来自锚节点i的分组，因此锚节点j与锚节点i之间的跳数hpij已知；hpki是待定位节点k到锚节点i的跳数，hpki可从锚节点i发送的分组的Hop Counter域中获得。
将计算得到的估计距离存放进距离表D中，计算得到后，待定位节点k释放该锚节点对占用的内存，选择下一个锚节点对，重新执行距离估计操作。
其中，步骤S4中是利用多点定位法计算待定位节点k的地理位置的，对于待定位节点k，步骤S4利用多点定位法计算待定位节点k的地理位置的具体步骤为：
先基于待定位节点k与所有锚节点的距离，构建两个矩阵：
其中xM和yM是锚节点M的坐标，是估计得到的待定位节点与锚节点M的距离；
再基于最小二乘准则，计算待定位节点k的坐标：
Pk＝(HTH)-1HTb。
为了验证本发明中针对无线传感器网络的节点定位算法的有效性，进行了仿真实验。程序运行于基于Windows 10系统的Matlab 2018b平台，程序首先在一个面积为10000m2的正方形区域内生成包含总共150个节点的网络，节点的传输半径为20m，锚节点数量从10到50不等。为了验证本方法针对存在覆盖空洞的传感器网络的有效性，仿真实验中设置了两种拓扑的网络，如图7、8所示，分别为O型网络以及S型网络。本方法利用了相对定位精度(NLEE)来评价对比算法的性能，其计算方式为：
其中Nu代表普通节点数量，R代表节点的传输半径，给所有节点设置相同的传输半径，代表利用本方法计算出的待定位节点i的坐标，(xi,yi)代表待定位节点i的真实坐标。
图8为O型拓扑网络采用不同定位算法下的定位效果，横坐标代表网络中锚节点数量，纵坐标代表NLEE。
图8表明，在O型网络拓扑中，本方法的定位精度随着锚节点数量的提高而提高，原因有两个，一是该方法利用了多点定位法作为底层定位方法，因此锚节点数量的增加可以有效地减小定位扩散因子(GDOP)，从而降低定位误差；二是因为本方法总是选择最可靠的锚节点对进行条件判决，而根据概率学，锚节点的数量越多，锚节点对的可靠性就越高，因此待定位节点的潜在区域越小，使得定位精度越高。DV-Hop(文献D.Niculescu andB.Nath,“Ad hoc positioning system(APS),”in 2001Global TelecommunicationsConference(GLOBECOM’01),San Antonio,TX,USA,November 2001,pp.2926–2931.)和LAEP(文献Y.Wang,X.Wang,D.Wang,and D.P.Agrawal,“Range-free localization usingexpected hop progress in wireless sensor networks,”IEEE Transactions onParallel and Distributed Systems,vol.20,no.10,pp.1540–1552,October 2009.)算法因为自身的特点，对锚节点的数量并不敏感，RAPS(文献S.Lee,B.Koo,and S.Kim,“RAPS:Reliable anchor pair selection for range-free localization in anisotropicnetworks,”IEEE Communications Letters,vol.18,no.8,pp.1403–1406,July 2014.)在O型网络下精度较差，因为该算法是针对拓扑复杂的网络设计的，因此在均匀分布或者空洞较少的网络中效果一般。
图9表明，在S型网络拓扑中，本方法仍然能取得较好的效果，在50个锚节点的条件下，本方案的相对定位误差小于0.8，即使在锚节点数量只有10个，占10％的节点数量的条件下，定位误差仍接近于1。而DV-Hop与LAEP算法的定位误差在S型网络下则一直大于1.2，RAPS算法的定位精度与O型网络相比有所改善。
显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种针对无线传感器网络的节点定位方法，所述无线传感器网络包括若干个锚节点和至少一个待定位节点，预先设定所有节点的通信半径R，其特征在于，所述节点定位方法包括以下步骤：
S1 无线传感器网络部署于特定区域后，在锚节点的信息散播阶段，控制中心或者基站以多播的形式向网络中的锚节点发送执行定位的命令，接收到命令的锚节点将一个包含自身信息的分组散播到整个网络，以使网络中的待定位节点都接收到所有锚节点的信息；
S2 接收到所有锚节点的信息后，若锚节点总数为N时，待定位节点先将其中一个锚节点i与网络中剩余锚节点组成N-1个锚节点对，计算各锚节点对的可靠度，根据可靠度对各锚节点对进行降序排序，并存放至栈中；
S3 待定位节点选定栈中可靠度最高的锚节点对，根据其自身与锚节点对的几何关系，对选定的锚节点对进行条件判决，若选定的锚节点对的条件判决类型为可用锚节点对，待定位节点根据选定的锚节点对的类型来执行对应的距离估计公式，以获得其到锚节点i的距离；
若选定的锚节点对的条件判决类型为不可用锚节点对，待定位节点则抛弃该锚节点对的信息，根据可靠度从高到低的顺序，重新选择栈中下一个锚节点对进行条件判决以及对应的距离估计，直至栈空为止；
S4 再重复步骤S2～S3，直到待定位节点获得其到所有锚节点的距离，基于待定位节点与所有锚节点的距离计算待定位节点的地理位置。
2.根据权利要求1所述的一种针对无线传感器网络的节点定位方法，其特征在于，步骤S1中，锚节点分组的信息包括锚节点的识别号ID，分组传输的转发次数Hop Counter和锚节点的地理坐标Location。
3.根据权利要求2所述的一种针对无线传感器网络的节点定位方法，其特征在于，步骤S1中，锚节点的信息散播的具体步骤包括：
S1.1 当待定位节点首次接收到来自锚节点的分组时，待定位节点在内存中生成一个锚节点信息表T，T的长度等于网络中锚节点的总数N；
S1.2 当待定位节点接收到锚节点i生成的分组P时，待定位节点检查分组P中的ID；
S1.3 若发现T中该ID对应的元素没有存放数据，即待定位节点第一次接收到锚节点i的分组P，则将分组P的数据存放于T中该ID对应的元素中；
S1.4 若T中该ID对应的元素已存放数据，则待定位节点比较分组P和T中对应ID的HopCounter；
S1.5 若P.Hop Counter>T[P.ID].Hop Counter，则将分组P的Hop Counter加1后，将分组P转发到其邻居节点；
S1.6 若P.Hop Counter>T[P.ID].Hop Counter，则分组P的数据替换T中该ID对应的元素，并将分组P的Hop Counter加1后，将分组P转发到邻居节点；
S1.7 当待定位节点接收到固定数量的来自锚节点的分组后，结束。
4.根据权利要求2所述的一种针对无线传感器网络的节点定位方法，其特征在于，步骤S2中，对于待定位节点k，锚节点对i和j的可靠度γ的计算步骤为：
待定位节点k先利用锚节点i和j发送分组中的Location，计算锚节点i和j之间的距离dij；
再获取待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj计算可靠度γ为：
其中，hpki和hpkj分别是节点k到锚节点i和j的跳数，hpki和hpkj的值存储在待定位节点k接收到锚节点i和j所生成的分组的Hop Counter域中。
5.根据权利要求1所述的一种针对无线传感器网络的节点定位方法，其特征在于，步骤S3中，可用锚节点对包括理想锚节点对和次理想锚节点对，其中，对于锚节点对i和j，若i和j均位于对方的潜在传输半径外，则锚节点对i和j为理想锚节点对；
若i和j之中有且仅有一个锚节点位于对方的潜在传输半径外，则锚节点对i和j为次理想锚节点对；
若i和j既不是理想锚节点对，也不是次理想锚节点对，则锚节点对i和j为不可用锚节点对。
6.根据权利要求5所述的一种针对无线传感器网络的节点定位方法，其特征在于，理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
hpkiR<dij并且hpkjR<dij
其中，R为节点的通信半径，则锚节点对i和j即为理想锚节点对。
7.根据权利要求5所述的一种针对无线传感器网络的节点定位方法，其特征在于，次理想锚节点对具体的条件判决过程为：
对于待定位节点k，先计算锚节点i和j之间的距离dij；
再分别获得待定位节点k到锚节点i和j的跳数hpki和hpkj；
基于dij、hpki和hpkj，若满足式：
(hpkiR<dij并且hpkjR>dij)或(hpkjR<dij并且hpkiR>dij)
其中，R为节点的通信半径，则锚节点对i和j即为次理想锚节点对。
8.根据权利要求6所述的一种针对无线传感器网络的节点定位方法，其特征在于，对于待定位节点k，若锚节点对i和j为理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中，是线段与线段的夹角，θoij是的上界，代表的概率密度函数，是锚节点对i和j对于待定位节点k的可靠度，hpki是待定位节点k到锚节点i和j的跳数；
其中，θoij的计算公式为：
dij是锚节点i和j之间的距离，Ri和Rj分别是锚节点i和j的最大潜在传输距离，可分别表示为hpkiR和hpkjR；
其中，的计算公式为：
其中，C是一常数，C的计算公式为：
9.根据权利要求7所述的一种针对无线传感器网络的节点定位方法，其特征在于，对于待定位节点k，若锚节点对i和j为次理想锚节点对，则待定位节点k到锚节点i的距离计算公式为：
其中dij是锚节点i到锚节点j的距离，hpij是锚节点i到锚节点j的跳数，hpki是待定位节点k到锚节点i的跳数。
10.根据权利要求1-9任一项所述的一种针对无线传感器网络的节点定位方法，其特征在于，步骤S4中是利用多点定位法计算待定位节点k的地理位置的，对于待定位节点k，步骤S4利用多点定位法计算待定位节点k的地理位置的具体步骤为：
先基于待定位节点k与所有锚节点的距离，构建两个矩阵：
和
其中xM和yM是锚节点M的坐标，是估计得到的待定位节点与锚节点M的距离；
再基于最小二乘准则，计算待定位节点k的坐标：
Pk＝(HTH)-1HTb。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208367.5A CN110087306B (zh) | 2019-03-19 | 2019-03-19 | 一种针对无线传感器网络的节点定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208367.5A CN110087306B (zh) | 2019-03-19 | 2019-03-19 | 一种针对无线传感器网络的节点定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110087306A true CN110087306A (zh) | 2019-08-02 |
| CN110087306B CN110087306B (zh) | 2020-09-18 |
Family
ID=67412583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910208367.5A Active CN110087306B (zh) | 2019-03-19 | 2019-03-19 | 一种针对无线传感器网络的节点定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110087306B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111405514A (zh) * | 2020-03-25 | 2020-07-10 | 北京理工大学 | 一种空洞地形下无线传感器网络的协同定位方法和系统 |
| CN113365371A (zh) * | 2021-06-08 | 2021-09-07 | 中山大学 | 一种多项式近似的差分进化节点定位方法 |
| CN113490172A (zh) * | 2021-07-01 | 2021-10-08 | 昆明理工大学 | 一种基于正余弦优化与跳段优化的DV-Hop定位算法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102300209A (zh) * | 2011-08-24 | 2011-12-28 | 北京航空航天大学 | 一种无线传感器网络安全多跳定位方法 |
| US20120231786A1 (en) * | 2011-03-09 | 2012-09-13 | Telcordia Technologies, Inc. | System and method for quantifying anchor placement impact placement on location accuracy |
-
2019
- 2019-03-19 CN CN201910208367.5A patent/CN110087306B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120231786A1 (en) * | 2011-03-09 | 2012-09-13 | Telcordia Technologies, Inc. | System and method for quantifying anchor placement impact placement on location accuracy |
| CN102300209A (zh) * | 2011-08-24 | 2011-12-28 | 北京航空航天大学 | 一种无线传感器网络安全多跳定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| SANGWOO LEE,BONHYUN KOO,SUNWOO KIM: "RAPS: Reliable Anchor Pair Selection for Range-Free Localization in Anisotropic Networks", 《IEEE COMMUNICATIONS LETTERS》 * |
| 唐从飞 彭力: "全向视觉网络中锚节点竞争定位算法", 《计算机工程与应用》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111405514A (zh) * | 2020-03-25 | 2020-07-10 | 北京理工大学 | 一种空洞地形下无线传感器网络的协同定位方法和系统 |
| CN111405514B (zh) * | 2020-03-25 | 2021-06-04 | 北京理工大学 | 一种空洞地形下无线传感器网络的协同定位方法和系统 |
| CN113365371A (zh) * | 2021-06-08 | 2021-09-07 | 中山大学 | 一种多项式近似的差分进化节点定位方法 |
| CN113365371B (zh) * | 2021-06-08 | 2023-01-06 | 中山大学 | 一种多项式近似的差分进化节点定位方法 |
| CN113490172A (zh) * | 2021-07-01 | 2021-10-08 | 昆明理工大学 | 一种基于正余弦优化与跳段优化的DV-Hop定位算法 |
| CN113490172B (zh) * | 2021-07-01 | 2023-10-17 | 昆明理工大学 | 一种基于正余弦优化与跳段优化的DV-Hop定位算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110087306B (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gui et al. | Improvement of range-free localization technology by a novel DV-hop protocol in wireless sensor networks | |
| Cao et al. | Scalable logical coordinates framework for routing in wireless sensor networks | |
| Savvides et al. | Dynamic fine-grained localization in ad-hoc networks of sensors | |
| EP1617601B1 (en) | Distributed precision based localization algorithm for ad-hoc wireless networks | |
| KR102601423B1 (ko) | 무선 통신 시스템의 단말기의 위치를 측정하기 위한 방법 및 시스템 | |
| CN110087306B (zh) | 一种针对无线传感器网络的节点定位方法 | |
| CN101118280A (zh) | 分布式无线传感器网络节点自身定位方法 | |
| CN102547918A (zh) | 一种基于非测距的无线传感网三维节点定位方法 | |
| CN102695126A (zh) | 水下传感器网络定位方法 | |
| Benbadis et al. | GPS-free-free positioning system for wireless sensor networks | |
| Karim et al. | RELMA: A range free localization approach using mobile anchor node for wireless sensor networks | |
| CN111277968B (zh) | 一种基于堆栈自编码器的无线传感器网络非测距定位方法 | |
| Koski et al. | Positioning with coverage area estimates generated from location fingerprints | |
| CN105792307B (zh) | 一种无线传感网节点间的最佳单向通信路径选择和节点定位方法 | |
| Reghelin et al. | A decentralized location system for sensor networks using cooperative calibration and heuristics | |
| Gui et al. | An adaptive range–free localisation protocol in wireless sensor networks | |
| KR101020204B1 (ko) | 계층적 그룹 기반의 해양 센서 네트워크의 라우팅 방법 | |
| Newport | Simulating mobile ad hoc networks: a quantitative evaluation of common MANET simulation models | |
| CN105792348B (zh) | 一种无线传感网节点间的节点定位方法 | |
| Benbadis et al. | Exploring landmark placement strategies for topology-based localization in wireless sensor networks | |
| Liu et al. | A Weight-based DV-HOP Improved Localization Algorithm for Wireless Sensor Networks. | |
| Kermarrec et al. | Large-scale networked systems: from anarchy to geometric self-structuring | |
| García et al. | Range-free localization for air-dropped WSNs by filtering neighborhood estimation improvements | |
| Ekberg | Swarm-intelligent localization | |
| Maung et al. | Wireless sensor network based mobile tracking system |
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 |