CN110225447A - 定位方法、装置、设备以及存储介质 - Google Patents
定位方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN110225447A CN110225447A CN201910400767.6A CN201910400767A CN110225447A CN 110225447 A CN110225447 A CN 110225447A CN 201910400767 A CN201910400767 A CN 201910400767A CN 110225447 A CN110225447 A CN 110225447A
- Authority
- CN
- China
- Prior art keywords
- node
- value
- jumping
- population
- beaconing nodes
- 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.)
- Pending
Links
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
-
- 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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种定位方法、装置、设备以及存储介质,该方法包括:获取所有节点感知半径内的邻居节点的第一数量、所有相邻节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息;根据第一数量、第二数量以及感知半径获得所有相邻节点之间的跳数值;根据所有相邻节点之间的跳数值获得所有信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值;根据第一跳数值以及第一位置信息获得每跳平均距离;根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离;根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息。本发明采用新的跳数值获取方式和位置估计方法,定位精确度更高。
Description
技术领域
本发明涉及无线传感器网络技术领域,尤其涉及一种定位方法、装置、设备以及存储介质。
背景技术
无线传感器网络是由大量传感器以自主、多跳的方式组成的无线网络,其主要作用是在覆盖范围内协同感知、获取、处理和传输感知对象的信息。知晓传感器的位置是应用无线传感器网络最基本、最重要的前提之一。
在目前传感器定位方法常采用距离向量算法,主要包括三个步骤:(1)通过泛洪过程获知任意节点之间的最小跳数,其中,跳数值为离散值;(2)先计算信标节点的平均每跳距离,未知节点再获取平均每跳距离,最后计算未知节点和信标节点之间的距离;(3)通过多边定位法确定未知节点的位置。
然而,在上述定位方法中,由于对节点之间的距离估算准确性低,且利用多边定位法确定未知节点的位置不符合实际,从而导致算法的定位准确度低。
发明内容
本发明提供一种定位方法、装置、设备以及存储介质,以解决现有定位方法定位准确度低的问题。
第一方面,本发明提供一种定位方法,基于传感器网络,传感器网络包括至少三个信标节点及若干个未知节点,方法包括:获取所有节点的感知半径内的邻居节点的第一数量、所有相邻节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息;根据第一数量、第二数量以及感知半径获得任意两个相邻节点之间的跳数值;根据任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值;根据任意两个信标节点之间的第一跳数值以及第一位置信息获得每跳平均距离;根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离;根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息。
在本发明提供的一种定位方法中,根据所有节点的感知半径内的邻居节点的第一数量、任意两个相邻节点之间共有的邻居节点的第二数量以及感知半径获得任意两个相邻节点之间的跳数值,相较于现有的定位方法采用离散型跳数值而言,本发明提供的定位方法,获取的连续型跳数值更准确,再根据跳数值确定每跳平均距离,进而获得信标节点和未知节点之间的距离,最终根据信标节点和未知节点之间的距离、跳数值以及信标节点的位置获得未知节点的位置,定位精度更加准确。
可选地,根据第一数量、第二数量以及感知半径获得任意两个相邻节点之间的跳数值,具体包括:根据第一公式获得任意两个相邻节点之间的跳数值,其中,第一公式为R为节点的感知半径,为节点i和节点j之间的估计距离,且NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数。
在本发明提供的一种定位方法中,利用两个相邻节点之间的共有的邻居节点的第二数量、节点的邻居节点的第一数量以及感知半径获得相邻节点之间的估计距离,再根据两个相邻节点之间的估计距离和感知半径获得两个相邻节点之间的跳数值,相较于原有的离散型跳数值,其精确度更高。
可选地,根据任意两个信标节点之间的第一跳数值以及第一位置信息获得每跳平均距离,具体包括:根据第二公式获得每跳平均距离,其中,第二公式为其中,(xi,yi)为信标节点i的位置,(xj,yj)为信标节点j的位置,Ni是与节点i连通的信标节点的个数,CHij是信标节点i和信标节点j之间的跳数值。
在本发明提供的一种定位方法中,根据任意两个信标节点之间的第一跳数值以及信标节点的第一位置信息获得每跳平均距离,相较于现有的定位方法,其精确度更高。
可选地,根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离,具体包括:根据第三公式获得第一距离,其中,第三公式为:dik=AvgDisk*CHik,AvgDisk是未知节点k的每跳平均距离,CHik是信标节点i与未知节点k之间的跳数值。
在本发明提供的一种定位方法中,根据第二跳数值和每跳平均距离的乘积获得信标节点和未知节点之间的第一距离,相较于现有的定位方法,其定位精确度更高。
可选地,根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息,具体包括:随机生成第0代初始化种群以及种群的最大迭代次数G,其中,初始种群包括若干个个体,个体用于表示未知节点的位置信息;根据目标函数获得第g代种群中个体的适应值,其中,目标函数根据第一距离、第二跳数值以及第一位置信息获得,g的初始值为0;根据种群中个体的适应值对第g代种群中的个体进行变异处理和交叉处理,以获得子种群;根据目标函数获得所述子种群中个体的适应值;比较子种群中个体的适应值和第g代种群中个体的适应值,获得第g+1代种群,并更新种群的代数;重复对种群进行变异处理和交叉处理,直至种群的代数等于种群的最大迭代次数G为止;从第G代种群中选择适应值最好的个体作为未知节点的位置信息。
在本发明提供的一种定位方法中,以未知节点的位置信息作为进化个体,根据第一距离、第二跳数值以及第一位置信息获得种群中个体的适应值,以此作为种群进化的选择标准,最终获得最优的个体,以获得未知节点的位置信息,相较于现有的定位方法利用多边定位法确定未知节点的位置,本发明提供的方法精确度更高。
可选地,根据目标函数获得第g代种群中个体的适应值和子种群中个体的适应值,具体包括:根据第四公式获得第g代种群中个体的适应值和子种群中个体的适应值,其中,第四公式为:(xi,yi)是信标节点i的位置,是未知节点k的估计位置,Nk是与未知节点k连通的信标节点的个数,CHik是信标节点i和未知节点k之间的跳数值,dik为节点i和节点j之间的距离。
第二方面,本发明提供一种定位装置,装置包括:获取模块,用于获取所有节点的感知半径内的邻居节点的第一数量、所有相邻节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息;获得模块,用于根据第一数量、第二数量以及感知半径获得任意两个相邻节点之间的跳数值;获得模块还用于根据任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值;获得模块还用于根据任意两个信标节点之间的第一跳数值以及第一位置信息获得每跳平均距离;获得模块还用于根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离;获得模块还用于根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息。
可选地,获得模块具体用于:根据第一公式获得任意两个相邻节点之间的跳数值,其中,第一公式为R为节点的感知半径,为节点i和节点j之间的估计距离,且NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数。
可选地,获得模块具体用于:根据第二公式获得所述每跳平均距离,其中,所述第二公式为其中,(xi,yi)为信标节点i的位置,(xj,yj)为信标节点j的位置,Ni是与信标节点i连通的信标节点的个数,CHij是信标节点i和信标节点j之间的跳数值。
可选地,获得模块具体用于:根据第三公式获得所述第一距离,其中所述第三公式为:dik=AvgDisk*CHik,AvgDisk是未知节点k的每跳平均距离,CHik是信标节点i与未知节点k之间的跳数值。
可选地,获得模块具体用于:随机生成第0代初始化种群以及种群的最大迭代次数G,其中,第0代初始化种群包括若干个个体,个体用于表示未知节点的位置信息;根据目标函数获得第g代种群中个体的适应值,其中,目标函数根据第一距离、第二跳数值以及第一位置信息获得,g的初始值为0;根据种群中个体适应值对第g代种群中个体进行变异处理和交叉处理,以获得子种群;根据目标函数获得所述子种群中个体的适应值;比较子种群中个体的适应值和第g代种群中个体的适应值,获得第g+1代种群,并更新种群的代数;重复对种群进行变异处理和交叉处理,直至种群的代数等于最大迭代次数G为止;从第G代种群中选择适应值最好的个体作为未知节点的位置信息。
可选地,获得模块具体用于:根据第四公式获得所述第g代种群中个体的适应值和所述子种群中个体的适应值,其中,第四公式为:(xi,yi)是信标节点i的位置,是未知节点k的估计位置,Nk是与未知节点k连通的信标节点的个数,CHik是信标节点i和未知节点k之间的跳数值。
第三方面,本发明提供一种电子设备,其特征在于,包括:至少一个处理器和存储器;其中,存储器存储计算机执行指令;至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行第一方面以及可选方案涉及的定位方法。
第四方面,本发明提供一种计算机可读存储介质,其特征在于,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现第一方面以及可选方案涉及的定位方法。
本发明提供了一种定位方法、装置、设备以及存储介质,在定位方法中,根据所有节点的感知半径内的邻居节点的第一数量、任意相邻节点之间共有的邻居节点的第二数量以及感知半径获得任意两个相邻节点之间的跳数值,以此获得任意两个信标节点之间的跳数值和信标节点与未知节点之间的跳数值,再根据信标节点之间的跳数值和信标节点的位置获得每跳平均距离,根据信标节点与未知节点之间的跳数值和每跳平均距离获得信标节点和未知节点之间的距离;根据信标节点和未知节点之间的距离、跳数值以及第一位置信息获得未知节点的位置信息。相较于现有的定位方法,本发明根据邻居节点数量以及感知半径获得任意两个相邻节点之间的跳数值,所获得的跳数值精确度更高,进而定位准确度更高。
附图说明
图1为现有技术中传感器网络中相邻节点的示意图;
图2为本发明根据一示例性实施例示出的定位方法的流程示意图;
图3为本发明根据图2所示实施例示出的定位方法所基于的传感器网络的相邻节点的示意图;
图4为本发明根据图2所示实施例示出的定位方法中泛洪过程的方法流程图;
图5为本发明根据一示例性实施例示出的定位装置的结构示意图;
图6为本发明根据一示例性实施例示出的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
在现有的定位方法中一般使用离散型跳数值,离散型跳数值无法很好区分同一感知范围内的不同节点位置。图1为现有技术中传感器网络中相邻节点的示意图。如图1所示,节点i无法区分节点j与节点k之间的位置区别,节点j与节点k到节点i的离散型跳数值均为1,当用传统方法估算距离dij与dik时,dij=dik,这显然是不对的,将导致距离估算存在极大的误差。
由于一般在部署无线传感器网络时通常会尽可能均匀地部署,因此节点之间距离越近,那么相邻节点共有的邻居节点数就越多,本发明利用这一特性来准确估计相邻节点间的跳数值。
本发明提供一种定位方法、装置、设备以及存储介质,以解决现有定位方法定位准确度低的问题。
图2为本发明根据一示例性实施例示出的定位方法的流程示意图。如图2所示,本实施例提供一种定位方法,基于传感器网络,传感器网络包括至少三个信标节点和若干个未知节点,包括如下步骤:
S201、获取所有节点的感知半径内的邻居节点的第一数量、任意两个相邻节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息。
更具体地,图3为本发明根据图2所示实施例示出的定位方法所基于的传感器网络的相邻节点的示意图。如图3所示,五边形点、三角形点、圆形点以及正方形点均表示传感器网络中传感器,每个传感器用一个节点表示,其中两个五边形点分别表示节点i和节点j,节点i的感知半径R内的邻居节点为三角形点和圆点表示,节点j的感知半径R内的邻居节点为圆形点和正方形点。圆点为节点i和节点j的共有的邻居节点。
获取节点i的感知半径内的邻居节点的第一数量即为获得圆点数量和三角形点数量的总和,获取节点j的感知半径内的邻居节点的第一数量即为获得圆点数量和正方形点数量的总和,获得节点i和节点j之间共有的邻居节点的第二数量即为获取圆形点的数量。信标节点的位置信息采用现有技术中的方法获取。即当传感器节点接入无线传感器网络时,需要通过感知功能获取邻居节点的ID并存储在表中,以便于获得邻居节点的数量。
S202、根据第一数量、第二数量以及感知半径获得任意两个相邻节点之间的跳数值。
更具体地,如图3所示,设Sij表示节点i的感知半径区域和节点j感知半径区域的交叉区域的面积,节点i和节点j之间的距离估计标记为则夹角表示为扇形的面积和扇形的面积为菱形AiBj的面积为Sij等于扇形的面积加扇形的面积减去菱形AiBj的面积:
Sij又可根据邻居节点个数、共有邻居节点个数和节点的感知范围求得:
其中,NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数,R为节点的感知半径。
由此我们可以得到如下方程:
利用二分法对公式(3)进行求解得到二分法具体为:初始值分别设定为:的下界为0,的上界为R,阈值为0.01R。即当某个的值代入其值小于0.01R时,则将对应的作为节点i和节点j的估计距离。
根据计算出的计算节点之间的跳数值:
S203、根据任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值。
更具体地,采用泛洪过程根据任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值。然而,在本实施例中,在当前节点转发的数据包中,除了包含信标节点的位置以及当前节点至信标节点的跳数值。在数据包中还需包括当前节点的邻居节点信息。
图4为本发明根据图2所示实施例示出的定位方法中泛洪过程的方法流程图。如图4所示,泛洪过程具体包括:
S3001、无线传感器网络中的所有信标节点同时广播数据包。
数据包中包含的信息有:该信标节点的位置、初始值为0的跳数值、跳数值的阈值、该信标节点的所有邻居节点的ID。在无线传感器网络中所有的节点需要维持两张表:表1中记录信标节点的位置和当前节点至对应信标节点的跳数值,表2记录当前节点到邻居节点的跳数值。
S3002、当节点接收到数据包后判断是否接收过该信标节点的数据包,若判断结果为否,则进入S3003;若判断结果为是,则进入S3004。
具体为,首先查找表1判断是否接收过该信标节点的数据包,若未接收过数据包,则进入S3003;若接收过数据包,则进入S3004。
S3003、计算当前节点与邻居节点间的跳数值,并进入S3005。
更具体地,根据公式(1)、(2)、(3)以及(4)获得当前节点与邻居节点间的跳数值,并将对应的跳数值记录在表2。
S3004、获取当前节点与邻居节点之间的跳数值,并进入S3005。
S3005、根据当前节点与邻居节点之间的跳数值和数据包中的跳数值获得当前节点到对应信标节点的跳数值。
S3006、判断当前节点到信标节点的跳数值是否小于阈值,若判断结果为是,则进入S3007,否则,进入S3011。
S3007、判断是否已经存在当前节点到对应信标节点的跳数值。若判断结果为是,则进入S3008,若判断结果为否,则进入S3009。
S3008、判断计算出的当前节点到信标节点的跳数值是否小于记录的当前节点到信标节点的跳数值。若判断结果为是,则进入S3010;否则,进入S3011。
S3009、将当前节点到信标节点的跳数值以及当前节点的邻居节点信息记录至数据包中,并进入S3012。
具体为:开始查找表1,如果表1中没有对应信标节点的记录,则将对应信标节点的位置和跳数值记录在表中。将数据包中的跳数值替换为最新获得的当前节点至信标节点的跳数值;并将邻居节点信息替换为当前节点的邻居节点信息。
S3010、利用更新的当前节点到信标节点的跳数值覆盖记录的当前节点到信标节点的跳数值,并更新当前节点的邻居节点信息,并进入S3012。
S3011、丢弃数据包。
S3012、转发该数据包至当前节点的所有邻居节点。
具体为:转发该数据包至当前节点的所有邻居节点,并重复上述步骤S3001至S3010,直至获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值。
S204、根据任意两个信标节点之间的第一跳数值以及第一位置信息获得每跳平均距离。
具体为:根据如下公式(5)获得每跳平均距离并广播出去。
其中,(xi,yi)和(xj,yj)分别是信标节点i和信标节点j的位置,Ni是信标节点i保存的信标节点的个数,CHij是信标节点i和信标节点j之间的跳数值。
S205、根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离。
未知节点接收到信标节点广播的每跳平均距离时,仅保存第一次接收到的每跳平均距离信息,后续收到的信息直接转发给邻居节点。未知节点将保存的每跳平均距离作为自身的每跳平均距离并据此计算与信标节点之间的距离。
未知节点根据公式(6)计算未知节点与信标节点之间的距离:
dik=AvgDisk*CHik (6)
其中,AvgDisk是未知节点k的平均每跳距离,CHik是未知节点k与信标节点i之间的跳数值。
S206、根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息。
更具体地,根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息,具体包括:
S4001、随机产生第0代初始种群以及种群的最大迭代次数G。
具体为:其中,初始种群包括若干个个体,个体用于表示未知节点的位置信息。
具体为:初始化如下参数:种群大小NP,最大迭代次数G,缩放因子F和交叉率CR。对于某个未知节点,随机生成NP个个体,一个个体即代表未知节点的一个估计位置每个个体的形式均为2维向量。第1维值表示估计位置的X轴坐标,第2维值表示估计位置的Y轴坐标。第1维和2维的值分别根据公式(7)和(8)产生:
其中,xmax=max(xj+dij)和ymax=max(yj+dij)分别是搜索空间的第1维和第2维的上界,xmin=min(xj-dij)和ymin=min(yj-dij)分别是搜索空间在第2维的下界,j表示信标节点,(j=1,2,...Ni),为初始化个体的表达式。
S4002、根据目标函数获得第g代种群中个体的适应值。
具体为:将距离估计的误差加权后作为进化算法的目标函数,如公式(10)所示。
其中,(xi,yi)是信标节点i的位置,是未知节点k的估计位置。
将第g代种群中个体代入目标函数中,以获得第g代种群中个体的适应值,g的初始值为0。
S4003、对第g代种群中个体进行变异处理和交叉处理,以获得子种群。
具体为,需要对第g代种群进行变异处理和交叉处理。
变异过程为:将所有种群个体代入公式(10)计算出所有个体的适应值,并根据适应值进行排序,适应值越小,个体就越优秀,记其中最优秀的个体为随后通过对种群中的每个个体根据公式(11)进行变异处理:
其中,r1,r2是互不相同的随机个体且不等于i,F∈[0,1]为缩放因子,g代表当前代数。
此过程将产生NP个变异个体每个变异个体和种群中的一个个体一一对应。如果变异过程产生了越界值,即在中,或或或则直接将该值改为边界值。
交叉过程为:通过对种群中的每个个体使用二项式交叉策略生成试验个体。二项式交叉策略的实现如下:
对于种群个体和其对应的变异个体Vi g,首先,随机选择1或2,若选择1,且执行公式(13);若选择2,且执行公式(12),其中,rand(0,1)表示位于区间(0,1)之间的随机数。
对于公式(12)或(13),先随机生成一个0到1之间的随机数,对公式(12)而言,若随机数小于CR,则实验个体的第1维的值等于否则等于对公式(13)而言,若随机数小于CR,则实验个体的第2维的值等于否则等于
通过交叉操作,可以生成NP个实验个体每个实验个体即为种群中个体的子代个体,子代个体构成子种群,其对应的种群中个体为父代个体。
S4004、根据目标函数获得子种群中个体的适应值。
S4005、比较子种群中个体的适应值和第g代种群中个体的适应值,获得第g+1代种群,并更新种群的代数。
更具体地,选择操作是一种贪婪操作,采用父代和子代的一对一选择策略:
将通过交叉操作得到的实验个体代入公式(10)求得实验个体的适应值,并将其和父代个体的适应值一一比较,适应值较小的个体将进入下一代成为下一代种群个体,种群进入第g+1代,并令g=g+1。
S4006、判断种群的代数是否等于最大迭代次数G,若判断结果为是,进入S4007,否则进入S4001。
S4007、从第G代种群中选择适应值最优的个体作为未知节点的位置信息。
在本实施例提供的定位方法中,通过采用新的跳数值计算方法可以有效降低节点之间的距离估算误差,另外使用启发式算法来计算未知节点的位置,能够有效减少位置估算的误差。进而使得通过无测距方法也能够得到较高的定位精确度。该技术方案在不提高硬件成本的情况下能够有效提高无线传感器网络节点的定位精确度,有效降低无线传感器网络的部署成本,提高无线传感器网络感知环境信息的准确度。
图5为本发明根据一示例性实施例示出的定位装置的结构示意图。如图5所示,本实施例提供的定位装置包括:获取模块501,用于获取至少两个节点的感知半径内的邻居节点的第一数量、两个节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息;获得模块502,用于根据第一数量、第二数量以及感知半径获得任意两个相邻节点之间的跳数值;获得模块502还用于根据任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及信标节点和未知节点之间的第二跳数值;获得模块502还用于根据任意两个信标节点之间的第一跳数值以及第一位置信息获得每跳平均距离;获得模块502还用于根据第二跳数值和每跳平均距离获得信标节点和未知节点之间的第一距离;获得模块502还用于根据第一距离、第二跳数值以及第一位置信息获得未知节点的位置信息。
可选地,获得模块502具体用于:根据第一公式获得任意两个相邻节点之间的跳数值,其中,第一公式为R为节点的感知半径,为节点i和节点j之间的估计距离,且NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数。
可选地,获得模块502具体用于:根据第二公式获得所述每跳平均距离,其中,所述第二公式为其中,(xi,yi)为信标节点i的位置,(xj,yj)为信标节点j的位置,Ni是与信标节点i连通的信标节点的个数,CHij是信标节点i和信标节点j之间的跳数值。
可选地,获得模块502具体用于:根据第三公式获得所述第一距离,其中,所述第三公式为:dik=AvgDisk*CHik,AvgDisk是每跳平均距离,CHik是信标节点i与未知节点k之间的跳数值。
可选地,获得模块502具体用于:随机生成第0代初始化种群以及种群最大迭代次数G,其中,第0代初始化包括若干个个体,个体用于表示未知节点的位置信息;根据目标函数获得第g代种群中个体的适应值,其中,目标函数根据第一距离、第二跳数值以及第一位置信息获得,g的初始值为0;根据种群中个体适应值对第g代种群中个体进行变异处理和交叉处理,以获得子种群;根据目标函数获得所述子种群中个体的适应值;比较子种群中个体的适应值和第g代种群中个体的适应值,获得第g+1代种群,并更新种群的代数;重复对种群进行变异处理和交叉处理,直至种群的代数等于最大迭代次数G为止;从第G代种群中选择适应值最好的个体作为未知节点的位置信息。
可选地,获得模块502具体用于:根据第四公式获得所述新种群中个体的适应值和所述初始种群中个体的适应值,其中,所述第四公式为:(xi,yi)是信标节点的位置,是未知节点的位置,Nk是与未知节点k连通的信标节点的个数,CHij是信标节点i和未知节点k之间的跳数值。
图6为本发明根据一示例性实施例示出的电子设备的结构示意图。如图6所示,本实施例的电子设备600包括:处理器601以及存储器602,其中,
存储器602,用于存储计算机执行指令;
处理器601,用于执行存储器存储的计算机执行指令,以实现上述实施例中接收设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选的,存储器602既可以是独立的,也可以跟处理器601集成在一起。
当存储器602独立设置时,该电子设备600还包括总线603,用于连接存储器602和处理器601。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上的定位方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种定位方法,其特征在于,基于传感器网络,所述传感器网络包括至少三个信标节点和若干个未知节点,所述方法包括:
获取所述所有节点的感知半径内的邻居节点的第一数量、所述所有相邻节点之间共有的邻居节点的第二数量以及所述信标节点的第一位置信息;
根据所述第一数量、所述第二数量以及所述感知半径获得任意两个相邻节点之间的跳数值;
根据所述任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及所述信标节点和所述未知节点之间的第二跳数值;
根据任意两个信标节点之间的第一跳数值以及所述第一位置信息获得每跳平均距离;
根据所述第二跳数值和所述每跳平均距离获得所述信标节点和所述未知节点之间的第一距离;
根据所述第一距离、所述第二跳数值以及所述第一位置信息获得所述未知节点的位置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一数量、所述第二数量以及所述感知半径获得任意两个相邻节点之间的跳数值,具体包括:
根据第一公式获得任意两个相邻节点之间的跳数值,其中,第一公式为R为节点的感知半径,为节点i和节点j之间的估计距离,且NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数。
3.根据权利要求1所述的方法,其特征在于,所述根据任意两个信标节点之间的第一跳数值以及所述第一位置信息获得每跳平均距离,具体包括:
根据第二公式获得所述每跳平均距离,其中,所述第二公式为其中,(xi,yi)为信标节点i的位置,(xj,yj)为信标节点j的位置,Ni是与信标节点i连通的信标节点的个数,CHij是信标节点i和信标节点j之间的跳数值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二跳数值和所述每跳平均距离获得所述信标节点和所述未知节点之间的第一距离,具体包括:
根据第三公式获得所述第一距离,其中,所述第三公式为:dik=AvgDisk*CHik,AvgDisk是未知节点k的每跳平均距离,CHik是信标节点i与未知节点k之间的跳数值。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述第一距离、所述第二跳数值以及所述第一位置信息获得所述未知节点的位置信息,具体包括:
随机生成第0代初始化种群以及种群的最大迭代次数G,其中,所述第0代初始化种群包括若干个个体,所述个体用于表示未知节点的位置信息;
根据目标函数获得第g代种群中个体的适应值,其中,目标函数根据所述第一距离、所述第二跳数值以及所述第一位置信息获得,g的初始值为0;
根据种群中个体适应值对第g代种群中个体进行变异处理和交叉处理,以获得子种群;
根据目标函数获得所述子种群中个体的适应值;
比较所述子种群中个体的适应值和所述第g代种群中个体的适应值,获得第g+1代种群,并更新种群的迭代代数;
重复对种群进行变异处理和交叉处理,直至种群的迭代代数等于所述最大迭代次数G为止;
从第G代种群中选择适应值最好的个体作为所述未知节点的位置信息。
6.根据权利要求5所述的方法,其特征在于,所述根据目标函数获得所述第g代种群中个体的适应值和所述子种群中个体的适应值,具体包括:
根据第四公式获得所述第g代种群中个体的适应值和所述子种群中个体的适应值,其中,所述第四公式为:(xi,yi)是信标节点i的位置,是未知节点k的估计位置,Nk是与未知节点k连通的信标节点的个数,CHik是信标节点i和未知节点k之间的跳数值,dij为节点i和节点j之间的距离。
7.一种定位装置,其特征在于,所述装置包括:
获得模块,用于获取所有节点的感知半径内的邻居节点的第一数量、所述所有相邻节点之间共有的邻居节点的第二数量以及信标节点的第一位置信息;
获得模块,用于根据所述第一数量、所述第二数量以及所述感知半径获得任意两个相邻节点之间的跳数值;
所述获得模块还用于根据所述任意两个相邻节点之间的跳数值获得任意两个信标节点之间的第一跳数值以及所述信标节点和未知节点之间的第二跳数值;
所述获得模块还用于根据任意两个信标节点之间的第一跳数值以及所述第一位置信息获得每跳平均距离;
所述获得模块还用于根据所述第二跳数值和所述每跳平均距离获得所述信标节点和未知节点之间的第一距离;
所述获得模块还用于根据所述第一距离、所述第二跳数值以及所述第一位置信息获得所述未知节点的位置信息。
8.根据权利要求7所述的装置,其特征在于,所述获得模块具体用于:
根据第一公式获得任意两个相邻节点之间的跳数值,其中,第一公式为R为节点的感知半径,为节点i和节点j之间的估计距离,且NOj为节点j的邻居节点个数,NOij为节点i和节点j共有的邻居节点个数。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
其中,所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至7任一项所述的定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7任一项所述的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910400767.6A CN110225447A (zh) | 2019-05-14 | 2019-05-14 | 定位方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910400767.6A CN110225447A (zh) | 2019-05-14 | 2019-05-14 | 定位方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110225447A true CN110225447A (zh) | 2019-09-10 |
Family
ID=67821018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910400767.6A Pending CN110225447A (zh) | 2019-05-14 | 2019-05-14 | 定位方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110225447A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231911A (zh) * | 2011-06-28 | 2011-11-02 | 南京工业大学 | 一种距离感知的无线传感器网络多维定标定位方法 |
EP2584372A1 (en) * | 2011-10-17 | 2013-04-24 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | RSS based positioning method with limited sensitivity receiver |
US20130155904A1 (en) * | 2010-04-30 | 2013-06-20 | Rajeev K. Dokania | Methods and apparatus for event detection, propagation and localization using uwb impulse radios |
CN103619062A (zh) * | 2013-11-29 | 2014-03-05 | 清华大学 | 野外环境无线传感网络中未知节点的定位方法 |
US20140256353A1 (en) * | 2011-10-17 | 2014-09-11 | Commissariat A L'energie Atomique Et Aux Ene Alt | Channel-type supervised node positioning method for a wireless network |
CN104202816A (zh) * | 2014-08-22 | 2014-12-10 | 西北大学 | 大规模3d无线传感器网络基于凸划分的节点定位方法 |
CN107623895A (zh) * | 2017-08-22 | 2018-01-23 | 哈尔滨工程大学 | 一种三角距离估计的水下传感器网络定位方法 |
CN108737981A (zh) * | 2018-05-04 | 2018-11-02 | 广州杰赛科技股份有限公司 | 基于无线传感器网络的三维定位方法、装置和系统 |
CN108924755A (zh) * | 2018-06-29 | 2018-11-30 | 合肥工业大学 | 基于免疫粒子群优化的dv-hop室内定位方法 |
-
2019
- 2019-05-14 CN CN201910400767.6A patent/CN110225447A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130155904A1 (en) * | 2010-04-30 | 2013-06-20 | Rajeev K. Dokania | Methods and apparatus for event detection, propagation and localization using uwb impulse radios |
CN102231911A (zh) * | 2011-06-28 | 2011-11-02 | 南京工业大学 | 一种距离感知的无线传感器网络多维定标定位方法 |
EP2584372A1 (en) * | 2011-10-17 | 2013-04-24 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | RSS based positioning method with limited sensitivity receiver |
US20140256353A1 (en) * | 2011-10-17 | 2014-09-11 | Commissariat A L'energie Atomique Et Aux Ene Alt | Channel-type supervised node positioning method for a wireless network |
CN103619062A (zh) * | 2013-11-29 | 2014-03-05 | 清华大学 | 野外环境无线传感网络中未知节点的定位方法 |
CN104202816A (zh) * | 2014-08-22 | 2014-12-10 | 西北大学 | 大规模3d无线传感器网络基于凸划分的节点定位方法 |
CN107623895A (zh) * | 2017-08-22 | 2018-01-23 | 哈尔滨工程大学 | 一种三角距离估计的水下传感器网络定位方法 |
CN108737981A (zh) * | 2018-05-04 | 2018-11-02 | 广州杰赛科技股份有限公司 | 基于无线传感器网络的三维定位方法、装置和系统 |
CN108924755A (zh) * | 2018-06-29 | 2018-11-30 | 合肥工业大学 | 基于免疫粒子群优化的dv-hop室内定位方法 |
Non-Patent Citations (3)
Title |
---|
LAIZHONG CUI等: "A high accurate localization algorithm with DV-Hop and differentialevolution for wireless sensor network", 《APPLIED SOFT COMPUTING 68(2018)》 * |
庄放望: "多维标度定位及移动锚节点凸规划定位算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
赵进: "无线传感器网络基于邻近度的粒子群优化定位算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106964156B (zh) | 一种寻路方法以及装置 | |
CN105338619B (zh) | 定位方法及装置 | |
CN111867049A (zh) | 定位方法、装置及存储介质 | |
Del Mundo et al. | A comparison of wireless fidelity (Wi-Fi) fingerprinting techniques | |
CN102665274B (zh) | 传感器网络节点的定位方法及装置 | |
CN111181792B (zh) | 基于网络拓扑的sdn控制器部署方法、装置及电子设备 | |
Manjarres et al. | On the design of a novel two-objective harmony search approach for distance-and connectivity-based localization in wireless sensor networks | |
CN106597370A (zh) | 一种基于rfid的室内无线定位方法 | |
CN103369670A (zh) | 一种基于跳数优选的改进DV-Hop定位方法 | |
CN107222925A (zh) | 一种基于聚类优化的节点定位方法 | |
Kaur et al. | A new localization using single mobile anchor and mesh-based path planning models | |
CN104994578B (zh) | 基于修正的仿真曲线拟合的非测距定位方法 | |
CN110225447A (zh) | 定位方法、装置、设备以及存储介质 | |
Jia et al. | A high accuracy localization algorithm with DV-Hop and fruit fly optimization in anisotropic wireless networks | |
CN103869278A (zh) | 基于测距的多目标定位方法及装置 | |
CN104065737A (zh) | 确定服务节点部署方案的方法和系统 | |
CN103096468A (zh) | 一种无线传感器网络基于节点密度的节点定位算法 | |
Kashniyal et al. | A new patch and stitch algorithm for localization in wireless sensor networks | |
Chen et al. | A low-cost anchor placement strategy for range-free localization problems in wireless sensor networks | |
Lin et al. | Applying an immune ant colony system algorithm to solve an integrated flexible bay facility layout problem with input/output points design | |
US8281006B2 (en) | Connection state estimating device, connection state estimating method and storage medium | |
CN109874149A (zh) | 移动终端的定位方法、装置及计算机可读存储介质 | |
Mehta et al. | Localization of Sensor Node by Novel Quantum Walk-Pathfinding Rider Optimization (QWPRO) by Mobile Anchor Node | |
CN104540095B (zh) | 基于传播误差最小原理的锚节点数量受限时的定位方法 | |
Shioda et al. | Connectivity-based sensor localization for anisotropic networks by stress relaxation |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |
|
RJ01 | Rejection of invention patent application after publication |