CN110297212A - 基于Voronoi图的室外分组测试定位方法及系统 - Google Patents

基于Voronoi图的室外分组测试定位方法及系统 Download PDF

Info

Publication number
CN110297212A
CN110297212A CN201910620471.5A CN201910620471A CN110297212A CN 110297212 A CN110297212 A CN 110297212A CN 201910620471 A CN201910620471 A CN 201910620471A CN 110297212 A CN110297212 A CN 110297212A
Authority
CN
China
Prior art keywords
node
anchor
voronoi diagram
anchor node
outdoor
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
Application number
CN201910620471.5A
Other languages
English (en)
Other versions
CN110297212B (zh
Inventor
李光明
许孟徽
彭捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weihai Yunshan Engineering Technology Co Ltd
Shandong University
Original Assignee
Weihai Yunshan Engineering Technology Co Ltd
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Weihai Yunshan Engineering Technology Co Ltd, Shandong University filed Critical Weihai Yunshan Engineering Technology Co Ltd
Priority to CN201910620471.5A priority Critical patent/CN110297212B/zh
Publication of CN110297212A publication Critical patent/CN110297212A/zh
Application granted granted Critical
Publication of CN110297212B publication Critical patent/CN110297212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于Voronoi图的室外分组测试定位方法及系统，该方法包括以下步骤：在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；对所有锚节点进行多次随机分组，得到若干组锚节点；分别以每组锚节点作为母点构建Voronoi图；判断当前待定位节点在每个Voronoi图内的驻留区域；采用网格扫描法计算当前待定位节点的定位坐标；重复以上步骤，直到得到所有待定位节点的定位坐标。

Description

基于Voronoi图的室外分组测试定位方法及系统
技术领域
本公开涉及室外定位技术领域，具体涉及一种非测距的基于Voronoi图的分组测试定位方法及系统。
背景技术
定位技术作为一种无线传感器网络的关键技术，是目前该领域的热点研究问题之一。传感器节点的位置不仅是无线传感器网络应用的关键依据，一些重要的路由协议的设计同样基于节点位置信息。
目前最常用的一种是根据是否需要测量锚节点与待定位节点间的距离或角度等，将定位算法分为基于测距(range-based)的定位算法和非测距(range-free)的定位算法。
range-based定位算法是较早提出的一类定位算法，需要直接测量点对点的距离或角度信息，目前普遍采取的测距方法有基于到达信号时间的TOA，基于到达信号时间差的TDOA，基于到达角度的AOA，基于信号传播损耗模型的RSSI。此类定位算法定位精度较高，但需要携带特定的硬件设备，实施困难且成本较高。range-free定位算法，不需要测量点对点的距离和角度，大部分测距无关的算法通常基于网络连通性或者区域限制等实现位置估计此类算法实施简单，可扩展性较强，适用于低功耗、低成本的应用领域因此测距无关的定位算法目前备受关注。然而，在目前存在的range-free定位算法中，通常需要较高节点密度和锚节点密度，达到所需定位精度和定位覆盖率。因此，如何使用尽量少的锚节点实现更高精度的定位精度和定位覆盖率，以及降低定位能耗仍是待解决的技术问题。
发明内容
为了克服上述现有技术的不足，本公开提供了一种基于Voronoi图的室外分组测试定位方法及系统，采用对数路径损耗模型下待定位节点接收到的信号强度，结合对锚节点的分组，构建每组锚节点的Voronoi图，判定待定位节点所属驻留区域，通过几何限制区域质心完成待定位节点的定位。
本公开一方面提供的基于Voronoi图的室外分组测试定位方法的技术方案是：
一种基于Voronoi图的室外分组测试定位方法，该方法包括以下步骤：
在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；
获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；
对所有锚节点进行多次随机分组，得到若干组锚节点；
分别以每组锚节点作为母点构建Voronoi图；
判断当前待定位节点在每个Voronoi图内的驻留区域；
采用网格扫描法计算当前待定位节点的定位坐标；
重复以上步骤，直到得到所有待定位节点的定位坐标。
本公开另一方面提供的基于Voronoi图的室外分组测试定位系统的技术方案是：
一种基于Voronoi图的室外分组测试定位系统，该系统包括：
节点设置模块，用于在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；
定位判断模块，用于获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；
锚节点分组模块，用于对所有锚节点进行多次随机分组，得到若干组锚节点；
Voronoi图构建模块，用于分别以每组锚节点作为母点构建Voronoi图；
区域限制模块，用于判断当前待定位节点在每个Voronoi图内的驻留区域；
节点坐标计算模块，用于采用网格扫描法计算当前待定位节点的定位坐标。
本公开另一方面提供的一种计算机可读存储介质的技术方案是：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的基于Voronoi图的室外分组测试定位方法中的步骤。
本公开另一方面提供的一种计算机设备的技术方案是：
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的基于Voronoi图的室外分组测试定位方法中的步骤。
通过上述技术方案，本公开的有益效果是：
(1)本公开采用对数路径损耗模型下待定位节点接收到的信号强度，结合对锚节点的分组，构建每组锚节点的Voronoi图，判定待定位节点所属驻留区域，通过几何限制区域质心完成待定位节点的定位，不容易受信号衰落与信号传播误差积累的影响，可扩展性强；
(2)现有的区域测试的定位算法中区域限制通常建立在节点之间的通信的基础，这些算法均因不规则的通信环境导致区域边缘效应，进而导致定位误差增大；而本公开的限制区域是明确的，直接以锚节点为母点作Voronoi图，以接收到的RSS大小来判断节点的限制元胞区域，使得估计区域仅与接收到的RSS大小相关；
(3)本公开只需待定位节点至少获取1个来自锚节点的信标消息，就可通过多次分组完成节点定位，提高了定位覆盖率；
(4)使用网格扫描算法求解待定位节点坐标，减少了区域无交集和区域误判对定位精度的影响，同时降低了计算复杂度。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。
图1是实施例一室外分组测试定位方法的流程图一；
图2是实施例一室外分组测试定位方法的流程图二；
图3是实施例一中接收信号强度与距离d关系图；
图4是实施例一中对数路径损耗模型在不同传输距离上统计柱状图；
图5是实施例一中Voronoi图；
图6是实施例一中Voronoi图与Delaunay三角网对偶图；
图7为实施例一中判断待定位节点所属驻留区域的示例图；
图8是实施例一中网格扫描法示意图；
图9是实施例一中室外分组测试定位方法定位原理图；
图10(a)是实施例一中定位区域内节点分布图；
图10(b)是实施例一中Centroid算法定位误差图；
图10(c)是实施例一中APIT算法定位误差图；
图10(d)是实施例一中本实施例提出的定位方法定位误差图；
图11是实施例一中C型拓扑节点分布图；
图12是实施例一中C型拓扑下本实施例提出的定位方法定位结果图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
针对信号不规则传输环境及大范围室外开阔区域的应用环境，本实施例提供一种非测距的基于Voronoi图的室外分组测试定位方法，首先，在定位区域内布置少量已知自身位置的锚节点，锚节点通过对数路径损耗信号传播模型向待定位节点广播信标消息；其次，提出一种全新的几何区域限制方法，来确定待定位节点最可能驻留区域；然后，采用网格扫描算法求取区域质心作为节点估计位置；最后，选择另外两种测距无关的定位算法进行算法性能比较，证明本实施例提出的方法明显提高了定位精度与定位覆盖率。
请参阅附图1和2，本实施例提出的基于Voronoi图的室外分组测试定位方法包括以下步骤：
S101，设置定位区域，在定位区域内随机分布多个携带GPS定位设备和发射器的锚节点以及未知位置的若干个待定位节点。
具体地，设置定位区域S、节点总个数Nto、锚节点个数Na、锚节点比率ra、锚节点最大GPS误差EGPS、待定位节点通信半径R、待定位节点定位响应参数flag(ε),以及适用于应用环境的信号传播模型参数等。
S102，获取每个锚节点的位置坐标，通过对数路径损耗信号传播模型向定位区域内待定位节点广播锚节点的信标消息，获取待定位节点信号接收到的锚节点广播的信标信息，并存储到待定位节点管理存储表中。
具体地，所述步骤102的具体实现方式如下：
S102-1，通过GPS设备获取随机分布的锚节点位置坐标，本实施例采用载波定位精度，GPS定位设备平均误差取0.1m。
S102-2，通过对数路径损耗信号传播模型向定位区域内待定位节点广播锚节点的信标消息，待定位节点的自身编号以及接收到的信标信息存储到待定位节点管理存储表中。
本实施例采用常用的无线信号RSSI对数路径损耗模型作为距离传输模型，其公式为(1)。
式中，Pr(d)dBm表示距离发射信号的锚节点距离为d处的待定位节点信号接收强度；PL(d0)dBm表示距发射节点单位距离d0(通常指1m)处的信号强度；η为无线路径损耗系数，指信号传强度随距离增加而衰减的速度，其主要取决于信号传播环境，按相关研究实验结果，η通常取值2到4之间；d为待定位节点到参考锚节点的距离；Xσ为高斯随机变量，其均值为0，标准差为σ。
图3给出了常规模型与对数路径损耗模型的接收信号强度与传播距离的关系图。可以发现随着距离的增加，信号强度衰减速度逐渐减慢，整体呈对数形式衰减。
图4给出了对数路径损耗信号传播模型相同RSS信号的点到发送节点距离的统计量，可以发现随着距离增加，距离标准差逐渐增大，从数据方面说明随着距离的增大，对数路径损耗模型传输更加不规则。
待定位节点侦听到信标消息后存储锚节点ID、坐标及相应的接收信号强度，待定位节点管理存储表如表1所示。
表1待定位节点管理存储表
id flag ID X<sub>i</sub> Y<sub>i</sub> RSS
其中，id为待定位节点自身编号，ID与(Xi,Yi)为待定位节点接收到的信标消息中对应的锚节点编号与坐标，RSS为待定位节点接收到的信号强度。
S102-3，设置定位响应参数，根据待定位节点侦听到信标消息的个数确定定位响应参数，根据定位响应参数，判断待定位节点目前所处的定位状态。
在本实施例中，设置定位响应参数ε表征待定位节点在定位过程中的定位状态，初始值设置为0，定位过程中的具体赋值见公式(2)。
其中，n为锚节点广播消息结束时，待定位节点接收到信标消息的个数。
ε＝2的待定位节点进入步骤103，等待定位，对于ε＝1的待定位节点，表示待定位节点未接收到任何信标消息，如果没有任何定位补充机制，则意味着定位失败。
S103，待定位节点接收到信标消息后，对锚节点进行分组。
在本实施例中，锚节点的分组应遵循以下几个原则：
(1)定位区域面积较大，锚节点个数要适中。
锚节点越多，区域划分越小，对节点位置的限制越小，有利于提升定位精度。但是锚节点个数增多，计算复杂度随之增大。
(2)锚节点选取不能过于集中，节点在区域分布内越均匀，越有利于区域的划分与判断。
(3)对于每个分组中，至少包含一个当前待定位节点所接收的锚节点，作为判断元胞区域的依据，否则本次分组对该节点判定无效，既造成能耗浪费又增大定位误差。
假设待定位节点所获取信标消息中对应的m个锚节点集合为B，当前包含p个锚节点的分组集合为I，需满足公式(3)。
(4)锚节点分组要包含所有锚节点，即假设定位区域内所有锚节点的集合为全集U，所有分组为Ii，需满足公式(4)。
U＝I1∪I2∪...Ii(4)
按照以上4个原则，本实施例采取每次将定位区域内所有锚节点随机分为两组，一共执行T次，因此锚节点组数(Number of groups，K)为K＝2T。假设区域内一共布置Na个锚节点，则第一组随机取p个锚节点，计算公式见(5)，第二组锚节点个数则为Nan-p。
经过实验验证，K＝6为锚节点分组数最佳选择。
S104，构建每组锚节点的Voronoi图。
Voronoi图是数学上一种基于距离的平面域划分方法，假设P是平面域上的n个离散点的集合，表示为P＝{P1,P2,...Pn}，将平面域V划分为以这n个离散点作为母点的n个子区域，表示为V(P)＝{V(P1),V(P2),...V(Pn)}，每个子区域称其为元胞(Voronoi cell)，第i个cell的数学表达形式见公式(6)。
V(Pi)＝{g∈R2:||g-pi||≤||g-pj||,j＝1,2…n且j≠i}(6)
其中，||g-pi||表示平面域上的点P和节点i之间的欧式距离。由公式(6)中可知，Voronoi多边形内的任意点到节点Pi的距离比到点集P中的任何其他节点的距离更近图5为平面域内的Voronoi图示例。
本实施例基于Voronoi距离最近的性质，比较待定位节点获取锚节点的RSS值，判断待定位节点所属元胞。
本实施例利用Delaunay三角网与Voronoi图的对偶关系，先对点集进行Delaunay三角剖分，由剖分后的三角网构建Voronoi图。
图6为平面域内对散点集先进行三角剖分之后构建Voronoi图的示例。
具体地，每组锚节点的Voronoi图的构建方法具体为：
S104-1，获取每组锚节点中每个锚节点的编号ID及其位置坐标。
S104-2，以每组锚节点中每个锚节点为母点进行Voronoi图划分，存储有正方形区域边界限制的每个元胞，对每个凸多边形子区域顶点进行逆时针顺序存储，形成完整封闭图形，用于步骤105中的网格中心判断。
S105，判断待定位节点所属的限制区域。
具体地，提取待定位节点管理存储表中存储待定位节点的对应本组锚节点中锚节点ID对应的RSS值，以该组锚节点作Voronoi图，假设某待定位节点Ui侦听到来自3个锚节点的信标消息，接收到的信号强度分别为RSSi1,RSSi2,RSSi3，假设有RSSi3>RSSi1>RSSi2，认为待定位节点Ui距锚节点P3最近，判定该节点在以P3为母点的元胞内。当K组区域判定结束后，产生K次区域限制，最终获得一个待定位节点驻留几率最大的区域。
图7为判断待定位节点所属限制区域的示例。
S106，采用网格扫描法求取多个限制区域的交叠区域的质心。
本实施例采用网格扫描法求交叠区域质心，一方面可以解决K层分组后的元胞区域无交集，导致无法定位的情况；另一方面可以减少测距误差导致的某次区域误判对定位结果的影响，减少误差积累。
本实施例采用网格扫描法求交叠区域质心，原理如图8所示，将边长为L的定位区域均匀分为W个边长为l的正方形网格G＝{G1,G2,...GW}。本实施例的网格边长根据相关研究结果取待定位节点通信半径R的0.1倍，即l＝0.1R。
假设Ci是每个网格中心的权重值，表征当前定位节点位于该区域内的机会，Ci越大说明节点位于该网格的机会越大。设置Ci初始值为0。每次分组中，判断每个网格与当前观察区域的位置关系，内部赋予权重+1，外部赋予权重-1，当所有分组判定结束后，认为权重最大的网格是待定位节点最可能驻留的区域，计算最大权值对应的所有网格中心点的坐标均值作为待定位节点的定位坐标。
选取权重最大值对应所有N个网格中心坐标(xi,yi)的平均值，作为待定位节点的估计位置，可由公式(7)计算待定位节点估计位置坐标为(Xest,Yest)。
本实施例提出的定位方法原理如图9所示。以锚节点2次分组为例，经过2次Voronoi Diagram，判断未知节点位于2个Voronoi cell内部，两层区域叠加后，求取质心作为未知节点估计位置。
实验验证
本实施例还提出的了对上述的基于Voronoi图的室外分组测试定位方法的仿真实验，具有包括以下步骤：
(1)定义评价指标
假设定位区域内第i个待定位节点的实际位置坐标为(Xi,Yi)，用本文方法定位的估算位置坐标为(Xest,Yest)。则定义以下几个表征算法性能的参数。
定位误差(Averange estimate error，Ea)：距离误差相对于通信半径R的大小，用估算误差可以很方便地比较在不同通信半径下的定位误差的变化。计算公式见(8)。
其中N’u可完成定位节点个数。
定位覆盖率(Estimation percentage，EP):定位区域内已定位待定位节点个数k占所有待定位节点个数Nu百分比。计算公式见(9)。
(2)仿真环境设置
本实验假设实验环境在室外开阔区域，分别采用正方形随机分布与C型拓扑两种定位区域，分析验证本实施例提出的室外分组测试定位方法的有效性。在定位区域内随机布置Nu个待定位节点，Na个锚节点，表2给出了基本的仿真环境参数选择，在以后的仿真实验中，将根据需求改变其他参数变量，并给出具体数值。
表2基本仿真参数选择
(3)正方形内随机分布时，本实施例提出的定位方法、Centroid、APIT算法对比。
在本实施例，完成了在正方形区域内节点随机分布时，本实施例提出的定位方法、质心算法(Centroid)和APIT算法三种算法的仿真比较，实验发现当达到一定的锚节点密度时，同样的锚节点密度下，本实施例提出的定位方法能实现更高的定位精度和节点定位覆盖率。
在相同分部条件下，三种算法的定位结果对比图如图10(a)、10(b)、10(c)、10(d)所示。图10(a)、10(b)、10(c)、10(d)分别给出了监测区域内节点分布图及三种算法的节点估计位置与节点实际位置对比图。表3给出了图10(a)、10(b)、10(c)、10(d)中三种定位算法定位结果。
表3相同分布条件下三种算法对比
如图10(a)所示，定位区域内随机布置140个节点，ra40％，节点同构，R为20m，EGPS为0.1m。
如图10(b)、图10(c)、图10(d)及表5所示，Centroid算法定位覆盖率较高，但定位精度最低；APIT算法在此条件下定位精度适中，定位覆盖率最低；本实施例提出的定位方法定位精度最高，定位覆盖率最高。
因为本实施例提出的定位方法中，只要能侦听到大于1个(包含1个)来自于锚节点的信标消息就可以完成定位，当然此时可能出现定位误差较大得情况(0.5R≤Ea≤1.35R)，但是这一类定位误差在合理范围内。所以在相同节点分布条件下，本实施例提出的定位方法既能达到较高的定位覆盖率，又能减小定位误差。
(4)C型随机分布时，本实施例提出的定位方法、Centroid、APIT算法对比。
本节对C型节点分布区域进行仿真实验，在区域内共随机布置Nt＝100个节点，观察ra从10％到70％变化时，平均定位误差与定位覆盖率的变化趋势。表4为本节实验参数值。
表4仿真参数选择
C型拓扑结构下的节点分布图如图11所示，区域内待定位节点与锚节点都是随机分布。
图12给出了C型拓扑下本实施例提出的定位方法的定位结果图，本次平均定位误差为0.234R，定位覆盖率100％。本实施例提出的定位方法在估计的精度与覆盖率方面表现良好。
经过仿真实验验证，本实施例提出的基于Voronoi图的分组测试定位方法应用范围广泛，在节点分布均匀的正方形定位区域和分布不均匀的C型区域内，均表现出良好的定位精度与定位覆盖率，与其他两种测距无关的定位算法相比，本实施例提出的基于Voronoi图的分组测试定位方法不容易受信号衰落与信号传播误差积累的影响，可扩展性与应对GPS误差的稳定性更强。
实施例二
本实施例提供一种基于Voronoi图的室外分组测试定位系统，该系统包括：
节点设置模块，用于在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；
定位判断模块，用于获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；
锚节点分组模块，用于对所有锚节点进行多次随机分组，得到若干组锚节点；
Voronoi图构建模块，用于分别以每组锚节点作为母点构建Voronoi图；
区域限制模块，用于判断当前待定位节点在每个Voronoi图内的驻留区域；
节点坐标计算模块，用于采用网格扫描法计算当前待定位节点的定位坐标。
实施例三
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如图1或图2所示的基于Voronoi图的室外分组测试定位方法中的步骤。
实施例四
本实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如图1或图2所示的基于Voronoi图的室外分组测试定位方法中的步骤。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种基于Voronoi图的室外分组测试定位方法，其特征是，包括以下步骤：
在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；
获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；
对所有锚节点进行多次随机分组，得到若干组锚节点；
分别以每组锚节点作为母点构建Voronoi图；
判断当前待定位节点在每个Voronoi图内的驻留区域；
采用网格扫描法计算当前待定位节点的定位坐标；
重复以上步骤，直到得到所有待定位节点的定位坐标。
2.根据权利要求1所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述获取待定位节点接收到的锚节点广播的信标信息的步骤包括：
获取每个锚节点引入GPS定位误差后的位置坐标；
通过对数路径损耗模型向定位区域内所有待定位节点传播锚节点的信标消息，包括锚节点编号、锚节点引入定位误差后的位置坐标以及锚节点发送信号强度；
获取在对数路径损耗模型下待定位节点信号接收到的的锚节点信标信息，并存储到待定位节点管理存储表中；
对待定位节点管理存储表中存储的信息进行处理，得到待定位节点的定位响应参数，根据待定位节点的定位响应参数，判断当前待定位节点获取的信标消息个数是否大于0。
3.根据权利要求2所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述待定位节点管理存储表内存储的信息包括待定位节点编号、所接收的信标信息对应的锚节点编号和位置坐标以及待定位节点接收到的信号强度。
4.根据权利要求1所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述对所有锚节点进行多次随机分组的步骤包括：
将定位区域内所有锚节点随机分为两组，并执行多次，得到的每组锚节点中至少包含一个当前待定位节点所接收的信标信息对应的锚节点。
5.根据权利要求1所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述以每组锚节点作为母点构建Voronoi图的步骤包括：
获取每组锚节点中所有锚节点的编号以及其位置坐标；
根据每组锚节点的编号以及其位置坐标，对每组锚节点进行Delaunay三角剖分，得到剖分后的三角网；
利用剖分后的三角网构建Voronoi图，并存储有正方形区域边界限制的每个元胞区域，对每个凸多边形子区域顶点进行逆时针顺序存储，形成完整封闭图形。
6.根据权利要求1所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述判断当前待定位节点在每个Voronoi图内的限制区域的步骤包括：
根据当前待定位节点对应的每组中锚节点编号，从待定位节点管理存储表中提取所对应的接收信号强度，并从中选取每组锚节点对应的接收信号强度最大值；
对于每组锚节点对应的接收信号强度最大值，判定该待定位节点位于该组锚节点生成的Voronoi图中以接收信号强度最大值所对应的锚节点为母点的元胞限制区域内。
7.根据权利要求1所述的基于Voronoi图的室外分组测试定位方法，其特征是，所述采用网格扫描法计算当前待定位节点的定位坐标的步骤包括：
将定位区域均匀划分为多个正方形网格；
判断每个网格与所有限制区域的位置关系；
若网格的中心位于限制区域内，则网格中心的权重值加一，否则减一，直到所有网格均判断结束后，得到所有网格中心的权重值；
选取权重最大值对应的所有网格中心坐标；
计算权重值最大的所有网格中心点的坐标均值，并作为待定位节点的定位坐标。
8.一种基于Voronoi图的室外分组测试定位系统，其特征是，包括：
节点设置模块，用于在定位区域内随机分布多个已知位置的锚节点以及若干个未知位置的待定位节点；
定位判断模块，用于获取当前待定位节点接收到的锚节点广播的信标信息，判断当前待定位节点接收的信标消息个数是否大于0，若大于，则进入下一步定位过程；
锚节点分组模块，用于对所有锚节点进行多次随机分组，得到若干组锚节点；
Voronoi图构建模块，用于分别以每组锚节点作为母点构建Voronoi图；
区域限制模块，用于判断当前待定位节点在每个Voronoi图内的驻留区域；
节点坐标计算模块，用于采用网格扫描法计算当前待定位节点的定位坐标。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于Voronoi图的室外分组测试定位方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于Voronoi图的室外分组测试定位方法中的步骤。
CN201910620471.5A 2019-07-10 2019-07-10 基于Voronoi图的室外分组测试定位方法及系统 Active CN110297212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910620471.5A CN110297212B (zh) 2019-07-10 2019-07-10 基于Voronoi图的室外分组测试定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910620471.5A CN110297212B (zh) 2019-07-10 2019-07-10 基于Voronoi图的室外分组测试定位方法及系统

Publications (2)

Publication Number Publication Date
CN110297212A true CN110297212A (zh) 2019-10-01
CN110297212B CN110297212B (zh) 2023-06-30

Family

ID=68030739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910620471.5A Active CN110297212B (zh) 2019-07-10 2019-07-10 基于Voronoi图的室外分组测试定位方法及系统

Country Status (1)

Country Link
CN (1) CN110297212B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385757A (zh) * 2020-03-20 2020-07-07 浙江大学城市学院 一种用于室内定位WiFi指纹库设备异构性的消除技术
CN111854753A (zh) * 2020-06-02 2020-10-30 深圳全景空间工业有限公司 一种室内空间的建模方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765091A (zh) * 2010-01-14 2010-06-30 上海交通大学 基于泰森多边形的无线传感器网络定位方法
WO2016079656A1 (en) * 2014-11-18 2016-05-26 Egypt-Japan University Of Science And Technology Zero-calibration accurate rf-based localization system for realistic environments
CN105636198A (zh) * 2015-12-16 2016-06-01 吉林大学 一种基于apit测试的无线传感器网络定位算法
JP2018100929A (ja) * 2016-12-21 2018-06-28 日本電気株式会社 位置推定システム、位置推定装置、そのデータ処理方法、およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101765091A (zh) * 2010-01-14 2010-06-30 上海交通大学 基于泰森多边形的无线传感器网络定位方法
WO2016079656A1 (en) * 2014-11-18 2016-05-26 Egypt-Japan University Of Science And Technology Zero-calibration accurate rf-based localization system for realistic environments
CN105636198A (zh) * 2015-12-16 2016-06-01 吉林大学 一种基于apit测试的无线传感器网络定位算法
JP2018100929A (ja) * 2016-12-21 2018-06-28 日本電気株式会社 位置推定システム、位置推定装置、そのデータ処理方法、およびプログラム

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
孙继忠 等: "基于Delaunay三角剖分生成Voronoi图算法", 《计算机应用》 *
孙继忠 等: "基于Delaunay三角剖分生成Voronoi图算法", 《计算机应用》, vol. 30, no. 1, 31 January 2010 (2010-01-31), pages 77 *
张云洲 等: "结合共线性因素的无线传感器网络DV-Hop定位算法", 《东北大学学报（自然科学版）》 *
张云洲 等: "结合共线性因素的无线传感器网络DV-Hop定位算法", 《东北大学学报（自然科学版）》, vol. 35, no. 10, 31 October 2014 (2014-10-31), pages 1379 *
王继春 等: "基于Voronoi图的无需测距的无线传感器网络节点定位算法", 《计算机研究与发展》 *
王继春 等: "基于Voronoi图的无需测距的无线传感器网络节点定位算法", 《计算机研究与发展》, vol. 45, no. 1, 31 January 2008 (2008-01-31) *
袁风鹏: "无需测距的无线传感器网络定位算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
袁风鹏: "无需测距的无线传感器网络定位算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 11, 15 November 2010 (2010-11-15), pages 41 - 42 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111385757A (zh) * 2020-03-20 2020-07-07 浙江大学城市学院 一种用于室内定位WiFi指纹库设备异构性的消除技术
CN111385757B (zh) * 2020-03-20 2021-06-22 浙江大学城市学院 一种用于室内定位WiFi指纹库设备异构性的消除技术
CN111854753A (zh) * 2020-06-02 2020-10-30 深圳全景空间工业有限公司 一种室内空间的建模方法

Also Published As

Publication number Publication date
CN110297212B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN102158956B (zh) 一种在无线传感器网络中基于rssi的改进加权三边定位方法
CN106131797B (zh) 一种基于rssi测距的节水灌溉监测网络定位方法
Papamanthou et al. Algorithms for location estimation based on rssi sampling
CN102123495A (zh) 基于rssi校正的无线传感器网络质心定位算法
CN101873691A (zh) 基于连通性的无需测距的无线传感器网络节点定位方法
Wang et al. Research on APIT and Monte Carlo method of localization algorithm for wireless sensor networks
CN103249144B (zh) 一种基于c型的无线传感器网络节点定位方法
CN104965193A (zh) 一种基于网格加权的无线移动终端rssi定位方法
CN108737952A (zh) 基于rssi测距改进的多边形加权质心定位方法
CN104965189B (zh) 基于最大似然估计的室内人员定位方法
CN110297212A (zh) 基于Voronoi图的室外分组测试定位方法及系统
Zhang et al. Point in triangle testing based trilateration localization algorithm in wireless sensor networks
CN103592624A (zh) 一种基于接收信号强度的测距方法
CN113365214A (zh) 基于三边定位改进的无线传感器网络节点定位方法和装置
Liu Research on wsn node localization algorithm based on rssi iterative centroid estimation
CN104780507A (zh) 高精度aoa分簇定位方法
Xiu-fang et al. Improvement and simulation for a localization based on APIT
Xin Research on WSN Node Localization Algorithm Based on RSSI Iterative Centroid Estimation.
Aiping et al. A distributed localization scheme for wireless sensor networks based on bounding box algorithm
Li et al. A weighted centroid correction method for wireless sensor network based on GSO algorithm
Lu et al. An improved WSN localization algorithm
Zhang et al. Node scheduling algorithm based on grid for wireless sensor networks
García et al. Wireless sensor network localization using hexagonal intersection
Liu A Node Localization Algorithm based on Wireless Sensor Network
CN109884587A (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