CN110933594A - 一种面向农业边缘计算的改进DV-Hop定位方法 - Google Patents
一种面向农业边缘计算的改进DV-Hop定位方法 Download PDFInfo
- Publication number
- CN110933594A CN110933594A CN201911085219.5A CN201911085219A CN110933594A CN 110933594 A CN110933594 A CN 110933594A CN 201911085219 A CN201911085219 A CN 201911085219A CN 110933594 A CN110933594 A CN 110933594A
- Authority
- CN
- China
- Prior art keywords
- hop
- anchor
- node
- nodes
- anchor node
- 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
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
- H04W4/023—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
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向农业边缘计算的改进DV‑Hop定位方法,包括如下步骤:初始化无线传感器网络,将农田无线传感器网络中的所有锚节点进行编号,锚节点向四周发送信息分组,所述信息分组表示为[锚节点坐标,锚节点跳数值];直至无线传感器网络中所有节点获取到与全部锚节点之间的最小跳数;对锚节点之间的最小跳数进行分类,将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距;依据锚节点之间的最小跳数与平均跳距,计算未知节点与锚节点距离,进而计算未知节点的坐标。本发明可减小不同跳数之间平均每跳距离的差异,提高节点的定位精度。
Description
技术领域
本发明涉及无线传感器网络技术领域,特别涉及一种面向农业边缘计算的基于双通信的改进DV-Hop定位方法。
背景技术
边缘计算是随着无线传感器网络的规模化应用进而发展出的一种新模式,即让网络中的每个边缘设备都具备数据采集、分析计算,通信及智能处理能力。因此也就更加要求网络中节点位置的精确性。无线传感器网络(Wireless Sensor Networks,WSN)由大量传感器节点组成,这些能量有限的传感器节点通过无线链路相互连接,具有传感、计算和无线通信的能力。用于农情监测的无线传感器网络通常布置在环境复杂的大规模农田中,进而对大田农业的信息进行监测。在农情监测WSN中,一般部署着大量的小尺寸、廉价、功能强大的传感器节点,这些节点对本地环境信息和数据进行采集、处理以及转发,并且对相邻节点转发来的信息组进行存储、计算等操作。对WSN节点准确定位是边缘计算农情监测网络发挥作用的前提。目前,病虫害主要是通过使用化学产品来实现的,通过无线传感器网络中各个节点采集到的病虫害信息,可以实现农药的精确喷施,大大降低了农药损失。
无线传感器定位算法按测距与否可分为:基于测距(Range-based)和非基于测距(Range-free)两种。基于测距的定位算法需要测量节点之间的距离、角度等信息,其精度优势明显,但缺点是对传感器网络硬件要求较高,因此成本要求也较高。目前,典型的基于测距的定位算法包括:基于到达时间TOA(Time of Arrival)、基于到达时间差TDOA(TimeDifference of Arrival)、基于到达角度AOA(Angle of Arrival)、基于接收信号强度指示RSSI(Received Signal Strength Indicator)等。非基于距离的定位算法的精确度较低,但它的较低的网络硬件要求也大大降低了节点定位成本。在大范围农田无线传感器网络中,广泛采用非基于定位算法。一些典型的非基于测距定位算法有APIT、Centroid、Amorphous和DV-Hop,在这三种算法中,DV-Hop算法因其易操作、成本低、耗能少的特性是被使用较多的。
DV-Hop定位算法是一种通过节点之间的跳数来测量节点间距的非直接测距定位算法。使用传统DV-Hop定位的大致方法是:首先需要获取所有节点和锚节点的最小跳数,然后估算出平均跳距,再用平均跳距乘以跳数得到未知节点与锚节点的间距,最后通过极大似然估计法,对未知坐标进行估计。该方法的主要缺点仍是定位精度较差。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种面向农业边缘计算的改进DV-Hop定位方法,此方法可降低原DV-Hop定位算法由于最小跳数的距离并不完全相同导致的定位误差。
本发明的目的通过以下的技术方案实现:一种面向农业边缘计算的改进DV-Hop定位方法,包括如下步骤:
S1、初始化无线传感器网络,将农田无线传感器网络中的所有锚节点进行编号,锚节点向四周发送信息分组,所述信息分组表示为[锚节点坐标,锚节点跳数值];所有锚节点向四周发送信息分组,直至无线传感器网络中所有节点获取到与全部锚节点之间的最小跳数;
S2、对锚节点之间的最小跳数进行分类,将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距;
S3、依据锚节点之间的最小跳数与平均跳距,计算未知节点与锚节点距离,进而计算未知节点的坐标。
优选的,在计算每一集合BeaHop的平均跳距前赋予锚节点实际距离权值,两两锚节点距离越远,权值更大。
优选的,所述步骤S2具体包括如下步骤:
S2-1、设无线网络传感器网络中有n个锚节点Bea,HopNumi为锚节点Beai的初始跳数值,当所有节点获知自身到锚节点的最小跳数之后,锚节点i将自身的最小跳数集合HopnumSeti发送给汇聚节点进行跳数分类处理,i∈[1,n];
S2-2、distperhop(m)=fm(HopnumSet1,HopnumSet2,…,HopnumSetn)
其中,m表示锚节点间的最小跳数,distperhop(m)表示最小跳数为m跳的平均跳距,fm为分类器函数,输入n个锚节点的跳数集合HopnumSet1,HopnumSet2,…,HopnumSetn;第n个锚节点的跳数集合HopnumSetn内包含了锚节点Bean与其他锚节点的最小跳数集合hn1,hn2,hn3,…,hn(n-1);
S2-3、对集合内的数据进行分类处理,将HopnumSet1,HopnumSet2,…,HopnumSetn中最小跳数相同的一对锚节点归入同一集合,输出h个最小跳数一致的集合BeaHop1,BeaHop2,…,BeaHoph,h为锚节点间最小跳数集合中的最大值,BeaHoph={disBeaij,c},j∈[1,n],c表示锚节点i与锚节点j间的最小跳数值。
更进一步的,所述权重wi为:
其中,distBeaij表示锚节点i与锚节点j之间的实际距离,则加权后跳数为c跳的锚节点的平均跳距disperhop(c)为:
优选的,所述步骤S1中利用双通信半径的泛洪广播,使所有锚节点向四周发送信息,每个接收点接收到跳数值后比较存储的跳数值与接收到的跳数值,保留较小值后转发。
更进一步的,所述泛洪广播的步骤具体为:
S1-1、锚节点第一次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R/2,初始跳数值预设为0.5,接收到信息分组的节点保存位置信息和初始跳数值;
S1-3、锚节点延时固定时间T,第二次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R,初始跳数值预设为0;
S1-4、如果接收到信息分组的节点已存有此锚节点的位置坐标和初始跳数值0.5,那么忽略此次接收信息,然后将包含位置信息和跳数值为0.5的信息分组以通信半径R发送出去;
S1-5、如果接收到信息分组的节点没有接收到第一次发送的信息分组,则保存第二次发送锚节点的信息分组,并将跳数值加1后连同位置信息一起,以通信半径R发送出去;
S1-6、不断重复上述过程,接收节点只保留较小跳数值的信息分组,并将跳数值加1后广播,直至全部节点保存与锚节点的最小跳数值和锚节点的编号和位置信息。
优选的,所述步骤S3,计算未知节点和锚节点的距离为distperhop(k)*k,k为未知节点与锚节点之间的最小跳数,distperhop(k)为跳数为k跳的锚节点的平均跳距;
当跳数为k跳的锚节点没有对应的distperhop(k)时,用该锚节点所有跳数集合的平均跳距的平均值distperhopmean代替distperhop(k)。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明通过将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距,进而减小不同跳数之间平均每跳距离的差异,提高节点的定位精度。
2、本发明通过对平均跳距加权计算,未知节点与锚节点的跳数越大,就给与较大权值,从而增大平均跳距,即使得估算的平均跳距接近实际跳距,从而减小误差。
3、本发明通过使用双通信半径的泛洪广播,涵盖通信半径R时无法顺利接收信息的节点,使得最小跳数不再只是整数,进而使两节点之间的距离更精确。
4、本发明用锚节点所有跳数集合的平均跳距的平均值代替某一具体跳数缺失对应的平均跳距,简化计算步骤,精简计算量。
附图说明
图1是本发明实施例一种面向农业边缘计算的改进DV-Hop定位方法程图。
图2是本发明实施例5种定位方法的锚节点覆盖率和节点归一化平均定位误差的关系曲线图。
图3是本发明实施例5种定位方法的节点通信半径和节点归一化平均定位误差的关系曲线图。
图4是本发明实施例5种定位方法的网络中总节点数和节点归一化平均定位误差的关系曲线图。
图5是本发明锚节点无对应平均跳距情形演示图。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图详细描述本发明提供的实施例,但本发明的实施方式不限于此。
本发明实施例通过提供一种方法,解决了现有技术中的问题。
本发明实施例中的技术方案为解决上述的问题,总体思路如下:
传统DV-Hop节点定位算法易操作、成本低、耗能少,但是与此同时其定位误差不够精确。经过研究分析,其误差来源主要来自于两个方面:平均跳距和最小跳数。平均跳距是由锚节点间距除以锚节点最小跳数所得的。由于锚节点的坐标已知,所以锚节点间距容易准确得到,但这里的距离是两锚节点之间的直线距离,而实际上在DV-Hop算法中的距离是折线距离。另一方面,求未知节点与锚节点的间距时利用的是距离未知节点最近的锚节点的平均跳距乘以两节点之间的最小跳数,而实际上每一跳的距离都不尽相同,有些甚至差别很大,这也会造成一些不可忽视的误差。
因为在网络拓扑结构不规则时,不同跳数所计算出的平均每跳距离差别较大,而且这种差别会随着网络节点密度的不同而不同。本发明实施例通过将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距,进而减小不同跳数之间平均每跳距离的差异,提高节点的定位精度。
实施例
如图1所示,一种面向农业边缘计算的改进DV-Hop定位方法,包括如下步骤:
S1、初始化无线传感器网络,将无线传感器网络中的所有锚节点进行编号,锚节点向四周发送信息分组,所述信息分组表示为[锚节点坐标,锚节点跳数值];所有锚节点向四周发送信息分组,直至无线传感器网络中所有节点获取到与全部锚节点之间的最小跳数;
S1-1、锚节点第一次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R/2,初始跳数值预设为0.5,接收到信息分组的节点保存位置信息和初始跳数值;
S1-3、锚节点延时固定时间T,第二次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R,初始跳数值预设为0;
S1-4、如果接收到信息分组的节点已存有此锚节点的位置坐标和初始跳数值0.5,那么忽略此次接收信息,然后将包含位置信息和跳数值为0.5的信息分组以通信半径R发送出去;
S1-5、如果接收到信息分组的节点没有接收到第一次发送的信息分组,则保存第二次发送锚节点的信息分组,并将跳数值加1后连同位置信息一起,以通信半径R发送出去;
S1-6、不断重复上述过程,接收节点只保留较小跳数值的信息分组,并将跳数值加1后广播,直至全部节点保存与锚节点的最小跳数值和锚节点的编号和位置信息。
也可采用传统的广播方式,将无线传感器网络中的所有锚节点进行编号,锚节点向四周发送信息分组,包括自身编号、坐标信息和跳数,其中跳数预设为0。能够接收到信息的其他节点将信息保存并将跳数值加1后继续向四周发送信息分组,如果节点接收到另外的更大跳数的信息,则忽略不计。这样也能使无线传感器网络中所有节点获取到与全部锚节点之间的最小跳数。
求得最小跳数后,便可按照前文已述步骤,通过对最小跳数进行分类加权处理,求得最小跳数为k跳的平均跳距distperhop(k),进而可以估算出未知节点与锚节点的间距,最终实现对未知节点坐标的定位。
S2、对锚节点之间的最小跳数进行分类,将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距,具体而言:
S2-1、设无线网络传感器网络中有n个锚节点Bea,HopNumi为锚节点Beai的初始跳数值,当所有节点获知自身到锚节点的最小跳数之后,锚节点i将自身的最小跳数集合HopnumSeti发送给汇聚节点进行跳数分类处理,i∈[1,n];
S2-2、distperhop(m)=fm(HopnumSet1,HopnumSet2,…,HopnumSetm)
其中,m表示表示锚节点间的最小跳数,distperhop(m)表示最小跳数为m跳的平均跳距,fm为分类器函数,输入n个锚节点的跳数集合HopnumSet1,HopnumSet2,…,HopnumSetn;第n个锚节点的跳数集合HopnumSetn内包含了锚节点Bean与其他锚节点的最小跳数集合hn1,hn2,hn3,…,hn(n-1);
S2-3、对集合内的数据进行分类处理,将HopnumSet1,HopnumSet2,…,HopnumSetn中最小跳数相同的一对锚节点归入同一集合,输出h个最小跳数一致的集合BeaHop1,BeaHop2,…,BeaHoph,h为锚节点间最小跳数集合中的最大值,BeaHoph={disBeaij,c},j∈[1,n],c表示锚节点i与锚节点j间的最小跳数值,distBeaij表示锚节点i与锚节点j之间的实际距离。
在计算每一集合的平均跳距前赋予锚节点实际距离权值,两两锚节点距离越远,权值更大。所述权重wi为:
其中,distBeaij表示锚节点i与锚节点j之间的实际距离,则加权后跳数为c跳的锚节点的平均跳距disperhop(c)为:
S3、依据锚节点之间的最小跳数与平均跳距,计算未知节点与锚节点距离,进而计算未知节点的坐标;
计算未知节点和锚节点的间距为distperhop(k)*k,k为未知节点与锚节点之间的最小跳数,distperhop(k)为跳数为k跳的锚节点的平均跳距;
当跳数为k跳的锚节点没有对应的distperhop(k)时,用该锚节点对应的跳数集合HopnumSet的平均跳距的平均值distperhopmean代替distperhop(k);如图5所示,D1,D2,D3为三个锚节点。由图5易知锚节点D1、D2最小跳数为2跳,锚节点D1、D3最小跳数为6跳,锚节点D2、D3最小跳数为5跳,而未知节点M距离三个锚节点的最小跳数包括了:2跳、3跳,因此不存在的最小跳数为3跳,此时即用distperhopmean代替distperhop(3)。
估算位置节点的位置,当未知节点获得n个锚节点的距离时,列欧式距离方程组,其中n≥3;通过最小二乘估计求解方程,其中i∈[1,n];
利用三边测量法计算未知节点的坐标;根据计算的未知节点与锚节点间距,可列方程组如下:
通过代数转换,式(1)的线性方程表示方式为:
AX=B (2)
其中:
此外,最小二乘解可以表示如下:
X=(ATA)-1ATB (6)
式中(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4),(x5,y6)、……(xn,yn)分别为锚节点的坐标,它们到未知节点的距离分别为d1、d2、d3、d4、d5、d6……dn,未知节点的坐标为(x,y)。
下面以一具体实例操作上述步骤。
本文选择100m×100m的正方形区域麦田,随机布置传感器节点到麦田内通过测量记录各个节点的坐标,锚节点用来作为已知条件,未知节点的测量坐标与估算坐标比较以判定误差大小。分别观察研究锚节点覆盖率、通信半径以及总节点数对不同算法定位误差的影响。
定义平均定位误差(Meanerror)为全部未知节点的估计坐标和实际坐标差值的平均值:
其中(x′i,y′i),(xi,yi)分别是未知节点的估计坐标和实际坐标,K为仿真次数,Un为带定位节点总数。为了排除随机性的影响,每种实验分别进行10次,然后取平均值。
式中,为未知节点a的估计坐标,(x,y)为节点a在定位区域中实际坐标,N为定位区域中未知节点的个数。
图2所示是锚节点覆盖率和节点归一化平均定位误差的关系曲线图,图2中DV-Hop代表传统DV-Hop定位方法;2M-DV-Hop代表只采用双通信半径而不进行跳数分类加权的定位方法;C-DV-Hop代表在单通信半径情况下采用跳数不加权分类的定位方法;CW-DV-Hop代表在单通信半径情况下采用跳数加权分类的定位方法;MCW-DV-Hop代表在双通信半径情况下采用跳数加权分类的定位方法(即本发明提出的定位方法)。实验区域中共100个节点,通信半径R设定为30m,锚节点数依次为20、25、30、35、40、45个。
由图2可知,5种方法的定位误差随着锚节点覆盖率的增大而减小,尤其是锚节点覆盖率从20%增加到25%时,定位误差下降均比较明显。当锚节点覆盖率大于35%时,随着锚节点密度增大,5种方法的定位误差趋于平稳。另外注意到,在锚节点覆盖率从25%增加到45%的整个过程中,5种方法的定位性能都符合:MCW-DV-Hop>CW-DV-Hop>C-DV-Hop>2M-DV-Hop>DV-Hop,本文提出的MCW-DV-Hop定位方法性能在五种方法中是最优的,这是由于本文的跳数分类后的加权处理使得不同跳数的平均跳距更加精确。
图3是节点通信半径和节点归一化平均定位误差的关系曲线图,在锚节点覆盖率为30%的情况下,网络中共100个节点。从图3可知,当网络节点总数确定时,节点通信半径越小,网络的拓扑分布越不规则;但随着节点通信半径的增大,位于节点通信半径内的节点增多,从而改善网络拓扑的分布不均,规则拓扑有效提高定位精度。由仿真结果可知,5种方法的定位误差随着节点通信半径的增大而减小。当节点通信半径20增加到30时,5种方法定位误差下降比较明显,且在此阶段,MCW-DV-Hop定位方法定位性能要明显优于CW-DV-Hop定位方法,继续增大R时优势变小。当通信半径大于30时,随着通信半径R增大,5种方法的定位误差趋于平稳。原因是节点的通信半径越大,位于节点通信范围内的节点就越多,从而网络拓扑将变得更加规则;但节点的通信半径增加到一定的值后,对节点的路径选择已经没有太大的影响,所以定位性能趋于平稳。在通信半径从20增大到50的过程中,5种方法的定位性能都符合:MCW-DV-Hop>CW-DV-Hop>C-DV-Hop>2M-DV-Hop>DV-Hop,在通信半径为30时DV-Hop定位方法和C-DV-Hop定位方法性能接近。
图4是网络中总节点数和节点归一化平均定位误差的关系曲线图,在锚节点覆盖率为30%的情况下,节点通信半径为30m。由图4可知,5种方法的定位误差随着节点数增加而减小。网络中节点数从100增大到350的过程中,5种方法的定位性能优劣为:MCW-DV-Hop>CW-DV-Hop>2M-DV-Hop>C-DV-Hop>DV-Hop,本文提出的MCW-DV-Hop方法性能在是最优的。这是因为在锚节点覆盖率和节点通信半径固定的情况下,网络中节点数越多,节点密度越大,于是位于节点通信范围内的节点就越多,从而网络拓扑将变得更加规则,也必将会减小定位误差。
总体而言,本发明提出的改进DV-Hop定位方法相对于原传统DV-Hop定位方法和既有改进DV-Hop定位方法在相对提高计算量的前提下较好地改善了平均跳距精度与最终未知节点的定位精度,表明该发明的可行性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种面向农业边缘计算的改进DV-Hop定位方法,其特征在于,包括如下步骤:
S1、初始化无线传感器网络,将农田无线传感器网络中的所有锚节点进行编号,锚节点向四周发送信息分组,所述信息分组表示为[锚节点坐标,锚节点跳数值];所有锚节点向四周发送信息分组,直至无线传感器网络中所有节点获取到与全部锚节点之间的最小跳数;
S2、对锚节点之间的最小跳数进行分类,将最小跳数相同的一对锚节点归为一类,并将该对锚节点的跳距归入相同集合,计算每一集合的平均跳距;
S3、依据锚节点之间的最小跳数与平均跳距,计算未知节点与锚节点距离,进而计算未知节点的坐标。
2.根据权利要求1所述的改进DV-Hop定位方法,其特征在于,在计算每一集合的平均跳距前赋予锚节点实际距离权值,两两锚节点距离越远,权值更大。
3.根据权利要求1所述的改进DV-Hop定位方法,其特征在于,所述步骤S2具体包括如下步骤:
S2-1、设无线网络传感器网络中有n个锚节点Bea,HopNumi为锚节点Beai的初始跳数值,当所有节点获知自身到锚节点的最小跳数之后,锚节点i将自身的最小跳数集合HopnumSeti发送给汇聚节点进行跳数分类处理,i∈[1,n];
S2-2、distperhop(m)=fm(HopnumSet1,HopnumSet2,…,HopnumSetn)
其中,m表示锚节点间的最小跳数,distperhop(m)表示最小跳数为m跳的平均跳距,fm为分类器函数,输入n个锚节点的跳数集合HopnumSet1,HopnumSet2,…,HopnumSetn;第n个锚节点的跳数集合HopnumSetn内包含了锚节点Bean与其他锚节点的最小跳数集合hn1,hn2,hn3,…,hn(n-1);
S2-3、对集合内的数据进行分类处理,将HopnumSet1,HopnumSet2,…,HopnumSetn中最小跳数相同的一对锚节点归入同一集合,输出h个最小跳数一致的集合BeaHop1,BeaHop2,…,BeaHoph,h为锚节点间最小跳数集合中的最大值,BeaHoph={disBeaij,c},j∈[1,n],c表示锚节点i与锚节点j间的最小跳数值,distBeaij表示锚节点i与锚节点j之间的实际距离。
5.根据权利要求1所述的改进DV-Hop定位方法,其特征在于,所述步骤S1中利用双通信半径的泛洪广播,使所有锚节点向四周发送信息,每个接收点接收到跳数值后比较存储的跳数值与接收到的跳数值,保留较小值后转发。
6.根据权利要求5所述的改进DV-Hop定位方法,其特征在于,所述泛洪广播的步骤具体为:
S1-1、锚节点第一次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R/2,初始跳数值预设为0.5,接收到信息分组的节点保存位置信息和初始跳数值;
S1-3、锚节点延时固定时间T,第二次发送包含自身编号、位置坐标和初始跳数值的信息分组,通信半径为R,初始跳数值预设为0;
S1-4、如果接收到信息分组的节点已存有此锚节点的位置坐标和初始跳数值0.5,那么忽略此次接收信息,然后将包含位置信息和跳数值为0.5的信息分组以通信半径R发送出去;
S1-5、如果接收到信息分组的节点没有接收到第一次发送的信息分组,则保存第二次发送锚节点的信息分组,并将跳数值加1后连同位置信息一起,以通信半径R发送出去;
S1-6、不断重复上述过程,接收节点只保留较小跳数值的信息分组,并将跳数值加1后广播,直至全部节点保存与锚节点的最小跳数值和锚节点的编号和位置信息。
7.根据权利要求1所述的改进DV-Hop定位方法,其特征在于,所述步骤S3,计算未知节点和锚节点的距离为distperhop(k)*k,k为未知节点与锚节点之间的最小跳数,distperhop(k)为跳数为k跳的锚节点的平均跳距;
当跳数为k跳的锚节点没有对应的distperhop(k)时,用该锚节点对应的跳数集合HopnumSet的平均跳距的平均值distperhopmean代替distperhop(k)。
8.根据权利要求1所述的改进DV-Hop定位方法,其特征在于,经所述步骤S1求得最小跳数后,直接对最小跳数进行加权分类处理,求得最小跳数为k跳的平均跳距distperhop(k),进而可以估算出未知节点与锚节点的间距,最终实现对未知节点坐标的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085219.5A CN110933594A (zh) | 2019-11-08 | 2019-11-08 | 一种面向农业边缘计算的改进DV-Hop定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085219.5A CN110933594A (zh) | 2019-11-08 | 2019-11-08 | 一种面向农业边缘计算的改进DV-Hop定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110933594A true CN110933594A (zh) | 2020-03-27 |
Family
ID=69852513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911085219.5A Pending CN110933594A (zh) | 2019-11-08 | 2019-11-08 | 一种面向农业边缘计算的改进DV-Hop定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110933594A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469117A (zh) * | 2020-10-30 | 2021-03-09 | 南京邮电大学 | 一种改进的不规则无线传感器网络DV-hop定位方法 |
CN113329490A (zh) * | 2021-06-02 | 2021-08-31 | 哈尔滨工程大学 | 一种基于量子虎鲨机制的无线传感器网络节点定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2543216A1 (en) * | 2010-03-04 | 2013-01-09 | Quantislabs Ltd. | System and methods for wireless sensor networks |
CN104540217A (zh) * | 2014-12-10 | 2015-04-22 | 国网四川省电力公司信息通信公司 | 无线传感器网络中一种低误差的定位方法 |
CN109842935A (zh) * | 2019-03-26 | 2019-06-04 | 上海海事大学 | 一种基于混合smpso优化的加权dv-hop定位方法 |
CN110234145A (zh) * | 2019-06-13 | 2019-09-13 | 上海海事大学 | 基于可靠信标节点的dv-hop改进的无线传感器网络定位方法 |
-
2019
- 2019-11-08 CN CN201911085219.5A patent/CN110933594A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2543216A1 (en) * | 2010-03-04 | 2013-01-09 | Quantislabs Ltd. | System and methods for wireless sensor networks |
CN104540217A (zh) * | 2014-12-10 | 2015-04-22 | 国网四川省电力公司信息通信公司 | 无线传感器网络中一种低误差的定位方法 |
CN109842935A (zh) * | 2019-03-26 | 2019-06-04 | 上海海事大学 | 一种基于混合smpso优化的加权dv-hop定位方法 |
CN110234145A (zh) * | 2019-06-13 | 2019-09-13 | 上海海事大学 | 基于可靠信标节点的dv-hop改进的无线传感器网络定位方法 |
Non-Patent Citations (3)
Title |
---|
任克强等: "基于跳数分类的改进DV- Hop节点定位算法", 《传感技术学报》 * |
李娟等: "基于双通信半径的传感器网络DV-Hop定位算法", 《吉林大学学报(工学版)》 * |
武雪姣等: "一种改进的无线传感器网络DV-HOP定位算法", 《软件导刊》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469117A (zh) * | 2020-10-30 | 2021-03-09 | 南京邮电大学 | 一种改进的不规则无线传感器网络DV-hop定位方法 |
CN112469117B (zh) * | 2020-10-30 | 2022-08-26 | 南京邮电大学 | 一种改进的不规则无线传感器网络DV-hop定位方法 |
CN113329490A (zh) * | 2021-06-02 | 2021-08-31 | 哈尔滨工程大学 | 一种基于量子虎鲨机制的无线传感器网络节点定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An improved DV-Hop localization algorithm with reduced node location error for wireless sensor networks | |
CN108848449B (zh) | 基于DV-Hop改进的无线传感器网络节点定位算法 | |
Kim et al. | Distance estimation with weighted least squares for mobile beacon-based localization in wireless sensor networks | |
EP3596486A1 (en) | Wifi multi-band fingerprint-based indoor positioning | |
CN102665277B (zh) | 一种对无线传感器网络中节点进行定位的方法 | |
CN102231912A (zh) | 一种基于rssi测距的室内无线传感器网络定位方法 | |
CN102621522B (zh) | 一种水下无线传感器网络的定位方法 | |
CN107708202B (zh) | 一种基于DV-Hop的无线传感器网络节点定位方法 | |
Zhang et al. | A novel heuristic algorithm for node localization in anisotropic wireless sensor networks with holes | |
CN110933594A (zh) | 一种面向农业边缘计算的改进DV-Hop定位方法 | |
Tao et al. | Enhancement of DV-Hop by weighted hop distance | |
Jia et al. | A high accuracy localization algorithm with DV-Hop and fruit fly optimization in anisotropic wireless networks | |
Yang et al. | Experimental study: a LQI-based ranging technique in ZigBee sensor networks | |
CN102752850A (zh) | 一种基于非测距的网络锚节点筛选装置及其方法 | |
CN113438732A (zh) | 基于跳距加权和黄金正弦粒子群的DV-Hop定位方法 | |
Fan et al. | Weighted centroid localization algorithm based on improved RSSI ranging | |
Xiang et al. | An improved DV-hop algorithm based on iterative computation for wireless sensor network localization | |
Chiang et al. | Localization in wireless sensor networks by fuzzy logic system | |
Yaseen et al. | Intelligent WSN localization using multi-linear regression and a mobile anchor node | |
Zhu et al. | An Improved Localization Scheme Based on DV-Hop for Large-Scale Wireless Sensor Networks. | |
Racharla et al. | A review on localization problems in wireless sensor network: Algorithmic and performance analysis | |
Sivasakthiselvan et al. | Distributed Re-localization and Pattern Recognition Algorithm for Wireless Sensor Networks | |
CN103945528A (zh) | 无线传感器网络中的单目标定位方法 | |
Xu et al. | A novel localization algorithm based on received signal strength indicator for wireless sensor networks | |
Rakshit et al. | Range free localization using expected hop progress in wireless sensor network |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |