CN111031502A - 一种基于樽海鞘群算法的无线传感器网络节点定位方法 - Google Patents
一种基于樽海鞘群算法的无线传感器网络节点定位方法 Download PDFInfo
- Publication number
- CN111031502A CN111031502A CN201911076877.8A CN201911076877A CN111031502A CN 111031502 A CN111031502 A CN 111031502A CN 201911076877 A CN201911076877 A CN 201911076877A CN 111031502 A CN111031502 A CN 111031502A
- Authority
- CN
- China
- Prior art keywords
- nodes
- network node
- fitness
- goblet
- individual
- 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
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于樽海鞘群算法的无线传感器网络节点定位方法,包括初始化樽海鞘群个体节点,判断节点位置,将节点位置作为食物源对周围环境进行链式搜索,找到其余节点进行确认,并转为食物源变量进行迭代搜索,最终搜索出所有节点并输出等步骤。本发明的方法具有更好的定位精确度和收敛性,并且在定位成本和计算复杂度上都优于现有的传统算法,适用于无线传感器网络定位系统。
Description
技术领域
本发明属于无线传感器定位技术领域,具体涉及一种基于樽海鞘群算法的无线传感器网络节点定位方法。
背景技术
为了在无线传感器网络的应用中更好的管理和活动检测,从而实现无线网络的操作和应用。实现无线通信的能力主要是由各个传感器节点组成,该技术目前应用环境监测、生活监控、智能交通和跟踪等等实际应用领域,无线传感器网络在实际应用中最重要的是关于节点的定位信息,如果我们不知道某一部分节点的位置,我们就失去了及时性,在有效的时间内做出决策,目前虽然美国全球定位系统(GPS)和北斗卫星导航系统(BDS)已经很完善的应用于实际生活中,并且其技术都已趋于完善,但是由于其安装的成本过高,体积较大,并且不适用于一些信号传输受阻的奇特地形之中。因此我们急需一种定位精度高体积小并且适用于当前无线传感器网络应用实际的节点定位方法。
目前,使用的无线传感器网络节点定位方法分为两类,一类是基于测量节点之间的距离进行定位,大致方法是在全球定位系统/北斗卫星导航系统的定位基础之上设置一些信标,使用该定位信息,然后通过测距的方式,该测试距离的方式包括三边测量法、三角测量法、极大似然估计法来通过已知信标坐标来推算出其他节点近似坐标。但是随着目前应用领域的扩张,无线传感器网络的规模也不断扩张,传统的测距方式在计算上复杂度高,定位误差较大等缺点日益显著。另一类无线传感器网络节点定位方法是基于无需测距的定位算法,该算法根据网络之间的连通性来估算位置节点的位置坐标,在现有的定位算法中,此类定位模式,功耗小但是定位精度不够高。随着科技的发展,对定位的要求越来越高,受启发式智能优化算法影响,樽海鞘群算法,精确度高收敛性好,以及有着很强的稳定性,在无线传感器网络节点定位中肯定可以脱颖而出。
利用樽海鞘群算法确定节点与节点之间的关联性,通过确定部分节点为领导者,从而逐步感知其余节点的位置进行节点定位。由于基于樽海鞘群算法的关联,节点之间的联系变得更加紧密,且每个节点信息只由单一节点影响,类似与封装式操作,更易操作和控制。
传统无线传感器网络主要优化目标函数来计算未知节点坐标,并且在传统数学计算方法中求解非线性方程组时存在计算复杂度高等问题,在无线传感器网络规模不断扩大的现阶段研究中传统的测距式算法已经不能满足现阶段需求,而基于樽海鞘群算法控制参数很少,在无线传感器网络定位中还未被发掘,他的收敛性好,定位精度更高操作更简便,一定能取代传统的定位算法。
发明内容
本发明针对在无线网络节点定位中由于测距产生误差在多次迭代后误差放大,以及计算复杂度高等问题。提出了基于樽海鞘个体的改进算法(樽海鞘群),通过与已有算法进行仿真比较,本发明算法在定位精确度和定位速度上都有了质的提高。
本发明所采用的技术方案是:一种基于樽海鞘群算法的无线网络节点定位方法,其特征在于,包括如下步骤:一种基于樽海鞘群算法的无线传感器网络节点定位方法,其特征在于,包括以下步骤:
步骤1:在三维空间中随机初始化种群,根据实际应用情况节点存在于一定的空间内,从而计算出网络节点空间搜索范围的上限和搜索下限,并且设定搜索边界参数;
步骤2:选取一个配备了美国全球定位系统定位系(GPS)或者北斗卫星导航定位系统的节点位置作为樽海鞘个体群体的食物,记为F1;
步骤3:根据随机生成的坐标信息查询对应是否存在网络节点,根据随机生成的坐标信息和网络节点相关信息,给出相应的适应度;适应度通过网络节点的信息传递实际值与通过随机生成的坐标信息传递的预计值误差决定,由公式F(t)=|t-t实|,F(t)越小适应度越佳。
步骤4:选定F点作为食物,即F点的适应度最佳,根据所得适应度高低进行排序;
步骤5:根据步骤4得出的适应度顺序,选取适应度高的作为领导者,并将食物节点坐标信息传回控制节点,其余节点选取作为追随者;
步骤6:对适应度高的领导者坐标进行更新;
步骤7:进行追随者坐标更新;
步骤8:检测是否存在樽海鞘个体节点搜索超出边界情况,当任何一个樽海鞘个体搜索超出界限空间的情况下,将他带回边界;
步骤9:判断领导者是否个体适应度最佳;
若是,则执行步骤10;
若否,则回转执行步骤5;
步骤10:将搜索出最佳的樽海鞘个体位置作为食物源点变量赋给F记为Fi,i=1,2,3……n;其中,n表示樽海鞘个体编号;再进行更新;
步骤11:判断所有节点是否定位完成;
若是,则执行步骤12;
若否,则回转执行步骤3;
步骤12:输出所有食物位置作为全部网络节点的坐标信息。
本发明的有益效果是:综上所述的一种基于樽海鞘个体算法的无线网络传感器网络节点定位方法,去除了常规定位中的节点之间的测距过程,并且在计算过程中,本算法的复杂度O(t(d*n+C*n))其中t表示迭代次数,d是变量的数量(维度),n是解的数量,以及C表示目标函数的成本,在大规模节点定位需求的情况下,利用本算法的计算量大大减少,
本算法在应用中,初始化进行了随机分布的方法进行搜索,再在分布点附近进行更新群体位置,不断的进行微调和迭代提高了随机方法的可靠性,一定的避免了局部最优的发生,假设在搜索过程中,如果出现领导者偏离情况,由于樽海鞘个体生物机制,后续的链会存储过去的解决方案,并且樽海鞘个体由链式组成在控制机制上,领导者只能控制相邻的追随者,不会导致到范围偏离,从而达到很好精确度和收敛性,并且为避免算法出现恶化情况,当部分樽海鞘个体节点搜索超出空间后,会被带回到空间边界继续进行搜索。
综上,本发明的方法基于樽海鞘群的无线传感器网络节点定位算法利用樽海鞘个体节点的链式分布以及追随者和领导者行式进行全局所搜和局部最优解的合理分布,使得节点定位更加准确,在定位成本上也减少了全球定位系统/北斗卫星导航系统的配置使用,与现有的技术相比,樽海鞘群算法的无线传感器网络定位系统更加的低耗和高效。
本发明在实际应用时,通过减少配备定位系统的节点来减少成本投入。
附图说明
图1为本发明实施例的流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,需要说明的是樽海鞘群搜索算法是已有技术,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
请见图1,本发明提供的一种基于樽海鞘群算法的无线传感器网络节点定位方法,包括以下步骤:
步骤1:在三维空间中随机初始化种群,根据实际应用情况节点存在于一定的空间内,从而计算出网络节点空间搜索范围的上限和搜索下限,并且设定搜索边界参数;
步骤2:选取一个配备美国全球定位系统定位系(GPS)或者北斗卫星导航定位系统(BDS)的节点位置作为樽海鞘个体群体的食物,记为F1;
步骤3:根据随机生成的坐标信息查询对应是否存在网络节点,根据随机生成的坐标信息和网络节点相关信息,给出相应的适应度;适应度网络节点的信息传递实际值与通过随机生成的坐标信息传递的预计值误差决定,由公式F(t)=|t-t实|,F(t)越小适应度越佳。
步骤4:选定F点作为食物,即F点的适应度最佳,根据所得适应度高低进行排序;
步骤5:根据步骤4得出的适应度顺序,选取适应度高的作为领导者,并将食物节点坐标信息传回控制节点,其余节点选取作为追随者;
步骤6:对适应度高的领导者坐标进行更新;
根据下式对适应度高的领导者坐标进行更新;
其中示出了在第一樽海鞘个体的位置,F1是当前的食物源的位置,ubj表示上限,lbj表示下界,其中l是当前迭代,L是最大迭代次数;参数c2和c3是在[0,1]的区间内均匀生成的随机数,实际上,它们决定了第j维的下一个位置是否应该朝向正无穷大或负无穷大以及步长。
步骤7:进行追随者坐标更新;
追随者坐标更新公式为:
当i≥2时,表示第j个维度中第i个跟随者樽海鞘个体的位置,t是时间,v0是初始速度,v_final表示最终速度x表示最终速度的位置,x0表示初始位置;加速度的计算公式;因为优化中的时间是迭代,迭代之间的差异等于1,并且考虑到v0=0,则该等式表示如下:
步骤8:检测是否存在樽海鞘个体节点搜索超出边界情况,当任何一个樽海鞘个体搜索超出界限空间的情况下,将他带回边界;
步骤9:判断领导者是否个体适应度最佳;
若是,则执行步骤10;
若否,则回转执行步骤5;
步骤10:将搜索出最佳的樽海鞘个体位置作为食物源点变量赋给F记为Fi,i=1,2,3……n;其中,n表示樽海鞘个体编号;再进行更新;
步骤11:判断所有节点是否定位完成;
若是,则执行步骤12;
若否,则回转执行步骤3;
步骤12:输出所有食物位置作为全部网络节点的坐标信息。
本发明通过利用樽海鞘群搜索算法对无线感应网络节点定位方面的应用,相比于以前的三种常规测距算法极大的减少了计算量和成本投入,并且加快了定位速度收敛都良好,该方法可以用于节点定位领域。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于樽海鞘群算法的无线传感器网络节点定位方法,其特征在于,包括以下步骤:
步骤1:在三维空间中随机初始化种群,根据实际应用情况节点存在于一定的空间内,从而计算出网络节点空间搜索范围的上限和搜索下限,并且设定搜索边界参数;
步骤2:选取一个配备美国全球定位系统定位系(GPS)或者北斗卫星导航定位系统(BDS)的节点位置作为樽海鞘个体群体的食物,记为F1;
步骤3:根据随机生成的坐标信息查询对应是否存在网络节点,根据随机生成的坐标信息和网络节点相关信息,给出相应的适应度;
步骤4:选定F点作为食物,即F点的适应度最佳,根据所得适应度高低进行排序;
步骤5:根据步骤4得出的适应度顺序,选取适应度高的作为领导者,并将食物节点坐标信息传回控制节点,其余节点选取作为追随者;
步骤6:对适应度高的领导者坐标进行更新;
步骤7:进行追随者坐标更新;
步骤8:检测是否存在樽海鞘个体节点搜索超出边界情况,当任何一个樽海鞘个体搜索超出界限空间的情况下,将他带回边界;
步骤9:判断领导者是否个体适应度最佳;
若是,则执行步骤10;
若否,则回转执行步骤5;
步骤10:将搜索出最佳的樽海鞘个体位置作为食物源点变量赋给F记为Fi,i=1,2,3……n;其中,n表示樽海鞘个体编号;再进行更新;
步骤11:判断所有节点是否定位完成;
若是,则执行步骤12;
若否,则回转执行步骤3;
步骤12:输出所有食物位置作为全部网络节点的坐标信息。
2.根据权利要求1所述的基于樽海鞘群算法的无线传感器网络节点定位方法,其特征在于:步骤3中,适应度通过网络节点的信息传递实际值与通过随机生成的坐标信息传递的预计值误差决定,计算公式为F(t)=|t-t实|,F(t)越小适应度越佳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911076877.8A CN111031502A (zh) | 2019-11-06 | 2019-11-06 | 一种基于樽海鞘群算法的无线传感器网络节点定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911076877.8A CN111031502A (zh) | 2019-11-06 | 2019-11-06 | 一种基于樽海鞘群算法的无线传感器网络节点定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111031502A true CN111031502A (zh) | 2020-04-17 |
Family
ID=70200907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911076877.8A Pending CN111031502A (zh) | 2019-11-06 | 2019-11-06 | 一种基于樽海鞘群算法的无线传感器网络节点定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111031502A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954763A (zh) * | 2021-02-07 | 2021-06-11 | 中山大学 | 一种基于樽海鞘算法优化的wsn分簇路由方法 |
CN113255138A (zh) * | 2021-05-31 | 2021-08-13 | 河北工业大学 | 一种电力系统负荷分配优化方法 |
CN113959448A (zh) * | 2021-10-26 | 2022-01-21 | 江苏海洋大学 | 一种基于改进樽海鞘群算法的水下地形辅助导航方法 |
CN115406444A (zh) * | 2022-08-05 | 2022-11-29 | 重庆邮电大学 | 基于室内停车场定位系统的停车与寻车方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170105057A1 (en) * | 2014-05-13 | 2017-04-13 | Senseware, Inc. | System, Method and Apparatus for System Status Identification in a Wireless Sensor Network |
CN108848474A (zh) * | 2018-06-05 | 2018-11-20 | 太原理工大学 | 无线传感器网络不共线未知传感器节点的定位方法 |
-
2019
- 2019-11-06 CN CN201911076877.8A patent/CN111031502A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170105057A1 (en) * | 2014-05-13 | 2017-04-13 | Senseware, Inc. | System, Method and Apparatus for System Status Identification in a Wireless Sensor Network |
CN108848474A (zh) * | 2018-06-05 | 2018-11-20 | 太原理工大学 | 无线传感器网络不共线未知传感器节点的定位方法 |
Non-Patent Citations (1)
Title |
---|
陈涛等: "基于樽海鞘群算法的无源时差定位", 《电子与信息学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954763A (zh) * | 2021-02-07 | 2021-06-11 | 中山大学 | 一种基于樽海鞘算法优化的wsn分簇路由方法 |
CN113255138A (zh) * | 2021-05-31 | 2021-08-13 | 河北工业大学 | 一种电力系统负荷分配优化方法 |
CN113255138B (zh) * | 2021-05-31 | 2023-05-23 | 河北工业大学 | 一种电力系统负荷分配优化方法 |
CN113959448A (zh) * | 2021-10-26 | 2022-01-21 | 江苏海洋大学 | 一种基于改进樽海鞘群算法的水下地形辅助导航方法 |
CN113959448B (zh) * | 2021-10-26 | 2023-08-29 | 江苏海洋大学 | 一种基于改进樽海鞘群算法的水下地形辅助导航方法 |
CN115406444A (zh) * | 2022-08-05 | 2022-11-29 | 重庆邮电大学 | 基于室内停车场定位系统的停车与寻车方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111031502A (zh) | 一种基于樽海鞘群算法的无线传感器网络节点定位方法 | |
CN102221688B (zh) | 一种雷达系统误差估计方法 | |
CN101965052B (zh) | 基于最优信标组的无线传感网节点定位方法 | |
JP2023506803A (ja) | 協調測位方法、装置、機器及び記憶媒体 | |
CN108253976B (zh) | 一种充分借助车辆航向的三阶段在线地图匹配算法 | |
WO2016187746A1 (zh) | 提高人工神经网络定位性能的方法和装置 | |
CN105526939B (zh) | 道路匹配方法和装置 | |
CN108235247B (zh) | 一种节点定位方法及其装置 | |
CN110062327A (zh) | 小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法 | |
CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
CN102325370A (zh) | 一种高精度的无线传感器网络节点的三维定位器 | |
CN113131985B (zh) | 一种基于信息年龄最优路径规划的多无人机数据收集方法 | |
CN115586557B (zh) | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 | |
CN104202816A (zh) | 大规模3d无线传感器网络基于凸划分的节点定位方法 | |
CN112954594A (zh) | 一种基于人工蜂群的无线传感器网络节点定位算法 | |
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 | |
CN112630728B (zh) | 一种基于uwb的改进三边定位算法 | |
CN115226027A (zh) | 一种WiFi室内指纹定位方法及装置 | |
Wu et al. | A heuristic map-matching algorithm by using vector-based recognition | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 | |
CN108848447B (zh) | 一种采用未知节点修正的差分DV_Distance节点定位方法 | |
CN114679683B (zh) | 一种基于派生指纹迁移的室内智能定位方法 | |
CN110895332B (zh) | 一种扩展目标的分布式跟踪方法 | |
Li et al. | A Novel Map Matching Method Based on Improved Hidden Markov and Conditional Random Fields Model | |
CN109257699B (zh) | 一种利用梯度提升树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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
RJ01 | Rejection of invention patent application after publication |