CN112444778A - 一种基于dbscan的参考点加权三边质心定位方法 - Google Patents

Abstract

本发明涉及一种基于DBSCAN的参考点加权三边质心定位方法，首先从若干信标节点中选取三个信标节点，其选择条件为信标节点所在位置不接近一条直线上，且接收到目标节点所发射的RSSI信号最大，其次分别对三个信标节点接收的RSSI信号进行M次采样并构成M个RSSI信号三元组，对其进行DBSCAN聚类以获得去噪后的RSSI信号三元组，随后基于去噪后的RSSI信号三元组计算三个信标节点到目标节点的距离，然后以各信标节点为圆心，三个距离为半径形成三个定位圆，基于参考点公式分别计算位于三个定位圆重叠部分弧上的三个参考点，最后基于三个参考点利用加权三边质心定位算法计算目标节点的坐标。本发明在测距和定位两方面有效地做出了改善，大大的提高了测距和定位精度。

Description

一种基于DBSCAN的参考点加权三边质心定位方法

技术领域

本发明涉及无线传感器节点定位领域，具体是一种基于DBSCAN的参考点加权三边质心定位方法。

背景技术

随着信息技术的发展，无线传感技术已经成为环境监测、军事侦察、交通定位等领域必不可少的一项技术。在无线传感器网络中，位置信息对无线传感器网络的监测活动至关重要，没有位置信息的监测消息往往毫无意义。因此，无线传感器节点定位技术对无线传感器网络应用的有效性起着关键的作用。

在目前各种无线传感器节点定位技术中，大多数无线通信模块都支持RSSI测距的功能，因此，基于RSSI测距的定位算法已经成为了一种主流室内定位方法，但是在实际环境中传播时，RSSI信号不可避免的会受到诸如多径衰落、衍射、天线增益和非视距等噪声的干扰，并且产生不确定性的传播损耗，导致测距不准确，从而影响定位结果。常见的平均值滤波算法虽然能够减小环境因素带来的测距误差，但是容易受到一些小概率大干扰的影响，因此，为了保证和提高算法的测距精度需要提出一种新的基于无线信号传播原理的RSSI信号提取方法。

同时，节点位置的估算方法也极其重要，传统的质心定位算法由于其无需信标节点和目标节点之间的协调，算法简单且容易实现，但是其忽略了信标节点与目标节点间距离对目标节点定位结果的影响，导致定位误差较大；普通的加权三边质心定位算法虽然考虑了信标节点与目标节点间距离因素的影响，但是定位精度依然不高，因此需要提出一个改进的加权三边质心定位算法来提高目标节点的定位精度。

发明内容

有鉴于此，本发明提出一种基于DBSCAN的参考点加权三边质心定位方法，该方法充分考虑到环境因素对RSSI信号传输造成的影响，有效地消除小概率大干扰的噪声信号，大大提高了测距精度和抗干扰性。

为实现上述目的，本发明采用如下技术方案：

一种基于DBSCAN的参考点加权三边质心定位方法，包括如下步骤：

步骤S1：从若干信标节点中选取三个信标节点，选择条件为信标节点所在位置不接近一条直线上，且接收到目标节点所发射的RSSI信号最大；

步骤S2：对三个信标节点接收的RSSI信号进行M次采样并构成M个RSSI信号三元组，从而组成RSSI信号的采样矩阵；

步骤S3：对M个RSSI信号三元组进行DBSCAN聚类以消除RSSI信号中的小概率大干扰，获得去噪后的RSSI信号三元组；

步骤S4：基于去噪后的RSSI信号三元组,计算三个信标节点到目标节点的距离；

步骤S5：以各信标节点为圆心，信标节点到目标节点的距离为半径形成三个定位圆，基于参考点公式分别计算位于三个定位圆重叠部分弧上的三个参考点；

步骤S6：基于三个参考点,利用加权三边质心定位算法计算目标节点的坐标。

本发明与现有技术相比，其有益效果体现在：

1、测距方面：一般是通过选取RSSI信号特征的平均值作为其定位RSSI值，然而由于环境具有复杂性和动态性，信号传播过程中往往存在多径衰落、衍射、天线增益和非视距等噪声的干扰，RSSI信号的平均值不能很好的逼近RSSI的真值，不能有效的保证其鲁棒性。基于DBSCAN的RSSI信号提取策略，有效地舍弃了因环境噪声干扰导致的非正常衰减的RSSI信号采样数据。因此，从理论上说，本发明具有较高的抗干扰性和测距精度；

2、定位方面：传统的加权三边质心定位算法需要以信标节点为圆心的三个定位圆两两相交，形成内侧3个交点。但在实际中往往会因为各种原因导致无法形成两两相交的情况，本发明采用的参考点加权质心定位算法则无论三个定位圆是否两两相交，都能够计算出三个参考点来对目标节点进行准确定位，大大提高了目标节点的定位精度。

附图说明

图1是本发明实施例的流程示意图；

图2是本发明实施例的基于DBSCAN的RSSI信号提取流程示意图；

图3是本发明实施例的参考点加权三边质心定位算法的结构示意图。

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，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DBSCAN的参考点加权三边质心定位方法，包括以下步骤：

步骤S1：从若干信标节点中选取三个信标节点，选择条件为信标节点所在位置不接近一条直线上，且接收到目标节点所发射的RSSI信号最大；

具体实现包括以下子步骤：

步骤S1.1：将所有信标节点接收的RSSI信号值按照从大到小排序，记为{RSSI₁,RSSI₂,…,RSSI_N}，N为所有信标节点的个数；

步骤S1.2：选中排序前三个RSSI值，找到对应的三个信标节点，三个信标节点的坐标可记为：(x₁,y₁)、(x₂,y₂)、(x₃,y₃)；

步骤S1.3：基于三个信标节点的坐标可以计算任意两个信标节点的连接直线的斜率：

步骤S1.4：设定阈值δ，若|k₁-k₂|<δ，则需按照排序增加信标节点的个数，重新进行信标节点间的组合，重复步骤S1.2至步骤S1.4，直到选择符合条件的三个信标节点。

步骤S2：对三个信标节点接收的RSSI信号进行M次采样并构成M个RSSI信号三元组，从而组成RSSI信号的采样矩阵，其具体形式为：

步骤S3：对M个RSSI信号三元组进行DBSCAN聚类以消除RSSI信号中的小概率大干扰，获得去噪后的RSSI信号三元组；

基于DBSCAN的RSSI信号提取流程示意图如图2所示，具体实现包括以下子步骤：

步骤S3.1：建立一个类号集cluster，将针对所述M个信号三元组所构成集合R＝{R₁,R₂,…,R_M}进行聚类，聚类后的个数结果存储在cluster中，赋值MinPts＝β，设定半径具体为：

式(1)中,β(0<β<1)为设计的个数因子，gamma表示伽马分布，Prod(*)表示返回向量*的乘积，R_max为集合R中的最大值，R_min为集合R中的最小值；

步骤S3.2：从集合R中选择任意一个未被访问过的点P，如果P领域内所有对象的数目大于或等于MinPts，则P为核心点，它的类号赋值为cluster；

步骤S3.3：搜索每一个从P密度可达的对象，并将这些对象的类号都赋值为cluster；

步骤S3.4：除去所述这个核心点，扫描集合里的其他数据对象，重复上述步骤，直到当数据集合R中找不到任何核心点时聚类结束；

步骤S3.5：比较所有聚类中点的数目α和MinPts，若α<MinPts，则剔除该类，选择剩余其他类中所含数据点最多的一个聚类作为标准聚类；

由于RSSI信号干扰是随机的小概率事件，所以选择元素最多的聚类作为标准聚类来计算RSSI的精确值。但有时受环境或噪声影响，RSSI信号分布比较分散，需要进一步判断所选择的标准聚类是否满足计算RSSI精确值的条件。

假设J为标准聚类，J所含元素个数为m，分以下情况进行断：

(1)若m≥1/2M，说明RSSI信号比较集中，可以通过标准聚类J计算RSSI精确值；

(2)若m<1/2M，说明RSSI信号受环境影响程度较大，信号分布比较发散，需要锚节点重新向未知节点发送RSSI信号进行计算。

步骤S3.6：计算所述标准聚类的质心作为去噪后RSSI信号三元组，记为RSSI＝{RSSI₁,RSSI₂,RSSI₃}。

步骤S4：基于去噪后的RSSI信号三元组,计算三个信标节点到目标节点的距离，记为d＝{d₁,d₂,d₃}；

将RSSI信号强度大小代入常用的Shadowing模型计算信标节点和目标节点之间的距离，Shadowing模型形式如下：

式(2)中，PI(d_i)为距离信号发射端d_i处的信号强度，PI(d₀)为距离信号发射端d₀处(d₀为参考距离，一般为1m)的信号强度，n为路径衰减指数，G_δ为均值为0，方差为δ的高斯随机变量。

步骤S5：以各信标节点为圆心，信标节点到目标节点的距离为半径形成三个定位圆，基于参考点公式分别计算位于三个定位圆重叠部分弧上的三个参考点；

参考点加权三边质心定位算法的结构示意图如图3所示，计算以M₁(x₁,y₁)为圆心、d₁为半径的定位圆上的参考点

由于A₁在以M₁为圆心、d₁为半径的圆周上，则：

A₁到另外两个信标节点M₂、M₃的距离为：

需要满足的参考点公式为：

由于满足参考点条件的参考点可能会有多解，但是需要筛选出ΔM₁M₂M₃内部的解参与加权质心算法进行定位，可以通过两个信标节点确定一直线，参考点和另一个信标节点位于直线同侧的方法判断。同时，可以证明处于ΔM₁M₂M₃内部满足参考点条件的解有且只有一个，因此可以计算出参考点

同理，可以分别计算出M₂为圆心d₂为半径，M₃为圆心d₃为半径上的参考点

和

步骤S6：基于三个参考点,利用加权三边质心定位算法计算目标节点的坐标。

目标节点的坐标记为

具体形式为：

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，包括以下步骤：

步骤S1：从若干信标节点中选取三个信标节点，选择条件为信标节点所在位置不接近一条直线上，且接收到目标节点所发射的RSSI信号最大；

步骤S2：对三个信标节点接收的RSSI信号进行M次采样并构成M个RSSI信号三元组，从而组成RSSI信号的采样矩阵；

步骤S3：对M个RSSI信号三元组进行DBSCAN聚类以消除RSSI信号中的小概率大干扰，获得去噪后的RSSI信号三元组；

步骤S4：基于去噪后的RSSI信号三元组，计算三个信标节点到目标节点的距离；

步骤S5：以各信标节点为圆心，信标节点到目标节点的距离为半径形成三个定位圆，基于参考点公式分别计算位于三个定位圆重叠部分弧上的三个参考点；

步骤S6：基于三个参考点，利用加权三边质心定位算法计算目标节点的坐标。

2.根据权利要求1所述的一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，所述步骤S1具体为：

步骤S1.1：将所有信标节点接收的RSSI信号值按照从大到小排序，记为{RSSI₁,RSSI₂,…,RSSI_N}，N为所有信标节点的个数；

步骤S1.2：选中排序前三个RSSI值，找到对应的三个信标节点，三个信标节点的坐标可记为：(x₁,y₁)、(x₂,y₂)、(x₃,y₃)；

步骤S1.3：根据三个信标节点的坐标可以计算任意两个信标节点的连接直线的斜率：

步骤S1.4：设定阈值δ，若|k₁-k₂|<δ，则需按照排序增加信标节点的个数，重新进行信标节点间的组合，重复步骤S1.2至步骤S1.4，直到选择符合条件的三个信标节点。

3.根据权利要求1所述的一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，所述RSSI信号的采样矩阵,具体为：

4.根据权利要求1所述的一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，所述步骤S3具体为：

步骤S3.1：建立一个类号集cluster，将针对所述M个信号三元组所构成集合R＝{R₁,R₂,…,R_M}进行聚类，聚类后的个数结果存储在cluster中，赋值MinPts＝β，设定半径具体为：

式中,β(0<β<1)为设计的个数因子，gamma表示伽马分布，Prod(*)表示返回向量*的乘积，R_max为集合R中的最大值，R_min为集合R中的最小值；

步骤S3.2：从集合R中选择任意一个未被访问过的点P，如果P领域内所有对象的数目大于或等于MinPts，则P为核心点，它的类号赋值为cluster；

步骤S3.3：搜索每一个从P密度可达的对象，并将这些对象的类号都赋值为cluster；

步骤S3.4：除去所述这个核心点，扫描集合里的其他数据对象，重复上述步骤，直到当数据集合R中找不到任何核心点时聚类结束；

步骤S3.5：比较所有聚类中点的数目α和MinPts，若α<MinPts，则剔除该类，选择剩余其他类中所含数据点最多的一个聚类作为标准聚类；

步骤S3.6：计算所述标准聚类的质心作为去噪后RSSI信号三元组。

5.根据权利要求1所述的一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，所述步骤S5具体为：

步骤S5.1：以各信标节点为圆心，信标节点到目标节点的距离为半径形成三个定位圆；

步骤S5.2：以其中一个参考点

为例，其位于以信标节点M₁(x₁,y₁)为圆心、信标节点M₁(x₁,y₁)到目标节点的距离d₁为半径的定位圆上，即满足：

步骤S5.3：参考点

还需要满足的参考点公式为：

式中，

表示参考点A₁到信标节点M₂的距离，

表示参考点A₁到信标节点M₃的距离；

步骤S5.4：结合上述步骤可计算出参考点

同理可计算另外两个参考点

和

6.根据权利要求1所述的一种基于DBSCAN的参考点加权三边质心定位方法，其特征在于，所述目标节点的坐标具体为：

Images