CN112566241B - 基于移动锚点的三维无线传感网节点定位方法 - Google Patents

Abstract

本发明公开了一种基于移动锚点的三维无线传感网节点定位方法，属于无线传感网技术领域，该方法将传感节点划分成不同的连接树，传感节点接收锚点位置和其他传感节点位置信息，采用极大似然估计方法计算自身位置，并发送给移动锚点，移动锚点在随机移动探测监测区域的过程中，如果发现未定位节点，则获知该节点所在连接树的所有传感节点连接信息，采用混合海洋掠食者方法，可快速有效寻找到自身的最优移动路径，并提供锚点位置信息。本发明通过传感节点的定位过程和移动锚点的移动路径规划过程，获得适合当前传感节点连接关系的移动锚点最优移动路径，从而提高传感节点的平均锚点位置个数和已定位传感节点个数比，降低平均节点定位误差。

Description

基于移动锚点的三维无线传感网节点定位方法

技术领域

本发明属于无线传感网技术领域，特别涉及一种基于移动锚点的三维无线传感网节点定位方法。

背景技术

无线传感网(wireless sensor network,WSN)由在一个区域内均匀或随机部署的能量、容量和功能有限的大量微型低成本传感节点组成。其中，定位是WSN不可或缺的一部分，可广泛应用于目标移动监测、核能监测、生物攻击监测等军事应用，森林火灾监测、洪水监测、精准农业等环境应用，家庭和办公室自动化，人体健康监测，医院内医生和患者跟踪等应用领域。虽然均匀部署的传感节点可以较轻松的实现定位，但是随机部署的传感节点可能在造成网络的分裂，部分区域密集分布，部分区域稀疏分布甚至不存在，因此需要进行定位，获得每一个传感节点的准确位置坐标。

目前，二维无线传感网(2D WSN)的定位方法研究成果较多，其在平坦的地形上定位精度较高。但是在地上和水下的无线传感网较多应用中，需要考虑传感节点的三维坐标。2D WSN通信范围是圆形，而三维无线传感网(3D WSN)的通信范围为球形，且定位时需要4个以上的锚点位置坐标，这使3D WSN的传感节点定位问题面临新的挑战。

目前，3D WSN的定位方法可分成无距离定位方法和基于距离的定位方法。无距离定位方法可包括DV-hop，质心等方法，但是该类方法只能粗略获知传感节点分布的位置，定位精度较低。而基于距离的定位方法，利用锚点提供的参考位置，计算传感节点的位置信息，其定位精度较高。其中，部分学者侧重于研究基于静态锚点的3D WSN节点定位方法，如蒋锐等人提出一种用于无线传感器网络三维定位的迭代估计方法。该方法计算三维空间的质心坐标和节点间的接收信号强度，利用已定位节点替代距离最远的锚点。苟平章等人提出一种基于多通信半径和跳距加权的WSNs三维迭代定位方法。该方法参考锚点数量设置跳数阈值，计算平均跳距的权值，采用最小最大法计算节点位置。Sharma G等人提出一种3DWSN的分布式无范围节点定位方法。该方法更新锚点的平均跳数，减少由共面的锚节点引起的位置误差，并采用辅助锚点，提高定位范围。但是上述学者的3D WSN中，锚点位置固定不变，且每一个传感节点的定位需要不共面的4个以上锚点，因此其定位方法需要较多的锚点，这较难应用到传感节点分布不均匀的随机部署3D WSN中。

因此，部分学者侧重于研究基于移动锚点的3D WSN节点定位方法，如Cui W等人将定位过程分为位置估计，坐标转换，位置优化和位置校正四个主要步骤，提出用于3D移动定位的动态多维缩放方法。Kim E等人提出基于移动信标的定位方法，即选择信标点集和合适锚点的最佳集合，并通过决策规则提高定位方法。但是文献Cui W和Kim E等人没有考虑移动锚点的移动路径。部分学者侧重于研究移动锚点的路径规划，如Zhu C等人比较随机选择网格中心的RAND方法，让移动节点随机选择距离最近的未经过网格中心作为下一时刻的停留位置，提出贪婪移动路径选择方法(Greedy moving path selection algorithm，GREED)。Akbar M等人利用节点的三维位置信息，提出一种移动节点的线性移动路径选择方法(Line moving path selection algorithm，LINE)，但是上述学者只是考虑移动节点的移动路径选择，没有考虑传感节点的定位问题。

综上所述，目前基于静态锚点的3D WSN节点定位方法需要较多的锚点，提高了方法应用的成本，而基于移动锚点的3D WSN节点定位方法侧重于传感节点自身的定位，较少考虑3D环境下移动锚点的移动路径选择。

发明内容

针对上述现有方法存在的问题，本发明提供一种基于移动锚点的三维无线传感网节点定位方法，包括：传感节点的定位过程和移动锚点的移动路径规划过程；

所述传感节点的定位过程包括：

程序初始化，初始化延时时间范围；

根据所述延时时间范围，传感节点随机设定延时时间，并进行等待；

在所述延时时间内，所述传感节点是否接收到其他传感节点的连接树组建信息包；若是，则所述传感节点加入所述其他传感节点的连接树组建信息包，并广播发送加入后的所述连接树组建信息包；若否，则所述传感节点以自身为根传感节点建立连接树组建信息包，并广播发送建立的所述连接树组建信息包；

监听所述传感节点的周围传感节点和移动锚点，并接收所述周围传感节点和移动锚点的位置坐标和链路通信的RSSI值；

直至监听获取4个以上不共面的所述周围传感节点和移动锚点的位置坐标后，采用极大似然估计方法计算所述传感节点的位置坐标和定位类型，并将所述传感节点的位置坐标和定位类型广播发送到移动锚点；

所述移动锚点的移动路径规划过程包括：

将监控区域分成多个大小相同的正方体网格，所述移动锚点从当前位置随机探测一个未访问的与其相邻的所述正方体网格，若所述正方体网格中全部为已知定位的传感节点，则将所述正方体网格标记为已探测，并重新探测下一个未访问的与其相邻的所述正方体网格；若在所述正方体网格中发现未定位的传感节点，则所述移动锚点与所述未定位的传感节点通信，并获取所述未定位的传感节点所在连接树组建信息包中所有传感节点的连接信息；

以所述移动锚点的移动路径长度最小和定位误差最小为目标，并选择邻居位置选择约束、单跳覆盖范围约束，建立移动路径长度和定位误差最小化模型；

令所述移动锚点的移动路径为猎物，根据所述最小化模型，迭代更新每一个所述猎物，计算每个所述猎物的适应度，并从中选择适应度最小的猎物，得到最优化路径；

所述移动锚点沿着所述最优化路径移动，到达所述最优化路径中每一个停留位置后，发送所述移动锚点的位置坐标，并接收邻居传感节点的位置坐标；

当所述移动锚点完成所述最优化路径移动后，获取所述未定位的传感节点的位置坐标，并将所述未定位的传感节点所在的所述正方体网格标记为已探测，并重新探测下一个所述正方体网格。

优选的是，所述采用极大似然估计方法计算所述传感节点的位置坐标的步骤包括：

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则读取所有所述移动锚点的位置坐标和链路通信的RSSI值；否则，获取的位置坐标为所述移动锚点和已定位传感节点的位置坐标，读取所有获取的位置坐标和链路通信的RSSI值；

根据所述RSSI值计算所述传感节点到获取所述周围节点的距离，分别为d₁、d₂、d₃……d_n；

根据公式求解所述传感节点的坐标：

其中，(x^R,y^R,z^R)为所述传感节点的坐标，(x₁,y₁,z₁)、(x₂,y₂,z₂)……(x_n,y_n,z_n)为获取的位置坐标；

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则所述传感节点标记为锚点定位传感节点，否则将所述传感节点标记为邻居定位传感节点。

优选的是，所述建立移动路径长度和定位误差最小化模型的步骤包括：

令x_j表示传感节点j，则获得两个传感节点的连接关系为：

其中，L(x_j)为传感节点x_j所在位置的父节点，link(x_j,x_k)为传感节点x_j和x_k的连接关系；

令Path为所述移动锚点的移动路径，即为传感节点的集合{p₁,p₂,…,p_i}；令所述移动路径中的每个传感节点的位置坐标需要满足所述邻居位置选择约束为：

其中，link(p_i,p_i+1)表示位置p_i和p_i+1的邻居关系指示符；

令C(x_j)表示传感节点x_j是否被覆盖的指示符，则所述单跳覆盖范围约束为：

则所述最小化模型为：

min(Len(path)×D)；

其中，Len(path)为所述移动路径Path的长度；N₂为所述移动路径Path中坐标的数量；D为所述传感节点到所述移动锚点停留位置的平均距离。

优选的是，所述迭代更新每一个所述猎物，计算每个所述猎物的适应度，并从中选择适应度最小的猎物作为掠食者，得到最优化路径的步骤包括：

初始化最大迭代次数K，当前迭代次数K＝1；

所述猎物适应度公式为：

f_i＝Len(path)×D；

其中，f_i为所述猎物i的适应度；

对所述猎物进行修正，并对修正后的所述猎物进行迭代计算；

令

和

分别为最大迭代次数的两个阈值，且

判断当前迭代次数K，并所述移动锚点对所述猎物进行变异操作、交叉操作或变异和交叉操作，产生新的猎物；

根据所述猎物适应度公式计算每个新的猎物的适应度，并根据适应度从小到大选择前ξ个猎物，选择适应度最小的猎物作为掠食者；

根据以下公式计算所述前ξ个猎物的漩涡效应值，并判断所述前ξ个猎物中每个所述猎物的漩涡效应值是否＞M，将所述前ξ个猎物中漩涡效应值＞M的猎物初始化，并得到新的前ξ个猎物；

其中，τ_i为所述猎物i的漩涡效应值，λ为所述猎物适应度的权重参数，M为所述漩涡效应值的阈值；

判断当前迭代次数K的次数，若当前迭代次数

则当前迭代次数K+1后重新对所述新的前ξ个猎物进行迭代计算；若当前迭代次数

选择所述新的前ξ个猎物中的掠食者为最优路径。

优选的是，所述对所述猎物进行修正的步骤包括：

判断所述猎物是否存在重复的移动位置，若存在，在所述猎物中寻找不是首次出现的移动位置，并删除该移动位置；

判断所述猎物是否满足单跳覆盖范围约束，若不满足，则从所述猎物中选择一个邻居节点数量最多的节点，通过最近邻插入方法将所述节点加入到已获知节点位置的路径后，直至完成满足单跳覆盖范围约束；

判断所述猎物中每一个传感节点的下一跳传感节点是否是当前移动锚点的未停留且已定位的传感节点，若不是，根据所述邻居位置选择约束重新初始化一个猎物进行替换，并判断每个所述猎物是否满足所述单跳覆盖范围约束，若不满足，重新执行所述猎物的修正，直至满足所述单跳覆盖范围约束，得到修正后的猎物。

优选的是，所述判断当前迭代次数K，并所述移动锚点对所述猎物进行变异操作、交叉操作或变异和交叉操作，产生新的猎物的步骤包括：

若当前迭代次数

所述移动锚点对所述前ξ个猎物进行变异操作，产生新的猎物；

若当前迭代次数

所述移动锚点对所述前ξ个猎物中一半的猎物进行所述变异操作，另一半猎物进行交叉操作，产生新的猎物；

若当前迭代次数

所述移动锚点对所述前ξ个猎物进行交叉操作，产生新的猎物。

优选的是，所述变异操作步骤包括：

设定变异概率κ，所述移动锚点对所述猎物产生一个[0,1]范围内的随机数，若所述随机数＜所述变异概率κ，则根据公式计算所述移动锚点当前位置下一步中可选择移动位置的评价值，所述公式为：

score_l＝η₂n_l+η₁/e_l；

其中，score_l为下一步中第l个可选择移动位置的评价值；n_l为下一步中第l个可选择移动位置在单跳范围内的节点数量；e_l为下一步中第l个可选择移动位置到单跳范围内的节点距离和；η₁为节点数量的权重参数；η₂为节点距离和；

根据公式计算选择概率，同时选择需要插入的移动位置，所述公式为：

其中，P_l为下一步中第l个可选择移动位置的选择概率；N₃为下一步中可选择移动位置数量；

保留与原来所述猎物相同位置数量的移动路径，最终获得新的猎物。

优选的是，所述交叉操作步骤包括：

将每个所述猎物与所述掠食者进行对比，将相同位置的传感节点放入到集合QN中，若所述集合QN中的元素数量少于3个，则直接结束交叉操作，否则在所述集合QN中随机挑选两个相邻的元素作为交换路径的上下界限，从而将所述掠食者与所述猎物中的交换路径进行互换，产生新的猎物。

与现有技术相比，本发明的有益效果为：

本发明通过传感节点的定位过程和移动锚点的移动路径规划过程，获得适合当前传感节点连接关系的最优移动路径，从而提高传感节点的平均锚点位置个数和已定位传感节点个数比，降低平均节点定位误差，降低定位方法的应用成本。

附图说明

图1是本发明中传感节点的定位过程的框架示意图；

图2是本发明中移动锚点的移动路径规划过程的框架示意图。

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的一部分实施例，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的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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本实施例提供一种基于移动锚点的三维无线传感网节点定位方法包括：传感节点的定位过程和移动锚点的移动路径规划过程；

参照图1，传感节点的定位过程包括：

程序初始化，初始化延时时间范围；

根据延时时间范围，传感节点随机设定延时时间，并进行等待；

在延时时间内，传感节点是否接收到其他传感节点的连接树组建信息包；若是，则传感节点加入其他传感节点的连接树组建信息包，并广播发送加入后的连接树组建信息包；若否，则传感节点以自身为根传感节点建立连接树组建信息包，并广播发送建立的连接树组建信息包；

其中，连接树组建信息包建立过程为：随机分布的传感节点通过无线通信获取所有邻居传感节点的距离，组织成多个节点全连接的小组，其内存储有每一个传感节点的ID、每个传感节点周围邻居传感节点ID以及每个传感节点到每一个邻居传感节点的距离。

监听传感节点的周围传感节点和移动锚点，并接收周围传感节点的位置坐标和链路通信的RSSI值；

直至监听获取4个以上不共面的周围传感节点和移动锚点的位置坐标后，采用极大似然估计方法计算传感节点的位置坐标和定位类型，并将传感节点的位置坐标和定位类型广播发送到移动锚点；

其中，采用极大似然估计方法计算传感节点的位置坐标的步骤包括：

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则读取所有移动锚点的位置坐标和链路通信的RSSI值；否则，获取的位置坐标为移动锚点和已定位传感节点的位置坐标，读取所有获取的位置坐标和链路通信的RSSI值；

根据RSSI值计算传感节点到获取周围节点的距离，分别为d₁、d₂、d₃……d_n；

根据公式求解传感节点的坐标：

其中，(x^R,y^R,z^R)为传感节点的坐标，(x₁,y₁,z₁)、(x₂,y₂,z₂)……(x_n,y_n,z_n)为获取的位置坐标；

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则传感节点标记为锚点定位传感节点，否则将传感节点标记为邻居定位传感节点。

参照图2，移动锚点的移动路径规划过程包括：

将监控区域分成多个大小相同的正方体网格，移动锚点从当前位置随机探测一个未访问的与其相邻的正方体网格，若正方体网格中全部为已知定位的传感节点，则将正方体网格标记为已探测，并重新探测下一个未访问的与其相邻的正方体网格；若在正方体网格中发现未定位的传感节点，则移动锚点与未定位的传感节点通信，并获取未定位的传感节点所在连接树组建信息包中所有传感节点的连接信息；

以移动锚点的移动路径长度最小和定位误差最小为目标，并选择邻居位置选择约束、单跳覆盖范围约束，建立移动路径长度和定位误差最小化模型；

其中，建立移动路径长度和定位误差最小化模型的步骤包括：

令x_j表示传感节点j，则获得两个传感节点的连接关系为：

其中，L(x_j)为传感节点x_j所在位置的父节点，link(x_j,x_k)为传感节点x_j和x_k的连接关系；

令Path为移动锚点的移动路径，即为传感节点的集合{p₁,p₂,…,p_i}；令移动路径中的每个传感节点的位置坐标需要满足邻居位置选择约束为：

其中，link(p_i,p_i+1)表示位置p_i和p_i+1的邻居关系指示符，当其为1时，表示位置p_i+1是位置p_i上传感节点同一个父节点通信方位内的其他传感节点位置或为子节点位置；

令C(x_j)表示传感节点x_j是否被覆盖的指示符，当其为1时，则其至少在一个移动锚点的停留位置的单跳通信范围内，则单跳覆盖范围约束为：

这样设置要求所有传感节点必须在移动路径任一停留位置的单跳通信范围内，保证移动锚点可提供有效的位置信息，提高传感节点的定位精度。

则最小化模型为：

min(Len(path)×D)；

其中，Len(path)为移动路径Path的长度；N₂为移动路径Path中坐标的数量；D为传感节点到移动锚点停留位置的平均距离。当平均距离较近时，RSSI的误差较小，其定位精度较高。

令移动锚点的移动路径为猎物，根据最小化模型，迭代更新每一个所述猎物，计算每个所述猎物的适应度，并从中选择适应度最小的猎物，得到最优化路径；

其中，迭代更新每一个猎物，计算每个猎物的适应度，并从中选择适应度最小的猎物作为掠食者，得到最优化路径的步骤包括：

步骤1：初始化最大迭代次数K，当前迭代次数K＝1；

步骤2：猎物适应度公式为：

f_i＝Len(path)×D；

其中，f_i为猎物i的适应度；

步骤3：对猎物进行修正，并对修正后的猎物进行迭代计算；

其中，对猎物进行修正的步骤包括：

判断猎物是否满足单跳覆盖范围约束，若不满足，则从猎物中选择一个邻居节点数量最多的节点，通过最近邻插入方法将节点加入到已获知节点位置的路径后，直至完成满足单跳覆盖范围约束；

判断猎物中每一个传感节点的下一跳传感节点是否是当前移动锚点的未停留且已定位的传感节点，若不是，根据邻居位置选择约束重新初始化一个猎物进行替换，并判断每个猎物是否满足单跳覆盖范围约束，若不满足，重新执行猎物的修正，直至满足单跳覆盖范围约束，得到修正后的猎物。

步骤4：令

和

分别为最大迭代次数的两个阈值，且

步骤5：判断当前迭代次数K，并移动锚点对所述猎物进行变异操作、交叉操作或变异和交叉操作，产生新的猎物；

具体地：

步骤5.1：当K＝1时，移动锚点对修正后的所述猎物进行变异操作，产生新的猎物，并执行步骤6；

步骤5.2：当

时，移动锚点对前ξ个猎物进行变异操作，产生新的猎物，并执行步骤6；

步骤5.3：当

移动锚点对前ξ个猎物中一半的猎物进行所述变异操作，另一半猎物进行交叉操作，产生新的猎物，并执行步骤6；

步骤5.4：当

移动锚点对前ξ个猎物进行交叉操作，产生新的猎物，并执行步骤6；

步骤6：根据猎物适应度公式计算每个新的猎物的适应度，并根据适应度从小到大选择前ξ个猎物，选择适应度最小的猎物作为掠食者；

步骤7：根据以下公式计算前ξ个猎物的漩涡效应值，并判断前ξ个猎物中每个猎物的漩涡效应值是否＞M，将前ξ个猎物中漩涡效应值＞M的猎物初始化，并得到新的前ξ个猎物；

其中，τ_i为猎物i的漩涡效应值，λ为猎物适应度的权重参数，M为漩涡效应值的阈值；

步骤8：判断当前迭代次数K的次数，若当前迭代次数

则当前迭代次数K+1后返回步骤5；若当前迭代次数

选择新的前ξ个猎物中的掠食者为最优路径；

步骤9：根据漩涡效应值，选择漩涡效应值最大的猎物为最优路径。

进一步地，变异操作步骤包括：

设定变异概率κ，移动锚点对猎物产生一个[0,1]范围内的随机数，若随机数＜变异概率κ，则根据公式计算移动锚点当前位置下一步中可选择移动位置的评价值，否则结束变异操作，该公式为：

score_l＝η₂n_l+η₁/e_l；

其中，score_l为下一步中第l个可选择移动位置的评价值；n_l为下一步中第l个可选择移动位置在单跳范围内的节点数量；e_l为下一步中第l个可选择移动位置到单跳范围内的节点距离和；η₁为节点数量的权重参数；η₂为节点距离和；

根据公式计算选择概率，同时选择需要插入的移动位置，公式为：

其中，P_l为下一步中第l个可选择移动位置的选择概率；N₃为下一步中可选择移动位置数量；

保留与原来猎物相同位置数量的移动路径，最终获得新的猎物。

再进一步地，交叉操作步骤包括：

将每个猎物与掠食者进行对比，将相同位置的传感节点放入到集合QN中，若集合QN中的元素数量少于3个，则直接结束交叉操作，否则在集合QN中随机挑选两个相邻的元素作为交换路径的上下界限，从而将掠食者与猎物中的交换路径进行互换，产生新的猎物。

移动锚点沿着最优化路径移动，到达最优化路径中每一个停留位置后，发送移动锚点的位置坐标，并接收邻居传感节点的位置坐标；

其中，令停留位置的三维坐标为(x^r,y^r,z^r)，则移动锚点在每一个停留位置的周围位置坐标为：

位置1：(x^r+d_max/2,y^r+d_max/2,z^r+3d_max/4)；

位置2：(x^r+3d_max/4,y^r+d_max/2,z^r+d_max/2)；

位置3：(x^r+d_max/2,y^r+3d_max/4,z^r+d_max/2)；

位置4：(x^r+d_max/2,y^r+d_max/2,z^r+d_max/4)；

通过该4个位置坐标，接收传感节点位置坐标。

当移动锚点完成最优化路径移动后，获取未定位的传感节点的位置坐标，并将未定位的传感节点所在的正方体网格标记为已探测，并重新探测下一个正方体网格。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于移动锚点的三维无线传感网节点定位方法，其特征在于，包括传感节点的定位过程和移动锚点的移动路径规划过程，所述传感节点的定位过程包括：

程序初始化，初始化延时时间范围；

根据所述延时时间范围，传感节点随机设定延时时间，并进行等待；

在所述延时时间内，所述传感节点是否接收到其他传感节点的连接树组建信息包；若是，则所述传感节点加入所述其他传感节点的连接树组建信息包，并广播发送加入后的所述连接树组建信息包；若否，则所述传感节点以自身为根传感节点建立连接树组建信息包，并广播发送建立的所述连接树组建信息包；

监听所述传感节点的周围传感节点和移动锚点，并接收所述周围传感节点和移动锚点的位置坐标和链路通信的RSSI值；

直至监听获取4个以上不共面的所述周围传感节点和移动锚点的位置坐标后，采用极大似然估计方法计算所述传感节点的位置坐标和定位类型，并将所述传感节点的位置坐标和定位类型广播发送到移动锚点；

所述移动锚点的移动路径规划过程包括：

将监控区域分成多个大小相同的正方体网格，所述移动锚点从当前位置随机探测一个未访问的与其相邻的所述正方体网格，若所述正方体网格中全部为已知定位的传感节点，则将所述正方体网格标记为已探测，并重新探测下一个未访问的与其相邻的所述正方体网格；若在所述正方体网格中发现未定位的传感节点，则所述移动锚点与所述未定位的传感节点通信，并获取所述未定位的传感节点所在连接树组建信息包中所有传感节点的连接信息；

以所述移动锚点的移动路径长度最小和定位误差最小为目标，并选择邻居位置选择约束、单跳覆盖范围约束，建立移动路径长度和定位误差最小化模型；

令所述移动锚点的移动路径为猎物，根据所述最小化模型，迭代更新每一个所述猎物，计算每个所述猎物的适应度，并从中选择适应度最小的猎物，得到最优化路径；

所述移动锚点沿着所述最优化路径移动，到达所述最优化路径中每一个停留位置后，发送所述移动锚点的位置坐标，并接收邻居传感节点的位置坐标；

当所述移动锚点完成所述最优化路径移动后，获取所述未定位的传感节点的位置坐标，并将所述未定位的传感节点所在的所述正方体网格标记为已探测，并重新探测下一个所述正方体网格；

其中，所述建立移动路径长度和定位误差最小化模型的步骤包括：

令x_j表示传感节点j，则获得两个传感节点的连接关系为：

其中，L(x_j)为传感节点x_j所在位置的父节点，link(x_j,x_k)为传感节点x_j和x_k的连接关系；

令Path为所述移动锚点的移动路径，即为传感节点的集合{p₁,p₂,…,p_i}；令所述移动路径中的每个传感节点的位置坐标需要满足所述邻居位置选择约束为：

其中，link(p_i,p_i+1)表示位置p_i和p_i+1的邻居关系指示符；

令C(x_j)表示传感节点x_j是否被覆盖的指示符，则所述单跳覆盖范围约束为：

则所述最小化模型为：

min(Len(path)×D)；

其中，Len(path)为所述移动路径Path的长度；N₂为所述移动路径Path中坐标的数量；D为所述传感节点到所述移动锚点停留位置的平均距离；

所述迭代更新每一个所述猎物，计算每个所述猎物的适应度，并从中选择适应度最小的猎物作为掠食者，得到最优化路径的步骤包括：

初始化最大迭代次数K，当前迭代次数K＝1；

所述猎物适应度公式为：

f_i＝Len(path)×D；

其中，f_i为所述猎物i的适应度；

对所述猎物进行修正，并对修正后的所述猎物进行迭代计算；

令

和

分别为最大迭代次数的两个阈值，且

判断当前迭代次数K，并所述移动锚点对所述猎物进行变异操作、交叉操作或变异和交叉操作，产生新的猎物；

根据所述猎物适应度公式计算每个新的猎物的适应度，并根据适应度从小到大选择前ξ个猎物，选择适应度最小的猎物作为掠食者；

根据以下公式计算所述前ξ个猎物的漩涡效应值，并判断所述前ξ个猎物中每个所述猎物的漩涡效应值是否＞M，将所述前ξ个猎物中漩涡效应值＞M的猎物初始化，并得到新的前ξ个猎物；

其中，τ_i为所述猎物i的漩涡效应值，λ为所述猎物适应度的权重参数，M为所述漩涡效应值的阈值；

判断当前迭代次数K的次数，若当前迭代次数

则当前迭代次数K+1后重新对所述新的前ξ个猎物进行迭代计算；若当前迭代次数

选择所述新的前ξ个猎物中的掠食者为最优路径。

2.如权利要求1所述的基于移动锚点的三维无线传感网节点定位方法，其特征在于，所述采用极大似然估计方法计算所述传感节点的位置坐标的步骤包括：

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则读取所有所述移动锚点的位置坐标和链路通信的RSSI值；否则，获取的位置坐标为所述移动锚点和已定位传感节点的位置坐标，读取所有获取的位置坐标和链路通信的RSSI值；

根据所述RSSI值计算所述传感节点到获取所述周围节点的距离，分别为d₁、d₂、d₃……d_n；

根据公式求解所述传感节点的坐标：

其中，(x^R,y^R,z^R)为所述传感节点的坐标，(x₁,y₁,z₁)、(x₂,y₂,z₂)……(x_n,y_n,z_n)为获取的位置坐标；

若获取的位置坐标为4个以上不共面的移动锚点的位置坐标，则所述传感节点标记为锚点定位传感节点，否则将所述传感节点标记为邻居定位传感节点。

3.如权利要求1所述的基于移动锚点的三维无线传感网节点定位方法，其特征在于，所述对所述猎物进行修正的步骤包括：

判断所述猎物是否存在重复的移动位置，若存在，在所述猎物中寻找不是首次出现的移动位置，并删除该移动位置；

判断所述猎物是否满足单跳覆盖范围约束，若不满足，则从所述猎物中选择一个邻居节点数量最多的节点，通过最近邻插入方法将所述节点加入到已获知节点位置的路径后，直至完成满足单跳覆盖范围约束；

判断所述猎物中每一个传感节点的下一跳传感节点是否是当前移动锚点的未停留且已定位的传感节点，若不是，根据所述邻居位置选择约束重新初始化一个猎物进行替换，并判断每个所述猎物是否满足所述单跳覆盖范围约束，若不满足，重新执行所述猎物的修正，直至满足所述单跳覆盖范围约束，得到修正后的猎物。

4.如权利要求1所述的基于移动锚点的三维无线传感网节点定位方法，其特征在于，所述判断当前迭代次数K，并所述移动锚点对所述猎物进行变异操作、交叉操作或变异和交叉操作，产生新的猎物的步骤包括：

若当前迭代次数

对所述新的前ξ个猎物进行变异操作，产生新的猎物；

若当前迭代次数

对所述新的前ξ个猎物中一半的猎物进行所述变异操作，另一半猎物进行交叉操作，产生新的猎物；

若当前迭代次数

对所述新的前ξ个猎物进行交叉操作，产生新的猎物。

5.如权利要求1所述的基于移动锚点的三维无线传感网节点定位方法，其特征在于，所述变异操作步骤包括：

设定变异概率κ，所述移动锚点对所述猎物产生一个[0,1]范围内的随机数，若所述随机数＜所述变异概率κ，则根据公式计算所述移动锚点当前位置下一步中可选择移动位置的评价值，所述公式为：

score_l＝η₂n_l+η₁/e_l；

其中，score_l为下一步中第l个可选择移动位置的评价值；n_l为下一步中第l个可选择移动位置在单跳范围内的节点数量；e_l为下一步中第l个可选择移动位置到单跳范围内的节点距离和；η₁为节点数量的权重参数；η₂为节点距离和；

根据公式计算选择概率，同时选择需要插入的移动位置，所述公式为：

其中，P_l为下一步中第l个可选择移动位置的选择概率；N₃为下一步中可选择移动位置数量；

保留与原来所述猎物相同位置数量的移动路径，最终获得新的猎物。

6.如权利要求1所述的基于移动锚点的三维无线传感网节点定位方法，其特征在于，所述交叉操作步骤包括：

将每个所述猎物与所述掠食者进行对比，将相同位置的传感节点放入到集合QN中，若所述集合QN中的元素数量少于3个，则直接结束交叉操作，否则在所述集合QN中随机挑选两个相邻的元素作为交换路径的上下界限，从而将所述掠食者与所述猎物中的交换路径进行互换，产生新的猎物。

Images