CN113453335A - 基于DV-hop改进的凸优化WSNs节点定位方法 - Google Patents

基于DV-hop改进的凸优化WSNs节点定位方法 Download PDF

Info

Publication number
CN113453335A
CN113453335A CN202110716487.3A CN202110716487A CN113453335A CN 113453335 A CN113453335 A CN 113453335A CN 202110716487 A CN202110716487 A CN 202110716487A CN 113453335 A CN113453335 A CN 113453335A
Authority
CN
China
Prior art keywords
node
distance
unknown
nodes
representing
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
CN202110716487.3A
Other languages
English (en)
Other versions
CN113453335B (zh
Inventor
周林
张路
孙辰辰
金勇�
张前程
苏朋
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.)
Henan University
Original Assignee
Henan 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 Henan University filed Critical Henan University
Priority to CN202110716487.3A priority Critical patent/CN113453335B/zh
Publication of CN113453335A publication Critical patent/CN113453335A/zh
Application granted granted Critical
Publication of CN113453335B publication Critical patent/CN113453335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本文提供了基于DV‑hop改进的凸优化WSNs节点定位方法，包括以下步骤：参考节点根据自身搭载的GPS设备进行精确定位，并广播关于自身信息数据包，其他节点转播该数据包，每个节点保存最小跳数值参考节点的数据包；参考节点根据数据信息包中的跳数值计算出平均跳距并广播到网络，未知节点计算到参考节点间的距离；将未知节点到参考节点之间距离的累积误差建立的非凸目标函数，通过矩阵变换转化为带有非凸约束条件的凸目标函数，随后将非凸约束收紧得到更紧的凸约束求解，从而实现对未知节点位置的精确估计。本发明能够在较少参考节点的前提下确定未知节点的位置，同时降低了能量消耗及成本投入，具有良好的可行性和有效性。

Description

基于DV-hop改进的凸优化WSNs节点定位方法
技术领域
本发明涉及无线传感器节点定位领域，尤其是涉及一种基于DV-hop改进的凸优化WSNs 节点定位方法。
背景技术
无线传感器网络(WSNs，wireless sensor networks)是多跳通信网络系统，它由大量资源受限的传感器节点组成，具有自组织、低成本、动态拓扑的特点。近年来，随着无线通信、微电子和嵌入式技术的进步，推动了无线传感器节点的多功能、高集成、小型化发展，使得在环境监测、火灾探测、工业监控、军事侦察等不同领域得到广泛应用。然而，大量无线传感器节点被随机部署在监控区域内进行数据收集，进而将收集到的数据发送给用户。但是，对于用户来说，大量没有位置信息的数据是毫无价值的，因此，无线传感器节点的位置信息在网络中至关重要。
就定位问题来说，当下属全球卫星导航系统(GPS)最为流行，可以为用户提供导航定位服务，但是，所有节点使用GPS定位将导致网络成本增加、节点功耗增大，在大型网络中难以应用。因此，寻求新型的无线传感器网络节点定位方法受到广大学者的高度关注。
目前，无线传感器节点定位方法中，按是否需要测量节点之间的实际距离可分为两类：基于测距的和无测距的。基于测距的节点定位方法，通过测距设备获取节点之间的距离或角度信息后，使用多边定位方法计算未知节点的坐标，但是该方法对测距硬件的要求更高。而无测距定位方法只需根据网络连通性计算节点间距离，估计未知节点位置无需额外的硬件测距设备。虽然该类算法比测距定位类算法精度低，但具有硬件需求少、成本低且易于实现等优点，因此被广泛应用于无线传感器节点定位中。目前，无测距定位方法主要包括：DV-hop (distance vector-Hop)、APIT(approximate point-in-triangulation)、MDS-MAP(multidimensional scaling-map)、质心算法等。其中的DV-hop算法利用平均跳距与跳数值的乘积近似为节点间实际距离，为目前最经典方法之一，其定位过程可分步：第一步，参考节点将自身位置信息广播到网络；第二步，参考节点计算自身平均跳距；第三步，根据多边定位原理估计未知节点位置。
经典的DV-hop算法建立了无线传感器非测距节点定位的基本框架，对无线传感器节点定位的硬件实现具有很好的意义，但仍存在以下缺点：
1、网络中节点间距离计算存在较大误差。
2、未知节点直接使用最小二乘估计精度较低。
发明内容
本发明的目的在于提供一种基于DV-hop改进的凸优化无线传感器节点定位方法，能够更好的提高网络中未知节点的定位精度。
本发明采用的技术方案为：
基于DV-hop改进的凸优化无线传感器节点定位方法，包括以下几个步骤：
步骤1：参数设置，具体的：
设定无线传感器节点随机拓扑区域为L×L区域内，无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s1,…,sk,…,sN}(k＝1,2,…,N)，其中前m个传感器节点搭载GPS(global positioning system)装置，这些节点能够获取自身精确的位置信息，称其为参考节点si(i＝1,…,m)，其他节点未搭载GPS装置其自身位置现阶段无法获取，称其为未知节点su(u＝m+1,…,N)；任一传感器节点sk(k＝1,…,N)的通信半径为R，精度阈值ε。
步骤2：计算未知节点与参考节点之间的距离，具体的：
利用参考节点的位置计算平均跳距，根据平均跳距乘跳数值估算节点间的距离，具体步骤如下：
步骤2.1：参考节点广播数据包到网络，具体的：
根据通信半径R得到的网络连通性，参考节点si(i＝1,…,m)首先会向网络广播自身的数据包信息,该数据包中包含此参考节点的ID(identification)、自身位置坐标(xi,yi)以及初始值为0的跳数值h，即ID＝i,xi＝(xi,yi),h＝0,i＝1,…,m，邻居节点在接收到此数据包信息后将跳数值加1，同时会选择性的保存离自身距离最近的参考节点的跳数值数据包，然后同样向其余邻居节点广播此数据包。
步骤2.2：计算参考节点平均跳距，具体的：
根据步骤2.1参考节点si(i＝1,…,m)广播后，不同节点间的最小跳数值 hik(i＝1,…,m；k＝1,…,N)可以获得。由于参考节点的真实位置已通过GPS确定，所以可计算获得不同参考节点之间的距离dij(i≠j；i,j＝1,…,m)：
dij＝||xi-xj||2,i,j＝1,…,m,j≠i.
其中，||·||2表示l2范数，xi、xj分别表示第i个参考节点和第j个参考节点的位置坐标向量，m 表示参考节点数量。
进而依据不同参考节点间最小的跳数值hij(i≠j；i,j＝1,…,m)计算平均跳距
Figure BDA0003132805370000031
并将平均跳距广播到网络，平均跳距计算如下：
Figure BDA0003132805370000032
其中，dij、hij分别表示第i个参考节点与第j个参考节点之间的距离和最小跳数值。
步骤2.3：计算未知节点到参考节点之间的距离，具体的：
根据步骤2.2广播后，未知节点可获得参考节点平均跳距
Figure BDA0003132805370000033
以及不同节点的最小跳数值hik(i＝1,…,m；k＝1,…,N)，进而估计未知节点su(u＝m+1,…,N)到参考节点 si(i＝1,…,m)之间的距离
Figure BDA0003132805370000034
Figure BDA0003132805370000035
其中，
Figure BDA0003132805370000036
表示第i个参考节点的平均距离，hiu表示第i个参考节点与第u个未知节点之间的最小跳数值。
步骤3：根据未知节点与参考节点之间的距离累积误差建立目标函数，具体的：
根据步骤2.1和步骤2.2可知参考节点位置si(i＝1,…,m)和估计距离
Figure BDA0003132805370000037
利用多边定位原理及距离误差构建目标函数：
Figure BDA0003132805370000038
其中，∑表示累加，||·||2表示l2范数，|·|表示绝对值，m表示参考节点数量；xu是第u个未知节点位置向量，xi表示第i个参考节点的位置向量；
Figure BDA0003132805370000039
表示第i个参考节点与第u个未知节点之间的距离。
步骤4：将非凸问题转化为凸问题迭代求解确定未知节点的位置，具体的：
通过迭代优化求解关于未知节点位置变量的凸问题，从而确定未知节点位置，具体步骤如下：
步骤4.1：通过矩阵变换将非凸目标函数转化为带约束的凸目标函数，具体的：
根据步骤3建立的优化目标函数，由于该目标函数非凸且不可导，所以通过引入辅助变量pi(i＝1,…,m)表示未知节点与第i个参考节点之间距离误差的界，通过矩阵变换将非凸目标函数转化为带约束的凸目标函数如下所示。
目标函数：
Figure BDA0003132805370000041
约束条件：
Figure BDA0003132805370000042
Figure BDA0003132805370000043
其中，∑表示累加，
Figure BDA0003132805370000044
表示l2范数，1表示全1的列向量，
Figure BDA0003132805370000045
表示转置，p＝(p1,p2,…,pm)T， xu(u＝m+1,…,N)表示第u个未知节点位置坐标向量；xi(i＝1,…,m)表示第i个参考参考的位置向量，m为参考节点数量；
Figure BDA0003132805370000046
表示第i个参考节点与第u个未知节点之间的估计距离。
步骤4.2：将非凸约束转化为凸约束，具体的：
根据步骤4.1带有约束条件的优化问题，明显的如下约束为非凸约束：
Figure BDA0003132805370000047
其中，||·||2表示l2范数，xu表示未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA0003132805370000048
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差辅助变量；m表示参考节点数量。
将非凸约束收紧得到如下更紧的凸约束：
Figure BDA0003132805370000049
其中，||·||2表示l2范数，(·)T表示转置，
Figure BDA00031328053700000410
表示求解未知节点位置的第k次迭代初值，xu表示第u个未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA00031328053700000411
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界；m表示参考节点数量。
步骤4.3：迭代优化计算未知节点位置，具体的：
根据步骤4.1和步骤4.2得到的如下凸优化问题，未知节点预估k＝1时的迭代初始位置
Figure BDA0003132805370000051
计算如下：
根据多边定位原理估计未知节点su到参考节点si(i＝1,…,m)之间的距离平方表示如下：
Figure BDA0003132805370000052
其中，(x1,y1),…,(xm,ym)分别表示m个参考节点的位置坐标，(xu,yu)表示第u个未知节点的位置坐标，
Figure BDA0003132805370000053
分别表示m个参考节点到第u个未知节点的估计距离平方。
对上式进行整理得：
Figure BDA0003132805370000054
Figure BDA0003132805370000055
Figure BDA0003132805370000056
第u个未知节点su利用最小二乘求解得到初始值
Figure BDA0003132805370000057
Figure BDA0003132805370000058
进而求解如下凸问题得到关于未知节点的最优解
Figure BDA0003132805370000059
然后，将
Figure BDA00031328053700000510
作为第k+1次迭代初值求解，按此方式直到满足精度阈值ε输出最优解
Figure BDA00031328053700000511
目标函数：
Figure BDA0003132805370000061
约束条件：
Figure BDA0003132805370000062
Figure BDA0003132805370000063
其中，||·||2表示l2范数，(·)T表示转置，xu表示第u个未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA0003132805370000064
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界，p＝(p1,p2,…,pm)T；m表示参考节点数量。
本发明的有益效果：
通过上述技术方案，本发明针对现有改进DV-hop的优化方法存在定位精度低等问题，提出了基于DV-hop改进的凸优化无线传感器节点定位方法。首先，本发明根据未知节点与参考节点之间距离累积误差建立的非凸目标函数；其次，利用矩阵变换将非凸且不可导的目标函数转化为带有非凸约束的凸目标函数，随后将非凸约束收紧得到更紧的凸约束；最后，迭代求解该优化问题提高未知节点定位精度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程图；
图2为本发明的网络模型示意图；
图3为本发明的实施例中传感器的位置分布图；
图4为本发明的实施例中传感器的最终估计位置比较分布图。
具体实施方式
如图1所示，本发明包括以下几个步骤：
步骤1：参数设置，具体的：
设定无线传感器节点随机拓扑区域为L×L区域内，无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s1,…,sk,…,sN}(k＝1,…,N)，其中前m个传感器节点搭载GPS(global positioning system)装置，这些节点能够获取自身精确的位置信息，称其为参考节点si(i＝1,…,m)，其他节点未搭载GPS装置其自身位置现阶段无法获取，称其为未知节点su(u＝m+1,…,N)；任一传感器节点sk(k＝1,…,N)的通信半径为R，精度阈值ε。
步骤2：计算未知节点与参考节点之间的距离，具体的：
利用参考节点的位置计算平均跳距，根据平均跳距乘跳数值估算节点间的距离，具体步骤如下：
步骤2.1：参考节点广播数据包到网络，具体的：
根据通信半径R得到的网络连通性，参考节点si(i＝1,…,m)首先会向网络广播自身的数据包信息,该数据包中包含此参考节点的ID(identification)、自身位置坐标(xi,yi)以及初始值为0的跳数值h，即ID＝i,xi＝(xi,yi),h＝0,i＝1,…,m，邻居节点在接收到此数据包信息后将跳数值加1，同时会选择性的保存离自身距离最近的参考节点的跳数值数据包，然后同样向其余邻居节点广播此数据包。
步骤2.2：计算参考节点平均跳距，具体的：
根据步骤2.1参考节点si(i＝1,…,m)广播后，不同节点间的最小跳数值 hik(i＝1,…,m；k＝1,…,N)可以获得。由于参考节点的真实位置已通过GPS确定，所以可计算获得不同参考节点之间的距离dij(i≠j；i,j＝1,…,m)：
dij＝||xi-xj||2,i,j＝1,…,m,j≠i.
其中，||·||2表示l2范数，xi、xj分别表示第i个参考节点和第j个参考节点的位置坐标向量，m 表示参考节点数量。
进而依据不同参考节点间最小的跳数值hij(i≠j；i,j＝1,…,m)计算平均跳距
Figure BDA0003132805370000071
并将平均跳距广播到网络，平均跳距计算如下：
Figure BDA0003132805370000072
其中，dij、hij分别表示第i个参考节点与第j个参考节点之间的距离和最小跳数值。
步骤2.3：计算未知节点到参考节点之间的距离，具体的：
根据步骤2.2广播后，未知节点可获得参考节点平均跳距
Figure BDA0003132805370000081
以及不同节点的最小跳数值hik(i＝1,…,m；k＝1,…,N)，进而估计未知节点su(u＝m+1,…,N)到参考节点 si(i＝1,…,m)之间的距离
Figure BDA0003132805370000082
Figure BDA0003132805370000083
其中，
Figure BDA0003132805370000084
表示第i个参考节点的平均距，hiu表示第i个参考节点与第u个未知节点之间的最小跳数值。
步骤3：根据未知节点与参考节点之间的距离累积误差建立目标函数，具体的：
根据步骤2.1和步骤2.2可知参考节点位置si(i＝1,…,m)和估计距离
Figure BDA0003132805370000085
利用多边定位原理及距离误差构建目标函数：
Figure BDA0003132805370000086
其中，∑表示累加，||·||2表示l2范数，·表示绝对值，m表示参考节点数量；xu是第u个未知节点位置向量，xi表示第i个参考节点的位置向量；
Figure BDA0003132805370000087
表示第i个参考节点与第u个未知节点之间的距离。
步骤4：将非凸问题转化为凸问题迭代求解确定未知节点的位置，具体的：
通过迭代优化求解关于未知节点位置变量的凸问题，从而确定未知节点位置，具体步骤如下：
步骤4.1：通过矩阵变换将非凸目标函数转化为带约束的凸目标函数，具体的：
根据步骤3建立的优化目标函数，由于该目标函数非凸且不可导，所以通过引入辅助变量pi(i＝1,…,m)表示未知节点与第i个参考节点之间距离误差的界，通过矩阵变换将非凸目标函数转化为带约束的凸目标函数如下所示。
目标函数：
Figure BDA0003132805370000088
约束条件：
Figure BDA0003132805370000089
Figure BDA00031328053700000810
其中，∑表示累加，||·||2表示l2范数，1表示全1的列向量，(·)T表示转置，p＝(p1,p2,…,pm)T， xu(u＝m+1,…,N)表示第u个未知节点位置坐标向量；xi(i＝1,…,m)表示第i个参考参考的位置向量，m为参考节点数量；
Figure BDA0003132805370000091
表示第i个参考节点与第u个未知节点之间的估计距离。
步骤4.2：将非凸约束转化为凸约束，具体的：
根据步骤4.1带有约束条件的优化问题，明显的如下约束为非凸约束：
Figure BDA0003132805370000092
其中，||·||2表示l2范数，xu表示未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA0003132805370000093
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差辅助变量；m表示参考节点数量。
将非凸约束收紧得到如下更紧的凸约束：
Figure BDA0003132805370000094
其中，||·||2表示l2范数，(·)T表示转置，
Figure BDA0003132805370000095
表示求解未知节点位置的第k次迭代初值，xu表示第u个未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA0003132805370000096
表示第i个参考节点与第 u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界；m表示参考节点数量。
步骤4.3：迭代优化计算未知节点位置，具体的：
根据步骤4.1和步骤4.2得到的如下凸优化问题，未知节点预估k＝1时的迭代初始位置
Figure BDA0003132805370000097
计算如下：
根据多边定位原理估计未知节点su到参考节点si(i＝1,…,m)之间的距离平方表示如下：
Figure BDA0003132805370000098
其中，(x1,y1),…,(xm,ym)分别表示m个参考节点的位置坐标，(xu,yu)表示第u个未知节点的位置坐标，
Figure BDA0003132805370000099
分别表示m个参考节点到第u个未知节点的估计距离平方。
对上式进行整理得：
Figure BDA0003132805370000101
Figure BDA0003132805370000102
Figure BDA0003132805370000103
第u个未知节点su利用最小二乘求解得到初始值
Figure BDA0003132805370000104
Figure BDA0003132805370000105
进而求解如下凸问题得到关于未知节点的最优解
Figure BDA0003132805370000106
然后，将
Figure BDA0003132805370000107
作为第k+1次迭代初值求解，按此方式直到满足精度阈值ε输出最优解
Figure BDA0003132805370000108
目标函数：
Figure BDA0003132805370000109
约束条件：
Figure BDA00031328053700001010
Figure BDA00031328053700001011
其中，||·||2表示l2范数，(·)T表示转置，xu表示第u个未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure BDA00031328053700001012
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界，p＝(p1,p2,…,pm)T；m表示参考节点数量。
以下以具体的实例进行说明，根据图3的传感器节点位置分布，s1,s2,s3,s4为参考节点，s5到s11为未知节点，通过最小化未知节点s5,s6,s7,s8,s9,s10,s11分别到参考节点s1,s2,s3,s4的距离累积误差，通过本方法从而估计未知节点位置如图4。本发明定位方法与DV-hop 方法的定位误差如下表所示：
Figure BDA00031328053700001013
Figure BDA0003132805370000111
通过上述技术方案，本发明针对现有改进DV-hop的优化方法存在定位精度低等问题，提出了基于DV-hop改进的凸优化无线传感器节点定位方法，即命名为CVX-DV-hop。首先，本发明根据未知节点与参考节点之间距离累积误差建立的非凸目标函数；其次，利用矩阵变换将非凸且不可导的目标函数转化为带有非凸约束的凸目标函数，随后将非凸约束收紧得到更紧的凸约束；最后，迭代求解该凸问题提高未知节点定位精度。

Claims (6)

1.基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：包括以下几个步骤：
步骤1：参数设置，具体的：
设定无线传感器节点随机拓扑区域为L×L区域内，无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s1,…,sk,…,sN}，k＝1,2,…,N，其中前m个传感器节点搭载GPS装置，这些节点能够获取自身精确的位置信息，称其为参考节点si，i＝1,…,m，其他节点未搭载GPS装置其自身位置现阶段无法获取，称其为未知节点su，u＝m+1,…,N；任一传感器节点sk，k＝1,2,…,N的通信半径为R，精度阈值ε；
步骤2：计算未知节点与参考节点之间的距离：利用参考节点的位置计算平均跳距，根据平均跳距乘跳数值估算节点间的距离；
步骤3：根据未知节点与参考节点之间的距离累积误差建立目标函数；
步骤4：将非凸问题转化为凸问题迭代求解确定未知节点的位置：通过迭代优化求解关于未知节点位置变量的凸问题，从而确定未知节点位置。
2.根据权利要求1所述的基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：所述的步骤2具体包括如下步骤：
步骤2.1：参考节点广播数据包到网络，具体的：
根据通信半径R得到的网络连通性，参考节点si首先会向网络广播自身的数据包信息,该数据包中包含此参考节点的ID、自身位置坐标(xi,yi)以及初始值为0的跳数值h，即ID＝i,xi＝(xi,yi),h＝0,i＝1,…,m，邻居节点在接收到此数据包信息后将跳数值加1，同时会选择性的保存离自身距离最近的参考节点的跳数值数据包，然后同样向其余邻居节点广播此数据包；
步骤2.2：计算参考节点平均跳距，具体的：
根据步骤2.1参考节点si广播后，获得不同节点间的最小跳数值hik，i＝1,…,m；k＝1,…,N；由于参考节点的真实位置已通过GPS确定，所以计算获得不同参考节点之间的距离dij，i≠j,i,j＝1,…,m，进而依据不同参考节点间最小的跳数值hij，i≠j,i,j＝1,…,m，计算平均跳距
Figure FDA0003132805360000021
并将平均跳距广播到网络；
步骤2.3：计算未知节点到参考节点之间的距离：根据步骤2.2广播后，未知节点获得参考节点平均跳距
Figure FDA0003132805360000022
以及不同节点的最小跳数值hik，进而估计未知节点su到参考节点si之间的距离
Figure FDA0003132805360000023
3.根据权利要求2所述的基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：所述步骤2.2中的参考节点之间距离dij计算：
dij＝||xi-xj||2,i,j＝1,…,m,j≠i.
其中，||·||2表示l2范数，xi、xj分别表示第i个参考节点和第j个参考节点的位置坐标向量，m表示参考节点数量；
所述步骤2.3：计算参考节点si平均跳距
Figure FDA0003132805360000024
Figure FDA0003132805360000025
其中，dij、hij分别表示第i个参考节点与第j个参考节点之间的距离和最小跳数值；
计算未知节点su与参考节点si之间的估计距离
Figure FDA0003132805360000026
Figure FDA0003132805360000027
其中，
Figure FDA0003132805360000028
表示第i个参考节点的平均跳距，hiu表示第i个参考节点与第u个未知节点之间的最小跳数值。
4.根据权利要求1所述的基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：所述的步骤3具体包括如下步骤：
根据步骤2.1和步骤2.2可知参考节点si的位置向量xi和估计距离
Figure FDA0003132805360000029
利用多边测距定位原理得到如下目标函数：
Figure FDA00031328053600000210
其中，∑表示累加，||·||2表示l2范数，|·|表示绝对值，m表示参考节点数量；xu是第u个未知节点位置的优化变量，xi表示第i个参考节点的位置向量；
Figure FDA00031328053600000211
表示第i个参考节点与第u个未知节点之间的距离。
5.根据权利要求1所述的基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：所述的步骤4具体包括如下步骤：
步骤4.1：通过矩阵变换将非凸目标函数转化为带约束的凸目标函数，具体的：
根据步骤3建立的优化目标函数，由于该目标函数非凸且不可导，所以通过引入辅助变量pi，i＝1,…,m表示未知节点与第i个参考节点之间距离误差的界，通过矩阵变换将非凸目标函数转化为带约束的凸目标函数如下所示；
目标函数：
Figure FDA0003132805360000031
约束条件：
Figure FDA0003132805360000032
Figure FDA0003132805360000033
其中，∑表示累加，||·||2表示l2范数，1表示全1的列向量，(·)T表示转置，p＝(p1,p2,…,pm)T，xu表示第u个未知节点位置坐标向量；xi表示第i个参考参考的位置向量，m为参考节点数量；
Figure FDA0003132805360000034
表示第i个参考节点与第u个未知节点之间的估计距离；
步骤4.2：将非凸约束转化为凸约束，具体的：
根据步骤4.1中带有约束条件的优化问题，明显的如下约束为非凸约束：
Figure FDA0003132805360000035
其中，||·||2表示l2范数，xu表示未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure FDA0003132805360000036
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差辅助变量；m表示参考节点数量；
将非凸约束收紧得到如下更紧的凸约束：
Figure FDA0003132805360000037
其中，||·||2表示l2范数，(·)T表示转置，
Figure FDA0003132805360000038
表示求解未知节点位置的第k次迭代初值，xu表示第u个未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure FDA0003132805360000039
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界；m表示参考节点数量；
步骤4.3：迭代优化计算未知节点位置，具体的：
根据步骤4.1和步骤4.2得到的如下凸优化问题，在未知节点预估第k次迭代初始位置
Figure FDA0003132805360000041
后，求解得到关于未知节点的最优解
Figure FDA0003132805360000042
然后，将
Figure FDA0003132805360000043
作为第k+1次迭代初值求解，按此方式直到满足精度阈值ε输出最优解
Figure FDA0003132805360000044
目标函数：
Figure FDA0003132805360000045
约束条件：
Figure FDA0003132805360000046
Figure FDA0003132805360000047
其中，||·||2表示l2范数，(·)T表示转置，xu表示未知节点位置坐标向量，xi表示第i个参考节点位置向量；
Figure FDA0003132805360000048
表示第i个参考节点与第u个未知节点之间的估计距离；pi表示未知节点与第i个参考节点之间距离误差的界，p＝(p1,p2,…,pm)T；m表示参考节点数量。
6.根据权利要求1所述的基于DV-hop改进的凸优化无线传感器节点定位方法，其特征在于：所述的步骤4.3中，未知节点预估k＝1时的迭代初始位置
Figure FDA0003132805360000049
的计算具体如下：
根据多边定位原理估计未知节点su到参考节点si之间的距离平方表示如下：
Figure FDA00031328053600000410
其中，(x1,y1),…,(xm,ym)分别表示m个参考节点的位置坐标，(xu,yu)表示第u个未知节点的位置坐标，
Figure FDA00031328053600000411
分别表示m个参考节点到第u个未知节点的估计距离平方；
对上式进行整理得：
Figure FDA00031328053600000412
Figure FDA0003132805360000051
Figure FDA0003132805360000052
第u个未知节点su利用最小二乘求解得到初始位置
Figure FDA0003132805360000053
Figure FDA0003132805360000054
CN202110716487.3A 2021-06-25 2021-06-25 基于DV-hop改进的凸优化WSNs节点定位方法 Active CN113453335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110716487.3A CN113453335B (zh) 2021-06-25 2021-06-25 基于DV-hop改进的凸优化WSNs节点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110716487.3A CN113453335B (zh) 2021-06-25 2021-06-25 基于DV-hop改进的凸优化WSNs节点定位方法

Publications (2)

Publication Number Publication Date
CN113453335A true CN113453335A (zh) 2021-09-28
CN113453335B CN113453335B (zh) 2022-06-14

Family

ID=77813130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110716487.3A Active CN113453335B (zh) 2021-06-25 2021-06-25 基于DV-hop改进的凸优化WSNs节点定位方法

Country Status (1)

Country Link
CN (1) CN113453335B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395193A (zh) * 2011-06-29 2012-03-28 华南理工大学 一种用于无线传感器网络的定位方法
WO2012146801A1 (es) * 2011-04-26 2012-11-01 Universidad De Sevilla Método de localización inteligente sobre redes de sensores inalámbricos
WO2019066714A1 (en) * 2017-09-29 2019-04-04 Telefonaktiebolaget Lm Ericsson (Publ) MULTI-ANTENNA PROCESSING FOR REFERENCE SIGNAL
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
CN110673089A (zh) * 2019-08-23 2020-01-10 宁波大学 未知视距和非视距分布情况下基于到达时间的定位方法
CN111479218A (zh) * 2020-05-09 2020-07-31 上海海事大学 一种基于dqpso算法的定位性能优化方法
CN112888064A (zh) * 2021-01-12 2021-06-01 上海海事大学 基于m-cg改进的无线传感器网络dv-hop定位优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012146801A1 (es) * 2011-04-26 2012-11-01 Universidad De Sevilla Método de localización inteligente sobre redes de sensores inalámbricos
CN102395193A (zh) * 2011-06-29 2012-03-28 华南理工大学 一种用于无线传感器网络的定位方法
WO2019066714A1 (en) * 2017-09-29 2019-04-04 Telefonaktiebolaget Lm Ericsson (Publ) MULTI-ANTENNA PROCESSING FOR REFERENCE SIGNAL
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
CN110673089A (zh) * 2019-08-23 2020-01-10 宁波大学 未知视距和非视距分布情况下基于到达时间的定位方法
CN111479218A (zh) * 2020-05-09 2020-07-31 上海海事大学 一种基于dqpso算法的定位性能优化方法
CN112888064A (zh) * 2021-01-12 2021-06-01 上海海事大学 基于m-cg改进的无线传感器网络dv-hop定位优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JINGXIAN WU等: "Optimum multi-hop transmission strategies for energy constrained wireless sensor networks", 《2012 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 *
周林等: "无线传感器网络中基于DV-Hop节点定位算法的研究", 《计算机应用与软件》 *
邴晓瑛等: "基于多通信半径的加权DV-Hop改进算法", 《计算机应用与软件》 *

Also Published As

Publication number Publication date
CN113453335B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN108848449B (zh) 基于DV-Hop改进的无线传感器网络节点定位算法
Zhang et al. Landscape-3D; a robust localization scheme for sensor networks over complex 3D terrains
CN102186242B (zh) 固定区域无线传感器网络移动节点定位方法
CN112469117B (zh) 一种改进的不规则无线传感器网络DV-hop定位方法
Hou et al. A novel DV-hop localization algorithm for asymmetry distributed wireless sensor networks
CN110933599A (zh) 一种融合uwb与wifi指纹的自适应定位方法
CN103513229A (zh) 基于wifi信号的定位方法
CN108896047A (zh) 分布式传感器网络协同融合与传感器位置修正方法
CN108828643B (zh) 一种基于灰色预测模型的室内外无缝定位系统及方法
CN103281777A (zh) 一种基于WiFi的差分定位方法
CN109039720A (zh) 一种针对二值传感器网络的参数估计方法
CN115379558A (zh) 一种基于粒子群优化乌鸦算法的移动台位置估计方法
CN113543026B (zh) 一种基于径向基函数网络的多楼层室内定位方法
CN110941004A (zh) 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置
CN104977562A (zh) 完全分布式无线传感网中鲁棒性多声源定位方法
CN113453335B (zh) 基于DV-hop改进的凸优化WSNs节点定位方法
Junfeng et al. A MDS-based localization algorithm for large-scale wireless sensor network
Sun et al. Successive and asymptotically efficient localization of sensor nodes in closed-form
CN116299383B (zh) 多传感器融合综合管廊巡检小车定位方法
CN117031519A (zh) 一种多目标三维协同定位方法及系统
Zeng et al. An improved DV-hop localization algorithm based on average hop and node distance optimization
CN110351657A (zh) 一种无线传感器网络中节点几何定位的方法
CN105872987A (zh) 一种基于单移动机器人的分布式无线传感网络节点定位方法
CN112954591B (zh) 一种协同分布式定位方法及系统
CN114666732A (zh) 一种含噪网络下动目标定位解算及误差评价方法

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