CN114745661B - 一种用于无线传感器网络节点定位的数据处理方法 - Google Patents

一种用于无线传感器网络节点定位的数据处理方法 Download PDF

Info

Publication number
CN114745661B
CN114745661B CN202210360751.9A CN202210360751A CN114745661B CN 114745661 B CN114745661 B CN 114745661B CN 202210360751 A CN202210360751 A CN 202210360751A CN 114745661 B CN114745661 B CN 114745661B
Authority
CN
China
Prior art keywords
node
coordinate
nodes
calculated
positioning
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.)
Active
Application number
CN202210360751.9A
Other languages
English (en)
Other versions
CN114745661A (zh
Inventor
刘星成
林浩
刘异橦
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen 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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202210360751.9A priority Critical patent/CN114745661B/zh
Publication of CN114745661A publication Critical patent/CN114745661A/zh
Priority to PCT/CN2022/124282 priority patent/WO2023193413A1/zh
Application granted granted Critical
Publication of CN114745661B publication Critical patent/CN114745661B/zh
Priority to US18/530,247 priority patent/US12120627B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • 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
    • H04W4/025—Services making use of location information using location based information parameters
    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • 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)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及无线传感器网络技术领域，公开了一种用于无线传感器网络节点定位的数据处理方法，该方法根据待定位节点接收到的多个锚节点的RSSI数据，计算得到待定位节点的多个可能位置的坐标计算值，计算得到的多个坐标计算值的质心C1，再筛选出与质心C1的距离小于阈值的坐标计算值，并计算筛选出的坐标计算值的质心C2，将质心C2的坐标位置作为待定位节点的位置，即利用多组RSSI数据计算待定位节点的多个可能位置，再进一步对这些可能的位置进行计算筛选。本发明不直接处理接收到的RSSI数据，而是对根据接收到的RSSI数据计算得到的坐标计算值进行处理，精度较好，计算简便且时间空间花销更小。

Description

一种用于无线传感器网络节点定位的数据处理方法
技术领域
本发明涉及无线传感器网络技术领域，特别是涉及一种用于无线传感器网络节点定位的数据处理方法。
背景技术
无线传感器网络（WSNs）被称为本世纪极具影响的21项技术之一,属于计算机、通信和数学等多个学科的交叉性前沿领域。它是一种由布置在监测区域内的多个具有一定功能的传感器节点通过数据收集、数据传输等方式所形成的自组织数据处理网络。通过网络中传感器节点的密集部署,可实现数据的收集量化、数据聚合和数据传输操作。无线传感器网络作为一种现代智能网络,已被广泛应用于军事、物联网、环境监测、现代交通（如近两年的共享单车等）、便捷快递、现代医疗、工业、空间探索等多个领域,发展前景十分广阔。在大量无线传感器网络的应用中，收集到的数据若没有对应的位置信息将使得数据失去价值。因此，定位技术是无线传感器网络研究领域的热点之一。
在无线传感器网络中，定位算法都可以分为顶层的距离估计和底层的位置估计两个阶段。其中顶层的距离估计方法是测距和无测距定位算法的主要差异之处。根据是否需要通过硬件手段直接测量收发机之间的距离，无线传感器网络的定位算法可以分为无测距(Range-free)和测距(Range-based)两种类型。测距定位算法的核心思想是通过测得的实际物理参数，计算待定位节点与锚节点之间的距离，通过待定位节点与多个锚节点之间的距离确定待定位节点的实际坐标值。
在定位算法的实际应用中，多种因素会影响最终的定位精度，其中较为重要的影响因素是环境噪声导致物理参数的测量值与实际值产生偏差导致待定位节点和锚节点之间的距离计算出现误差。倘若不能很好地处理这样的噪声影响，就会导致最终定位结果出现较大的偏差。
以传统的RSSI-三边定位算法为例，其主要流程是通过待定位节点接收到的锚节点RSSI值计算出待定位节点和锚节点之间的距离，得到三个这样的距离就可以用三边定位法计算待定位节点的坐标值。但是在待定位节点处接收到的RSSI信号会由于噪声的影响存在误差：
Figure SMS_1
(1)
其中
Figure SMS_2
指接收到的
Figure SMS_3
值，
Figure SMS_4
指待定位节点所处位置的RSSI真实值，
Figure SMS_5
是噪声。
如果依据带有噪声的RSSI接收值计算待定位节点与锚节点之间的距离，会造成较大的距离误差从而影响定位精度。
针对接收到的RSSI数据受环境因素影响这一问题，现有的解决办法是设计不同的滤波模型，对接收到的同一锚节点的多组RSSI数据进行处理，以减弱式(1)中噪声
Figure SMS_6
的影响。
常见的滤波方法有均值滤波、均值+中值滤波，高斯滤波等。
其中，均值滤波是最常用、计算最简单的滤波方法。在待定位节点处接收到
Figure SMS_7
组RSSI值，记作
Figure SMS_8
，取计算值
Figure SMS_9
(2)
作为计算待定位节点和锚节点之间距离的依据。倘若环境噪声是平稳随机分布，根据大数定理，当
Figure SMS_10
很大时，这一滤波方式处理得到的
Figure SMS_11
计算值与接近该组
Figure SMS_12
值的数学期望。但是这一假设立足于两个前提：环境噪声是加性高斯白分布的；
Figure SMS_13
较大。在实际环境中，由于阴影衰落、多径传播、冲激噪声等多种条件的影响，叠加在RSSI接收值上的噪声一般不符合平稳分布。限于计算时间和储存空间，用于处理的RSSI数据数量不可能很大。因此，均值滤波可以在一定条件下减少噪声的影响，但依然存在缺陷。
均值+中值滤波法考虑了偶发冲激噪声的影响。取计算值：
Figure SMS_14
(3)
(其中
Figure SMS_15
是
Figure SMS_16
组RSSI值的中位数) 作为计算待定位节点和锚节点之间距离的依据。在均值滤波法的基础上引入数据中值，减小了偶发大幅值噪声的影响。但该方法虽然减小了噪声影响，但依然将噪声保留在了计算数据中，引入不可避免的误差。
高斯滤波法通过公式求解所要拟合的高斯滤波模型的均值和方差，求出其密度函数
Figure SMS_17
.
Figure SMS_18
(4)
Figure SMS_19
(5)
Figure SMS_20
(6)
根据式(4)(5)(6)确定RSSI的有效范围，对筛选后的RSSI求其平均值，作为计算依据。虽然高斯滤波可以有效地滤除偏离真实值的数据，但并不能消除数据的波动。
综上所述，实际环境中的多种噪声会污染待定位节点接收到的RSSI数据，传统的多种滤波方法能减小噪声的影响但不能消除，且由于需要多组数据，造成了较大的时间花费和空间开销。
现有技术公开了一种基于RSSI的无线传感器网络圆弧三角形定位方法，包括下列步骤：S10，建立基于圆弧三角形布局的室内定位布局模型，在室内定位布局模型上布置多个信标节点；S20，对室内定位布局模型、信标节点的位置信息进行初始化；S30，连续接收待测节点的多个RSSI信号，通过卡尔曼滤波器对RSSI信号滤波后，选择三个数值最大的RSSI信号，通过路径损耗模型分别计算出三个RSSI信号对应的三个测试距离，以确定待测节点的空间范围；S40，使用粒子群算法计算待测节点的预测坐标。该专利通过卡尔曼滤波器对RSSI信号滤波后，再选择数值最大的三个RSSI信号进行定位，由于滤波只能排除部分可预测的噪声的影响，无法确定的噪声则不能排除，因此，依据有噪声的RSSI数据进行定位，会造成带定位节点的位置误差，影响定位精度，并且滤波需要大量的RSSI数据，造成了较大的时间花费和空间开销。
发明内容
本发明的目的是提供一种定位准确度高、时间花费和空间开销小的用于无线传感器网络节点定位的数据处理方法。
为了实现上述目的，本发明提供了一种用于无线传感器网络节点定位的数据处理方法，包括如下步骤：
S1、获取待定位节点接收到的n个锚节点的RSSI数据，其中，对每个锚节点采集m组RSSI数据，且n≥3；
S2、根据RSSI数据计算出待定位节点与各锚节点之间的距离；
S3、根据锚节点的坐标和待定位节点与锚节点之间的距离，计算待定位节点的坐标；通过n个锚节点的各m组RSSI数据的排列组合，得到待定位节点的多个坐标计算值；
S4、计算步骤S3获得的待定位节点的多个坐标计算值的质心
Figure SMS_21
；
S5、在步骤S3获得的待定位节点的多个坐标计算值中，筛选出与质心
Figure SMS_22
的距离小于阈值的坐标计算值；阈值小于步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的二分之一；阈值为步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的四分之一，设阈值为r，则：
Figure SMS_23
；
S6、计算步骤S5筛选出的待定位节点的坐标计算值的质心
Figure SMS_24
，将质心
Figure SMS_25
的坐标位置作为待定位节点的位置。
作为优选方案，在步骤S3中，通过测距定位方法计算待定位节点的坐标。
作为优选方案，在步骤S3中，根据三边定位法计算待定位节点的坐标，得到
Figure SMS_26
个待定位节点的坐标计算值。
作为优选方案，n=3，m=10。
作为优选方案，在步骤S3中，得到的待定位节点的坐标计算值的个数为k，则待定位节点的坐标计算值为
Figure SMS_27
，
Figure SMS_28
；
在步骤S5中，设质心
Figure SMS_29
,则：
Figure SMS_30
Figure SMS_31
作为优选方案，在步骤S5中筛选出t个待定位节点的坐标计算值，待定位节点的坐标计算值为
Figure SMS_32
，
Figure SMS_33
；
在步骤S7中，设质心
Figure SMS_34
,则：
Figure SMS_35
Figure SMS_36
作为优选方案，在步骤S1中，对某个锚节点采集RSSI数据时，相邻两次采集RSSI数据的时间间隔为10s或10s以上。
作为优选方案，所述锚节点为蓝牙信标节点。
与现有技术相比，本发明的有益效果在于：
本发明根据待定位节点接收到的多个锚节点的RSSI数据，计算得到待定位节点的多个可能位置的坐标计算值，计算得到的多个坐标计算值的质心
Figure SMS_37
，再筛选出与质心
Figure SMS_38
的距离小于阈值的坐标计算值，并计算筛选出的坐标计算值的质心
Figure SMS_39
，将质心
Figure SMS_40
的坐标位置作为待定位节点的位置，即利用多组RSSI数据计算待定位节点的多个可能位置，再进一步对这些可能的位置进行计算筛选。本发明不直接处理接收到的RSSI数据，而是对根据接收到的RSSI数据计算得到的坐标计算值进行处理，精度较好，计算简便且时间空间花销更小。
附图说明
图1是本发明实施例的数据处理方法的流程图。
图2是本发明实施例的仿真实验中锚节点和待定位节点的分布情况以及各数据处理方法求得的待定位节点的分布情况示意图。
图3是本发明实施例的各数据处理方法的定位误差随信噪比变化的表示图。
图4是本发明实施例的实物检验中锚节点和待定位节点的分布情况以及各数据处理方法求得的待定位节点的分布情况示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例一
如图1所示，本发明优选实施例的一种用于无线传感器网络节点定位的数据处理方法，包括如下步骤：
S1、获取待定位节点接收到的n个锚节点的RSSI数据，其中，对每个锚节点采集m组RSSI数据，且n≥3；
S2、根据RSSI数据计算出待定位节点与各锚节点之间的距离；
S3、根据锚节点的坐标和待定位节点与锚节点之间的距离，计算待定位节点的坐标；通过n个锚节点的各m组RSSI数据的排列组合，得到待定位节点的多个坐标计算值；
S4、计算步骤S3获得的待定位节点的多个坐标计算值的质心
Figure SMS_41
；
S5、在步骤S3获得的待定位节点的多个坐标计算值中，筛选出与质心
Figure SMS_42
的距离小于阈值的坐标计算值；
S6、计算步骤S5筛选出的待定位节点的坐标计算值的质心
Figure SMS_43
，将质心
Figure SMS_44
的坐标位置作为待定位节点的位置。
本实施例在步骤S5中，阈值小于步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的二分之一。为了保证定位精度，作为坐标计算值筛选依据的阈值选取非常重要。阈值选取过大，对噪声影响的减小不明显；阈值选取过小，会导致第二次质心计算误差偏大，引入新的误差。
具体地，本实施例的阈值为步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的四分之一，设阈值为r，则：
Figure SMS_45
。
上述阈值的选值，能较好地提高定位精度，同时兼顾了计算的简便性。
本实施例根据待定位节点接收到的多个锚节点的RSSI数据，计算得到待定位节点的多个可能位置的坐标计算值，计算得到的多个坐标计算值的质心
Figure SMS_46
，再筛选出与质心
Figure SMS_47
的距离小于阈值的坐标计算值，并计算筛选出的坐标计算值的质心
Figure SMS_48
，将质心
Figure SMS_49
的坐标位置作为待定位节点的位置，即利用多组RSSI数据计算待定位节点的多个可能位置，再进一步对这些可能的位置进行计算筛选。本发明不直接处理接收到的RSSI数据，而是对根据接收到的RSSI数据计算得到的坐标计算值进行处理，精度较好，计算简便且时间空间花销更小。本实施例根据接收到的RSSI数据计算得到多个待定位节点的坐标计算值，这些坐标计算值是待定位节点的可能位置，通过这些坐标计算值确定了待定位节点所在的范围，然后求这些坐标计算值的质心
Figure SMS_50
并筛选出与质心
Figure SMS_51
距离小于阈值的坐标计算值，进一步缩小了范围，然后将筛选出的坐标计算值的质心
Figure SMS_52
的位置作为待定位节点的位置，可保证计算获得的待定位节点的位置与待定位节点的实际位置的误差较小，本实施例无需对RSSI数据进行滤波，且需要的RSSI数据较少，因此，时间花费和空间花销更小。
在步骤S3中，通过n个锚节点的各m组RSSI数据的排列组合，得到待定位节点的多个坐标计算值，即在一个锚节点获取m组RSSI数据中选取一组RSSI数据，来与其他锚节点的m组RSSI数据中选取出的一组RSSI数据搭配，然后计算待定位节点的的坐标计算值，直至根据获取的RSSI数据计算出所有待定位节点的坐标计算值。比如，锚节点的个数为四个，每个锚节点获取3组RSSI数据，并且待定位节点的的坐标计算值是根据三边定位法计算的，则在四个锚节点中选出三个锚节点，并在选出的锚节点的三组RSSI数据选出一组RSSI数据，来与其他两个选出的锚节点的一组RSSI数据进行搭配计算，则待定位节点的坐标计算值的个数为
Figure SMS_53
。因此，本实施例是根据锚节点的RSSI数据计算出所有待定位节点的可能位置，再对这些可能位置进行计算筛选。
实施例二
本实施例与实施例一的区别在于，在实施例一的基础上，本实施例对步骤S3和步骤S6作进一步的说明。
本实施例在步骤S3中，通过测距定位方法计算待定位节点的坐标，即根据锚节点与待定位节点的距离求待定位节点的坐标。具体地，本实施例根据三边定位法计算待定位节点的坐标，得到
Figure SMS_54
个待定位节点的坐标计算值。可选地，本实施例的n=3，m=10；即本实施例对三个锚节点进行RSSI数据的获取，对每个锚节点获取10组RSSI数据，得到
Figure SMS_55
个待定位节点的坐标计算值。
另外，本实施例在步骤S3中对质心
Figure SMS_56
的计算方法如下：
得到的待定位节点的坐标计算值的个数为k，则待定位节点的坐标计算值为
Figure SMS_57
，
Figure SMS_58
；
在步骤S4中，设质心
Figure SMS_59
,则：
Figure SMS_60
Figure SMS_61
本实施例的
Figure SMS_62
。
此外，本实施例在步骤S7对质心
Figure SMS_63
的计算方法如下：
在步骤S5中筛选出t个待定位节点的坐标计算值，待定位节点的坐标计算值为
Figure SMS_64
，
Figure SMS_65
；
Figure SMS_66
是小于
Figure SMS_67
的数；
在步骤S6中，设质心
Figure SMS_68
,则：
Figure SMS_69
Figure SMS_70
本实施例的其他步骤与实施例一相同，此处不再赘述。
实施例三
本实施例与实施例二的区别在于，在实施例二的基础上，本实施例对RSSI数据的采集和锚节点作进一步的说明。
本实施例在步骤S1中，对某个锚节点采集RSSI数据时，相邻两次采集RSSI数据的时间间隔为10s或10s以上，使采集到的RSSI数据具有时间性，能够避免偶发的意外噪声。
可选地，锚节点为蓝牙信标节点，低功耗，待机时间长，且能不间断广播，可接收到周期性的多组RSSI数据。
本实施例的其他方面与实施例二相同，此处不再赘述。
实施例四
本实施例与实施例三的区别在于，在实施例三的基础上，本实施例对数据处理方法进行仿真实验。
本实施例的实验环境的计算机配置：CPU为core（TM）i7-8700K, 内存为16G，操作系统为Windows 10，使用Matlab编程。具体实验参数设置为：设置三个锚节点和一个待定位节点，为了比对多种数据处理方式，计算待定位节点出接收到的三个锚节点各10组RSSI数据。为了模拟实际环境接收到的受噪声影响的RSSI值，引入一个突发噪声以及SNR=1dB的加性高斯白噪声。
突发噪声设置如下：
Figure SMS_71
其中
Figure SMS_72
是大扰动噪声，幅值设置为RSSI值的10%；
Figure SMS_73
是小扰动噪声，幅值设置为RSSI值的3%。
在本实施例的仿真实验中，待定位节点和三个锚节点固定，信噪比
Figure SMS_74
B。如图2所示，图2是本实施例的仿真实验中，待定位节点和三个锚节点的位置分布情况，和分别通过直接定位法、均值滤波法、均值+中值滤波法求得的待定位节点的位置分布情况，以及通过本发明实施例的数据处理方法得到的质心
Figure SMS_75
和质心
Figure SMS_76
的分布情况。直接定位法是指根据接收到的、未处理的RSSI数据求得的待定位节点的位置。从图2可以看到，质心
Figure SMS_77
相较于其他数据处理方法更接近待定位节点的实际位置。
如图3所示，图3是均值滤波法求得的待定位节点位置、均值+中值滤波法求得的待定位节点位置、质心
Figure SMS_78
、质心
Figure SMS_79
在不同信噪比条件下与待定位节点的实际位置的误差。图4是上述每种方法运行10次的误差均值，从图3中可以看出，除个别信噪比下筛选后计算得到的质心
Figure SMS_80
稍逊于均值+中值滤波法，绝大多数条件下都优于均值滤波法和均值+中值滤波法，且需要采集的节点RSSI数据更少。因此，本发明实施例的数据处理方法相较于现有技术在定位精度上有优势。
本实施例的其他方面与实施例三相同，此处不再赘述。
实施例五
本实施例与实施例四的区别在于，在实施例四的基础上，本实施例对数据处理方法进行实物检验。
本实施例采用搭载nRF52810 /CC2640 R2F蓝牙芯片（蓝牙版本BLE4.2,接收灵敏度-96dBm）的信标节点，在实际环境中利用本方案进行实际节点定位。在实验室布置好蓝牙信标节点作为锚节点，手机作为待定位节点。通过手机上的蓝牙信标节点对应的软件接收各锚节点的RSSI数据，每个锚节点接收10组RSSI数据并记录，RSSI数据刷新时间为10秒。
对接收到的RSSI数据进行处理时，根据蓝牙信标节点和手机放置位置在Matlab上建立坐标系，分别用均值滤波、中值滤波、均值+中值滤波以及本发明实施例的方法对数据进行处理，并用传统RSSI-三边定位法计算节点坐标。比对不同的数据处理方法得到的节点定位精度区别。
如图4所示，图4是待定位节点和三个锚节点的实际位置情况，和通过均值滤波、中值滤波、均值+中值滤波以及本发明实施例的方法得到的待定位节点的位置分布情况。可以看出，使用本发明实施例的数据处理方法计算得到的待定位节点坐标值比使用传统滤波法得到的坐标更接近待定位节点的实际位置。均值滤波法误差是0.5138m；中值滤波法定位误差是0.3530m；均值+中值滤波法定位误差是0.4051m；本发明实施例的方法的定位误差是0.1516m。因此，通过实物检验也可以证明本发明实施例提出的方法在定位精度上有相当优势。
本实施例的其他方面与实施例四相同，此处不再赘述。
综上，本发明实施例提供一种用于无线传感器网络节点定位的数据处理方法，其根据待定位节点接收到的多个锚节点的RSSI数据，计算得到待定位节点的多个可能位置的坐标计算值，计算得到的多个坐标计算值的质心
Figure SMS_81
，再筛选出与质心
Figure SMS_82
的距离小于阈值的坐标计算值，并计算筛选出的坐标计算值的质心
Figure SMS_83
，将质心
Figure SMS_84
的坐标位置作为待定位节点的位置，即利用多组RSSI数据计算待定位节点的多个可能位置，再进一步对这些可能的位置进行计算筛选。本发明不直接处理接收到的RSSI数据，而是对根据接收到的RSSI数据计算得到的坐标计算值进行处理，精度较好，计算简便且时间空间花销更小。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (8)

1.一种用于无线传感器网络节点定位的数据处理方法，其特征在于，包括如下步骤：
S1、获取待定位节点接收到的n个锚节点的RSSI数据，其中，对每个锚节点采集m组RSSI数据，且n≥3；
S2、根据RSSI数据计算出待定位节点与各锚节点之间的距离；
S3、根据锚节点的坐标和待定位节点与锚节点之间的距离，计算待定位节点的坐标；通过n个锚节点的各m组RSSI数据的排列组合，得到待定位节点的多个坐标计算值；
S4、计算步骤S3获得的待定位节点的多个坐标计算值的质心
Figure QLYQS_1
；
S5、在步骤S3获得的待定位节点的多个坐标计算值中，筛选出与质心
Figure QLYQS_2
的距离小于阈值的坐标计算值；阈值小于步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的二分之一；
阈值为步骤S3中获得的多个待定位节点的坐标计算值中相距最远的两个坐标计算值的距离的四分之一，设阈值为r，则：
Figure QLYQS_3
；
S6、计算步骤S5筛选出的待定位节点的坐标计算值的质心
Figure QLYQS_4
，将质心
Figure QLYQS_5
的坐标位置作为待定位节点的位置。
2.根据权利要求1所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，在步骤S3中，通过测距定位方法计算待定位节点的坐标。
3.根据权利要求2所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，在步骤S3中，根据三边定位法计算待定位节点的坐标，得到
Figure QLYQS_6
个待定位节点的坐标计算值。
4.根据权利要求3所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，n=3，m=10。
5.根据权利要求1所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，在步骤S3中，得到的待定位节点的坐标计算值的个数为k，则待定位节点的坐标计算值为
Figure QLYQS_7
，
Figure QLYQS_8
；
在步骤S4中，设质心
Figure QLYQS_9
,则：
Figure QLYQS_10
Figure QLYQS_11
6.根据权利要求1所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，在步骤S5中筛选出t个待定位节点的坐标计算值，待定位节点的坐标计算值为
Figure QLYQS_12
，
Figure QLYQS_13
；
在步骤S7中，设质心
Figure QLYQS_14
,则：
Figure QLYQS_15
Figure QLYQS_16
7.根据权利要求1所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，在步骤S1中，对某个锚节点采集RSSI数据时，相邻两次采集RSSI数据的时间间隔为10s或10s以上。
8.根据权利要求1所述的用于无线传感器网络节点定位的数据处理方法，其特征在于，所述锚节点为蓝牙信标节点。
CN202210360751.9A 2022-04-07 2022-04-07 一种用于无线传感器网络节点定位的数据处理方法 Active CN114745661B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210360751.9A CN114745661B (zh) 2022-04-07 2022-04-07 一种用于无线传感器网络节点定位的数据处理方法
PCT/CN2022/124282 WO2023193413A1 (zh) 2022-04-07 2022-10-10 一种用于无线传感器网络节点定位的数据处理方法
US18/530,247 US12120627B2 (en) 2022-04-07 2023-12-06 Data processing method for node localization in wireless sensor networks

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210360751.9A CN114745661B (zh) 2022-04-07 2022-04-07 一种用于无线传感器网络节点定位的数据处理方法

Publications (2)

Publication Number Publication Date
CN114745661A CN114745661A (zh) 2022-07-12
CN114745661B true CN114745661B (zh) 2023-04-21

Family

ID=82278989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210360751.9A Active CN114745661B (zh) 2022-04-07 2022-04-07 一种用于无线传感器网络节点定位的数据处理方法

Country Status (3)

Country Link
US (1) US12120627B2 (zh)
CN (1) CN114745661B (zh)
WO (1) WO2023193413A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114745661B (zh) 2022-04-07 2023-04-21 中山大学 一种用于无线传感器网络节点定位的数据处理方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111294921A (zh) * 2020-02-17 2020-06-16 广东工业大学 一种rssi无线传感器网络三维协作定位方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2782511B1 (en) 2011-11-25 2017-01-04 Stryker European Holdings I, LLC Implant system for bone fixation
CN102497666B (zh) * 2011-12-13 2014-07-02 中国测绘科学研究院 一种定位方法
US20140185518A1 (en) * 2012-12-27 2014-07-03 Texas Instruments Incorporated SYSTEM AND METHOD FOR WiFi POSITIONING
US9197998B2 (en) * 2013-05-16 2015-11-24 Marvell World Trade Ltd. Method and system for positioning wireless device
CN105228244B (zh) * 2014-06-30 2019-01-11 奇点新源国际技术开发(北京)有限公司 一种无线定位方法及系统
US9846220B2 (en) 2015-08-19 2017-12-19 Locix, Inc. Systems and methods for determining locations of wireless sensor nodes in a network architecture having mesh-based features for localization
CN106102162B (zh) * 2016-06-03 2019-06-25 南京邮电大学 一种用于无线传感器网络三维定位的迭代估计方法
CN108989984A (zh) * 2018-08-27 2018-12-11 云南电网有限责任公司电力科学研究院 一种蓝牙定位方法
US10551479B1 (en) 2018-12-26 2020-02-04 Locix, Inc. Systems and methods for using ranging to determine locations of wireless sensor nodes based on radio frequency communications between the nodes and various RF-enabled devices
KR102284438B1 (ko) * 2019-08-14 2021-08-02 한국철도기술연구원 다양한 데이터 조합을 이용한 단말의 위치측정 방법 및 장치
CN112135249A (zh) * 2020-10-23 2020-12-25 辽宁工程技术大学 一种基于rssi的加权质心定位算法的改进方法
CN114745661B (zh) * 2022-04-07 2023-04-21 中山大学 一种用于无线传感器网络节点定位的数据处理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111294921A (zh) * 2020-02-17 2020-06-16 广东工业大学 一种rssi无线传感器网络三维协作定位方法

Also Published As

Publication number Publication date
WO2023193413A1 (zh) 2023-10-12
CN114745661A (zh) 2022-07-12
US12120627B2 (en) 2024-10-15
US20240292365A1 (en) 2024-08-29

Similar Documents

Publication Publication Date Title
CN105491661B (zh) 基于改进的Kalman滤波算法的室内定位系统及方法
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
CN108966120B (zh) 一种用于动态集群网络改进的组合三边定位方法及系统
CN105635964A (zh) 基于k中心点聚类的无线传感器网络节点定位方法
CN105407529B (zh) 基于模糊c均值聚类的无线传感器网络节点定位算法
CN114745661B (zh) 一种用于无线传感器网络节点定位的数据处理方法
CN107396309B (zh) 一种无线传感器网络森林定位方法
CN103747419A (zh) 一种基于信号强度差值与动态线性插值的室内定位方法
CN112444778A (zh) 一种基于dbscan的参考点加权三边质心定位方法
CN109143157B (zh) 基于信号强度值混合滤波的动态更新参数的测距方法
Wang et al. Research on APIT and Monte Carlo method of localization algorithm for wireless sensor networks
CN111194000B (zh) 基于蓝牙融合混合滤波与神经网络的测距方法与系统
Shoari et al. Localization of an uncooperative target with binary observations
CN104821854B (zh) 一种基于随机集的多主用户多维频谱感知方法
CN109525339A (zh) 认知无线电的频谱感知方法、装置、设备以及存储介质
CN117082614A (zh) 终端定位方法、装置、计算机设备和存储介质
Gou et al. [Retracted] Three‐Dimensional DV‐Hop Localization Algorithm Based on Hop Size Correction and Improved Sparrow Search
CN112188613A (zh) 一种基于深度学习的多天线室内定位方法及装置
CN110297212B (zh) 基于Voronoi图的室外分组测试定位方法及系统
CN108064020B (zh) 一种优化的室内定位方法
Wei et al. On the accuracy and efficiency of sensing and localization for robotics
Xu et al. Cramer-Rao lower bound analysis of RSS/TDoA joint localization algorithms based on rigid graph theory
CN112379328B (zh) 一种鲁棒式低功耗tdoa定位方法及鲁棒式中值过滤器
CN109167642B (zh) 基于历史判决数据学习的低开销实时频谱图构建方法
CN113746681B (zh) 感知空洞的检测方法、装置、设备及存储介质

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