CN115002654A - 一种基于路径描述参数引导的改进DV-Hop定位方法 - Google Patents
一种基于路径描述参数引导的改进DV-Hop定位方法 Download PDFInfo
- Publication number
- CN115002654A CN115002654A CN202210469249.1A CN202210469249A CN115002654A CN 115002654 A CN115002654 A CN 115002654A CN 202210469249 A CN202210469249 A CN 202210469249A CN 115002654 A CN115002654 A CN 115002654A
- Authority
- CN
- China
- Prior art keywords
- nodes
- positioning
- unknown
- beacon
- hop
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- H04W4/025—Services making use of location information using location based information parameters
-
- 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
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- 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
-
- 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)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于路径描述参数引导的改进DV‑Hop定位方法,属于无线传感器网络技术领域,具体包括以下步骤:S1、在待监测区域内随机布设若干个传感器节点,若干个传感器节点包括信标节点和未知节点;统计所有信标间最短路径,包括最小跳数与路由信息(所经过的节点编号组成的向量);本发明中,通过平均每跳距离值对信标间路径进行了排序操作,并据此确定未知节点的定位次序,从而选择了最接近直线路径的信标间路径上的未知节点开始定位,此外,使用Min‑Max算法结合正弦余弦优化算法实现未知节点的定位,只需要提取3个距离估计最精确的信标参与计算,并能动态调整距离值,充分利用距离条件,快速获取方程组的全局最优值,提高了整体的定位精度。
Description
技术领域
本发明属于无线传感器网络技术领域,尤其涉及一种基于路径描述参数引导的改进DV-Hop定位方法。
背景技术
DV-Hop模型是美国路特葛斯大学(Rutgers University)的Dragos Niculescu等人在2001年首次提出的,是一种应用于室外大规模无线传感器网络节点定位的模型。DV-Hop模型的定位过程可分为以下三个步骤:①网络中的每个信标节点(位置已知)发起消息传递,将自身的坐标和记录的当前跳数值转发给邻居节点,如此,在理想的连通度条件下,网络内的每个节点(包括信标节点与未知节点)可获知网络内所有信标的坐标值及相距的最小跳数。②每个信标根据获得的与其他信标之间的最短多跳路径跳数,计算一个相应的平均每跳距离值,并将其广播出去。③每个未知节点依据最先接收到的一个上述平均每跳距离值,乘以与某个信标之间的最小跳数值,估计出与该信标之间的欧氏距离值。当能够计算出3条以上上述欧氏距离值时,即采用多边极大似然估计算法(Lateration Algorithm)估计出未知节点的坐标。
根据上述步骤描述可知原始DV-Hop模型的定位误差主要来自于未知节点与信标之间距离的估算方法和Lateration算法。当网络拓扑近似各向同性时,距离估值可获得较为理想的精度;但当网络拓扑呈现各向异性时,距离误差是难以估计的,而Lateration算法对距离误差非常敏感,导致最终的定位误差非常大。
发明内容
本发明的目的在于:为了解决当网络拓扑近似各向同性时,距离估值可获得较为理想的精度;但当网络拓扑呈现各向异性时,距离误差是难以估计的,而Lateration算法对距离误差非常敏感,导致最终的定位误差非常大的问题,而提出的一种基于路径描述参数引导的改进DV-Hop定位方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于路径描述参数引导的改进DV-Hop定位方法,具体包括以下步骤:
S1、在待监测区域内随机布设若干个传感器节点,若干个传感器节点包括信标节点和未知节点;统计所有信标间最短路径,包括最小跳数与路由信息(所经过的节点编号组成的向量);
S2、计算已记录的每一条信标间多跳路径的平均每跳距离,使用这一参数来描述此路径,据此按照由大到小的次序对所述信标间路径进行排序;
S3、从已排序的信标间路径上依次提取未知节点,搜索其对应的定位信标组合,完成所有未知节点定位次序排列与对应的参与定位计算的信标组合选取;
S4、估计未知节点到其对应定位信标组合中3个信标节点之间的距离,并使用Min-Max算法估计出未知节点初始位置所在的一个矩形区域,使用改进的正弦余弦算法获取未知节点的坐标;
S5、在设定的监测区域内随机布设若干个网络节点之后,利用距离矢量交换协议使网络中所有信标节点获得与网络内其余信标节点之间的多跳最短路径;
S6、依据信标对间路径的平均每跳距离,对信标间路径进行排序;
S7、从S6中已排序的信标间路径上依次提取未知节点进行定位计算,本步骤中完成未知节点定位次序排列与对应的参与定位计算的信标组合选取;
S8、依次确定网络中所有可定位的未知节点的定位计算次序及其相应的定位信标组合;
S9、对已加入定位次序表的未知节点,按序提取每一未知节点与相应的定位信标组合,计算该未知节点与信标组合中的3个信标之间的距离,并使用Min-Max算法估计出该未知节点的一个初始位置矩形范围;
S10、将定位问题建模为非线性方程组求最优解的问题,使用改进的正余弦算法进行求解,获取未知节点的最终位置,在算法设计中,将未知节点坐标以及未知节点至3个信标节点间的距离全部作为未知数,未知数的初始值分别为已获得的距离估计值与未知点初始位置矩形范围内的随机值。
作为上述技术方案的进一步描述:
所述S6中,包括步骤:提取所有信标节点对之间的多跳最短路径,并按照计算出的信标间实际距离与路径跳数相除获得每一路径的平均每跳距离,按照信标间路径的平均每跳距离这一参数由大到小的次序对所述路径进行排序。
作为上述技术方案的进一步描述:
所述S7中,包括步骤:从排在首位的路径开始依次提取其上的未知节点加入定位次序表,同步提取该路径两端的信标节点加入该未知节点对应的定位信标组合,在已排序的路径队列中顺序向下搜索包含该未知节点的第二条路径,提取该路径两端的信标中距离未知节点跳数较少的信标加入该未知节点对应的定位信标组合。
作为上述技术方案的进一步描述:
按照上述方法,从剩余已排序的信标间路径中依次提取网络中所有待定位的未知节点加入定位次序表,并确定其相应的定位信标组合。
作为上述技术方案的进一步描述:
所述S9中,包括步骤:提取出一个未知节点,提取对应的定位信标组合,提取信标间路径对应的平均每跳距离,提取未知节点与各个信标节点之间的跳数;信标间路径对应的平均每跳距离与未知节点到信标节点的跳数相乘,获得未知节点与3个定位信标之间的估计距离;根据3个信标坐标及未知节点与信标之间的距离,使用Min-Max算法获得未知节点的一个初始位置矩形范围。
作为上述技术方案的进一步描述:
所述S10中,具体包括步骤:将未知节点的二维空间坐标值、未知节点与3个信标节点之间的距离组成个体向量,包括5个分量;设定参数的初始值,设定最大迭代次数,初始化个体向量,并根据适应度函数初始化个体各个分量的全局最优值;根据参数值选择使用正弦或者余弦函数值对个体向量进行更新;计算新的个体适应度函数值,并据此获得新的个体全局最优值;对上述步骤进行迭代计算,直到全局最优值满足设定要求或达到最大迭代次数,记录获取的未知节点坐标值。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明中,通过平均每跳距离值对信标间路径进行了排序操作,并据此确定未知节点的定位次序,从而选择了最接近直线路径的信标间路径上的未知节点开始定位,使得在当前的网络拓扑条件下未知节点获取到了与参与定位的信标之间最接近真实距离的估计距离,相当于测距精度得到了提高;此外,使用Min-Max算法结合正弦余弦优化算法实现未知节点的定位,只需要提取3个距离估计最精确的信标参与计算,并能动态调整距离值,充分利用距离条件,快速获取方程组的全局最优值,提高了整体的定位精度。
附图说明
图1为本发明实施例提供的基于路径描述参数引导的改进DV-Hop定位方法流程图;
图2为本发明实施例提供的节点定位次序排列与对应的参与定位计算的信标组合选取算法说明图;
图3为本发明实施例提供的使用Min-Max算法估计未知节点位置的矩形范围说明图;
图4为本发明实施例提供的信标节点比例对测距精度影响的对比图;
图5为本发明实施例提供的节点总数对测距精度影响的对比图;
图6为本发明实施例提供的通信半径对测距精度影响的对比图;
图7为本发明实施例提供的信标节点比例对定位精度影响的对比图;
图8为本发明实施例提供的节点总数对定位精度影响的对比图;
图9为本发明实施例提供的通信半径对定位精度影响的对比图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-9,本发明提供一种技术方案:一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,具体包括以下步骤:
S1、在待监测区域内随机布设若干个传感器节点,若干个传感器节点包括信标节点和未知节点;
具体的,在指定区域内随机布设传感器节点,其中一定比例的节点通过测设或携带GPS等定位装置可获知自身位置,称为信标节点,其余待定位节点称为未知节点;
统计所有信标间最短路径,包括最小跳数与路由信息(所经过的节点编号组成的向量);
如,监测区域为100(m)×100(m)的正方形二维平面。传感器节点随机布设于监测区域内,所有的节点同构,所有的节点具有相同的通信半径。为了取得客观准确的实验结果,本例设置了三种实验场景:场景一是区域内随机分布100个节点,节点通信半径设为20m,改变信标节点的比例(15%~40%);场景二是将通信半径设为20m,信标节点比例固定为20%,改变区域内节点总数(100~225);场景三是将节点总数设为100,信标节点比例设为20%,改变节点的通信半径(20m~40m);
S2、计算已记录的每一条信标间多跳路径的平均每跳距离,使用这一参数来描述此路径,据此按照由大到小的次序对所述信标间路径进行排序;
S3、从已排序的信标间路径上依次提取未知节点,搜索其对应的定位信标组合,完成所有未知节点定位次序排列与对应的参与定位计算的信标组合选取;
以图2为例对步骤S3进行具体说明,例如:依据平均每跳距离进行排序,A1-A2路径是所有信标间路径最短的一对,其路径上包含的未知节点包括u1、u2、u3,依次对这些未知节点进行定位。首先定位u1。根据u1编号在排好序的其余信标间路径顺序搜索包含u1的另外1条路径,这里搜索到A3-A4路径,其中A3距离u1跳数较少。故而,参加u1定位的信标组合为{A1,A2,A3}。
S4、估计未知节点到其对应定位信标组合中3个信标节点之间的距离,并使用Min-Max算法估计出未知节点初始位置所在的一个矩形区域,使用改进的正弦余弦算法获取未知节点的坐标;
S5、在设定的监测区域内随机布设若干个网络节点之后,还包括步骤:利用距离矢量交换协议使网络中所有信标节点获得与网络内其余信标节点之间的多跳最短路径;
S6、依据信标对间路径的平均每跳距离,对信标间路径进行排序,包括步骤:提取所有信标节点对之间的多跳最短路径,并按照计算出的信标间实际距离与路径跳数相除获得每一路径的平均每跳距离,按照信标间路径的平均每跳距离这一参数由大到小的次序对所述路径进行排序;
S7、从S6中已排序的信标间路径上依次提取未知节点进行定位计算,本步骤中完成未知节点定位次序排列与对应的参与定位计算的信标组合选取,所述S7中,包括步骤:从排在首位的路径开始依次提取其上的未知节点加入定位次序表,同步提取该路径两端的信标节点加入该未知节点对应的定位信标组合,在已排序的路径队列中顺序向下搜索包含该未知节点的第二条路径,提取该路径两端的信标中距离未知节点跳数较少的信标加入该未知节点对应的定位信标组合,按照上述方法,从剩余已排序的信标间路径中依次提取网络中所有待定位的未知节点加入定位次序表,并确定其相应的定位信标组合;
S8、依次确定网络中所有可定位的未知节点的定位计算次序及其相应的定位信标组合;
S9、对已加入定位次序表的未知节点,按序提取每一未知节点与相应的定位信标组合,计算该未知节点与信标组合中的3个信标之间的距离,并使用Min-Max算法估计出该未知节点的一个初始位置矩形范围,所述S9中,包括步骤:提取出一个未知节点,提取对应的定位信标组合,提取信标间路径对应的平均每跳距离,提取未知节点与各个信标节点之间的跳数;信标间路径对应的平均每跳距离与未知节点到信标节点的跳数相乘,获得未知节点与3个定位信标之间的估计距离;根据3个信标坐标及未知节点与信标之间的距离,使用Min-Max算法获得未知节点的一个初始位置矩形范围;
以S3中的未知节点u1的定位过程计算过程为例,具体步骤如下:
(1)分别计算未知节点u1与信标A1、A2、A3之间的欧氏距离;
4条距离分别记为d1、d2、d3,其计算表达式分别为:
(2)使用Min-Max算法估计未知节点u1位置的矩形范围;
如图3所示,
设A1、A2、A3的坐标分别为(X1,Y1)、(X2,Y2)、(X3,Y3)),u1的待求坐标为(x,y),则预估的取值范围矩形表示为:
左下角坐标:[max(X1-d1,X2-d2,X3-d3),max(Y1-d1,Y2-d2,Y3-d3)]
右上角坐标:[min(X1+d1,X2+d2,X3+d3),min(Y1+d1,Y2+d2,Y3+d3)]
S10、将定位问题建模为非线性方程组求最优解的问题,使用改进的正余弦算法进行求解,获取未知节点的最终位置,在算法设计中,将未知节点坐标以及未知节点至3个信标节点间的距离全部作为未知数,未知数的初始值分别为已获得的距离估计值与未知点初始位置矩形范围内的随机值,所述S10中,具体包括步骤:将未知节点的二维空间坐标值、未知节点与3个信标节点之间的距离组成个体向量,包括5个分量;设定参数的初始值,设定最大迭代次数,初始化个体向量,并根据适应度函数初始化个体各个分量的全局最优值;根据参数值选择使用正弦或者余弦函数值对个体向量进行更新;计算新的个体适应度函数值,并据此获得新的个体全局最优值;对上述步骤进行迭代计算,直到全局最优值满足设定要求或达到最大迭代次数,记录获取的未知节点坐标值;
使用改进的正弦余弦优化算法求其最优解,获得未知节点的最终定位值。在改进的正弦余弦优化算法中未知数的初始值分别为步骤S4中获得的距离估计值与未知点初始位置范围内的随机值。
使用改进的正弦余弦优化算法求解未知节点坐标的具体过程如下:
(1)将未知节点的二维空间坐标值、未知节点与3个信标节点之间的距离组成个体向量,包括5个分量。
既有未知节点定位算法一般默认距离估值为精确值而将其作为方程中的定值参数,只对坐标未知数进行求解。本例考虑距离估值存在误差,将其与坐标同时列为个体向量的分量,在5维的目标搜索空间搜索个体的全局最优解。
(2)初始化个体向量,并根据适应度函数初始化个体各个分量的全局最优值。
其中,第i个个体可表示为一个5维向量,记作,每个的分量初始值都设置为步骤S4中获得的距离估计值与未知点初始位置矩形范围内取得的随机值。
(3)根据正弦或者余弦函数值对个体向量进行更新。
具体的更新方程为:
上式中,;t为当前迭代次数;表示个体X在第t+1次迭代时第i个位置分量;为0到2之间的随机数;为0到2之间的随机数;表示在第t次迭代时最好个体位置向量的第i个分量;为0到1之间的随机数,r为阈值,取值为0.5。r1是一个关键参数,影响算法全局寻优和局部寻优的平衡,本例将r1取值定义为一个指数函数:
其中,是一个预设的常数,t为当前的迭代次数,T为设置的最大迭代次数。
改进正弦余弦算法的适应度函数为,式中,为个体i的适应度值,为个体i中的平面位置坐标,为信标节点j的位置坐标,为未知节点到信标节点j的估计距离。每次迭代计算完成后,每个个体计算各自的适应度值,并比较更新个体最优值与全局最优值。迭代计算在设定条件下完成后所得解向量中的x,y元素值即为最终求得的未知节点坐标优化值。
本实施例中,分别在3种仿真实验场景之下首先实现距离矢量交换协议算法,记录各信标节点节点间形成的多跳最短路径(由所经过的节点编号组成的矢量表示)与最小跳数;
在测距步骤S9实验中,将本例的算法与经典DV-Hop算法进行对比分析。其中,其中,本例的算法与经典DV-Hop算法就信标节点比例对测距精度影响的对比如图4所示,本例的算法与经典DV-Hop算法就节点总数对测距精度影响的对比如图5所示,本例的算法与经典DV-Hop算法就通信半径对测距精度影响的对比如图6所示。
在本发明提出的定位策略中,未知节点与信标节点之间的测距精度越高,最终可获得的定位精度越高,因此测距精度是评价算法性能的重要指标。在定位步骤实验中,本发明算法与经典DV-Hop算法进行对比分析。其中,本例的算法与经典DV-Hop算法就信标节点比例对定位精度影响的对比如图7所示,本例的算法与经典DV-Hop算法就节点总数对定位精度影响的对比如图8所示,本例的算法与经典DV-Hop算法就通信半径对定位精度影响的对比如图9所示。
本发明提出的定位策略的最终目标是获得高精度的未知节点定位,因此定位精度是评价算法性能的关键指标。对全网未知节点的每一次定位操作,定位精度用所有未知节点经过定位计算获得的位置和真实位置之间的欧氏距离的均值来衡量,并归一化为通信半径的百分比来表示。图6、图7、图8分别对比了在三种实验场景下本发明提出的Min-Max加改进的正弦余弦算法获得的定位精度与原经典DV-Hop方法获得的定位精度,实验结果表明:随着信标节点的比例变化,本发明算法较之原方法可降低约66.5%定位误差;随着网络节点部署密度的变化,可降低约65.5%的定位误差;随着通信半径大小的变化,可降低约63.7%的定位误差。本发明定位优化算法整体可获得在各种场景之下更高且更稳定的定位精度。
总体而言,本发明提出的基于最佳路径匹配的改进DV-Hop定位方法相对于原经典DV-Hop方法在相对提高计算量的前提下较好地改善了测距精度与最终的定位精度,表明该方法的可行性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,具体包括以下步骤:
S1、在待监测区域内随机布设若干个传感器节点,若干个传感器节点包括信标节点和未知节点;统计所有信标间最短路径,包括最小跳数与路由信息(所经过的节点编号组成的向量);
S2、计算已记录的每一条信标间多跳路径的平均每跳距离,使用这一参数来描述此路径,据此按照由大到小的次序对所述信标间路径进行排序;
S3、从已排序的信标间路径上依次提取未知节点,搜索其对应的定位信标组合,完成所有未知节点定位次序排列与对应的参与定位计算的信标组合选取;
S4、估计未知节点到其对应定位信标组合中3个信标节点之间的距离,并使用Min-Max算法估计出未知节点初始位置所在的一个矩形区域,使用改进的正弦余弦算法获取未知节点的坐标;
S5、在设定的监测区域内随机布设若干个网络节点之后,利用距离矢量交换协议使网络中所有信标节点获得与网络内其余信标节点之间的多跳最短路径;
S6、依据信标对间路径的平均每跳距离,对信标间路径进行排序;
S7、从S6中已排序的信标间路径上依次提取未知节点进行定位计算,本步骤中完成未知节点定位次序排列与对应的参与定位计算的信标组合选取;
S8、依次确定网络中所有可定位的未知节点的定位计算次序及其相应的定位信标组合;
S9、对已加入定位次序表的未知节点,按序提取每一未知节点与相应的定位信标组合,计算该未知节点与信标组合中的3个信标之间的距离,并使用Min-Max算法估计出该未知节点的一个初始位置矩形范围;
S10、将定位问题建模为非线性方程组求最优解的问题,使用改进的正余弦算法进行求解,获取未知节点的最终位置,在算法设计中,将未知节点坐标以及未知节点至3个信标节点间的距离全部作为未知数,未知数的初始值分别为已获得的距离估计值与未知点初始位置矩形范围内的随机值。
2.根据权利要求1所述的一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,所述S6中,包括步骤:提取所有信标节点对之间的多跳最短路径,并按照计算出的信标间实际距离与路径跳数相除获得每一路径的平均每跳距离,按照信标间路径的平均每跳距离这一参数由大到小的次序对所述路径进行排序。
3.根据权利要求1所述的一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,所述S7中,包括步骤:从排在首位的路径开始依次提取其上的未知节点加入定位次序表,同步提取该路径两端的信标节点加入该未知节点对应的定位信标组合,在已排序的路径队列中顺序向下搜索包含该未知节点的第二条路径,提取该路径两端的信标中距离未知节点跳数较少的信标加入该未知节点对应的定位信标组合。
4.根据权利要求3所述的一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,按照上述方法,从剩余已排序的信标间路径中依次提取网络中所有待定位的未知节点加入定位次序表,并确定其相应的定位信标组合。
5.根据权利要求1所述的一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,所述S9中,包括步骤:提取出一个未知节点,提取对应的定位信标组合,提取信标间路径对应的平均每跳距离,提取未知节点与各个信标节点之间的跳数;信标间路径对应的平均每跳距离与未知节点到信标节点的跳数相乘,获得未知节点与3个定位信标之间的估计距离;根据3个信标坐标及未知节点与信标之间的距离,使用Min-Max算法获得未知节点的一个初始位置矩形范围。
6.根据权利要求1所述的一种基于路径描述参数引导的改进DV-Hop定位方法,其特征在于,所述S10中,具体包括步骤:将未知节点的二维空间坐标值、未知节点与3个信标节点之间的距离组成个体向量,包括5个分量;设定参数的初始值,设定最大迭代次数,初始化个体向量,并根据适应度函数初始化个体各个分量的全局最优值;根据参数值选择使用正弦或者余弦函数值对个体向量进行更新;计算新的个体适应度函数值,并据此获得新的个体全局最优值;对上述步骤进行迭代计算,直到全局最优值满足设定要求或达到最大迭代次数,记录获取的未知节点坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210469249.1A CN115002654B (zh) | 2022-04-28 | 2022-04-28 | 一种基于路径描述参数引导的改进DV-Hop定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210469249.1A CN115002654B (zh) | 2022-04-28 | 2022-04-28 | 一种基于路径描述参数引导的改进DV-Hop定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115002654A true CN115002654A (zh) | 2022-09-02 |
CN115002654B CN115002654B (zh) | 2024-04-02 |
Family
ID=83024561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210469249.1A Active CN115002654B (zh) | 2022-04-28 | 2022-04-28 | 一种基于路径描述参数引导的改进DV-Hop定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115002654B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354435A (zh) * | 2008-09-05 | 2009-01-28 | 清华大学 | 基于距离大小顺序关系的传感器网络节点自定位方法 |
CN101772013A (zh) * | 2010-01-26 | 2010-07-07 | 哈尔滨工程大学 | 一种基于投票机制的wsn抗攻击节点定位方法 |
CN103929717A (zh) * | 2014-04-29 | 2014-07-16 | 哈尔滨工程大学 | 一种基于权重Voronoi图的无线传感器网络定位方法 |
US20140256353A1 (en) * | 2011-10-17 | 2014-09-11 | Commissariat A L'energie Atomique Et Aux Ene Alt | Channel-type supervised node positioning method for a wireless network |
CN106353725A (zh) * | 2016-09-30 | 2017-01-25 | 上海应用技术大学 | 基于rssi的室内移动目标定位方法 |
WO2019148801A1 (zh) * | 2018-02-05 | 2019-08-08 | 通鼎互联信息股份有限公司 | 一种wsn节点的定位方法及装置 |
CN113340309A (zh) * | 2021-06-02 | 2021-09-03 | 西京学院 | 一种基于终端簇和三级预编码的室内定位系统及方法 |
CN113365214A (zh) * | 2021-06-04 | 2021-09-07 | 南京邮电大学 | 基于三边定位改进的无线传感器网络节点定位方法和装置 |
CN113490172A (zh) * | 2021-07-01 | 2021-10-08 | 昆明理工大学 | 一种基于正余弦优化与跳段优化的DV-Hop定位算法 |
-
2022
- 2022-04-28 CN CN202210469249.1A patent/CN115002654B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354435A (zh) * | 2008-09-05 | 2009-01-28 | 清华大学 | 基于距离大小顺序关系的传感器网络节点自定位方法 |
CN101772013A (zh) * | 2010-01-26 | 2010-07-07 | 哈尔滨工程大学 | 一种基于投票机制的wsn抗攻击节点定位方法 |
US20140256353A1 (en) * | 2011-10-17 | 2014-09-11 | Commissariat A L'energie Atomique Et Aux Ene Alt | Channel-type supervised node positioning method for a wireless network |
CN103929717A (zh) * | 2014-04-29 | 2014-07-16 | 哈尔滨工程大学 | 一种基于权重Voronoi图的无线传感器网络定位方法 |
CN106353725A (zh) * | 2016-09-30 | 2017-01-25 | 上海应用技术大学 | 基于rssi的室内移动目标定位方法 |
WO2019148801A1 (zh) * | 2018-02-05 | 2019-08-08 | 通鼎互联信息股份有限公司 | 一种wsn节点的定位方法及装置 |
CN113340309A (zh) * | 2021-06-02 | 2021-09-03 | 西京学院 | 一种基于终端簇和三级预编码的室内定位系统及方法 |
CN113365214A (zh) * | 2021-06-04 | 2021-09-07 | 南京邮电大学 | 基于三边定位改进的无线传感器网络节点定位方法和装置 |
CN113490172A (zh) * | 2021-07-01 | 2021-10-08 | 昆明理工大学 | 一种基于正余弦优化与跳段优化的DV-Hop定位算法 |
Non-Patent Citations (1)
Title |
---|
石琴琴;徐强;张建平;王冬雨;: "基于RSSI测距的室内目标定位方法", 电子测量与仪器学报, no. 02, 15 February 2018 (2018-02-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115002654B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106792540B (zh) | 一种基于路径匹配的改进DV-Hop定位方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
Lavanya et al. | Swarm intelligence based localization in wireless sensor networks | |
CN110996388B (zh) | 基于锚节点选择及随机抽样粒子群的DV-Hop定位方法 | |
CN102547918A (zh) | 一种基于非测距的无线传感网三维节点定位方法 | |
CN105578414A (zh) | 一种终端及其定位方法和装置 | |
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 | |
CN111726757A (zh) | 一种基于蓝牙的室内停车场定位与导航方法 | |
CN112954594A (zh) | 一种基于人工蜂群的无线传感器网络节点定位算法 | |
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 | |
CN109996171A (zh) | 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法 | |
CN115002654B (zh) | 一种基于路径描述参数引导的改进DV-Hop定位方法 | |
Assayag et al. | Indoor positioning system using synthetic training and data fusion | |
CN105764088B (zh) | 一种基于遗传算法的tdoa蜂窝定位方法 | |
CN110351657A (zh) | 一种无线传感器网络中节点几何定位的方法 | |
CN115550837B (zh) | 一种基于混沌映射与灰狼算法优化的DV-Hop定位方法 | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 | |
CN108398661B (zh) | 一种在无线传感器网络中基于历史坐标数据分析的节点精确实时定位方法 | |
Xiang et al. | An improved DV-hop algorithm based on iterative computation for wireless sensor network localization | |
CN112105081A (zh) | 一种基于改进生物地理学优化算法的高精度无线定位方法 | |
CN115278870A (zh) | 基于选择tdoa的改进遗传蚁群混合定位方法及装置 | |
CN112887909B (zh) | 一种基于Wi-Fi信号的室内定位方法 | |
CN115099385A (zh) | 基于传感器布局优化和自适应Kriging模型的频谱地图构建方法 | |
Niewiadomska-Szynkiewicz et al. | ocalization in Wireless Sensor Networks Using Heuristic Optimization Techniques | |
Min et al. | An improved DV-Hop positioning algorithm in wireless sensor networks |
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 |