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技术

本发明专利技术属于无线传感器网络定位领域,具体涉及到无线传感器网络空间中多个基站节点与目标节点之间的距离，以及目标节点在无线传感器网络中的精确定位方法。包括提出使用加权最小二乘方法进行粗定位，同时利用粗定位结果来约束生物地理学优化算法的搜索域，极大缩小了生物地理学优化(BBO)算法的搜索空间，加快了寻优速度；提出改进的BBO算法‑‑‑精英特征变异的BBO算法，该改进算法是通过对遗传至下代的精英特征加入微小变异单元，防止子代陷入早熟，显著增强了算法的搜索寻优能力。通过仿真实验证明本发明专利技术提出的高精度定位的方法显著领先于目前已有的其他定位优化算法，具有工程应用价值。

【技术实现步骤摘要】
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
本专利技术属于无线传感器网络定位领域,具体涉及到无线传感器网络空间中多个基站节点与目标节点之间的距离，以及目标节点在无线传感器网络中的精确定位方法。
技术介绍
无线传感器网络是以无线方式连接的大量的传感器节点的集合，已成为环境监测、救灾和目标跟踪等多个应用领域的重要工具。无线传感器网络定位的实质在于根据多个基站节点与目标节点之间的距离信息，求得目标节点在无线传感器网络空间中的位置。无线定位问题一般分为两个阶段:测距阶段和位置估计阶段。位置估计的目的在于通过一定的算法得到更高精度的目标节点坐标，主要有两类方法：(1)、通过求解一组联立方程求解，如最小二乘算法(LS)、加权最小二乘算法(WLS)、CHAN算法等；(2)、使用智能优化算法，如粒子群优化算法、蚱蜢优化算法、生物地理学优化算法、萤火虫算法等。生物地理学优化(Biogeography-BasedOptimization，BBO)算法是一种基于种群的智能优化算法，可以通过栖息地种群间的迁移、变异等过程得到无线传感器网络中目标节点的最佳坐标。生物地理学的数学模型描述了相互隔绝的栖息地上物种的迁移、物种变异及灭绝过程。栖息地的优劣由适宜度指数(HSI,HabitatSuitabilityIndex)来描述，HSI的值高，则表示此栖息地更适宜物种居住。由于物种的自然随机行为，高HSI值的栖息地物种数量多，将导致此栖息地的迁入率λ降低，迁出率μ升高。相反，较低HSI值的栖息地物种数量少，会导致此地的迁出率μ降低，迁入率λ升高。栖息地之间的物种迁移实现了各栖息地之间的信息交流与传播。此外，栖息地生态环境的突变会引起种群数量的变化和种群基因的变异，从而增加了种群数的多样性。因此，生物地理学优化算法的实现主要有迁移和变异两个过程，通过不断的迭代更新，最终得到最优栖息地。BBO算法在无线定位领域中也有应用，2013年，S.Singh等人使用BBO算法对目标节点进行分布式定位，并将粒子群优化(PSO)算法、BBO及其他BBO变种算法进行对比，证明了BBO变种算法的定位精度更高；2016年，G.Cheng等人提出了BBO-PSO的混合优化算法，首先使用PSO进行全局寻优，再使用BBO算法实现局部搜索，增强了算法在空间中的搜索能力并取得了较好的定位性能。虽然BBO算法及其变种算法相比于其他智能优化算法可以得到更高精度，但是BBO算法的栖息地均是以各基站坐标的均值为中心在其周围随机生成的，全局寻优会增加时间成本，并且BBO算法在寻优后期会出现搜索动力不足的问题。
技术实现思路
在无线定位中，针对BBO算法在传统的种群初始化策略上会增加寻优的时间，并且BBO算法在寻优后期会出现搜索动力不足的问题，本专利技术的目的在于提供一种基于改进BBO算法的高精度无线定位方法，该方法首先使用加权最小二乘方法得到目标节点的粗略坐标，然后以此坐标为中心约束BBO算法的栖息地初始化区域及寻优范围，最后使用改进BBO算法得到目标节点最佳的位置坐标，达到更高的精确定位。为了达到上述目的，本专利技术采用的技术方案是：获取当前无线传感器网络中各基站的位置坐标以及各基站与目标节点之间的距离；使用加权最小二乘(WLS)方法得到目标节点位置的初步估计坐标；以此坐标为中心，构建一个正方形区域来约束改进的生物地理学优化算法的寻优范围，然后在此范围中随机部署H个栖息地，并初始化各个栖息地的适应度向量SIV；使用改进的生物地理学优化算法进行寻优，得到损失值最小的栖息地，即目标节点最佳的位置坐标。进一步，所述获取各基站的位置坐标以及各基站与目标节点之间的距离.在已经完成部署的无线传感器网络中，以某一基站为原点建立虚拟坐标系从而获取所有基站的位置坐标(xi,yi)i＝1,2,...,M，其中M是基站数量；分别读取各基站与目标节点距离的测量值ri(第i个基站到目标节点的距离，单位：米)。进一步，所述目标节点初步定位.根据各基站坐标以及各基站到目标节点的距离，推导出求解目标节点位置坐标的方程组，然后使用加权最小二乘(WLS)方法并将基站坐标(xi,yi)i＝1,2,...,M和测距值ri带入方程组中，求得当前目标节点的坐标(WLS_x,WLS_y)，推导出的求解方程组如下：转换成如下形式：AX＝B(2)其中：进一步，以上述所得的目标节点坐标(WLS_x,WLS_y)为中心，构建边长为1米(根据WLS估计的最大误差来定)的正方形区域(WLS_x±0.5,WLS_y±0.5)(单位：米)。在此正方形区域中随机部署BBO算法的栖息地Hj(j＝1，2，...，h)，h为栖息地个数，取值由实际情况决定。每个栖息地代表目标节点潜在的位置，因此栖息地的适宜度向量(SIV)即目标节点的潜在坐标，因此初始化各栖息地的SIV：其中x，y∈(WLS_x±0.5，WLS_y±0.5)。进一步，去掉Hj中重复的栖息地，然后进行栖息地间的种群迁移、种群特征变异等操作，为了更加真实模拟自然状态的迁移，本专利技术使用余弦偏移非线性模型，假设最大迁出率E＝最大迁入率I，此物种模型如附图1所示。假设栖息地有s种物种，迁入率用λs表示，迁出率用μs表示，涉及到的公式如下：迁入率λs：迁出率μs：其中：Smax是栖息地能容纳的最大物种数。某栖息地在(t+Δt)时刻可以容纳s种生物种群的概率Ps(t+Δt)：Ps(t+Δt)＝Ps(t)(1-λsΔt-μsΔt)+Ps-1(t)λs-1Δt+Ps+1(t)μs+1Δt(5)式(5)对Δt求导可以得到：式(6)中的概率均指t时刻的物种数概率。设dt为概率积分的步长，所以得到：Ps(t+Δt)＝Ps(t)+P′s*dt(7)变异概率m(s)为：其中：Ps为个体物种数量为s对应的概率，由式(7)计算得到；mmax为最大变异率；Pmax为Ps的最大值。迁移过程：步骤1，根据式(3)中得到的迁入率λs确定需要执行迁入的栖息地HImHbt；步骤2，当选中HImHbt后，根据式(4)中得到的迁出率μs寻找迁出的栖息地HEmHbt；步骤3，将HEmHbt中的变量SIV复制到HImHbt中的SIV，即HImHbt(SIV)←HEmHbt(SIV)。变异过程：在BBO优化算法中，变异操作模拟了栖息地生态环境的突变，当产生的随机数大于变异概率m(s)时，选取(WLS_x±0.5，WLS_y±0.5)区域内的随机值赋值给此栖息地中的SIV，成变异操作。进一步，计算各栖息地损失值并对栖息地排序.根据损失函数计算各栖息地的损失值，并按损失值从小到大的顺序对栖息地做排序；栖息地的损失值越小说明此栖息地越理想。计算公式如下：损失函数cost：其中，(x，y)是BBO算法计算得到的目标节点坐标；(xi，yi)是各基站的坐标。进一步，判断是否达到寻优迭代次数.本文档来自技高网...

【技术保护点】
1.一种基于改进生物地理学优化算法的高精度无线定位方法，其特征是，包括以下步骤：/n步骤1：获取当前无线传感器网络中各基站的位置坐标以及各基站与目标节点之间的距离；/n步骤2：对步骤1所得的各基站坐标和各基站到目标节点的距离进行加权最小二乘(WLS)估计，得到目标节点位置的初步估计坐标；/n步骤3：以步骤2中得到的目标节点的位置坐标为中心，构建一个正方形区域来约束改进的生物地理学优化算法的寻优范围；/n步骤4：在步骤3生成的寻优范围中，随机部署H个栖息地，并初始化各个栖息地的适应度向量SIV；/n步骤5：将步骤4中生成的各栖息地使用改进的生物地理学优化算法进行寻优，得到损失值最小的栖息地，即目标节点最佳的位置坐标。/n

【技术特征摘要】
1.一种基于改进生物地理学优化算法的高精度无线定位方法，其特征是，包括以下步骤：
步骤1：获取当前无线传感器网络中各基站的位置坐标以及各基站与目标节点之间的距离；
步骤2：对步骤1所得的各基站坐标和各基站到目标节点的距离进行加权最小二乘(WLS)估计，得到目标节点位置的初步估计坐标；
步骤3：以步骤2中得到的目标节点的位置坐标为中心，构建一个正方形区域来约束改进的生物地理学优化算法的寻优范围；
步骤4：在步骤3生成的寻优范围中，随机部署H个栖息地，并初始化各个栖息地的适应度向量SIV；
步骤5：将步骤4中生成的各栖息地使用改进的生物地理学优化算法进行寻优，得到损失值最小的栖息地，即目标节点最佳的位置坐标。


2.根据权利要求1所述的.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，其特征在于，所述步骤1包括：
在已经完成部署的无线传感器网络中，以某一基站为原点建立虚拟坐标系，从而获取所有基站的位置坐标(xi,yi)i＝1,2,...,M，其中M是基站数量；分别读取各基站与目标节点距离的测量值ri(第i个基站到目标节点的距离，单位：米)。


3.根据权利要求1所述的.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，其特征在于，所述步骤2包括：
根据各基站坐标以及各基站到目标节点的距离，推导出求解目标节点位置坐标的方程组，使用加权最小二乘(WLS)方法，并将步骤1中获得的数据带入方程组中，求得当前目标节点的坐标(WLS_x,WLS_y)(单位：米)。


4.根据权利要求1所述的.一种基于改进...

【专利技术属性】
技术研发人员：陈娟，陈捷，史春秀，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京;11