【技术实现步骤摘要】
本专利技术属于无线传感器网络，尤其涉及一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法。
技术介绍
1、无线传感器网络是将传感器、无线通信、微机电子技术等集成在一起，进行实时监测和感知的一种网络技术。无线传感器网络可用于监测一定范围内的温度、声音、振动、压力、运动或污染物,广泛应用于军事领域和民用领域，如环境监测、工业过程监控、医疗、道路交通控制、智能家居和城市、办公自动化等。而节点定位精度日益成为影响无线传感器网络工作效率的核心技术问题之一,因为传感器节点只有在位置准确的情况下上传的信息才有应用价值。
2、无线传感器网络由锚节点和未知节点两种类型的传感器节点组成。锚节点通过配备gps模块等方式确定自己的位置信息，由于成本限制，锚节点只占节点总数的一小部分；其余节点称为未知节点，依靠锚节点和定位算法来确定自身的位置。现有的节点定位模型根据是否需要通过硬件配置直接测量节点间的距离可分为两类:基于直接测距的模型和无需直接测距的模型。
3、dv-hop是一种经典的无需直接测距的节点定位模型，它基于节点间的多跳连接关系实现节点定位，具有节省网络资源和易于开展的优点，但面向各向异性网络时其定位误差较大，导致其不能满足多变的应用需求场景。
4、dv-hop模型的误差来源主要包括：(1)跳数误差：节点间跳数由通信半径确定，节点与一个通信半径内的其余节点之间跳数均统计为1跳，而超出通信半径则借助邻居节点的多跳转发统计最小跳数，这样的跳数统计方法显然存在误差；(2)估计距离误差：两点间的距离按照直线距
技术实现思路
1、本专利技术的目的在于：为了解决上述的问题，而提出的一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法，包括如下步骤：
3、s1、网络节点初始化；
4、s2、每个锚节点计算s1中记录的相距其余锚节点最短路径的平均跳距；
5、s3、每个未知节点选择最近邻锚节点,根据最近邻锚节点在s1和s2中记录的路径信息进行定位计算,本步骤中完成未知节点对参与自身定位计算的锚节点集合选取与距离估计；
6、s4、将s3中已完成定位锚节点选择与距离估计的未知节点；
7、s5、获得u的最终坐标(x，y)。
8、作为上述技术方案的进一步描述：
9、所述s1中，网络节点初始化，在设定的监测区域内随机布设若干个网络节点，若干个网络节点包括锚节点和未知节点，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，称为锚节点，其余待定位节点称为未知节点。
10、作为上述技术方案的进一步描述：
11、所述s3中，每个未知节点选择最近邻锚节点,根据最近邻锚节点在s1和s2中记录的路径信息进行定位计算,本步骤中完成未知节点对参与自身定位计算的锚节点集合选取与距离估计，根据上述思路，步骤s3具体描述为：某一未知节点,选择相距跳数最小的锚节点，即最近邻锚节点，对最近邻锚节点记录的至其余锚节点的平均跳距按照由大到小的次序排序，选择排在前3位的平均跳距对应的所述其余锚节点参加未知节点的定位,加入未知节点的定位锚节点集合。
12、作为上述技术方案的进一步描述：
13、所述s3中，如果未知节点的最近邻锚节点不止一个，则对所有最近邻锚节点记录的至其余锚节点的平均跳距按照由大到小的次序排序，再选出排在前3位的平均跳距对应的所述其余锚节点,加入未知节点的定位锚节点集合，而后，根据已有最近邻锚节点与定位锚节点集合内锚节点。
14、作为上述技术方案的进一步描述：
15、所述s4中，将s3中已完成定位锚节点选择与距离估计的未知节点，使用min-max算法估计出未知节点的一个初始位置矩形范围。
16、作为上述技术方案的进一步描述：
17、所述s5中，使用多目标粒子群优化算法获得u的最终坐标(x，y)。
18、作为上述技术方案的进一步描述：
19、所述s5中，将定位问题建模为非线性方程组求最优解的问题，根据未知节点与定位锚节点组合内的3个锚节点之间的欧氏距离关系列出非线性方程组，使用多目标粒子群优化算法求解非线性方程组，根据方程组内的3个欧氏距离与坐标建立的方程，确定3个目标函数。
20、作为上述技术方案的进一步描述：
21、所述s5中，设置每个粒子的x，y分量初始值为s4中获得的矩形位置范围内的随机值，di分量的初始值为s3中距离估计步骤中求得的各个距离值；迭代计算得到pareto最优解集，随机取得粒子的全局最优解，即为未知节点的定位值。
22、综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
23、本专利技术中，该方法中，由未知节点最近邻锚节点与网络内其余锚节点之间的路径连接关系近似未知节点与网络内锚节点的路径连接关系,通过平均跳距值筛选最接近直线路径连接的3个锚节点参加未知节点的定位，使得未知节点与参与定位的锚节点之间的估计距离方法得到优化，提高了距离估计精度；此外，使用多目标粒子群算法代替原最小二乘算法实现未知节点的定位，充分利用了距离约束条件，目标函数设置更合理,提高了整体的定位精度。
本文档来自技高网...【技术保护点】
1.一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于，所述S1中，网络节点初始化，在设定的监测区域内随机布设若干个网络节点，若干个网络节点包括锚节点和未知节点，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，称为锚节点，其余待定位节点称为未知节点。
3.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于：所述S3中，每个未知节点选择最近邻锚节点,根据最近邻锚节点在S1和S2中记录的路径信息进行定位计算,本步骤中完成未知节点对参与自身定位计算的锚节点集合选取与距离估计，根据上述思路，步骤S3具体描述为：某一未知节点,选择相距跳数最小的锚节点，即最近邻锚节点，对最近邻锚节点记录的至其余锚节点的平均跳距按照由大到小的次序排序，选择排在前3位的平均跳距对应的所述其余锚节点参加未知节点的定位,加入未知节点的定位锚节点集合。
4.
5.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于，所述S4中，将S3中已完成定位锚节点选择与距离估计的未知节点，使用Min-Max算法估计出未知节点的一个初始位置矩形范围。
6.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于，所述S5中，使用多目标粒子群优化算法获得u的最终坐标(x，y)。
7.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于，所述S5中，将定位问题建模为非线性方程组求最优解的问题，根据未知节点与定位锚节点组合内的3个锚节点之间的欧氏距离关系列出非线性方程组，使用多目标粒子群优化算法求解非线性方程组，根据方程组内的3个欧氏距离与坐标建立的方程，确定3个目标函数。
8.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进DV-Hop定位方法，其特征在于，所述S5中，设置每个粒子的x，y分量初始值为S4中获得的矩形位置范围内的随机值，di分量的初始值为S3中距离估计步骤中求得的各个距离值；迭代计算得到Pareto最优解集，随机取得粒子的全局最优解，即为未知节点的定位值。
...【技术特征摘要】
1.一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法，其特征在于，所述s1中，网络节点初始化，在设定的监测区域内随机布设若干个网络节点，若干个网络节点包括锚节点和未知节点，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，称为锚节点，其余待定位节点称为未知节点。
3.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法，其特征在于：所述s3中，每个未知节点选择最近邻锚节点,根据最近邻锚节点在s1和s2中记录的路径信息进行定位计算,本步骤中完成未知节点对参与自身定位计算的锚节点集合选取与距离估计，根据上述思路，步骤s3具体描述为：某一未知节点,选择相距跳数最小的锚节点，即最近邻锚节点，对最近邻锚节点记录的至其余锚节点的平均跳距按照由大到小的次序排序，选择排在前3位的平均跳距对应的所述其余锚节点参加未知节点的定位,加入未知节点的定位锚节点集合。
4.根据权利要求1所述的一种基于最近邻锚节点路径连接关系的改进dv-hop定位方法，其特征在于，所述s3中，如果未知节点的最近邻锚节点不止一个，则对所有最近邻锚节点记录的至其余锚节点的平均跳距按照由大到小的次序排序，再选...
【专利技术属性】
技术研发人员：石琴琴，应霖枫，傅阳阳，李坤，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。