專利名稱：一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法，具體涉及一種無線 傳感器網(wǎng)絡分布式節(jié)點位置估計方法。無線傳感器網(wǎng)絡是新一代傳感器網(wǎng)絡，具有非常廣闊的應用前景。節(jié)點定 位是無線傳感器網(wǎng)絡應用的重要基礎(chǔ)，它要求節(jié)點定位方法具有良好的容噪性 和準確度。傳統(tǒng)的節(jié)點定位技術(shù)包括基于測距和不基于測距的定位技術(shù)，基于 測距的定位技術(shù)測量未知節(jié)點到鄰居節(jié)點的距離或信號到達角度，距離(角度) 測量通常包含較大誤差，通過最小二乘法、極大似然估計法計算得到的未知節(jié) 點定位結(jié)果受測距誤差影響較大；不基于測距的定位方法無需測量未知節(jié)點到 鄰居節(jié)點距離或者信號到達角度，只根據(jù)網(wǎng)絡連通性等信息即可實現(xiàn)定位，但 節(jié)點定位準確度通常較低。國內(nèi)專利號為CN200510130687. 1的一種無線傳感器網(wǎng)絡無錨點定位的分 布式實現(xiàn)方法，通過各個網(wǎng)絡節(jié)點相互測量距離數(shù)值來獲得各自感知范圍內(nèi)的 鄰居信息，多次交換彼此的估計坐標。國內(nèi)專利號為CN200710018566.7的一 種無線傳感器網(wǎng)絡中的節(jié)點自身定位方法，所有普通節(jié)點獲得所有錨節(jié)點的最 小均方誤差校正值并挑選出一個最小均方誤差校正值，與信息交互所獲得的各 錨節(jié)點自身信息進行三邊定位，并進行概率挑選，將概率最大的三邊定位坐標 作為普通節(jié)點自身位置。國內(nèi)專利號為CN200710076505. 6的一種對無線傳感 器網(wǎng)絡進行三維快速定位的系統(tǒng)和方法，移動錨點通過GPS進行定位并廣播定 位信息，無線傳感器節(jié)點用于接收定位信息，比較各定位信息的接收信號強度 值，選擇具有最大強度值的定位信息，存儲其中的位置坐標；并存儲其余任一定位信息中的位置坐標；并判斷是否獲得足夠的用于計算其自身位置的位置坐 標，計算得到其自身位置。國內(nèi)專利號200710062845.3的無線傳感器網(wǎng)絡的 加權(quán)距離矢量定位方法，該方法是在現(xiàn)有DV-hop定位方法基礎(chǔ)上，綜合考慮 多個錨節(jié)點估計的平均每跳距離，對接收的各個錨節(jié)點的平均每跳距離進行加 權(quán)處理，距離越近的錨節(jié)點的加權(quán)值越大，利用計算的最終平均每跳距離計算 未知節(jié)點與錨節(jié)點之間的距離。國內(nèi)專利號為CN200710062844. 9的一種無線 傳感器網(wǎng)絡三角濾波凸規(guī)劃定位方法，錨節(jié)點廣播發(fā)送包含自身位置的信息； 未知節(jié)點接收錨節(jié)點發(fā)送的信息；未知節(jié)點接收到兩個以上錨節(jié)點的信息時， 計算以接收到的每個錨節(jié)點為圓心，通信半徑為半徑的圓的相交區(qū)域；根據(jù)未 知節(jié)點是否在接收到的錨節(jié)點組成的三角形內(nèi)和所述的圓的相交區(qū)域?qū)ξ粗?節(jié)點進行位置定位。國內(nèi)專利號為CN200710019977.8的基于移動代理的無線 傳感器網(wǎng)絡節(jié)點自身位置確定方法利用智能組網(wǎng)代理的移動性和洪泛策略將 一個大規(guī)模無線傳感器網(wǎng)絡劃分為若干個子網(wǎng)絡，在各個子網(wǎng)中按照分治策 略，利用移動代理攜帶數(shù)據(jù)的特性，根據(jù)標準位置節(jié)點的位置信息，通過測距 代理和定位代理計算出每個未知位置節(jié)點的自身位置。基于蜂窩網(wǎng)絡的無線定位系統(tǒng)采用到達時間定位技術(shù)通過測量從目標發(fā) 出的信號以直線到達基站的時間，根據(jù)電磁波在空中的傳播速度可以得到移動 臺與基站之間的距離。移動臺即位于以基站為圓心，移動臺到基站的電波傳播 距離為半徑的圓上。通過多個基站進行上述測量計算，移動臺的二維位置坐標 可出三個圓的交點確定。當三個圓無法交于一點時，目標的二維位置坐標難以 確定。綜上所述節(jié)點間測距誤差容易導致節(jié)點定位誤差，難以有效抑制測距誤差 對節(jié)點定位準確度的影響。發(fā)明內(nèi)容為解決上述中存在的問題與缺陷，本發(fā)明提供了一種無線傳感器網(wǎng)絡分布 式節(jié)點定位方法。本發(fā)明是通過以下技術(shù)方案實現(xiàn)的-本發(fā)明所涉及的一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法，包括根據(jù)未知節(jié)點到錨節(jié)點最小跳數(shù)值確定錨節(jié)點到任意位置點真實距離值 在特征向量中的個數(shù)；根據(jù)錨節(jié)點到任意位置點真實距離值及其個數(shù)構(gòu)造特征向量；對網(wǎng)絡區(qū)域進行網(wǎng)格化，選取網(wǎng)格中心為位置點，根據(jù)位置點特征向量和 坐標形成訓練樣本集；通過徑向基核函數(shù)和最小二乘支持向量回歸機學習訓練樣本集得到用于 估計X坐標和Y坐標的支持向量回歸機；將未知節(jié)點到錨節(jié)點跳段距離和構(gòu)成的特征向量分別輸入兩個回歸機得 到未知節(jié)點坐標估計值。本發(fā)明提供的技術(shù)方案的有益效果是-通過采用徑向基核函數(shù)的最小二乘支持向量機擬合網(wǎng)絡區(qū)域內(nèi)位置點到 各錨節(jié)點真實距離構(gòu)成的特征向量與位置點坐標的非線性關(guān)系，根據(jù)未知節(jié)點 到錨節(jié)點最小跳數(shù)值確定錨節(jié)點到位置點真實距離值在特征向量中的個數(shù)，從 而增強測距誤差較小距離值在節(jié)點位置估計中的作用，減小測距誤差較大距離 值對節(jié)點位置估計的影響，有效提高未知節(jié)點定位的準確度。


圖l是節(jié)點自定位方法流程圖； 圖2是節(jié)點自定位方法具體實現(xiàn)流程圖；圖3是計算位置點特征向量示意圖；圖4是未知節(jié)點到錨節(jié)點估計距離示意圖。
具體實施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明 實施方式作進一步地詳細描述本實施例提供了一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法，該方法利用最 小二乘支持向量回歸機估計未知節(jié)點位置，并根據(jù)未知節(jié)點與各錨節(jié)點位置關(guān) 系確定特征向量構(gòu)造方法。參見圖l，該方法主要包括以下步驟-步驟IOI根據(jù)未知節(jié)點到錨節(jié)點最小跳數(shù)值確定錨節(jié)點到任意位置點真 實距離值在特征向量中的個數(shù)。步驟102根據(jù)錨節(jié)點到任意位置點真實距離值及其個數(shù)構(gòu)造特征向量。步驟103對網(wǎng)絡區(qū)域進行網(wǎng)格化，選取網(wǎng)格中心為位置點，根據(jù)位置點特 征向量和坐標形成訓練樣本集。步驟i04通過徑向基核函數(shù)和最小二乘支持向量回歸機學習訓練樣本集 得到用于估計X坐標和Y坐標的支持向量回歸機。步驟105將未知節(jié)點到錨節(jié)點跳段距離和構(gòu)成的特征向量分別輸入兩個 回歸機得到未知節(jié)點坐標估計值。本實施例首先估計未知節(jié)點到錨節(jié)點距離值，通過選取網(wǎng)絡區(qū)域的位置點 收集訓練樣本，并使用最小二乘支持向量回歸機對訓練樣本進行學習得到估計 節(jié)點位置的決策函數(shù)。參見圖2，具體實現(xiàn)方法包括步驟201:錨節(jié)點向網(wǎng)絡泛洪傳播包含自身坐標和初始跳數(shù)值為O的數(shù)據(jù) 包，鄰居節(jié)點收到數(shù)據(jù)包后將跳數(shù)值加l后繼續(xù)向外廣播，若未知節(jié)點收到同 一錨節(jié)點發(fā)出的多個數(shù)據(jù)包，則保留跳數(shù)值最小的數(shù)據(jù)包。步驟202:通過所述錨節(jié)點數(shù)據(jù)包泛洪傳播，錨節(jié)點和未知節(jié)點獲取自身 到各錨節(jié)點最小跳數(shù)值和各錨節(jié)點坐標。步驟203:錨節(jié)點根據(jù)自身坐標和其它錨節(jié)點坐標計算自身到其它錨節(jié)點 的距離，通過距離值和除以自身到其它錨節(jié)點最小跳數(shù)和得到平均每跳距離， 并向網(wǎng)絡廣播。步驟204:未知節(jié)點接收錨節(jié)點到其它錨節(jié)點平均每跳距離廣播值，若某個錨節(jié)點到未知節(jié)點最小跳數(shù)值為最小，則未知節(jié)點將該錨節(jié)點與其它錨節(jié)點 平均每跳距離作為未知節(jié)點到其它錨節(jié)點平均每跳距離，通過平均每跳距離乘 以最小跳數(shù)值估計未知節(jié)點到其它錨節(jié)點距離值。步驟205:未知節(jié)點對網(wǎng)絡區(qū)域進行網(wǎng)格化，選取網(wǎng)格中心作為位置點，計算位置點到各錨節(jié)點真實距離值。步驟206:利用位置點到錨節(jié)點的真實距離值作為特征值構(gòu)造特征向量，并根據(jù)未知節(jié)點到錨節(jié)點最小跳數(shù)值確定特征提取方法，也即，未知節(jié)點到錨節(jié)點最小跳數(shù)值越小，錨節(jié)點到位置點真實距離值在特征向量中的個數(shù)越多；未知節(jié)點到錨節(jié)點最小跳數(shù)值越大，錨節(jié)點到位置點真實距離值在特征向量中 的個數(shù)則越少。步驟207:所述網(wǎng)絡區(qū)域內(nèi)每個位置點對應一個特征向量，將位置點特征向量作為訓練樣本輸入值，分別將位置點X坐標和Y坐標作為訓練樣本輸出值， 可以得到用于估計X坐標和Y坐標的兩個訓練樣本，通過網(wǎng)絡區(qū)域內(nèi)所有位置 點可以得到用于估計X坐標和Y坐標的兩個訓練樣本集。步驟208:通過學習機器對得到的兩個訓練樣本集進行學習，得到分別用 于估計X坐標和Y坐標的兩個決策函數(shù)，也即，利用學習機器分別擬合位置點 特征向量和位置點X坐標、Y坐標的非線性關(guān)系，得到的兩個決策函數(shù)分別反 映了位置點到錨節(jié)點真實距離和位置點X坐標、Y坐標的相關(guān)性。步驟209:根據(jù)位置點特征向量的特征提取方法，未知節(jié)點利用它到錨節(jié) 點的距離估計值構(gòu)造特征向量，將未知節(jié)點特征向量分別輸入兩個最小二乘支 持向量機得到的用于估計X坐標和Y坐標的兩個決策函數(shù)。步驟210:決策函數(shù)根據(jù)位置點特征向量和位置點X坐標、Y坐標的對應關(guān) 系，判斷輸入特征向量對應未知節(jié)點的X坐標和Y坐標，得到未知節(jié)點坐標的 估計值，實現(xiàn)未知節(jié)點的自定位。參見圖3，無線傳感器網(wǎng)絡區(qū)域2^
x
附2，錨節(jié)點為《(《,;;))(乂 =1,2，A,Z)，采用"Z的網(wǎng)格對g進行網(wǎng)格化，網(wǎng)格中心G,(x,.,>;,.)(/= 1,2,A,A0到 錨節(jié)點《(;c"")的真實距離為、，選取網(wǎng)格中心《為位置點，利用G,到S;.的真實距離《構(gòu)造特征向量R ,A ,4^" ,《 ),A ,^2),A ,《),《),A ,々入A,4Vf,A，4^)]，其中距離值《的個數(shù)為力.，本發(fā)明通過錨節(jié)點《到未 知節(jié)點&("1,2，A,M)的最小跳數(shù)值/^.(見圖4)選取幻，將位置點G,的特征 向量R作為訓練樣本輸入值，將G,的坐標x,、 x分別作為訓練樣本輸出，得到訓練樣本7x, 、 W, ,，乂)，進而得到訓練樣本集^ ={^, -/ = 1,2,W，w、 a ={;;n|;7K=(^^),"l，2,A,yV},利用學習機器對訓練樣本集Zx、 Zy進行學習來擬合G,的特征向量K與坐標值;c,、乃的非線性關(guān)系，得到?jīng)Q策函數(shù)^=厶(^)、義=/7(。(^"、 = ^^)，其中A、力分別用于估戶i計未知節(jié)點的X坐標&和Y坐標義，^為未知節(jié)點&對應的特征向量(見圖4)。 參見圖4，無線傳感器網(wǎng)絡通過未知節(jié)點&到錨節(jié)點《的最小跳數(shù)/^.乘以平均每跳距離A得到距離估計值^ ，其中^等于/^.值最小的錨節(jié)點《的平 均每跳距離。，q為S;.到其它錨節(jié)點距離和與最小跳數(shù)和的比值。如圖4所示，^到S;的最小跳數(shù)WA1等于2，同時//42=3，//43=3,//44=5 ，則4-2q, A2 =3C\,4 =3^,^4=5(7,，由此得到未知節(jié)點特征向量^ K";)，^),A ，4:《'2),Jg),A ，《f ，《 ,^),A ,^ )JS,^24),A ，a )〗，根據(jù)&取值可知，^滿足^"2，《^仏，將^分別輸入決策函數(shù)/義、力，輸出值；、義為&坐標 估計值。以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護范圍并不局 限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易 想到的變化或替換，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護 范圍應該以權(quán)利要求的保護范圍為準。
權(quán)利要求
1、一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在于，該方法主要包括A根據(jù)未知節(jié)點到錨節(jié)點最小跳數(shù)值確定錨節(jié)點到任意位置點真實距離值在特征向量中的個數(shù)；B根據(jù)錨節(jié)點到任意位置點真實距離值及其個數(shù)構(gòu)造特征向量C對網(wǎng)絡區(qū)域進行網(wǎng)格化，選取網(wǎng)格中心為位置點，根據(jù)位置點特征向量和坐標形成訓練樣本集；D通過徑向基核函數(shù)和最小二乘支持向量回歸機學習訓練樣本集得到用于估計X坐標和Y坐標的支持向量回歸機；E將未知節(jié)點到錨節(jié)點跳段距離和構(gòu)成的特征向量分別輸入兩個回歸機得到未知節(jié)點坐標估計值。
2、 根據(jù)權(quán)利要求l所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，其中所述A與B具體包括將各錨節(jié)點到任意位置點真實距離值作為特征值 構(gòu)造特征向量，錨節(jié)點到位置點真實距離值在特征向量中的個數(shù)由對應錨節(jié)點 到位置點的最小跳數(shù)決定。
3、 根據(jù)權(quán)利要求l所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，所述方法C具體包括將每個位置點對應估計X和Y坐標的兩個訓練樣本， 所述每個位置點對應估計X和Y坐標的兩個訓練樣本分別以位置點特征向量為 輸入值，分別以位置點X和Y坐標作為輸出值，然后由所有位置點得到估計X和 Y坐標的兩個訓練樣本集。
4、 根據(jù)權(quán)利要求l所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，所述方法D具體包括利用徑向基核函數(shù)將訓練樣本非線性映射到高維特 征空間，并采用最小二乘支持向量回歸機在高維特征空間中對訓練樣本集進行 學習，得到分別估計未知節(jié)點X和Y坐標的兩個最小二乘支持向量機。
5、 根據(jù)權(quán)利要求l所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，所述方法E具體包括通過未知節(jié)點到錨節(jié)點最小跳數(shù)對應的跳段距離和 構(gòu)造未知節(jié)點特征向量，其中，所述未知節(jié)點到錨節(jié)點跳段距離和在特征向量 中的個數(shù)由未知節(jié)點到錨節(jié)點的最小跳數(shù)決定。
6、 根據(jù)權(quán)利要求5所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，將未知節(jié)點特征向量分別輸入兩個最小二乘支持向量機，得到用于估計X 坐標和Y坐標的兩個決策函數(shù)。
7、 根據(jù)權(quán)利要求6所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，所述決策函數(shù)根據(jù)位置點特征向量和位置點X坐標、Y坐標的對應關(guān)系， 判斷輸入特征向量對應未知節(jié)點的X坐標和Y坐標，得到未知節(jié)點X和Y坐標的 估計值。
8、 根據(jù)權(quán)利要求l-7所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征 在于，所述每個未知節(jié)點在本地構(gòu)造訓練樣本、訓練最小二乘支持向量回歸機， 實現(xiàn)未知節(jié)點的分布式定位。
9、 根據(jù)權(quán)利要求8所述的無線傳感器網(wǎng)絡分布式節(jié)點定位方法，其特征在 于，所述未知節(jié)點到各錨節(jié)點的最小跳數(shù)值不同，因而不同未知節(jié)點訓練得到 的最小二乘支持向量的回歸機也不相同。
全文摘要
本發(fā)明公開了一種無線傳感器網(wǎng)絡分布式節(jié)點定位方法，該方法主要包括根據(jù)未知節(jié)點到錨節(jié)點最小跳數(shù)值確定錨節(jié)點到任意位置點真實距離值在特征向量中的個數(shù)；根據(jù)錨節(jié)點到任意位置點真實距離值及其個數(shù)構(gòu)造特征向量；對網(wǎng)絡區(qū)域進行網(wǎng)格化，選取網(wǎng)格中心為位置點，根據(jù)位置點特征向量和坐標形成訓練樣本集通過徑向基核函數(shù)和最小二乘支持向量回歸機學習訓練樣本集得到用于估計X坐標和Y坐標的支持向量回歸機；將未知節(jié)點到錨節(jié)點跳段距離和構(gòu)成的特征向量分別輸入兩個回歸機得到未知節(jié)點坐標估計值。通過本發(fā)明可以顯著減小未知節(jié)點到錨節(jié)點跳段距離和測距誤差對未知節(jié)點定位結(jié)果的影響，提高無線傳感器網(wǎng)絡節(jié)點定位的準確度。
文檔編號G01S5/14GK101403793SQ20081022565
公開日2009年4月8日 申請日期2008年11月3日 優(yōu)先權(quán)日2008年11月3日
發(fā)明者劉桂雄, 周松斌, 張曉平 申請人:華南理工大學