基于rssi向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法
【專利摘要】本發(fā)明公開了一種基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法。對特定RSSI值在不同距離處出現(xiàn)的概率進行了高斯曲線擬合，本發(fā)明對RSSI-d(強度與距離關系)曲線進行了分段線性插值，設計了以四邊形為定位單元，實施定位單元內部定位和定位單元外部定位兩種機制，迅速鎖定節(jié)點可能存在的區(qū)域的定位算法；同時，通過未知節(jié)點的RSSI向量和參考節(jié)點的RSSI向量間相近程度的比較，不斷更新并確定距離未知節(jié)點最近的參考錨節(jié)點，縮小未知節(jié)點所在區(qū)域；對于RSSI測量誤差的隨機性使得測距誤差隨機不可控的情形，本發(fā)明引入廣義逆方法作為定位算法的補充，完善了整個定位算法，提高了算法的實際可行性。
【專利說明】基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方 法

【技術領域】
[0001] 本發(fā)明涉及無線傳感器網(wǎng)絡定位技術，具體是一種基于RSSI向量相近度和廣義 逆的無線傳感器網(wǎng)絡定位方法。

【背景技術】
[0002] 在無線傳感器網(wǎng)絡（WSN, Wireless Sensor Network)的各項應用中，只有將傳感 器節(jié)點所捕獲和采集的信息與節(jié)點自身位置相結合，才能準確的說明"事件發(fā)生的地點"， 才能如實地反映目標監(jiān)測區(qū)域。顯然，節(jié)點的位置信息是傳感器節(jié)點感知和采集數(shù)據(jù)的前 提，只有節(jié)點的感知數(shù)據(jù)，而沒有感知數(shù)據(jù)來源的位置信息，這是缺乏實際意義的。因此，無 線傳感器網(wǎng)絡中節(jié)點定位顯得尤為重要，定位技術也就必然成為無線傳感器網(wǎng)絡的一項必 備的功能和一項關鍵的支撐技術。節(jié)點的位置信息對于網(wǎng)絡數(shù)據(jù)采集和事件監(jiān)測而言，是 十分重要的。無線傳感器網(wǎng)絡定位研究對于遙感領域的跟蹤、監(jiān)控有著十分重要的意義，有 助于比較路由、優(yōu)化通信任務、合成路由表。一旦得知事件發(fā)生的位置，即可迅速計算最佳 路由用以向管理節(jié)點發(fā)送信息，為了平衡網(wǎng)絡能量負載和通信負荷，每個節(jié)點的最佳路由 通常并不相同。
[0003] 目前，已經存在多種關于無線傳感器網(wǎng)絡定位算法的研究。文獻（Rashedur R M，Barker K, Alhajj R. Replica Placement in Data Grid:Considering Utility and Risk[C]. Proceedings of IEEE International Conference on Coding and Computing，2005:354-359)是通過三邊定位法估算未知節(jié)點的坐標位置的，定位效果良好。 文獻（石琴琴，霍宏.使用最速下降算法提高極大似然估計算法的節(jié)點定位精度[j].計 算機應用研究，2008, 25(7) :2038-2040)使用最速下降算法優(yōu)化極大似然估計算法所得的 節(jié)點定位值，是對最大似然估計定位法的改進，能夠用較小的計算代價獲得定位精度的提 高，效果明顯?文獻（Wang XB，F(xiàn)u MY，Zhang HS. Target tracking in wireless sensor networks based on the combination of KF and MLE using distance measurements[J]. IEEE Trans, on Mobile Computing, 2012, 11 (4) :567-576)融合了極大似然估計和卡爾曼 濾波，取得了節(jié)點預定位置和節(jié)點跟蹤的雙重效果，且具有較高的定位精度。
[0004] 質心算法因其便于操作和誤差較小的特點在無線傳感器網(wǎng)絡的諸多定位方法中 頗受歡迎，K Yedavalli等人提出的序列定位（SBL，Sequence_Based Localization)算法， 劉志華等人提出了序列定位算法和三點垂心法相結合的序列定位新算法都是質心定位法 的具體實例，也取得了較好的定位精度，但是在邊界節(jié)點定位或非理想環(huán)境定位中，還需改 進。
[0005] 劉少飛等人提出了一種基于平均跳距估計和位置修正的DV-Hop改進算法，用以 解決由單個錨節(jié)點估計所得的網(wǎng)絡平均每跳距離無法反映真實的網(wǎng)絡平均每跳距離的不 足，取得較好的定位精度。但是該算法的定位精度的范圍是建立在位置的循環(huán)修正算法上， 若位置修正迭代錯誤，則定位結果仍受影響。


【發(fā)明內容】

[0006] 針對以上現(xiàn)有技術中的不足，本發(fā)明的目的在于提供一種避免了 RSSI的波動對 定位精度的影響、準確簡便的無線傳感器網(wǎng)絡定位方法，本發(fā)明的技術方案如下：一種基于 RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法，其包括以下步驟：
[0007] 101、獲取待定位節(jié)點之間的接收信號強度指示（Received Signal Strength Indicator)RSSI值，并將在不同距離處RSSI值出現(xiàn)的概率進行高斯曲線擬合得到概率密 度RSSI-d (強度與距離關系）曲線；
[0008] 102、將步驟101中擬合得到的概率密度曲線RSSI-d(強度與距離關系）曲線中每 一距離處的RSSI概率密度尋找峰值f (RSSID max，將此峰值f (RSSIJ max所對應的距離d作為 收發(fā)節(jié)點之間的估計距離，d = f (RSSIJmax*k+b，參數(shù)k和b是概率密度隨距離的變化趨勢， 求得概率密度曲線RSSI-d的模型為：
[0009]

【權利要求】
1. 一種基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法，其特征在于，包括 以下步驟： 101、 獲取待定位節(jié)點的節(jié)點之間的接收信號強度指示RSSI值，并將在不同距離處 RSSI值出現(xiàn)的概率進行高斯曲線擬合得到概率密度RSSI-d強度與距離的關系曲線； 102、 將步驟101中擬合得到的概率密度曲線RSSI-d強度與距離關系曲線中每一距離 處的RSSI概率密度尋找峰值f (RSSID max，將此峰值f (RSSIJ max所對應的距離d作為收發(fā)節(jié) 點之間的估計距離，d = f (RSSIJ^Jk+b，參數(shù)k和b是概率密度隨距離的變化趨勢，求得 概率密度曲線RSSI-d的模型為：
，參數(shù)&表示某處的RSSI概率密度，可由兩組 特定的RSSI值代入確定，
103、 對概率密度曲線RSSI-d強度與距離關系模型采用分段線性插值方法； 104、 對經過步驟103分段線性插值后的RSSI-d強度與距離關系曲線，采用以四邊形為 定位單元，根據(jù)定位單元內部定位法和定位單元外部定位法對待定位節(jié)點存在的區(qū)域進行 定位； 105、 通過待定位節(jié)點的RSSI向量和參考節(jié)點的RSSI向量間相近程度的比較，不斷更 新并確定距離未知節(jié)點最近的參考錨節(jié)點，確定待定位節(jié)點所在區(qū)域。
2. 根據(jù)權利要求1所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法， 其特征在于：所述RSSI分別采用117dBm或89dBm或61dBm或25dBm。
3. 根據(jù)權利要求1所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法， 其特征在于：步驟101中高斯曲線擬合采用的方法為最小二乘法。
4. 根據(jù)權利要求1或3所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位 方法，其特征在于：所述高斯曲線的高斯擬合函數(shù)原型為：
(D 其中
表示測量的數(shù)值總個數(shù)，μ表示測量的 RSSI總體平均值，
5. 根據(jù)權利要求4所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法， 其特征在于：當RSSI = 117dBm時，所得高斯曲線方程為：
6. 根據(jù)權利要求1所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法， 其特征在于：步驟103中，設RSSI-d強度與距離關系曲線有RSSL和RSSI2，其對應的函數(shù)分 別為flmax和，那么對于
，要想求得對應的
就要滿足關系：
式中，β稱為插值系數(shù).若β〈1，可進行內插；若β >1，可進行外插。
7.根據(jù)權利要求1所述的基于RSSI向量相近度和廣義逆的無線傳感器網(wǎng)絡定位方法， 其特征在于：步驟106后還包括對測距誤差隨機不可控時，引入廣義逆方法作為定位補充 的步驟。
【文檔編號】H04W84/18GK104144499SQ201410406515
【公開日】2014年11月12日 申請日期:2014年8月18日 優(yōu)先權日:2014年8月18日
【發(fā)明者】尚鳳軍, 龔文娟, 高紅霞, 蘇文, 付強, 陳曉鳳 申請人:重慶郵電大學