基于移动锚节点的距离相关定位算法

格式：docx
大小：191.29 KB
文档页数：7

下载文档原格式

基于移动锚节点的无线传感器网络圆心定位

ＬＩＨｕＬＩＺｈＵｉｉ
（ｅｔｏｉｓａｄＩｏｍａｉｎＥｎｉｅｒｎＥｌｃｒｎｃｎｎｆｒｔｏｇｎｅｉｇ，ＳｃｕｎＵｎｖｒｉｙ，Ｃｈｎｄ６１０５）ｉｈａｉｅｓｔｅｇｕ０６
ＡｂｓｒｃＢａｅｎＲｅｅｖｄＳｉｎｌＳｒｎｔｎｉａｏＲＳ）ｏｒｌｓｅｏｅｗｏｋ，ａｍｏｌｎｈｒｎｄｎｅｔｒｏｉｃｅｔａｔｓｄｏｃｉｅｇａｔｅｇｈＩｄｃｔｒ（ＳＩｆｗｉｅｅｓｓｎｓｒｎｔｒｂｉａｃｏｏｅａｄａｃｎｅｆａｃｒｌ— ｅｌｃｌａｉｎａｇｒｔｍｓｉｒｓｎｔｄＩｈｒｒｅｅａｏｉｎｈｒｎｅ，ｈｓａｇｒｔｏａｉｔｌｏｉｈｓｐｅｅｅ．ｆｔｅｅａｅｓｖｒｌｚｏｍｂｌａｃｏｏｄｓｔｉｌｏｉｈｍｌｂｒｆｉｉｎｙＩｈｏｉｉｎｉｇｐａｅ，ｅｗｉｅｍｏｅｅｆｃｅｃ．ｎｔｅｐｓｔｏｎｈｓｌｔｅｄｓａｅａｕｅＳｒｍｏｅｔｄ，ｈｎｃｏｏｓｌａｔｎｓｗｉｅｕｅｎｏｄｒｔｏｖｎｈｅｃｒｌｎｒｕｈｏａｈｉｔｎｅｍｅｓｒｄｂｙＲＳＩｆｏｎｄｏｎｏｅｔｅａｈｒｎｄｅｏｃｉｌｂｓｄｉｒｅｏｓｌｉｇｔｉｃｅａｄｗｏｋｏｔｔｅｌｃ — ｏｌ
位置，得到以未知节点为圆心，锚节点通过圆的轨迹方程。理论上来说参与定位的锚节点的数量越多，定位精度越高。
但过多的锚节点意味着过高的开支及较多的能量消耗，且

一种利用可靠的锚节点的非测距定位算法

一种利用可靠的锚节点的非测距定位算法李波;张长胜;邵丹【摘要】无线传感网中的多类应用均需要准确的定位算法.为了评估位置,普通节点需利用与锚节点间的距离信息,估计自己的位置.因此,距离的估计在无线传感网络定位中扮演着重要的角色.传统的各向同性网INT(isotropic networks)中定位算法是将欧式距离看成最短路径距离SPD(shortest path distances).然而,这些算法在各向异性网ANT(anisotropic networks)不能准确地估计距离,因为ANT中最短路径距离SPD与欧式距离不成线性比例;并且两节点间的最短路径被迂回,其长度可能大于相应的欧式距离.针对此问题,正确选择可靠的锚节点RANs(reliable anchor nodes)用于准确地估计距离显得格外重要.为此,面向各向异性网ANT,提出基于可靠的锚节点选择的定位方案,记为Se_RANs.每个普通节点通过三角模型原则选择三个可靠锚节点,计算这三个锚节点估计离其他锚节点间的距离,进而利用Mix-max 算法估计普通节点位置,从而提高估计的准确性.同时,通过数学分析,推导了普通节点周围存在三个可靠锚节点的概率;并验证了Se_RANs方案的可行性.仿真结果表明,与DV-Hop算法相比,提出的Se_RANs方案具有小的定位均方误差(MLE).【期刊名称】《科学技术与工程》【年(卷),期】2014(014)033【总页数】6页(P67-72)【关键词】各向异性网;锚节点;三角模型;定位;非测距;传感网【作者】李波;张长胜;邵丹【作者单位】长春工程学院计算机基础教学中心,长春130012;东北大学信息与工程系,沈阳110819;铁道警察学院公安技术系,郑州450000【正文语种】中文【中图分类】TN929.5无线传感网络WSNs(wireless sensor networks)应用于各行各业，如环境监测、卫生保健、目标跟踪和军事侦察[1]。

WSN基于测距的定位方法

坐标。因此, 必须采取一定的机制或算法来实现无线传感器网络中各节点的定位。
二.主要的WSN定位方法
1.依据距离测量与否 2依据节点连通度和拓扑分类
3依据信息处理的实现方式
测距算法非测距算法
单跳算法多跳算法
分布式算法集中式算法
普遍认为基于测距和非测距的算法分类更为清晰,但大部分基于非测距的定位算法只是停留在理论研究阶段, 且大都是在仿真环境下进行的, 需要假设很多不确定因素, 而这些因素在实际应用中往往不能满足, 在实际应用中通常选择测距算法。
AOA测距技术依靠在节点上安装天线阵列来获得角度信息。由于大部分节点的天线都是全向的, 无法区分信号来自于哪个方向。因此该技术需要特殊的硬件设备如天线阵列或有向天线等来支持。
优点:能够取得不错的精度缺点:装有天线阵列的节点的耗能、尺寸以及价格都要超过普通的传感节点, 与无线传感器网络低成本和低能耗的特性相违背, 所以
对于无线传感器网络的户外三维定位, 将锚节点固定在直升
机上通过GPS实时感知自身位置,
采用基于RSSI的测距方法, 利用粒子滤波定位技术实现定位, 该
累计, 并且可以减少锚节点目前的三维定位算法包括基于划的数量, 进而降低网络的成分空间为球壳并取球壳交集定位本。的思想, 提出的对传感器节点进行三维定位的非距离定位算法 APIS(approximate point in sphere) 。
目
录
一.WSN节点定位的意义二.主要的WSN定位方法三.国内外基于测距的定位方法的研究四.新型WSN定位方法五.总结
一.WSN节点定位的意义
无线传感器网络作为一种全新的信息获取和处理技术在目标跟踪、入侵监测及一些定位相关领域有广泛的应用前景。传感器节点必须明确自身位置才能详细说明 “在什么位置发什么了什么事件”, 从而实现对外部目标的定位和跟踪; 了解传感器

一种基于移动锚节点的静态无线传感器网络定位算法构建和分析

动锚节点就是具备移动能力并且配置自身定位设备的节点。在数据包，以及信标数据包中的发射该信标的信标点位置的信息无线传感器网络的使用中具体的分布在无线传感器网络中的位就能详细的确定，在移动锚节点中通信的传感器节点可以接收置节点中，来提供可靠的辅助信息，并且按照一定的算法来计算到信标数据包，在测量的同时根据节点间的连同信息或者是３自身的估计位置。个以上的测量距离来估计自身的位置。本文在结合使用ＲＳＳＩ、
无线天地・
种基于移动锚节点的静态无线传感器网络定位算法构建和分析
一
黄衍玺（南京航空航天大学，江苏南京２１００１６）
摘要：随着网络技术在深入的发展，静态无线传感器网络主要是通过引入网络技术中具有数据采集能力、信息处理能力以及无线通信的能
力的传感器节点进行相互交换信息，并且协调控制有机相结合。该技术的已经被广泛的应用于生活中的各个领域中，在移动锚节Ｉ量的使用中，改变了静态无线传感器网络在发展中遇到了环境恶劣、不可到达区域最终实现了监测和跟踪的任务，有效的控制了节点位置的具体信息。
关键词：移动锚节点；静态无线传感器；网络定位；算法构建
在静态无线传感器网络定位的使用中，将信息进行交通信量，避免了在测量中的误差影
但是无需测距定位，在使用中能够减小节点的尺寸，满足了有效的控制了有机体的结合，最终实现了物与物的互联，将感响。
１．２静态无线传感器网络定位算法分类
静态无线传感器网络定位的算法主要有：（１）基于测距

基于三边测量法的移动锚节点定位方案

— 29 —
定位覆盖率、定位精度以及移动锚节点的能耗有很
大影响。一般认为，最优的锚节点移动路径需要满
足两个条件，一是能够提供良好的网络覆盖范围，确
保区域内所有节点都至少三个非共线
的有效信号。
典型的移动锚节点路径规划主要分为两类［8 － 10］，一类是随机移动模型，如随机游走模型、高
0 引言
无线传感器网络是一种多跳的自组织网络系统，它由大量的微型传感器节点组成，节点之间通过无线的方式进行通信［1］。随着人工成本的不断上升，生产领域对提高设备自动化水平的需求日益迫切。在数据采集与处理方面，无线传感器网络具有比较明显的优势，因此引起了学术界、产业界和各国政府的普遍关注。目前，无线传感器网络已经与经济社会发展的各个方面深度融合，在气象监测、抢险救灾、目标跟踪等领域发挥不可替代的作用［2］。作为上述应用的重要支撑环节，无线传感器网络节点定位技术一直是研究的热点。根据定位过程是否需要测距，节点定位可以分为基于测距的方法和无需测距的方法［3 － 4］；根据锚节点是否移动，可以分为静态锚节点定位和动态锚节点定位［5 － 6］。静态锚节点
斯－马尔科夫模型等；另一类是非随机移动模型，包
括以 SCAN 型、DOUBLE SCAN 型以及 HILBEＲT 型
为代表的经典移动模型。其中，SCAN 型路径是最
简单、最容易实现的一种轨迹。
如图 1 所示，在 SCAN 型路径中，移动锚节点沿
着一个维度遍历监测区域，两条连续的平行轨迹之
间的距离定义为移动路径间隔 S（或轨迹分辨率）。
问题。锚节点的移动路径往往对网络中未知节点的
收稿日期： 2018 － 10 － 21 基金项目：江苏省高等学校自然科学研究面上项目（ 18KJD14000-

基于移动锚节点的移动定位技术

式匹配等完成定位的称灯 ‘ 细” ，根据节点接近度进行定位的称为“ 粗” 。高精度的定位技术往往要求较高的器件水平和能耗，在有些场合下，为了满足传感器网络节点的低成本、低能耗的要求，需要根据任务和需求选择适度“ 粗” 的算法。细粒度的典型算法有质心算法、ＡｃｔｉｖｅＢａａｇｅ凸规划等。粗
位的研究热点集中于如何利用这些锚节点提供的位置信息与节点间的协
作，来计算非锚节点的位置。
无线传感器网络定位问题的一般前提假设是：
（１）网络具有较高的密度；（２）网络内每一个节点具有全网唯一的ＩＤ：（３）在没有特别说明的情况下，所有节点具有相同的最大通信距离；
１．测量信号到达时间（ＴＯＡ．ＴｉｍｅｏｆＡｒｒｉｖａ１）２．测量不同信号到达时间差
３性能方法的评价标准
（１）定位精度：一般用误差值与节点的无线电测距射程的比例表示，例如定位精度为２０％表示误差是射程范围的２０％。（２）锚节点的密度：因为锚节点通常依赖人工部署或安装ＧＰＳ等定位设备，使用成本较高。锚节点的使用数量是限制ＷＳＮ规模、影响ＷＳＮ成本的重要指标之一。（３）功耗：由于传感器节点的能量有限，控制功耗是ＷＳＮ的一项重要工作。因此定位算法所需要的计算复杂度、时间复杂度、通信开销、存储开销等成为影响功耗的重要因素。（４）规模：不同的定位系统或算法所能定位目标的数量是一个重要的评价指标。节点数量增加带来了网络通信干扰、结构复杂度和通信复杂度的增加。规模的扩大对算法的适应性提出了考验。（５）容错性和适应性：实际应用场合存在着多种不确定性，例如多径传

一种基于移动坐标系的新型节点定位算法

位置。
节点定位是无线传感器网络（Ｎ）ＷＳｓ最关键的技术之
一
，
因为节点信息可用于目标跟踪、盖范围、覆环境监测、路。现实应用中，定位的方法有很多，当前用得
由选择等
最为广泛的就是ＧＳ定位。ＧＳ定位具有全天候、精度ＰＰ高
从目前情况来看，ＮＷＳｓ节点定位技术大体上可以分
为以下３种：
定位技术精度最高，对硬件要求也最高；但有锚节点基于非测距的定位技术精度较高；锚节点定位技术可显著降低无网络成本，对硬件要求较低，但定位精度最低。
１ＭＣＳ算法及其实现
了以下措施：
有ＧＳ装置的节点）其中一个移动锚节点ＪＰ，。每个锚节点到坐标系的距离是已知的，且节点的通信范围均为一固定半径的圆。第ｍ个位置未知节点在其通信范围内至少有
２个以上邻居锚节点。
如图１原点０为移动节点在时刻的位置，轴方向，为其移动方向，假设移动节点移动方向为直线（在实际应用中，节点可任意方向运动）。图中，Ａ为未知节点，Ｒ为其通
Ａｂｓｒｔ：Ａｄｓｒｂｅｎｏｅｏａｉａｉｎｌｏｉｈｍｂｓｄｎｔａｃｉｔｕｔｄｉｄｌｃｌｚｔｏａｇｒｔａｅｏｍｏｂｌｃｏｄｉａｅｙｔｍｓｓｒｓｎｅｉｅｏｒｎｔｓｓｅｉｐｅｅｔｄ．Ｉｓｔｉｉｒｌｖｎｏｄｉｔｎｅ．ｅｍｏｉｇａｃｒｎｄｓｓｔａｈｒｇｎｔｕｉｈｏｒｉａｅｓｓｅ，ｌｎｋｏｒｅｅａｔｔｓａｃＴｈｖｎｎｈｏｏｅｉｅｓｔｅｏｉｉｏｂｌｔｅｃｏｄｎｔｙｔｍｗｈｉｅｕｎｗｎｄｎｄｅｏｎｉｇｎｔｅｅｇｂｏｉｇｎｈｒｎｏｓｔｌｃｔｉｓｌｉｔｔｍｐｒｒｃｏｄｉｔｓｓｅ．Ｕｎｋｏｏｓｃｕｔｎｏｈｎｉｈｒｎａｃｏｄｅｏｏａｅｔｅｆｎｈｅｅｏａｙｏｒｎａｅｙｔｍｎｗｎｒｇｏｆｉｓｌｓｃｎｔｎｏｌａｒｗｅｙｆｎｎｈｅｐｕｌｃｓｔｔａｃｅｎｔｅｔｉｏａｉｎｏｉｆｒｎｅｉｎｏｔｅｆｉｏｉｕｕｓｙｎｒｏｄｂｄｉｇｔｂｉｅｈｔｐｉｋｄｉｈｅｃｒａｎｌｃｔｏｆｄｆｅｅｔｉ

基于移动锚节点的WSN节点定位方法

ｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙ．Ｔｈｅｎｅｔｗｏｒｋｗａｓｄｉｖｉｄｅｄｉｎｔｏｓｅｖｅｒａｌｌａｙｅｒｓ，ａｎｄｔｈｅｎａｎｃｈｏｒｎｏｄｅｍｏｖｅｄａｌｏｎｇｔｈｅＸａｘｉｓａｎｄｌａｙｅｒｂｏｕｎｄａｒｙｔｏｔｒａｖｅｒｓｅａｌｌｕｎｋｎｏｗｎｎｏｄｅｓ．ＡｔｉｎｔｅｒｖａｌｓｏｆｔｈｅＳＳ＿ＩＴ＿Ｉｅｄｉｓｔａｎｃｅ，ｔｈｅａｎｃｈｏｒｎｏｄｅｄｉｒｅｃｔｅｄｂｒｏａｄｃａｓｔｐｏ — ｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｐｒｏｃｅｓｓｏｆｍｏｖｉｎｇ．Ｔｈｅｕｎｋｎｏｗｎｎｏｄｅｓａｃｃｏｒｄｉｎｇｔｏｔｈｅａｎｃｈｏｒｎｏｄｅｃｏｏｒｄｉｎａｔｅａｎｄａｚｉｍｕｔｈｉｎｆｏｒｍａｔｉｏｎｔｏｄｅｔｅｍｉｒｎｅｉｔｓｐｏｓｉｔｉｏｎ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｙｔｈａｎｔｈｅｔｙｐｉ — ｃａｌＳＬＷＬａｌｇｏｒｉｔｈｍ．ＫｅｙｗｏｒｄｓＷｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ，Ｍｏｂｉｌｅａｎｃｈｏｔ，Ｄｉｒｅｃｔｉｏｎａｌａｎｔｅｎａ，ＲＳＳＩ，Ｌｏｃａｌｉｚａｔｉｏｎ

无线传感网络中基于锚节点动态路径规划的节点定位算法研究

重庆邮电大学硕士学位论文摘要摘要无线传感网络由分布在空间中的大量廉价传感器节点组成，由于其具有自组织、低成本和易于部署等优点，广泛应用于环境监测、智能家居、军事和工业等领域中。

在这些应用中，节点定位技术是无线传感器网络的关键技术之一。

只有当传感器节点的位置可知时，该节点所收集的数据才具用实用价值。

为了减少节点能耗，同时提高定位性能，本文利用移动锚节点辅助未知节点完成定位，其中考虑监测区域内未知节点的分布情况规划锚节点的移动路径，在提高节点定位性能的同时减少锚节点移动路径的长度将是本文的研究重点。

针对未知节点静止、锚节点移动的定位场景，本文提出一种基于网络拓扑信息分簇的锚节点动态路径规划算法。

该算法首先利用网络中未知节点的密集度对网络进行分簇，选取密集度最大的未知节点作为簇头节点。

其次，利用模拟退火算法求解出簇头节点的遍历顺序，得出锚节点的全局移动路径。

最后，通过几何分析发现，当参与定位的锚节点之间呈正三角形分布时，节点定位误差最小。

因此采用正三角形的路径对簇内的未知节点进行覆盖，从而得到锚节点的局部移动路径。

仿真结果表明，所提出的算法能够适应不同拓扑类型的传感器网络，在提升定位精度和节点定位率的同时能够有效缩短锚节点的移动路径。

针对未知节点和锚节点均移动的定位场景，本文提出一种基于定位效益的锚节点路径规划算法。

该算法首先根据未知节点的运动模型及其一跳邻居信息定义定位效益，然后结合定位效益遍历锚节点的移动盒子以确定锚节点下一时刻的最优位置。

在定位阶段，利用接收信号强度指示测距模型缩小蒙特卡罗盒定位算法中的采样区域。

为了满足锚节点密度较低的监测区域的未知节点的定位需求，利用平均定位偏移量选出辅助锚节点参与到未知节点的定位中。

仿真结果表明，此算法具有较好的定位性能，并且当锚节点数量较少时仍能保证定位率和定位精度。

关键词：无线传感器网络，节点定位，移动锚节点，动态路径规划1重庆邮电大学硕士学位论文AbstractAbstractWireless sensor networks are composed of a large number of inexpensive sensor nodes,due to its advantages of self-organization,low cost and easy deployment,which is widely used in the field of environmental monitoring,smart home,military,industry and so on.In the above applications,node localization technology is one of the key technologies of wireless sensor networks.Only when the location of the sensor node is known can the data collected by the node be of practical value.In order to reduce energy consumption of nodes and improve localization performance,the mobile anchor node is used to assist unknown nodes to complete localization in the thesis.The path planning of anchor according to the distribution of unknown nodes in the monitoring region and reducing the length of the path of anchor while increasing the localization performance are the research emphases in the thesis.A dynamic path planning algorithm of anchor node based on network topology information clustering is proposed for the localization scenarios of stationary unknown node and moving anchor node in this thesis.Firstly,the network is clustered according to the density of unknown nodes,selecting the unknown node with the highest density as the cluster head node.Secondly,the traversal order of cluster head nodes is solved by simulated annealing algorithm to obtaining the global moving path of anchor node. Finally,it is found that the localization error of nodes is minimum when there is a triangular distribution between anchor nodes participating in localization through geometric analysis.Therefore,the path of equilateral triangle is used to cover the unknown node in the cluster as the local moving path of the anchor node.Simulation results show that the proposed method can adapt to wireless sensor networks with different topology,and can effectively shorten the moving path of anchor node while improving the localization accuracy and node localization rate.A path planning algorithm of anchor node based on localization benefit is proposed for the localization scenarios of moving unknown node and anchor node in this thesis. Firstly,the localization benefit according to the motion model of the unknown node and its one-hop neighbor information is defined.And then the moving box of the anchor node is traversed combining with the localization benefit to determine the optimal location of the anchor node at the next moment.The sampling area in the Monte Carlo2重庆邮电大学硕士学位论文Abstractlocalization boxed is reduced by using the received signal strength indication ranging in the localization phase.In order to meet the localization requirements of unknown nodes in the monitoring area with low density of anchor node,the auxiliary anchor nodes are selected to participate in the localization of unknown nodes by using the average localization offset.The simulation results show that this algorithm has better localization performance and can guarantee the localization rate and accuracy when the number of anchor nodes is smaller.Keywords:wireless sensor networks,node localization,mobile anchor node, dynamic path planning3重庆邮电大学硕士学位论文目录目录图录 (6)注释表 (8)第1章绪论 (1)1.1研究背景及意义 (1)1.2国内外研究现状 (2)1.3本文的研究内容和组织结构 (5)1.3.1本文的研究内容 (5)1.3.2本文的组织结构 (5)第2章WSNs中基于移动锚节点的节点定位算法研究 (7)2.1基于移动锚节点的节点定位概述 (7)2.2基于移动锚节点的路径规划算法 (7)2.2.1锚节点随机移动 (7)2.2.2锚节点静态路径规划 (8)2.2.3锚节点动态路径规划 (11)2.3定位性能评价指标 (15)2.4本章小结 (16)第3章基于网络拓扑信息分簇的锚节点动态路径规划算法 (17)3.1网络分簇算法 (18)3.2锚节点全局移动路径 (19)3.3锚节点局部移动路径 (22)3.4仿真分析 (24)3.4.1锚节点移动路径图 (24)3.4.2锚节点路径长度对比 (26)3.4.3定位性能对比 (26)3.5本章小结 (28)第4章节点定位中基于定位效益的锚节点路径规划算法研究 (29)4重庆邮电大学硕士学位论文目录4.1基于定位效益的锚节点自适应移动算法 (29)4.1.1系统摸型 (29)4.1.2定位效益模型 (31)4.1.3锚节点最优位置选取 (33)4.2基于辅助锚节点的MCB定位算法 (34)4.2.1基于RSSI值的采样盒优化 (35)4.2.2辅助锚节点选择 (37)4.3仿真结果与分析 (38)4.3.1定位性能随时间变化情况 (38)4.3.2定位性能随节点最大移动速度变化情况 (40)4.3.3定位性能随锚节点数量变化情况 (41)4.4本章小结 (41)第5章总结与展望 (43)5.1本文工作总结 (43)5.2后续工作展望 (44)参考文献 (45)致谢 (49)攻读硕士学位期间从事的科研工作及取得的成果 (50)5重庆邮电大学硕士学位论文图录图录图2.1静态路径规划模型 (9)图2.2三边测量法 (10)图2.3MCL算法采样范围示意图 (12)图2.4滤波条件示意图 (13)图2.5锚盒子示意图 (14)图2.6采样盒子 (15)图3.1节点之间通信的数据包格式 (18)图3.2未知节点密集权重示意图 (18)图3.3定位误差区域示意图 (23)图3.4误差区域放大图 (23)图3.5矩形分布下锚节点移动路径图 (25)图3.6C形分布下锚节点移动路径图 (25)图3.7不同网络拓扑下锚节点移动路径长度对比 (26)图3.8不同通信半径下节点定位率对比 (27)图3.9不同通信半径下定位误差对比 (28)图4.1未知节点移动盒子 (30)图4.2锚节点通信盒子 (30)图4.3定位效益模型 (31)图4.4锚节点位置寻优过程中最大覆盖范围 (32)图4.5加入邻居节点信息后的定位效益模型 (32)图4.6锚节点移动盒子遍历法示意图 (34)图4.7辅助锚节点示意图 (36)图4.8根据RSSI值限定采样区示意图 (36)图4.9结合移动盒子与RSSI值限定采样区示意图 (37)图4.10定位偏移量示意图 (37)图4.11定位性能随时间变化图 (39)6重庆邮电大学硕士学位论文图录图4.12定位性能随节点移动速度变化图 (40)图4.13定位性能随锚节点数量变化图 (41)7重庆邮电大学硕士学位论文注释表8注释表AOAAngle of Arrival ，到达角度APITApproximate Point in Triangle Test ，三角形近似点测试法DV-HOPDistance Vector-Hop ，基于距离向量的多跳算法DWSNsDynamic Wireless Sensor Networks ，动态无线传感器网络GMMWGauss-Markov Mobility Model ，高斯马尔科夫移动模型GPSGlobal Positioning System ，全球定位系统LMATLocalization with a Mobile Anchor Node Based on Trilateration ，基于正三角形的移动锚节点定位MCBMonte Carlo Localization Boxed ，蒙特卡罗盒定位MCLMonte Carlo Localization ，蒙特卡罗定位MDS-MAPMultidimensional Scaling-map ，多维标度MMCLMulti-Hop Based on Monte Carlo Localization ，一种基于多跳的蒙特卡罗定位NPNon-deterministic Polynomial ，非确定性多项式OGBMOptimal Grid Benefit Maximum ，节点效益最大化优化算法PPALB Path Planning Algorithm of Anchor Node Based on Localization Benefit ，基于定位效益的锚节点路径规划算法PPTCDynamic Path Planning Algorithm of Anchor Node Based on NetworkTopology Information Clustering ，基于网络拓扑信息分簇的锚节点动态路径规划算法RSSIReceived Signal Strength Indicator ，接收信号强度指示RWMRandom Walk Model ，随机移动模型RWPMRandom Waypoint Mobility Model ，随机路点移动模型SWSNsStatic Wireless Sensor Networks ，静态无线传感器网络TDOATime Difference of Arrival ，到达时间差TOA Time of Arrival ，到达时间重庆邮电大学硕士学位论文注释表TSP Traveling Salesman Problem，旅行商问题VFMS Mobility Strategy for Anchor Node Based on Virtual Forces，基于虚拟力的锚节点移动策略WSNs Wireless Sensor Networks，无线传感器网络重庆邮电大学硕士学位论文第1章绪论第1章绪论1.1研究背景及意义无线传感器网络(Wireless Sensor Networks,WSNs)以无线通信技术、计算机技术、微电子技术和传感器技术等技术为基础。

基于锚节点连通性的移动WSN定位优化算法

基于锚节点连通性的移动WSN定位优化算法黄炎;樊渊【摘要】To enhance the localization accuracy and decrease anchor node density in the traditional range-free locali-zation algorithms for mobile wireless sensor networks( WSN) ,an optimized Monte Carlo localization algorithm based on the connectivity of anchors is proposed and its performance analysis is provided. Firstly,the concept of average connectivity of anchor nodes is introduced to evaluate the connectivity of the WSN. Then,the sampling region is di-vided according to the distribution of nodes,and the localization accuracy is improved by controlling the positions of mobile anchors. The simulation shows that, compared with the traditional Monte Carlo Localization algorithm, the proposed algorithm can effectively enhance the positioning accuracy and lower the requirement for anchors density, and thus improve the nodes localization performance in WSN.%为提高传统移动无线传感网络非测距方式定位算法的节点定位精度、降低算法对锚节点密度的要求,提出一种基于网络中锚节点连通性的蒙特卡洛优化定位算法,并分析了其节点定位性能.算法首先引入平均锚节点连通度的概念来评价网络锚节点连通性,然后提出根据节点实时分布情况进行采样区域划分,并实时控制移动锚节点分布,提升网络的整体定位精度.仿真结果表明,相较于传统的移动无线传感网络中基于蒙特卡洛方法的节点定位算法,所提出的算法有效提升了整体的定位精度,并有效降低了算法对于锚节点密度的要求,提升了算法节点定位性能.【期刊名称】《传感技术学报》【年(卷),期】2017(030)012【总页数】8页(P1925-1932)【关键词】移动无线传感网络;连通性;蒙特卡洛方法;节点定位;移动锚节点【作者】黄炎;樊渊【作者单位】安徽大学电气工程与自动化学院,合肥230601;安徽大学电气工程与自动化学院,合肥230601【正文语种】中文【中图分类】TP393无线传感网络[1-2] WSN(Wireless Sensor Network)能够实现对物理世界的感知,是物联网技术的重要基础,广泛应用于环境监测、目标跟踪、智能家居、智能交通等各个领域,其中大多数应用都依赖于WSN的定位信息[3]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

无线传感网络定位算法
基于移动锚节点的距离相关定位算法
一、无线传感网络与节点定位
1. 无线传感网络中的关键技术
无线传感器网络作为当今信息领域新的究热点，涉及多学科交叉的研究领域，涉及到非常多的关键技，主要包括：拓扑控制；网络协议；网络安全；时间同步；定位技术；数据融合；嵌入式操作系统；无线通信技术；跨层设计和应用层设计。

2. 无线传感器网络节点定位机制
无线传感器网络节点定位问题可表述为：依靠有限的位置己知节点即信标节点(锚节点)，确定布设区中其它未知节点的位置，在传感器节点间建立起一定的空间关系的过程。

无线定位机制一般由以下三个步骤组成：
第一步，对无线电信号的一个或几个电参量(振幅、频率、相位、传播时间)进行测量，根据电波的传播特性把测量的电参量转换为距离、距离差及到达角度等，用来表示位置关系；
第二步，运用各种算法或技术来实现位置估计；
第三步，对估计值进行优化。

3. 节点间距离或角度的测量
在无线传感器网络中，节点间距离或角度的测量技术常用的有RSSI、TOA、TDOA和AOA等。

4. 计算节点位置的基本方法
(1)三边测量法
(2)三角测量法；
(3)极大似然估计法。

5. 无线传感器网络定位算法的性能评价
几个常用的评价标准：定位精度；规模；锚节点密度；节点密度；覆盖率；容错性和自适应性；功耗；代价。

6. 无线传感器网络定位技术分类
（1）物理定位与符号定位；
（2）绝对定位与相对定位；
（3）紧密耦合与松散耦合；
（4）集中式计算与分布式计算；
（5）基于测距技术的定位和无须测距技术的定位；
（6）粗粒度与细粒度；
（7）三角测量、场景分析和接近度定位。

二、定位算法研究的目的和意义
定位是大多数应用的基础。

由于节点工作区域往往是人类不适合进入的区域，或者是敌对区域，甚至有时传感器节点需要通过飞行器抛撒，因此节点的位置通
常是随机并且未知的。

而传感器节点自身的正确定位是提供监测事件位置信息的前提，没有位置信息的监测消息往往是没有意义的。

传感器节点必须明确自身位置才能详细说明“在什么位置或区域发生了特定事件"，除能报告事件的发生地外，还能进行目标跟踪，实时监视目标路线，预测目标轨迹等；实现对外部目标的定位和追踪。

另一方面，了解传感器节点位置信息还可以协助路由，提高路由效率，为网络提供命名空间，向部署者报告网络的覆盖质量，实现网络的负载均衡以及网络拓扑的自配置等网络管理。

因此，确定事件发生的位置或获取消息的节点位置尤为重要，对传感器网络应用的有效性起着关键的作用。

而全球定位系统是目前使用最广泛最成熟的定位系统，通过卫星的授时和测距对用户节点进行定位，具有精度高、实时性好、抗干扰能力强等优点，但是定位适应于无遮挡的室外环境，用户节点通常能耗高且体积大，成本也比较高，需要固定的基础设施等。

人工部署和为所有网络节点安装GPS接收器都会受到成本、功耗、扩展性等问题的限制，甚至在某些场合可能根本无法实现，这使得它不适用于低成本自组织的传感器网络，因此必须采用一定的机制与算法实现WSN的自身定位。

随着计算机技术、微电子技术和通信技术的进步，传感器已朝着集成化、微型化、智能化和低能耗的方向快速发展，使其能够在较小体积内集成信息采集、数据处理和信息的传输等多种功能，这为无线传感网(Wireless Sensor Networks WSN)的产生和发展奠定了基础。

无线传感网是由部署在监测区域内大量廉价微型的具有有限数据处理能力和装备有低能耗无线信号收发器的传感器节点通过无线通信方式形成的一个多
跳自组织网络，其目的是利用网络节点协作地感知和采集网络覆盖区域内感兴趣的信息，并发送给观察者。

它通过大量随机部署在监测区域的传感器节点来监测和感知周围的物理环境。

无线传感网具有布线成本低、监测精度高、系统容错性好、可远程监控以及便于诊断与维护等众多的优点，它的产生解决了传统传感器网络在应用中遇到的安装、维护等方面的种种困难。

其在军事、工业、医疗、交通、环保等领域有着广阔的应用前景。

如果说互联网改变了人与人之间的信息交流方式，那么，无线传感网的产生将改变人与自然界的交互方式。

三、基于移动锚节点的距离相关定位算法
基于测距的移动锚节点发送的信标信号中包含距离信息，然后未知节点通过接受到的距离信息通过特定的计算方法实现定位。

典型算法：MBAL 算法
MBAL(mobile beacon assisted localization scheme)定位方法是典型的将移动锚节点定位算法与静态锚节点定位算法相结合的一种方法，移动锚节点在移动的同时更新其坐标并周期的广播自身的位置信息。

未知节点通过RSSI 测距方法获得与锚节点之间的距离，当接收到3 个以上不共线的虚拟锚节点信息包时，就可以使用三边测量法来计算自身的位置。

未知节点定位完成以后，就转换成为其他未知节点提供坐标信息的静态锚节点。

MBAL 算法假设锚节点始终能知道自身的位置，未知节点可以利用3 个及更多的来自移动锚节点或静态锚节点的数据包计算出自身的位置。

MBAL 定位可分为以下3 个阶段：锚节点初始移动阶段：为了保证在传感器网络中存在交叉区域，将移动锚节点的初始位置设置在网络的中心附近。

如图3.16 所示，交叉区域是一个边长为
R的等边三角形。

锚节点运动结束后，节点移动的距离长度为2R，参考节点的数目是3 个。

经过这个步骤，处于交叉区域的未知节点能够计算出自身位置，从而转化为广播自身位置数据包的静态锚节点，进行递增式定位。

锚节点初始运动路径（The initial path of a mobile beacon）
未知节点定位阶段：静态参考节点为其他未知节点提供包括自身位置的数据包，使更多的节点被定位，从而递归的产生更多的静态参考节点。

三边测量法至少需要3 个锚节点的位置信息，但MBAL 使用距离检查技术（The range check technique）来计算接收到两个数据包的节点位置。

如下图所示，一个未知节点接收到来自参考节点A 和B 的两个数据包，估计自身到A 和B 的距离，从而可以得到两个可能的位置1P 和2P 。

图中灰色点是参考节点A 和B 的邻居节点，也是未知节点的两跳节点。

这个未知节点只有两个邻居节点，不能成为两跳节点的邻居节点，而其中一个可能的位置2P 是在节点C 的范围内被定位。

因此，1P 是未知节点唯一的位置。

距离检查技术（The range check technique）
锚节点移动路径决策阶段：经过前两个步骤之后，有些未知节点接收到的位置信息仍然少于3 个，这些节点被称为请求节点，向移动锚节点请求更多的位置信息。

根据请求节点已接收到的数据包个数，可将这些节点分为0-型（已接收到参考节点信息的个数为0）、1-型（已接收到参考节点信息的个数为1）和2-型（已接收到参考节点信息的个数为2）。

根据不同类型未知节点的请求，移动锚节点选择合适的路径来完成整个网络的定位。

MBAL 算法提出的路径规划方法比随机路径规划的定位效果好，但它在尽可能减小锚节点移动路径的同时，也降低了定位的精度。

对于小规模传感器网络，MBAL 算法通过上述的路径规划方法缩短了移动锚节点运动的路径，减小了锚节点能耗；采用递增式的定位算法，降低了定位实现的成本；使用距离检查技术，减少网络中不能定位的节点。

但对于大规模的网络，MBAL 算法会产生严重的累积误差且全网定位的执行周期较长；网络中节点分布均匀且密度较大时，采用递增式定位能够满足所有未知节点都被定位的需求，不需要再使用距离检查技术。

因此，MBAL 算法不适用于大规模无线传感器网络定位。