[发明专利]基于不确定性数据流聚类的动态通信距离估计方法

权利要求书

1.一种基于不确定性数据流聚类的动态通信距离估计方法，其特征在于所述方法包括以下步骤：

步骤一、采样测量、统计计算和簇心表示：

在无线传感器网络节点通信范围内，固定锚节点的位置，然后移动未知节点，测量两者通信的RSSI值形成必要的样本数据，计算样本数据的统计特性：均值μ和标准差σ；

这个统计区域可表示为[μ-k*σ，μ+k*σ]，其中k为包含因子，且{k∈R |0≤k≤3}假设每一个通信距离对应的RSSI值构成一个簇，则该簇的簇中心为[μ-k*σ，μ+k*σ]；

假定通信范围内有N个RSSI值的簇中心，μ_i和σ_i分别为一个簇的均值和标准差，则簇中心集合CSO可表示为：

CSO＝{C₁，C₂，…，C_N }

＝{[μ₁-k*σ₁，μ₁+k*σ₁]，[μ₂-k*σ₂，μ₂+k*σ₂]，…，[μ_N-k*σ_N，μ_N+k*σ_N]}，且它们对应的距离分别为{D₁，D₂，…，D_N}；

步骤二、速度估计，生成簇心集合：

对于移动的未知节点(即位置信息未知的传感器节点)，在某一段时间内以速度v相对于锚节点(即位置信息已知的传感器节点)作匀速直线运动，估计其在这段时间内的运动速度V′，在第步骤一中簇中心集合CSO的基础上生成与速度V′相匹配的簇心集合CS＝{C₁，…，C_P-2，C_P-1，C_P}，(1≤P≤N)，在运行过程中，测量到达无线信号强度RSSI的值S_t；

步骤三、生成聚类序列：

对于步骤二中得到的RSSI值S_t，如果在移动速度为v的时间段内的RSSI数据长度j小于序列窗口大小w，则组成RSSI序列S＝{S_t-j+1，…，S_t-2，S_t-1，S_t}和簇心序列CS_j＝{C₁，…，C_j-2，C_j-1，C_j}，否则组成RSSI序列S＝{S_t-w+1，…，S_t-2，S_t-1，S_t}和簇心序列CS_j＝{C_j-w+1，…，C_j-2，C_j-1，C_j }；

步骤四、距离计算：

计算S与簇心序列CS_j的距离DIS_j(S，CS_j)

DISj(S,CSj)=Σi=t-w+1tDij(Si,CSij)]]>

D_ij(S_i，CS_ij)＝λ·d_imax+(1-λ)·d_imin

其中λ为相关系数，0≤λ≤1，决定着S_i与簇心CS_ij距离极值d_imax和d_imin的组合情况，其中CS_ij＝[m_x α_x]，S_i＝y，则S_i与簇心CS_ij之间距离的最小值和最大值为：

dmin=|mx-y|-αx,|mx-y|-αx≥00,|mx-y|-αx<0]]>

d_max＝|m_x-y|+α_x

步骤五、更新迭代：

j增加1并对j进行判断，如果j≠P+1时，则跳转到步骤四；而如果j＝P+1时，求出{DIS_j(S，CS_j)}中的最小值DIS_m(S，CS_m)，(1≤m≤P)，并将CS_m对应的距离D_m作为RSSI值S_t对应的通信距离d_t的估计值输出，完成一次距离估计；如果还需要估计距离则跳转到步骤二，应用需求不需要距离估计时，终止距离估计过程。