[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

说明书

技术领域

本发明涉及一种动态通信距离估计方法。 

背景技术

在基于测距的无线传感器网络(Wireless Sensor Networks，WSN)定位系统中，定位的精度在很大程度上取决于锚节点和未知节点(要定位的节点)之间通信距离的估计精度。可利用基于红外、声波、无线电波等传输介质对距离估计，出于实用性、成本等因素的考虑，WSN往往采用低成本的到达信号强度(Received Signal Strength Indicator，RSSI)。在基于RSSI的距离(简称为“RSSI-D”)估计时，由理想信道模型可知，通信距离与RSSI有公式(1)的关系： 

P(D)[dBm]＝P(D₀)[dBm]-10nlg(D/D₀)-X_r    (1) 

其中，P(D)表示锚节点接收到定位节点发送信号的强度；P(D₀)为锚节点接收到参考节点发送信号的强度；D₀为参考节点和锚节点间的距离；D为要估计的未知节点到锚节点之间的距离；n为信道衰减指数，一般取值2-4；X_r为均值为零、方差为r的高斯噪声变量。则由公式(2)可得到距离估计： 

D＝D₀*10^{((P(D0)P(D)Xr)/10n)}    (2) 

在实际无线通信系统中，由于无线传输反射、折射、多径传播、天线增益和障碍物遮挡等诸多环境因素的影响，造成到达信号强度具有很强的不确定性，且在不同环境中、不同通信距离时的RSSI值所具有的不确定性程度大小也不相同。 

从图1-图3可以看出，RSSI与通信距离D很难满足如公式(2)的关系。如果仍按照公式(2)的关系进行RSSI-D估计时，势必造成50％或者更大的误差。 

目前众多的研究集中对静态的距离进行估计，而没有对节点移动情况下的通信距离估计进行研究。移动情况下的距离估计和定位更具有挑战性：除了RSSI的不确定性外，传感器节点在移动过程中，由于通信距离改变引起的RSSI值变化，测量得到的RSSI值不再是静态的，而是动态的RSSI数据流，因此获取的RSSI数据流具有较大程度的不确定性和动态性，给这种动态环境下的通信距离估计带来很大的挑战。虽然在实际定位系统中RSSI值具有明显的动态和不确定性，但是它们的分布具有一定的统计特性，相同通信距离的RSSI值就构成了一个簇。若能够采用一种更加有效地克服RSSI不确定性的方法来实现相 对更为精确的RSSI-D估计，则能够为WSN定位方法提供良好的计算条件。 

发明内容

本发明的目的是提供一种基于不确定性数据流聚类的动态通信距离估计方法，以解决目前没有对节点移动情况下的通信距离估计进行研究的问题。 

本发明为解决上述技术问题采取的技术方案是：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：