[发明专利]一种基于扇形重叠区域聚类分析的定位方法

说明书

本发明公开了一种基于扇形重叠区域聚类分析的定位方法，包括以下步骤：S1、拟合接收信号强度指示值RSSI的高斯测距曲线；S2、基于扇形重叠区域划分；S3、聚类分析；S4、距离修正；S5、动态加权质心定位。本发明方法根据RSSI在测量造成的误差，加入高斯筛选剔除影响较大的接收信号强度指示值(RSSI)；再根据RSSI在定位分布的差异性，建立基于聚类分析的扇形重叠区域，在不同划分区域中利用参考节点间的几何位置加入修正系数进行距离修正。同时，利用动态加权质心定位算法进行定位，得到未知节点的位置。本发明的定位算法，具有定位精度高、计算复杂度低、硬件实现方便等优点。

技术领域

本发明涉及无线传感器网络技术领域，特别涉及一种基于扇形重叠区域聚类分析的定位方法。

背景技术

无线传感器网络(WSN,Wireless sensor network)移动节点(MN,Mobile Node)的定位信息对人员定位、煤矿环境、军事侦察等方面具有重要的意义。WSN定位技术可分为基于测距与无需测距技术，然而基于测距的定位技术定位精度较高。基于测距定位算法的测距技术有基于RSSI(Received signal strength indicator，接收信号强度指示值)、基于到达时间、基于到达时间差与基于到达角度。其中，基于RSSI测距定位技术因具有无需额外的硬件优点广泛地被研究学者进行研究。基于RSSI定位技术通过已知基站(BS,BaseStation)与移动节点(MN,Mobile Node)建立传播损耗与距离之间的传播损耗模型，联合极大似然法、三边定位法、加权质心等定位算法确定MN的位置。

由于RSSI在WSN传输过程由于受到固定障碍物(地板、墙壁)与移动障碍物(动物、人体)等障碍物的阻拦，从而产生快衰落与慢衰落影响着其精确度。因此，基于RSSI的测距定位技术通过测距与定位方法提高MN位置的精确度。在室内减少测距误差从削弱非视距测距 (障碍物)带来的影响，而在室外减小测距误差则从削弱多径、散射、绕射引起的测距影响。定位方法削弱定位误差从区域划分相等的差异性区域进行定位。

根据上述削弱测距与定位误差方法，近年来提出的区域划分算法主要有：Indooradaptive RSSI localization algorithm based on graph theory and fuzzyclustering in wireless sensor networks(IAL-GT-FC)，WSN Localization MethodUsing Interval Data Clustering(RSSI-D)，基于几何聚类指纹库的约束KNN室内定位模型，一种利用K均值聚类的无线传感器网络节点定位算法等；专利文献中有《基于距离聚类遴选锚节点的无线传感器网络节点定位算法》(申请号CN201510070653.1)，《基于信号接收强度指示相关性的室内定位方法》(申请号CN201410546502.4)，《一种基于区域判定的多精度节点定位方法》(申请号 CN201410400684.4)。上述聚类分析定位算法的计算复杂性较大。因此，迫切需要一种计算简单，性能更佳的聚类分析定位算法。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于扇形重叠区域聚类分析的定位方法。

本发明的目的通过如下技术方案实现：一种基于扇形重叠区域聚类分析的定位方法 (Localization algorithm based on sector overlapping area of clusteringanalysis，缩写为LA-SOACA)，具体包括以下步骤：

S1、拟合接收信号强度指示值RSSI的高斯测距曲线：计算当前环境中高斯分布拟合中信号传输1m时的信号强度损耗以及信号强度衰减指数n从而拟合所述RSSI高斯测距数学表达式；