[发明专利]基于距离加权和遗传优化的DV‑Hop定位方法

说明书

技术领域

本发明涉及无线传感器网络技术领域，尤其是一种基于距离加权和遗传优化的DV-Hop定位方法。

背景技术

随着物联网研究和应用深入，无线传感器网络(Wireless Sensor Networks，WSN)在其中起到了关键的推动作用。无线传感器网络已经在军事、民用等领域有很多应用，包括环境监测、网站安全、医疗诊断、战场监视、灾害救助和辅助生活等。生活中很多应用与位置有关，无线传感器网络易于部署、可扩展性高、成本低等特点使其在室内定位中具有很大的优势。

定位技术是无线传感器网络的主要支撑技术之一，受到研究人员的广泛关注。现有的无线传感器网络定位主要可分为基于测距的定位和无需测距的定位算法，其主要区别在于是否需要距离信息。基于测距的定位算法中节点使用测距技术获得距离信息，定位精度较高但是需要额外的设备，而无需测距的定位算法仅依靠相邻节点间的连通关系进行定位，无需基础网络设施的支持，定位精度较低。

如果两个节点之间可以直接通信，那么这两个节点之间的距离一定或者等于两者之间的最大通信距离(R)。Niculescu和Nath等人提出DV-Hop算法，利用两个节点之间通信跳数来判断节点之间的距离关系。在无线传感器网络中，由于通信距离的限制，两个通信节点之间不存在直接的通信链路，其通信就可以利用其他中继节点来实现。通常情况下，为了保证通信效率，在两个节点间的多条链路上，大多数路由算法都会选择中继点少的链路。由于无线设备的硬件限制，在测距不可能或者不精确的情况下，基于跳数的估计方法是对基于距离测距的有效补充。基于跳数定位无需依赖任何测距硬件，是一种轻量级的定位方法，但是定位误差较大。为了提高定位的准确性，往往需要大量的参考节点来实现节点与节点之间的距离估计，这样加大网络的负担。

DV-Hop定位算法的实现过程主要分为三个阶段：

(1)获取网络的最小跳数。可以用一种分布式的方法实现：每一个锚节点洪泛地广播自己的信息{(x_i,y_i),h_i}，其中[x_i,y_i]表示锚节点i的物理坐标，h_i记录距离锚节点i的跳数。h_i的初始值为1，每次转发增加1。这样当中转节点收到信息，该消息的h_i代表了此时该节点与锚节点i的最小跳数。如图1所示的密集型网络中跳数的获取相对较为准确，但是图2稀疏型网络中，节点分布过于稀疏，跳数与跳距的不再是简单线性对应关系，使得跳距的误差变大。

(2)计算每跳的平均距离。假设锚节点j到锚节点i之间的最小跳数为h_ij，则它们之间的平均跳距为：

当两个节点之间的跳数hop_ij已知时，可以通过d_hop＝d_ij×hop_ij获取节点i和节点j之间的距离。如图3所示，当网络中节点间距离过大，使得节点间距离误差增大，造成计算结果误差累计。

(3)计算节点位置。通过上面获得的跳距，采用三边测量法或者最小二乘算法来确定它的位置。

假设(x,y)为未知节点的位置，(x_i,y_i)为锚节点的位置，d_i为未知节点到锚节点的距离；n表示锚节点数量；最小二乘算法的定位模型为：

改写成矩阵形式：

简写为：

Hx＝b

其中，

这个方程的最小方差解为:

x＝(H^TH)^-1HTb(4)

未知节点的位置(x,y)即可求得。

发明内容

本发明的目的是为了解决无线传感器网络定位精度低的问题，而提出一种基于距离加权和遗传优化的DV-Hop定位方法，本发明采用的技术方案是：

一种基于距离加权和遗传优化的DV-Hop定位方法，包括以下步骤：

(1)初始化网络，各锚节点以洪泛的方式向周围广播自身的ID并接受未知节点的RSSI；RSSI为信号强度；

(2)根据接受的RSSI值，以信号强度的均值逐跳校正未知节点到各锚节点的最小跳数；

(3)利用校正后的最小跳数来加权平均跳距；

(4)根据未知节点到锚节点的平均跳距获取未知节点到锚节点之间的距离；