[发明专利]一种基于支持向量回归机的异构无线传感器网络的定位算法

权利要求书

1.一种基于支持向量回归机的异构无线传感器网络的定位算法，采用经典EHP方法的测距公式(1)，由公式(1)可知，两节点间的距离包括E(d_i-k)和E(d_k-j)，其中E(d_i-k)表示预期跳跃进展(Expected Hop progress，EHP)，即第一跳距离与中间跳距离之和；表示最后一跳跳距(Last-Hop Distance，LHD)，并由公式(1)得到异构无线传感器网络中精确的距离矩阵，

其中i表示锚节点，k表示中间节点，j表示未知节点，d_i-j表示锚节点到未知节点的距离，表示锚节点到中间节点的估算距离，表示中间节点到未知节点的估算距离；

其特征在于：用支持向量回归机定位异构无线传感器，具体包括如下步骤：

步骤一：将网络中锚节点分为目标锚节点和训练锚节点，其中锚节点自身装备有GPS装置，通过GPS装置获得目标锚节点与训练锚节点之间精确的距离向量D1，式中，把网络中节点总数设置为N，锚节点总数设置为N_a，前x个锚节点作为目标锚节点，第(x+1)个锚节点到第N_a个锚节点作为训练锚节点，第(Na+1)以后的节点为未知节点，用公式(2)来表示距离向量D₁；

步骤二：通过EHP方法来计算未知节点到目标锚节点之间的距离，得到未知节点与目标锚节点之间的距离矩阵D₂；

步骤三：在进行训练前需要将距离向量D₁和D₂进行z-score标准化，得到新的距离向量，防止节点与节点之间的距离相差过大；

步骤四：以标准化之后的距离向量D₁作为模型的输入，训练锚节点的坐标作为模型的输出，建立SVR训练样本集，得到需要的模型；

步骤五：利用步骤四得到的模型，以标准化之后的距离向量D₂作为的输入，所得到的输出就是所要求得的未知节点坐标。

2.根据权利要求1所述的一种基于支持向量回归机的异构无线传感器网络的定位算法，其特征在于：所述步骤四中建立SVR训练样本集时带入超参数方法中的最优参数，即惩罚因子c以及径向基函数中的方差g，用以获得最优训练模型，同时为了减少锚节点的数量，在实验时也会把各目标锚节点之间的距离向量作为模型训练集的一部分，以此增加训练样本集的数目。