[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

说明书

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，利用训练模型得到的输出作为未知节点的坐标，采用标准均方根误差来测试模型的准确性。通过简化经典EHP算法中的CDF公式来降低复杂度，以较快的收敛速度获得目标锚节点与未知节点的计算距离，再通过支持向量回归机(SVR)做训练回归预测，得到精确的未知节点的坐标位置。为了减少锚节点数目，可把各目标锚节点之间的距离向量作为模型的训练集。这种方式会同时保证较高的定位精度以及较少的开销成本，通过利用支持向量回归机充分挖掘出异构网络中的潜在有用信息，获得较好的定位效果。

技术领域

本发明属于无线传感器网络领域，特别是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。

背景技术

在现实生活中，异构无线传感器网络是普遍存在的。导致网络节点异构性的原因多种多样，如节点计算能力不同、通信链路质量差异以及节点能量不同等等。因此在无线传感器网络中，很难保证网络节点具有相同的通信半径。然而为了研究方便，现在绝大多数算法都是针对同构的WSN。如果把这些算法运用到异构性较大的WSN中，这无疑会使得定位的精度大幅度下降，因为通信半径的不同会使得两节点间距离计算公式的准确性大幅度下降，定位结果自然不理想。

针对这个问题，在文献(AE Assaf,S Zaidi,S Affes,N Kandil,Low-costlocalization for multihop heterogeneous wireless sensor networks.IEEETrans.Wirel.Commun.15(1),472–484,2016)中A.EIAssaf等人提出了基于前进跳跃进展算法。他们对文献(YWang,XD Wang,DM Wang,DP Agrawal,Range-free localization usingexpected hop progress in wireless sensor networks.IEEE Trans.ParallelDistrib.Syst.20(10),1540–1552,2009)中经典的LAEP算法进行改进，把节点间的测距公式转变为对面积的计算，这种计算距离的方式不仅仅依赖于锚节点的通信半径，还由潜在转发区域中的中间节点半径决定。这种异构WSN的Range-Free定位算法，极大的改善了异构网络中由于节点不同半径所引起的测距偏差并取得较好的定位精度。然而这种方法的基础是潜在转发区域足够小，因此这要求的WSN拥有较高的节点密度。在节点通信半径较大的情况下，算法对于节点密度有着更高的要求。除此之外，为了增加节点距离计算的准确度，A.EIAssaf等人增加了测距公式的复杂度，对条件累积分布函数(CDF)进行了重新定义。毫无疑问，这将增加的通信开销，因此存在着一定的缺陷。为了节省资源，W.LWu在原有的EHP算法基础上通过优化累积分布函数和建立距离修正公式，在文献(WL Wu,XB Wen,HX Xu,LMYuan,QX Meng,Efficient range-free localization using elliptical distancecorrection in heterogeneous wireless sensor networks.Int.J.Distrib.Sens.Netw,2018)中提出了一个基于椭圆修正距离的EHP算法。该方法通过简化CDF公式来降低复杂度，然后利用椭圆距离矫正法优化节点估计距离。这种方法使得算法计算时间大幅度减少，并且在网络节点密度较低时，在精度上也能取得领先。然而当节点密度超高0.03后，原先的EHP算法会有较高的定位精度。因此，到目前为止，在异构WSN的定位研究上，还需要有一种高精度低损耗的定位算法被提出。

发明内容

本发明的目的在于填补现有技术之不足，提出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，该定位算法在原有的改进EHP算法基础上，引进支持向量回归机这种学习方法取代MLE方式去对未知节点进行位置计算，充分挖掘网络中有用的潜在信息。在定位精度与能量损耗两方面提出的方法都能取得较好的效果。