[发明专利]基于多区域划分和相似度匹配的非测距定位方法

权利要求书

1.基于多区域划分和相似度匹配的非测距定位方法，其特征在于：

将传统的邻居锚节点的重叠通信区域分割，并选取每个分割的子区域的质心点作为特征点。然后建立特征点与锚节点和未知节点与锚节点的关系数组(Relation Array)，通过计算关系数组间的关系系数(Correlation Coefficient)来决定未知节点所在的子区域从而完成定位；

具体做法是：

首先对整个无线传感器网络进行初始化，利用多区域分割的思想划分定位区域，选取每个分割的子区域的质心点作为特征点，构建MDIS(Multi-Region Division In Shadow)模型。然后建立特征点与锚节点和未知节点与锚节点的关系数组并一对一地计算关系系数(关系系数区间为[-1,1])且关系系数越大，未知节点和特征点的位置就越相近，进而估算出未知节点位置坐标。而且在未知节点定位完成后，将其看作一个新的锚节点对其余未知节点进行定位，可以提高定位精度和进一步扩大定位的范围。

2.如权利要求1所述的基于多区域划分和相似度匹配的非测距定位方法，其特征在于：首先对整个无线传感器网络进行初始化开始，

第一步，对整个无线传感器网络进行初始化。假设所有的节点信号最大传输半径r。对于每个节点来说，它的邻居发现过程可以采用Lightning邻居发现算法(Wei L,Zhou B,MaX,et al.Lightning:AHigh-Efficient Neighbor Discovery Protocol for Low DutyCycle WSNs[J].IEEE Communications Letters,2016,20(5):966-969.)，并且约定每个节点可以发现所有网络中的其他邻居节点。对于一个节点k，在发现它的邻居节点时，其邻居锚节点集合记作{A(k)}。集合{A(k)}可以表示为：

其中，a_k表示节点k的锚节点数目；

第二步，对于未知节点k，当周围邻居锚节点数目为0时，其位置不确定；当邻居锚节点数目为1时，用其邻居锚节点的位置作为其位置；当邻居锚节点数目为2时，利用BoundingBox算法(Simic S N,Sastry S.Distributed Localization in Wireless AdHoc Networks[J].2001.)估算未知节点的位置。当邻居锚节点数大于2时，从a_k个邻居锚节点中任意选择3个锚节点，则共有种选择方法。每种选择方法均根据本发明提出的MDIS分割模型对锚节点重叠的通信区域进行分割，计算每个子区域的质心点坐标；

第三步，依次计算未知节点和每个子区域质心点的关系数组，并根据余弦相似度公式分别计算未知节点的关系数组与子区域质心点的关系数组的关系系数，将关系系数最大的质心点的位置估计成未知节点的位置。当分别计算种锚节点选择方法估算的未知节点位置后取平均值作为节点k的定位结果记为：L_k(x_k,y_k)；

第四步，依次对其他所有的未知节点进行节点定位，直至全部定位完成。