[发明专利]基于共轭梯度法的分布式传感器节点定位方法

权利要求书

1.基于共轭梯度法的分布式传感器节点定位方法，其特征是，具体包括步骤如下：

步骤1、采用均匀随机分布的方式部署传感器网络中的传感器节点，将其中M个配备有定位模块的传感器节点称为已知位置节点，其余未配备定位模块的传感器节点称为未知位置节点；M为给定值；

步骤2、基于传感器网络的节点分布和测得的传感器节点之间的距离，每个传感器节点收集其邻居传感器节点的信息，构建传感器网络的全局图；

步骤3、基于传感器节点间的连通性，以已知位置节点及其邻居传感器节点所在的区域作为子图，把步骤2所构建的传感器网络的全局图划分为M个相互重叠的子图，并进一步把每个子图内未知位置节点的定位问题归结为一个无约束的优化问题：

其中，x_m表示第m个子图内所有未知位置节点的位置，表示第m个子图内所有传感器节点的位置，表示第m个子图内传感器节点的连通性，x_m,i表示第i个未知位置节点位于第m个子图内的位置，x_m,j表示第j个未知位置节点位于第m个子图内的位置，a_m,k表示第k个已知位置节点位于第m个子图内的位置，d_ij表示第i个未知位置节点和第j个未知位置节点的距离，d_ik表示第i个未知位置节点和第k个已知位置节点的距离；

步骤4、对每个未知位置节点进行初步定位，即：

当未知位置节点最大通信半径内有3个以上已知位置节点时，则选取距其最近的3个已知位置节点，并采用三点定位法对该未知位置节点进行定位，得到未知位置节点的初始估计位置；

当未知位置节点最大通信半径内只有2个已知位置节点时，则将2个已知位置节点的中心位置作为未知位置节点的初始估计位置；

步骤5、将步骤4所得到的未知位置节点的初始估计位置作为优化问题求解过程中未知位置节点的初始值x_t；

步骤6、基于步骤3中划分的子图和归结的优化问题，以及未知位置节点的初始值x_t，并结合二阶泰勒展开式，采用共轭梯度法对优化问题进行求解；

步骤7、基于步骤3中划分的子图，对步骤6所得到的各子图中重叠的未知位置节点进行融合，得到未知位置节点的当前估计位置x_t+1；

步骤8、判断是否满足迭代终止条件，即||x_t+1-x_t||_∞＜η或者t≥δ，其中x_t+1为未知位置节点的当前估计位置，x_t为未知位置节点的初始值，t+1为当前迭代次数，η为终止阈值，δ为允许迭代最大次数；

如果满足，则将未知位置节点的当前估计位置x_t+1作为最终的定位结果；

否则，将未知位置节点的当前估计位置x_t+1作为下一次优化问题求解过程中未知位置节点的初始值x_t，并返回步骤5继续迭代。

2.根据权利要求1所述的基于共轭梯度法的分布式传感器节点定位方法，其特征是，步骤1中，已知位置节点和未知位置节点数目为1:4。

3.根据权利要求1所述的基于共轭梯度法的分布式传感器节点定位方法，其特征是，步骤2中，传感器节点之间的距离采用RSS测距方法测得。

4.根据权利要求1所述的基于共轭梯度法的分布式传感器节点定位方法，其特征是，步骤2中，每个传感器节点的邻居传感器节点是指与该传感器节点直接相互通信的传感器节点。

5.根据权利要求1所述的基于共轭梯度法的分布式传感器节点定位方法，其特征是，节点间的最大通信半径d_max的选取根据传感器网络的规模设定，使得每个未知位置节点都至少可以和2个已知位置节点通信，保证子图之间有相互重叠的部分。