[发明专利]基于共轭梯度法的分布式传感器节点定位方法

说明书

本发明公开一种基于共轭梯度法的分布式传感器节点定位方法，在无线传感器网络拓扑结构的基础上，首先将LA节点的所有邻居节点所在区域作为子图，进而把整个网络图划分为若干个相互重叠的子图；然后在每个独立的子图内，采用三点定位法初步定位的结果作为初始值，利用共轭梯度法对定位问题优化求解；最后对重叠区域内传感器节点的位置进行融合，再次将定位结果代入相应子图进行优化，直到满足迭代终止条件。仿真实验表明，与现有的集中式定位方法相比，该发明定位不仅更准确，且能对规模更大的WSN进行定位；与现有的分布式式定位方法相比，该发明定位不但更准确，而且更高效。

技术领域

本发明涉及无线传感器网络技术领域，具体涉及一种基于共轭梯度法的分布式传感器节点定位方法。

背景技术

无线传感器网络(wireless sensor network，WSN)是由大量具有特定功能和简单计算能力的传感器组成的自组织网络，可以对指定环境区域进行实时地监测，且以无线的方式进行通信，已在军事、环境、医学、工业、农业等领域得到广泛的应用。在众多应用场景中，传感器感知参数的可靠性和传感器本身位置的精度是衡量WSN性能的两个重要指标。只有获知了传感器的位置，采集回来的信息才有用，从而可以及时采取有效的应对措施。因此，对于WSN中传感器节点定位技术的研究很有意义。

虽然在传感器中添加BDS或GPS接收模块，就可直接借助于导航定位系统获取节点位置。然而添加定位模块，不仅增加传感器本身的功耗，还会缩短WSN的使用寿命。特别是对于大规模的WSN，其投入成本相当大。而且传感器很可能被部署在环境复杂多变的高山密林地带，当BDS和GPS信号受到山体、密林等阻碍，传感器节点就无法借助于导航系统进行定位。现实场景中，通常只在少数传感器中添加定位模块，并将其尽可能的部署在能够接收BDS或GPS信号的位置，这部分传感器节点称之为已知位置(location-aware，LA)节点，其他节点称为未知位置(location-unaware，LU)节点。然后，通过到达时间(time-of-arrival，TOA)、到达时间差(time-difference-of-arrival，TDOA)、到达角(angle-of-arrival，AOA)和接收信号强度(received-signal-strength，RSS)等方法对节点进行测距。最后，结合LA节点位置和节点间距离信息，采用相应的算法对LU节点进行定位，如：三点定位算法、三角测量法、最大似然估计法、极小极大定位算法等。

现有的众多定位方法中，依据定位时信息处理的实现方式可划分为：集中式的定位方法和分布式的定位方法。

集中式的定位方法，其特点是利用中央服务器存储和处理数据，虽然定位精度较高，但通信量较大，对服务器的计算能力要求较高。例如，Biswas P，Liang T C和Toh K C等人采用半正定规划(semi-definite programming，SDP)松弛，同时引入可以降低SDP解决方案秩的一个正则项，并采用梯度下降法细化节点位置，最终提高了定位的准确性。但正则项系数的选取比较繁琐，计算的复杂度较高。赵海兵和蒋俊正等人在不引入正则项的情况下采用了两步法，首先利用三点定位法进行粗略的初步定位，然后基于三点定位得出的初始值，结合二阶泰勒近似给出的修正海森矩阵，采用修正牛顿法对定位问题进行优化求解，达到了良好的定位效果。但优化过程中需要矩阵求逆的运算，要求服务器有强大的计算能力。