[发明专利]一种基于改进生物地理学优化算法的高精度无线定位方法

说明书

本发明属于无线传感器网络定位领域,具体涉及到无线传感器网络空间中多个基站节点与目标节点之间的距离，以及目标节点在无线传感器网络中的精确定位方法。包括提出使用加权最小二乘方法进行粗定位，同时利用粗定位结果来约束生物地理学优化算法的搜索域，极大缩小了生物地理学优化(BBO)算法的搜索空间，加快了寻优速度；提出改进的BBO算法‑‑‑精英特征变异的BBO算法，该改进算法是通过对遗传至下代的精英特征加入微小变异单元，防止子代陷入早熟，显著增强了算法的搜索寻优能力。通过仿真实验证明本发明提出的高精度定位的方法显著领先于目前已有的其他定位优化算法，具有工程应用价值。

技术领域

本发明属于无线传感器网络定位领域,具体涉及到无线传感器网络空间中多个基站节点与目标节点之 间的距离，以及目标节点在无线传感器网络中的精确定位方法。

背景技术

无线传感器网络是以无线方式连接的大量的传感器节点的集合，已成为环境监测、救灾和目标跟踪等 多个应用领域的重要工具。无线传感器网络定位的实质在于根据多个基站节点与目标节点之间的距离信 息，求得目标节点在无线传感器网络空间中的位置。无线定位问题一般分为两个阶段:测距阶段和位置估 计阶段。位置估计的目的在于通过一定的算法得到更高精度的目标节点坐标，主要有两类方法：(1)、通 过求解一组联立方程求解，如最小二乘算法(LS)、加权最小二乘算法(WLS)、CHAN算法等；(2)、使用智 能优化算法，如粒子群优化算法、蚱蜢优化算法、生物地理学优化算法、萤火虫算法等。

生物地理学优化(Biogeography-Based Optimization，BBO)算法是一种基于种群的智能优化算法，可以 通过栖息地种群间的迁移、变异等过程得到无线传感器网络中目标节点的最佳坐标。生物地理学的数学模 型描述了相互隔绝的栖息地上物种的迁移、物种变异及灭绝过程。栖息地的优劣由适宜度指数(HSI,Habitat Suitability Index)来描述，HSI的值高，则表示此栖息地更适宜物种居住。由于物种的自然随机行为，高HSI 值的栖息地物种数量多，将导致此栖息地的迁入率λ降低，迁出率μ升高。相反，较低HSI值的栖息地物种数量少，会导致此地的迁出率μ降低，迁入率λ升高。栖息地之间的物种迁移实现了各栖息地之间的信 息交流与传播。此外，栖息地生态环境的突变会引起种群数量的变化和种群基因的变异，从而增加了种群 数的多样性。因此，生物地理学优化算法的实现主要有迁移和变异两个过程，通过不断的迭代更新，最终 得到最优栖息地。BBO算法在无线定位领域中也有应用，2013年，S.Singh等人使用BBO算法对目标节 点进行分布式定位，并将粒子群优化(PSO)算法、BBO及其他BBO变种算法进行对比，证明了BBO变 种算法的定位精度更高；2016年，G.Cheng等人提出了BBO-PSO的混合优化算法，首先使用PSO进行全 局寻优，再使用BBO算法实现局部搜索，增强了算法在空间中的搜索能力并取得了较好的定位性能。

虽然BBO算法及其变种算法相比于其他智能优化算法可以得到更高精度，但是BBO算法的栖息地均 是以各基站坐标的均值为中心在其周围随机生成的，全局寻优会增加时间成本，并且BBO算法在寻优后 期会出现搜索动力不足的问题。

发明内容

在无线定位中，针对BBO算法在传统的种群初始化策略上会增加寻优的时间，并且BBO算法在寻优 后期会出现搜索动力不足的问题，本发明的目的在于提供一种基于改进BBO算法的高精度无线定位方法， 该方法首先使用加权最小二乘方法得到目标节点的粗略坐标，然后以此坐标为中心约束BBO算法的栖息 地初始化区域及寻优范围，最后使用改进BBO算法得到目标节点最佳的位置坐标，达到更高的精确定位。