[发明专利]一种分级快速的无线传感器网络节点精准定位方法及装置

权利要求书

1.一种分级快速的无线传感器网络节点精准定位方法，其特征在于，包括：

获取无线传感器网络的节点间距离矩阵；

利用曲线距离分析方法对所述节点间距离矩阵进行非线性映射，得到节点的相对坐标，其中所述节点包括锚节点和待定位节点；

根据所述锚节点的所述相对坐标和所述锚节点的绝对坐标之间的转换关系，将所述待定位节点的所述相对坐标转换为绝对坐标，得到待定位节点的绝对坐标估计值；

根据所述绝对坐标估计值，利用自适应莱维飞行鲸鱼优化方法，确定所述待定位节点的绝对坐标精确值，包括：

将所述绝对坐标估计值作为初始的猎物，随机生成鲸鱼种群；

分别根据猎物包围公式、发泡网攻击公式、猎物搜索公式对所述鲸鱼种群中的鲸鱼进行位置更新，并根据适应度函数更新所述猎物，直至达到最大迭代次数，得到所述待定位节点的绝对坐标精确值；其中，所述猎物包围公式和所述猎物搜索公式中的包围步长为根据自适应莱维飞行改进的包围步长，所述包围步长为：

A′·|C·X_L(T)-X(T)|；

其中，X_L(T)为T时刻所述猎物的位置，X(T)为T时刻所述鲸鱼的位置，C为随机数，A′＝2a′·Levy(λ)-a′，λ为预设阈值，a′为随着时间增长下降速度的预设参数；所述预设参数为其中T_max为最大迭代次数。

2.如权利要求1所述的方法，其特征在于，所述利用曲线距离分析方法对所述节点间距离矩阵进行非线性映射，得到节点的相对坐标，包括：

利用曲线距离分析方法对所述节点间距离矩阵进行非线性映射，根据代价函数，对映射得到的相对坐标矩阵进行优化，直至得到最优的相对坐标矩阵，以作为节点的相对坐标；

其中，所述对映射得到的相对坐标矩阵进行优化，包括：以第一节点的相对坐标固定不变为基础，调整第二节点的相对坐标，直至根据所述代价函数确定的代价值最小。

3.如权利要求1所述的方法，其特征在于，所述预设阈值为1.5。

4.如权利要求1所述的方法，其特征在于，所述适应度函数为：

其中，k为锚节点数量，d_j为待定位节点到第j个锚节点的距离，x^b、y^b为待定位节点的绝对坐标值，为锚节点j的绝对坐标精确值，所述x^b、所述y^b用于在所述适应度函数取得最小值时更新为当前迭代之后的猎物位置。

5.一种分级快速的无线传感器网络节点精准定位装置，其特征在于，包括：

距离矩阵获取模块：用于获取无线传感器网络的节点间距离矩阵；

映射模块：用于利用曲线距离分析方法对所述节点间距离矩阵进行非线性映射，得到节点的相对坐标，其中所述节点包括锚节点和待定位节点；

估计模块：用于根据所述锚节点的所述相对坐标和所述锚节点的绝对坐标之间的转换关系，将所述待定位节点的所述相对坐标转换为绝对坐标，得到待定位节点的绝对坐标估计值；

优化模块：用于根据所述绝对坐标估计值，利用自适应莱维飞行鲸鱼优化方法，确定所述待定位节点的绝对坐标精确值，包括：

将所述绝对坐标估计值作为初始的猎物，随机生成鲸鱼种群；

分别根据猎物包围公式、发泡网攻击公式、猎物搜索公式对所述鲸鱼种群中的鲸鱼进行位置更新，并根据适应度函数更新所述猎物，直至达到最大迭代次数，得到所述待定位节点的绝对坐标精确值；其中，所述猎物包围公式和所述猎物搜索公式中的包围步长为根据自适应莱维飞行改进的包围步长，所述包围步长为：

A′·|C·X_L(T)-X(T)|；

其中，X_L(T)为T时刻所述猎物的位置，X(T)为T时刻所述鲸鱼的位置，C为随机数，A′＝2a′·Levy(λ)-a′，λ为预设阈值，a′为随着时间增长下降速度的预设参数；所述预设参数为其中T_max为最大迭代次数。