[发明专利]一种基于RSSI的灰狼优化差分修正质心定位算法

说明书

本发明涉及无线传感器网络定位技术领域。具体涉及一种基于RSSI的灰狼优化差分修正质心定位算法。主要针对传统无线传感器网络定位方法速度慢，精度不高问题，提出一种基于RSSI的灰狼优化差分修正质心定位算法，该算法通过接收到的信号强度来计算与信标节点的距离并确定质心，根据质心与信标节点的位置关系计算差分修正因子对质心坐标进行修正，基于质心坐标采用灰狼优化算法获取未知节点位置，有效提高定位精度。

技术领域

本发明涉及无线传感器网络定位技术领域。具体涉及一种基于RSSI的灰狼优化差分修正质心定位算法。通过接收到的信号强度来计算与信标节点的距离并确定质心，根据质心与信标节点的位置关系计算差分修正因子对质心坐标进行修正，基于质心坐标采用灰狼优化算法获取未知节点位置，有效提高定位精度。

背景技术

传感器网络节点定位的方法大体分为两类，一类是基于测距的，另一类是不需要测距的。不需要测距的定位算法优点是功耗较小，但是精确度比较低。基于测距的节点定位算法精度较高，但是缺点是计算复杂度较高。基于RSSI的定位算法是无线传感器网络定位算法中应用比较广泛的一种，是基于节点的连通性，不需要需测量节点间距离的定位算法。也是研究的热点之一。

相对于传统的数学方法，智能优化算法在质心计算的基础上，通过群体寻优的思想，为未知节点坐标的求解提供了另一种思路，在一定程度上可以减少定位误差。常见的群体智能优化算法有遗传算法、粒子群算法、蚁群算法。这些群体智能优化算法可以提高定位精度，相比而言，灰狼智能优化算法（GWO，Grey Wolf Optimization）具有更好的优化稳定性和准确性。

发明内容

本发明的目的是针对传统无线传感器网络定位方法速度慢，精度不高的问题，提供一种基于RSSI的灰狼优化差分修正质心定位算法，引入灰狼智能优化算法（GWO）来优化质心实现对未知节点的定位，提高基于RSSI的定位方法的定位精度。

本发明的技术方案：一种基于RSSI的灰狼优化差分修正质心定位算法，通过接收到的信号强度来计算与信标节点的距离并确定质心，根据质心与信标节点的位置关系计算差分修正因子对质心坐标进行修正，基于质心坐标采用灰狼优化算法获取未知节点位置，有效提高定位精度。具体步骤包括如下。

步骤1：无线传感器网络初始化：将传感器节点随机布设在目标区域内，信标节点周期性广播信号，信号包含其自身的ID及坐标等信息。

步骤2：未知节点接收到多个信标节点信号，并将各组RSSI值进行预处理。然后通过传播损耗模型计算到信标节点的距离，将距离从小到大排序，并建立距离与信标节点的映射。按顺序逐次取三个距离值及对应的信标节点，构建重合区域，计算重合区域的交点以及交点的质心。

步骤3、通过前三个距离的质心M₁计算差分修正因子，然后运用差分修正因子对其他质心进行差分修正。

步骤4：将得到的k(k=n-2)个质心作为灰狼优化算法的初始值，将其坐标赋值给灰狼个体。步骤5：通过灰狼优化算法获取未知节点位置，迭代至预设次数阈值。进一步的，在步骤2中未知节点接收到多个信标节点信号，并将各组RSSI值进行预处理。具体内容如下：对每个信标节点的一组RSSI值进行预处理。公式如下：

其中RSSI_i为第i个信标节点的RSSI预处理结果，为第i个信标节点的RSSI的均值，为第i个信标节点的RSSI的中值，计算公式如下：

其中m为未知节点接收到每个信标节点的RSSI值样本数。

进一步的，在步骤3通过前三个距离的质心M₁计算差分修正因子，然后运用差分修正因子对其他质心进行差分修正中将第一个质心作为参考节点计算差分修正因子对质心进行修正。进一步的，在步骤4将得到的k(k=n-2)个质心作为灰狼优化算法的初始值，将其坐标赋值给灰狼个体中比较k与N的大小，分成两种情况，使得算法能够正常初始化。