[发明专利]基于Jaccard相似度的非测距WSN节点定位方法

说明书

基于Jaccard相似度的非测距WSN节点定位方法，该方法先根据传感器节点的网络连通性和其相邻传感器节点信息确定各相邻传感器节点间的估计距离，再通过锚传感器节点泛洪，得到网络中所有传感器节点与锚传感器节点间的最短估计距离、最短路径以及最短路径邻居节点集合，并确定任意两锚传感器节点间最短路径的矫正系数，随后计算待定位传感器节点和锚传感器节点的最短路径邻居节点集合与各锚传感器节点间的最短路径邻居节点集合的Jaccard相似度，以相似度最高的路径的矫正系数对该待定位传感器节点与锚传感器节点的最短估计距离进行矫正，最后根据矫正后的距离确定待定位传感器节点的估计位置。本设计提高了WSN节点的定位精度。

技术领域

本发明属于无线传感器网络节点定位领域，具体涉及一种基于Jaccard相似度的非测距WSN节点定位方法。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)的节点位置信息在WSN应用中有重要的作用。在WSN监测中，没有位置信息的监测数据无法帮助用户获取监测对象的真实状况，进而无法做出有效的决策，削弱了系统的实际应用意义。

目前，按照是否需要测距将定位算法分成基于测距定位算法和非测距定位算法两大类。其中，测距定位算法是指利用一些硬件工具估计节点之间的距离，如常用的接收信号强度(Received Signal Strength Indicator,RSSI)、到达时间(Time of Arrival,AOV)、超声波测距等，这些测距方式大都需要额外的硬件设施，且测距精度容易受到网络环境的影响。非测距算法主要根据网络的连通信息估计节点距离或位置，典型的非测距算法如内点测试算法(Approximate Point-in-Triangulation,APIT)，质心算法(CentroidLocalization algorithm)、距离矢量算法(Distance Vector Hop,DV-Hop)等。相比于测距定位算法，非测距算法的环境适应性更强，鲁棒性更高，并且不需要额外的测距硬件，因此该类算法实现成本更低，有广泛的应用前景，但现有的非测距算法对于距离的估计误差较大，具有定位误差较大的缺陷。

发明内容

本发明的目的是克服现有技术中存在定位误差较大的问题，提供一种能够有效提高定位精度的基于Jaccard相似度的非测距WSN节点定位方法。

为实现以上目的，本发明提供了以下技术方案：

基于Jaccard相似度的非测距WSN节点定位方法，依次包括以下步骤：

步骤一、先在监测区域中随机均匀布置若干待定位传感器节点以及位置已知的锚传感器节点，再根据传感器节点的网络连通性和其相邻传感器节点信息确定各相邻传感器节点间的估计距离；

步骤二、先通过锚传感器节点泛洪，得到网络中的所有传感器节点与锚传感器节点间的最短估计距离、最短路径以及最短路径邻居节点集合，随后锚传感器节点基于与其他某一锚传感器节点间的最短估计距离确定两锚传感器节点间最短路径的矫正系数，并将该矫正系数以及对应的路径邻居节点集合信息泛洪到整个网络中；

步骤三、计算待定位传感器节点和锚传感器节点的最短路径邻居节点集合与各锚传感器节点间的最短路径邻居节点集合的Jaccard相似度，并以Jaccard相似度最高的最短路径的矫正系数对该待定位传感器节点与锚传感器节点的最短估计距离进行矫正，得到该待定位传感器节点与锚传感器节点的最终估计距离；

步骤四、根据各待定位传感器节点与所有锚传感器节点的最终估计距离确定各待定位传感器节点的估计位置，从而完成待定位传感器节点的定位。

步骤三中，所述Jaccard相似度采用以下公式计算得到：