[发明专利]基于共轭梯度法的分布式传感器节点定位方法

摘要

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。

主权项

1.基于共轭梯度法的分布式传感器节点定位方法，其特征是，具体包括步骤如下：步骤1、采用均匀随机分布的方式部署传感器网络中的传感器节点，将其中M个配备有定位模块的传感器节点称为已知位置节点，其余未配备定位模块的传感器节点称为未知位置节点；M为给定值；步骤2、基于传感器网络的节点分布和测得的传感器节点之间的距离，每个传感器节点收集其邻居传感器节点的信息，构建传感器网络的全局图；步骤3、基于传感器节点间的连通性，以已知位置节点及其邻居传感器节点所在的区域作为子图，把步骤2所构建的传感器网络的全局图划分为M个相互重叠的子图，并进一步把每个子图内未知位置节点的定位问题归结为一个无约束的优化问题；步骤4、对每个未知位置节点进行初步定位，即：当未知位置节点最大通信半径内有3个以上已知位置节点时，则选取距其最近的3个已知位置节点，并采用三点定位法对该未知位置节点进行定位，得到未知位置节点的初始估计位置；当未知位置节点最大通信半径内只有2个已知位置节点时，则将2个已知位置节点的中心位置作为未知位置节点的初始估计位置；步骤5、将步骤4所得到的未知位置节点的初始估计位置作为优化问题求解过程中未知位置节点的初始值xt；步骤6、基于步骤3中划分的子图和归结的优化问题，以及未知位置节点的初始值xt，并结合二阶泰勒展开式，采用共轭梯度法对优化问题进行求解；步骤7、基于步骤3中划分的子图，对步骤6所得到的各子图中重叠的未知位置节点进行融合，得到未知位置节点的当前估计位置xt+1；步骤8、判断是否满足迭代终止条件，即||xt+1‑xt||∞＜η或者t≥δ，其中xt+1为未知位置节点的当前估计位置，xt为未知位置节点的初始值，t+1为当前迭代次数，η为终止阈值，δ为允许迭代最大次数；如果满足，则将未知位置节点的当前估计位置xt+1作为最终的定位结果；否则，将未知位置节点的当前估计位置xt+1作为下一次优化问题求解过程中未知位置节点的初始值xt，并返回步骤5继续迭代。