[发明专利]一种网状网络节点定位方法

说明书

技术领域

本发明涉及一种网状网络节点定位方法，适用于医疗，采矿，监狱等环境下的人员定位,同时能够很好地满足农田，物流，仓储，等环境的物资监控的要求。

背景技术

近年来室内物品和人员的位置感知计算、基于位置的服务（LBS）成为研究热点，如何确定室内环境中的人或物品的位置是基于位置服务的核心问题，因此室内定位系统是实现基于位置服务的基础。Zigbee是一种低成本、低功耗、低速率的无线连接技术，目前Zigbee定位系统的实现主要是采用了Chipcon公司的CC2430芯片和带有定位引擎的CC2431芯片,实现了短距离范围内的无线定位。

但是，目前CC2431的定位效果不尽如人意，主要由于它高能耗，低精度的缺点，并且当大规模部署无线传感器网络参考节点时，系统整体能耗提高，信号能量强度增强，虽然提升了系统的定位效果，但定位精度并没有有效提高。目前对于定位算法的改进通常基于RSSI的测距方法，参考LQI值对它的辅助作用，采用二者相结合的方式进行测距,国外还有采用基于测距的Bounding-inbox定位算法。这些方法在实际应用中误差较大，能耗较高，并且没有考虑到特殊应用环境中人员或者物资的特性。

实际上，人们总是习惯于经由熟悉的路线上下班，上学，购物或者是工作，有研究表明通过对部分驾驶员至少40天以上的行车观察后发现大约有60%的行驶路径是重复的。同理，在医疗，采矿，监狱等被限制的特定环境下的被监控人员也同样具有特定的移动习惯特性。这种特性就是本路径预测算法的基本前提。

发明内容

针对目前基于CC2431的Zigbee的定位系统定位精度不高，能量消耗大的问题，本发明提供一种高精度、节能降耗的基于Zigbee的网状网络节点定位方法。

为实现上述目的，本发明采用如下技术方案：

一种网状网络节点定位方法，包括以下步骤：

1）根据历史轨迹预测移动节点的运动轨迹；

2）控制参考节点的发射功率，使特定的参考节点对移动节点的发射功率值最大；

3）对无关参考节点进行休眠处理，实现节点节能控制。

所述步骤1）的运动轨迹是采用移动窗口指数加权平均法预测；

所述移动窗口指数加权平均法是通过迭代方式计算，其方式：

P_n(x)＝α×P_n-1(x)+(1-α)P(x)；

P_n(y)＝α×P_n-1(y)+(1-α)P(y)；

其中：P_n(x)表示n时刻的x坐标预测值；a为权值；P_n-1(x,α)表示n-1时刻的x坐标预测值；P(x)表示当前时刻的x坐标；

P_n(y,α)表示n时刻的y坐标预测值；P_n-1(y,α)表示n-1时刻的x坐标预测值；P_n(y)表示当前时刻的y坐标。

所述步骤2）参考节点和移动节点的发射功率控制包括反向开环功率控制和前向功率控制。

所述步骤3）的节点节能控制的方式为：根据移动节点的实时位置，依据移动节点在该位置接收到的M个参考节点的RSSI值，使用阈值RSSI_th来选择特定的N个节点作为参考节点，其中M≥N；打开这N个节点并提高发射功率值，剩余的参考节点全部发送休眠状态指令，结合参考节点对运动轨迹的预测。

本发明首先根据历史轨迹运用移动窗口平均模型预测运动轨迹，然后控制参考节点的发射功率，使其在移动节点的功率值最大，最后对无关的参考节点进行休眠处理，以达到能源利用最大化。本发明提高了CC2431Zigbee的定位系统的定位精度，并降低了其能量消耗。

附图说明

图1为移动节点定位示意图；

图2为发射功率控制示意图。

具体实施例

1）预测移动节点的轨迹。

采用移动窗口指数加权平均法来对移动节点位置进行预测处理。移动窗口指数加权平均法通过迭代的方式进行计算，时刻n的预测值P_n(x_n，y_n)仅与上一时刻的预测值P_n-1(x_n-1，y_n-1)和当前时刻位置P(x，y)有关，计算公式如下：

P_n(x，α)=α×P_n-1(x)+(1-α)P_n(x)