[发明专利]一种基于RSSI的无线传感器网络全移动节点定位方法

权利要求书

1.一种基于RSSI的无线传感器网络全移动节点定位方法，其特征在于，当未知节点能够与4个，3个，2个以及1个锚节点通信时，均可得出未知节点的位置；

(1)当锚节点和未知节点都在随机移动，在k时刻，当未知节点X能与4个及以上锚节点进行通信时，选取其中4个RSSI值最大的锚节点A、B、C、D来定位该未知节点，未知节点接收到的来自锚节点A、B、C、D的信号强度分别为RSSI_A、RSSI_B、RSSI_C、RSSI_D，利用距离转换模型，可计算出X到锚节点A、B、C、D的距离d_A、d_B、d_C、d_D，从这四个锚节点中，任意选出三个来定位未知节点，则同一个未知节点总共可以被定位4次，每次定位坐标分别为(x₁,y₁)、(x₂,y₂)、(x₃,y₃)、(x₄,y₄)，假设先以B、C、D为锚节点定位未知节点X，分别以锚节点B、C、D为圆点，d_B、d_C、d_D为半径的三个圆相交于点X，则该点即为未知节点的位置，计算公式如(7)：

式中(x_B,y_B)、(x_C,y_C)、(x_D,y_D)分别为锚节点B、C、D的坐标，(x₁,y₁)为通过锚节点B、C、D来定位的未知节点X的坐标，d_B、d_C、d_D分别为锚节点B、C、D到未知节点X的距离，通过式(7)可求得未知节点X的坐标：

利用上述方法，可以分别得到用锚节点A、C、D，A、B、D，A、B、C定位的未知节点坐标(x₂,y₂)、(x₃,y₃)、(x₄,y₄)，使用质心加权定位算法确定未知节点的坐标；

(2)当锚节点和未知节点都在随机移动，在第k时刻，当只有3个锚节点能够与未知节点进行通信时，假设锚节点分别为A、B、C，未知节点接收到的信号强度分别为RSSI_A、RSSI_B、RSSI_C，利用距离转换模型，其分别到未知节点的距离为d_A、d_B、d_C，则分别以锚节点A、B、C为圆心，分别以d_A、d_B、d_C为半径画圆，相交于未知节点X，可采用三边测量法定位未知节点坐标；

(3)当锚节点和未知节点都在随机移动，在k时刻，当未知节点X只能与2个锚节点A和B进行通信时，设未知节点的移动速度为v，未知节点在k-1时刻定位成功其坐标为(x_k-1,y_k-1)，k时刻锚节点A和B与未知节点X进行通信，锚节点到未知节点X的距离分别为d_A、d_B，分别以锚节点A和B为圆心，以d_A、d_B为半径画圆，则两个圆相交的点分别为X₁和X₂，根据公式(18)求出交点的坐标X₁(x₁,y₁)、X₂(x₂,y₂)，

然后计算k-1时刻未知节点X到X₁和X₂的距离值分别为d₁、d₂，若|d₁-v|<|d₂-v|，则X₁为未知节点X在k时刻的位置，若|d₂-v|<|d₁-v|，则X₂为未知节点X在k时刻的位置；

(4)当锚节点和未知节点都在随机移动，在k时刻，当只有1个锚节点A能够与未知节点X通信的时候，未知节点的移动速度为v，k-n到k-1时刻，未知节点定位成功，前n个时刻定位的坐标倾斜角序列分别为θ_i＝(θ_k-n,θ_k-n+1,…,θ_k-1)，其中用后一项减去前一项得到相邻的角度差序列Δθ_i＝(Δθ₁,Δθ₂,…,Δθ_n-1)，利用这n-1个角度差来预测第n个角度差，进而计算出来k时刻未知节点相对于坐标原点的倾斜角，预测用的方法是灰预测，以角度差序列作为原始序列，令Δθ_i＝x⁽⁰⁾(m)，其中m＝i＝1,…n-1具体过程如下：

原始序列为：

x⁽⁰⁾(m)＝(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n-1)) (19)

1)做一阶累加生成序列：

2)构造GM(1,1)的背景值：

3)建立x⁽¹⁾(k),k＝1,2,…,n-1的一阶线性白化微分方程：

其中a,u为待定系数，方程(22)的白化函数式为：

4)根据最小二乘法原理估计参数a,u

其中，数据矩阵B和Y_n为：

5)将a,u的估计值代入式(23),得到预测方程

6)建立原始数据序列模型：

式中，为原始数据序列x⁽⁰⁾(k),k＝1,2,…,n-1的拟合值；为原始数据序列x⁽⁰⁾(k),k＝1,2,…,n-1的预测值；

预测出Δθ_n后，计算k时刻未知节点的位置相对于坐标原点的倾斜角为：

θ_k＝θ_k-1+Δθ_n (29)

k-1时刻，以未知节点X的位置为圆心，速度v为半径的圆与k时刻以锚节点A位置为圆心，d_A为半径的圆相交于X₁和X₂两个点，这两个点中有一个点为k时刻未知节点X的位置，由于估计出了k时刻未知节点与原点连线L的倾斜角，通过判断X₁和X₂到直线L的距离可以确定哪个点为正确的位置，即距离较近的点为k时刻未知节点运动到的位置；

k-1时刻未知节点X的坐标为(x_k-1,y_k-1)，k时刻锚节点A的坐标为(x_A,y_A)，X₁和X₂计算公式为：