[发明专利]降维自适应分簇的节点模糊信息三维定位模型

说明书

降维自适应分簇的节点模糊信息三维定位模型，初始时通过虚拟分层对定位区域降维，分层后对处于同一平面的节点通过信号衰减距离估计的方法计算发送节点和接收节点之间的距离，实现自适应分簇，在分簇的基础上进行节点模糊信息定位，定位完成之后通过泰勒级数展开求精提高定位精度，本发明将三维节点定位转化为二维节点定位，降低了三维空间中节点定位算法的计算复杂度。

技术领域

本发明涉及无线传感器网络技术领域，特别涉及降维自适应分簇的节点模糊信息三维定位模型。

背景技术

无线传感器网络由许多体积小、成本低、功耗低的传感器节点组成。安装在节点上的传感器具备感知能力，可以获知节点布置区域或者布置对象上的相关信息。节点定位是无线传感器网络配置和运行的一个基本和关键问题。通常配置网络时不能对所有节点实施精确控制和人工设置，只能配置少部分锚节点，再通过锚节点定位其余节点。由于三维空间中求解问题的复杂性，二维平面的节点定位算法很难直接应用到三维环境中。把节点定位问题转化为约束优化问题，再运用适合处理较大规模浮点运算的粒子群优化算法进行求解。胡敏提出了一种阶次序列加权的无线传感器定位算法【基于阶次序列加权的无线传感器定位算法.计算机工程与应用，2014，50(10):116-119】。该算法针对节点之间的阶次序列将其建立成表，计算节点序列之间的相关度，再根据最优序列加权估计值来计算未知节点的位置，通过仿真实验有效地验证了算法的性能。夏候凯顺等人【夏候凯顺，余辉荣，邬依林.等.基于自适应分簇的改进RSSI定位算法[J].微电子学与计算机，2014，31(5)：103-106】针对三维空间中节点定位精度的问题，提出了一种基于移动锚节点的节点模糊信息定位算法。该算法中，引入模糊几何理论，通过锚节点和未知节点之间的模糊方向角和俯仰角计算未知节点坐标，同时该算法中引入移动锚节点，将静态网络转化为动态网络，提高了节点定位速度。同时移动锚节点带来了网络能量的开销，影响网络的生命周期。上述定位算法存在定位精度低的缺点。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供降维自适应分簇的节点模糊信息三维定位模型，通过引入虚拟分层对定位区域降维，对分层后处于同一平面的节点实现自适应分簇，在分簇的基础上进行节点模糊信息定位，最后通过泰勒级数展开求精提高节点定位精度，由此可提高节点定位精度和网络稳定性，且速度快、能耗低。

为了达到上述目的，本发明采用的技术方案为：

降维自适应分簇的节点模糊信息三维定位模型，包括以下步骤：

步骤1，定位区域虚拟分层：

通过虚拟分层对空间定位区域降维，在定位之前，对定位区域内的节点按虚拟楼层划分，楼层参数代表三维坐标中的z轴坐标，根据锚节点分布及其观测值对所有节点依据簇首最小生成树方法择优筛选动态形成一个含4个节点的簇，所以节点之间的几何关系由虚拟分层的高度和节点所处的楼层差值决定；设节点的通信半径为R，楼层的高度表示为D，第i节点的楼层为F_i，中心楼层为F₀，相邻两节点i,j之间的虚拟楼层差值为F_i,j＝|F_i-F_j|，节点i,j之间的最小通信角α_i,j为前后两节点的通信路径与水平面的最小可能夹角，表示为：

sinα_i,j＝F_i,jgD/R (1)

步骤2，对同一平面的锚节点自适应分簇：

通过基于RSSI的信号衰减距离估计方法计算发射节点和接收节点之间的距离，如公式(2)：