[发明专利]基于改进牛顿法的传感器节点分布式定位方法

说明书

本发明公开一种基于改进牛顿法的传感器节点分布式定位方法，主要解决大规模传感器网络中的定位问题。首先，根据节点位置和节点之间直接相连的距离信息，将无线传感器网络划分为若干个重叠的子区域，并将子区域的定位问题归结为无约束优化问题。每个子区域可以独立计算。然后，使用分布式算法估计出子区域中未知位置节点的位置并进行局部融合，即：先使用基于单位步长的改进牛顿法估计子区域中未知位置节点的位置；再对重复估计的未知位置节点进行局部融合。实验结果表明，与已有算法相比，该算法具有良好的扩展性，在大规模网络中定位精度更高，能满足大规模无线传感器网络中节点定位需求。

技术领域

本发明涉及无线传感器网络技术领域，具体涉及一种基于改进牛顿法的传感器节点分布式定位方法。

背景技术

随着微机电系统(Micro-Electro-Mechanical Systems，MEMS)和无线通信技术的快速发展，使低成本，低功耗的传感器大规模部署成为可能。无线传感器网络(WirelessSensor Network，WSN)由大量传感器构成，能够检测各种物理信息，广泛应用于军事(狙击手侦测系统)、医疗(病人检测)、环境(大鸭岛实验)、家庭(用水检测)、工业(预防性检测)等领域。在这些应用中，传感器节点感知到的信息与其位置结合起来才有意义。因此，传感器节点的定位问题越来越受到人们的重视。尽管可以在传感器上安装全球定位系统(GlobalPositioning System，GPS)模块来定位。但GPS模块成本高，功耗大，会增加大规模部署成本。为了解决这一问题，目前的无线传感器网络多采用合作定位方法，即只对部分节点安装GPS模块，其余节点采用合作定位方法来估计。使用合作定位方法时，在WSN中随机选取部分传感器安装GPS模块，以获取精确位置，并将事先已知位置的传感器节点称为已知位置(Location-aware，LA)节点或锚节点。对于其它未知位置的传感器，称为未知位置(Location-unaware，LU)节点，使用测距技术获得节点之间的相互距离，之后采用合作定位方法对LU节点进行定位。

优化算法是比较典型的定位算法之一。优化算法可以分为集中式算法和分布式算法。集中式算法使用一个中央处理器收集节点之间的距离信息并进行定位计算。Biswas P，Liang T C和Toh K C等人提出了一种基于半正定规划(Semi-Definite Programming，SDP)的集中式算法。通过对目标函数添加正则项来降低解的秩，然后使用梯度下降法细化节点的位置，提高了定位精度。但随着网络规模的增大，网络通信量和中心节点的计算量变高，会超出中央处理器的处理能力。因此，集中式算法扩展性较低，只适合小规模的WSN。与集中式算法相比，分布式算法将处理器分配到每个节点上，每个处理器仅收集局部节点之间的距离信息并进行计算，有效降低了通信量和计算量，有良好的扩展性，可用于无中央处理器或大规模的WSN。但缺点是会导致误差的传播，降低定位精度。Srirangarajan S，Tewfik AH，和Luo Z Q使用二阶锥规划(second-order cone programming，SOCP)松弛技术将非凸的优化问题松弛为凸的优化问题。使用LU节点和局部距离信息将WSN划分为若干个子区域，并提出了一种分布式算法，有良好的扩展性，能用于大规模网络。但此算法对网络边界的LU节点定位效果不理想。Soares C，Xavier J，和Gomes J使用凸松弛方法来近似非凸的最大似然公式，利用优化特性提出了一种分布式算法，每个节点使用最优梯度法进行收敛，降低了通信量。但这种方法需要LU节点位于LA节点的凸包中，才能获得较精确的定位。这在实际情况中难以满足，导致网络边界定位效果不理想。Biswas P，Lian T C，和Wang T C等人提出了一种分布式定位算法，将锚节点和与其直接相连的传感器节点构成一个子区域，对每个子区域使用SDP松弛方法进行求解。然后将估计误差较低的LU节点作为伪锚节点，用来估计剩余的LU节点。但这种做法会导致误差的积累和传播。

发明内容

本发明所要解决的是大规模无线传感器网络中节点难以定位的问题，提供一种基于改进牛顿法的传感器节点分布式定位方法。