[发明专利]一种基于压缩感知与改进遗传算法的WSN定位方法

说明书

一种基于压缩感知与改进遗传算法的WSN定位方法，涉及WSN定位领域，包括步骤：S1.初始化网络结构，信标节点均匀分布、未知节点随机分布。S2.节点相互通信，信标节点接受未知节点传输数据包。S3.初步根据通信结果缩小定位区域，作为第一阶段的结果。S4.在缩小的区间内划分网络，构建压缩感知模型。S5.求解压缩感知模型，进一步缩小定位区域。S6.在最后的区域中实施改进遗传算法进行定位精度寻优。S7.输出所有节点坐标，完成WSN定位。本专利合理运用压缩感知技术缩小定位区域，并且使用改进遗传算法进行精度寻优，是一种低能耗、高精度的定位方法。

技术领域

本发明涉及定位技术定位领域，尤其涉及一种WSN定位方法。

背景技术

节点定位技术是无线传感器网络的支撑技术之一，可以用于实现无线传感器网络的目标识别、监控、跟踪等众多功能。近年来，无线传感器网络的定位方法已经逐渐成熟，特别是静止信标式定位方法已经取得较高的定位精度，但是大部分定位技术都采用比较复杂的优化算法，需要较多的网络能耗与硬件资源。所以，近几年科研人员一直在寻找适用于低能耗WSN的高精度定位算法。

无线传感器网络的定位技术目前研究热点还是在于降低网络能耗和提高定位精度。一般定位算法所需网络能耗主要来源于节点通信，移动信标式定位算法还需要加上移动节点所需的能耗，所以很多文章提出的算法会使用一次性通信，同时通信交互的数据包尽量简单，然后再考虑简单通信带来的精度问题。定位算法的精度问题主要在于通信模型会受到实际环境影响，从而造成测量距离误差，利用最优化算法求解时便会延承误差，迭代求解时更会放大误差，所以多阶段定位比较受到欢迎，可以一定程度上抑制误差的扩散。

定位优化算法有很多，比较多的是将定位问题重构成最优化极值求解问题，因此可以将遗传算法、蚁群算法、粒子群算法以及蝠群算法等用入定位技术来优化精度。当然，也有很多专家针对传统的DV-Hop、RSSI最小二乘等方法进行细节调整，提高定位精度。但是目前来说，定位算法的研究还有很大的发展空间，很多研究人员希望找到一种适用性广、能耗较低以及精度理想的无线传感器网络定位方法。

发明内容

针对上述问题，本发明旨在实现一种低能耗、高精度的WSN定位算法，主要目的是降低网络定位所需的能耗，其次要提高定位算法的精度。

本发明提供的技术方案如下：

一种基于压缩感知与改进遗传算法的WSN定位方法，包含以下步骤：

S1.初始化网络结构，信标节点均匀分布、未知节点随机分布；

S2.节点相互通信，信标节点接受未知节点传输数据包；

S3.初步根据通信结果缩小定位区域，作为第一阶段的结果。

S4.在缩小的区间内划分网络，构建压缩感知模型；

S5.求解压缩感知模型，进一步缩小定位区域；

S6.在最后的区域中实施改进遗传算法进行定位精度寻优；

S7.输出所有节点坐标，完成WSN定位。

进一步优选地，步骤S1中的网络分布情况，信标节点分布在均匀划分矩形网格的四个顶点，未知节点可以分布在网格的任意位置。步骤S2中未知节点与信标节点传输信息报中比较重要的信息是未知节点的编号以及RSSI信号强度。

进一步优选地，步骤S3根据通信结果与重叠的几何关系缩小定位区域，所需网络能耗较低。包含边界可以容错，并且重叠区域确定后选择包含重叠区域的矩形作为最终结果，为了增大容错性，需要在上下左右方向上各延伸一个单位。

进一步优选地，步骤S4和步骤S5提出一种能耗较低的适合于定位问题的压缩感知模型，能够有效地进一步缩小定位区域，同时网格划分长度可以根据实际情况进行变化。缩感知模型仅仅作为求解下一阶段寻优的边界，因此比较简单易行。