[发明专利]一种基于测距优化和改进麻雀搜索算法的WSN节点定位方法

说明书

本发明公开了一种基于测距优化和改进麻雀搜索算法的WSN节点定位方法，属于无线传感器网络中的节点定位技术领域。本发明步骤S1：多次获得锚节点与其通信范围内的同一未知节点的发射信号强度，并求出这些信号强度样本的95％置信区间，通过判断信号强度是否在区间内选出合适的信号强度，转化为测距距离，实现对测距距离进行优化；步骤S2：建立定位优化模型并使用改进的麻雀搜索算法将定位精度问题转化为约束类优化问题。采用本发明的技术方案，将测得的信号强度样本统计量构造出估计区间以提高测量值的可信度，再结合改进的麻雀搜索算法优化目标函数，从而大大降低RSSI的异常值出现，同时也有效提高了算法的收敛速度以及定位的精度。

技术领域

本发明涉及无线传感器网络中的节点定位技术领域，尤其涉及一种基于麻雀搜索算法的WSN节点定位技术。

背景技术

节点定位技术是无线传感器网络中一项重要的技术分支，已广泛应用于商业、军工、自然灾害救险等领域，通过获得准确的传感器节点的位置信息，可以做出有效的决策。通常传感器节点的成本较为低廉，不会配备GPS等定位设备，所以对传感器节点间协作定位的需求较高。目前，常见的WSN定位可分为基于测距的定位方法和基于非测距的定位方法，由于非测距的定位方法受传感器分布的情况影响，定位精度不高，有时难以满足实际需求。

基于测距的定位能实现高精度定位，但通常需要增加额外的硬件，这无疑会增加节点的开销，而接收信号强度(Received Signal Strength Indication,RSSI)是一种常见的测距方法，在获得接收信号强度的情况下，通过信号传播模型转换就可以得到锚节点与未知节点的距离，不需要额外的硬件资源，得到距离后再通过传统数学方法，例如最小二乘法、最大似然估计法得到未知节点的位置，在节点分布均匀的情况下，一般都能获得较好的定位结果，但考虑到实际情况，锚节点的部署是存在随机的情况，或者因为环境特殊使得锚节点分布不均匀，这就导致传统数学方法计算未知节点的位置时会存在累计误差，这样就会增大定位的误差导致定位增大。故众多学者专家将定位精度求解问题转换为求测距误差最小值的优化问题，并采用智能优化算法优化该问题，常见的有粒子群算法、蚁群算法、灰狼算法等。

现有技术的节点定位方法主要存在以下两个问题：

1、在周围环境噪声的影响下，接收到的RSSI信号并不是稳定的，会存在震荡，从而导致一定的测距误差，同时锚节点发射功率的不稳定也会导致RSSI值的浮动，因此WSN节点的定位误差也会存在一定的浮动。

2、智能算法常常存在收敛速度慢，全局寻优能力差，易于陷入局部最优等问题，这就导致定位的精度不高以及搜索速度慢，这无疑增加了计算复杂性和计算量，因此研究一种寻优速度快，定位精度高的智能算法尤为重要。

故针对现有技术的缺陷，实有必要提出一种技术方案以解决现有技术存在的技术问题。

发明内容

有鉴于此，确有必要提供一种基于测距优化和改进麻雀搜索算法的WSN节点定位方法，多次获得锚节点与其通信范围内的同一未知节点的发射信号强度，并求出这些信号强度样本的95％置信区间，通过判断信号强度是否在区间内选出合适的信号强度，转化为测距距离，实现对测距距离进行优化；再建立定位优化模型并使用改进的麻雀搜索算法将定位精度问题转化为约束类优化问题。从而大大降低了RSSI值不稳定对测量距离的影响，同时也有效提高智能算法的收敛速度和减少不必要的计算量，进而提高了定位的精度和效率。

为了克服现有技术的缺陷，本发明的技术方案如下：

一种基于测距优化和改进麻雀搜索算法的WSN节点定位方法，其特征在于，包括以下步骤：

步骤S1：多次获得锚节点与其通信范围内的同一未知节点的发射信号强度，并求出这些信号强度样本的95％置信区间，通过判断信号强度是否在区间内选出合适的信号强度，转化为测距距离，实现对测距距离进行优化；