[发明专利]一种用于各向异性无线传感器网络的定位方法

说明书

本发明公开了一种用于各向异性无线传感器网络的定位方法，包括以下步骤：步骤1：任意选取各向异性WSN平面中的三个锚节点，若三个锚节点共线，则被舍弃，若三个锚节点不共线，则被选取；步骤2：通过舍弃处在边缘畸变的部分节点来初步建立网络可行域；步骤3：PDM定位计算；步骤4：Jaya智能算法优化定位结果。本发明逻辑简单、易于实现和扩展，可以将种群智能优化算法扩展到当前无线传感器网络节点定位的大多数问题中。

技术领域

本发明属于信息科学传感器定位技术领域，尤其涉及一种用于各向异性无线传感器网络的定位方法。

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是由部署在监测区域内的大量传感器节点相互通信形成的多跳自组织网络系统。节点通过无线通信建立网络连接，并通过传感装置感知周围的环境以监测区域的状态信息，从而实现信息世界与物理世界的融合。因此，无线传感器网络在出现之初便引起了人们极大的关注。美国《商业周刊》认为无线传感器网络是未来全球四大高技术产业之一；MIT技术评论认为无线传感器网络技术是改变世界的十大新技术之一。无线传感器网络的相关研究在21世纪初获得了快速发展，其相关技术正被广泛地应用在农业养殖、环境保护、建筑体监测、医疗健康和城市建设等领域。无线传感器网络的基础挑战之一是节点定位。受限于传感器节点的尺寸、成本以及功耗，全球定位系统(Global Positioning System，GPS)无法大规模应用于无线传感器网络。WSN节点定位算法通常都假设仅有一部分节点(锚节点)通过安装GPS或手动配置实现自身定位，而其他大部分节点(未知节点)则依据测距或连通性信息来估计自身到锚节点之间的距离，最后通过三边测量技术、极大似然估计技术或其他类似技术获得自身位置。

各向异性WSN是指在WSN实际应用中，传感器节点往往会布置在一些较为复杂的网络环境中，这些网络环境可能是几何形状分布不规则，或节点密度分布不均匀，或者地理形状复杂多变等，这类环境存在网络空洞，会对依靠多跳方式实现定位的方法产生较大的影响，使得他们的节点与节点之间的最短路径产生弯曲，影响测距公式的正确计算。现今大多数定位技术中使用的一个默认假设是网络拓扑结构都是各向同性的，即传感器网络在各个方向上的跳数信息都相同，但由于此假设过于理想化，在实际应用中并不成立。各向同性WSN定位算法的定位误差通常与网络中平均每跳距离以及未知节点与锚节点间的跳数信息密切相关，在规则的各向同性网络中，平均每跳距离和跳数信息通常与实际网络分布的情况很相似，所以在此基础上求得的位置误差相对比较小；然而在现实生活中，不规则的各向异性网络普遍存在，由于网络中存在空洞，影响了未知节点到锚节点的实际跳数，导致在实际定位的过程中产生较大的误差。因此，各向异性WSN定位算法所解决的关键问题是如何消除网络空洞对跳数信息的影响。

Jaya算法作为新型的群智能优化算法之一，有着易于实现，算法特定参数少等特点。Jaya算法的运行机制是将每个个体引导靠近最好个体，并且将每个个体都引导远离最差个体。个体更新后产生子代种群，比较父代个体和子代个体的适应度函数值，并选出父代和子代中适应度值更好的个体组成下一代种群。在Jaya算法中，子代个体会不断靠近每一代的最佳个体，同时将远离每一代的最差个体。因为Jaya算法总是试图更靠近成功个体，避免失败，算法力求通过达成最佳而获得胜利，因此它被命名为Jaya(胜利的意思)。Jaya算法在离散和连续求解空间中均表现出良好的搜索效果，更在组合优化问题中有突出表现。因此，把Jaya优化算法运用到无线传感器网络节点定位中，对无线传感器网络减小定位误差具有重大作用和意义。

发明内容

为了解决上述背景技术存在的技术问题，本发明在各向异性接近度-距离映射(PDM)节点定位算法的基础上，结合Jaya智能优化算法，提出一种适用于各向异性WSN的PDM-Jaya定位算法。该算法使用Jaya算法对初始种群中的个体进行筛选，并对最终定位结果进行迭代优化，将定位问题转化为种群优化问题。同时引入边界盒的思想，设置未知节点的初始可行域，提高了定位精度的同时降低了节点间的通信成本。

为了解决现有技术存在的上述问题，本发明所采用的技术方案为：