[发明专利]一种用于雾计算环境的无线传感器网络定位方法

摘要

本发明公开了一种用于雾计算环境的无线传感器网络定位方法，本方法采用了一种改进后的RSSI测距模型来估计节点间距离，即在传统RSSI测距模型的基础上加入了一个高斯变量，使得计算结果与实际测距结果更加吻合。同时，根据雾传感器节点和锚节点信息对普通节点进行搜索定位，基于不同节点的位置权重因子提出了一种新的加权搜索方法，并针对特殊节点给出了相应的处理方案，从而提高定位速度和精度。本方法研究了锚点数目对三种算法定位误差的影响。所有锚节点都是随机生成的，锚节点数从10增加到60，随着锚节点数的增加，这三种方法的定位性能逐渐得到提高，且本方法的定位性能最佳。

主权项

1.一种用于雾计算环境的无线传感器网络定位方法，其特征在于：该方法包括以下步骤，步骤1、设计基于雾计算的无线传感器网络通信架构基于雾计算的无线传感器网络架构由云层、雾层和雾传感器层组成；云层负责接收来自雾层的业务请求，部署了丰富的计算资源，中间的雾层由大量带有雾服务器的基站组成，而底部的雾传感器层则包含了多个传感器节点和相应的雾接入点；传感器节点分为雾传感器节点、锚节点和普通节点；步骤2、建立改进的RSSI测距模型在通信范围内，最常用的路径损耗模型对数‑常态分布模型，其统计模型为：其中，d是发送节点和接收节点之间的测量距离，d₀为发送节点和接收节点之间的参考距离，P_r，dB(d₀)是在距离发送节点d₀处的路径损耗，X_σ是均值为0、方差为σ的高斯随机分布变量；n_p是取决于传输介质的路径损耗指数，RSSI测距模型与实际数据不吻合的原因主要在于路径损耗常数n_p为固定常数，而在实际的测距过程中n_p应该是变化的，因此改进的测距模型中n_p为期望为3，方差为的高斯随机变量；步骤3、基于权重因子的无线传感器网络搜索定位步骤3.1、定位模型基于测距的无线传感器网络定位问题的数学模型为：其中，E_i是节点i的邻居节点集合，且与节点i的距离小于最大通信距离R，和分别为节点i和节点j的估计坐标，e_i，j为节点i与节点j之间的测量距离；步骤3.2、搜索目标函数估计距离通过获得，其中，以节点i为圆心做圆，将此圆等分为M份，表示圆上等分点的估计坐标，而表示迭代u次算法后获得的估计坐标；ψ(j)为节点位置信息权重系数，雾传感器节点、锚节点、已定位的普通节点和未定位的普通节点带有不同的权重系数；通过寻找最小估计距离来确定目标节点在当前迭代过程中的估计坐标，步骤4、针对特殊节点的定位针对在搜索定位过程中的两类特殊节点，给出了相应方案；(1)目标定位节点与其已知邻居节点共线；如果节点i与其邻居节点共线，那么在迭代过程中将会出现两个最优解；此时，目标节点的估计坐标通过如下定义获得式中，N₁和N₂为节点i的邻居节点，P为迭代过程中的任意解，P₃为当前回合的最佳估计位置；(2)目标定位节点只有1个邻居节点；在此情况下，使用其邻居节点的位置作为当前回合目标节点的估计位置，并将其带入下一轮迭代过程，通过多次迭代来修正误差。