专利名称：一种基于无线传感器网络的协作节点定位方法
技术领域：
本发明属于无线传感器网络领域，特别涉及一种基于无线传感器网络的协作节点定位方法。
背景技术：
节点定位技术是无线传感器网络中一项关键的技术，近年来很多研究人员对节点定位技术都做了深入的研究。节点的精确定位功能产生了很多新的应用，如医疗监控、动物追踪和急救服务。在很多情况下，为了使节点之间的信息有利用价值，节点位置是必不可少的，例如，如果我们部署一个无线传感器网络来监控储物室的设备，需要动态更新节点位置来监控设备的具体位置。在许多情况下，特别是突发事件情况下，需要迅速和随机地部署传感器网络，因此没有足够的时间测量节点的位置。在这样的应用场景下，需要自动知道节点 位置信息。协作定位是一种有效的节点定位方法，其在给定部分已知节点的位置信息的前提下，估计未知节点信息。基于信号接收强度(RSS, Received Signal Strength)的协作节点定位方法具有部署简单且不需要额外的硬件，因此得到了广泛的应用。现有的基于RSS的节点协作定位方法通常是将接收到的RSS值直接转化为距离信息，没有考虑到环境中物体对RSS产生的衰减，或者仅考虑了静态障碍物对节点定位造成的影响，当环境中有随机出现的移动障碍物时，RSS会产生很大的波动，因而严重影响节点定位精度。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于无线传感器网络的协作节点定位方法，该方法在有移动障碍物的情况下，能够有效减小障碍物对节点定位精度的影响。本发明解决其技术问题是采取以下技术方案实现的一种基于无线传感器网络的协作节点定位方法，包括以下步骤步骤I :建立每个链路RSS值的混合高斯模型；步骤2 :通过背景学习方法将RSS值中的背景RSS值分离出来；步骤3 :根据路径损耗模型将背景RSS值转化为节点间的距离信息，并利用贝叶斯估计方法计算得到未知节点坐标。而且，所述步骤I的混合高斯模型的数学模型为
权利要求
1.一种基于无线传感器网络的协作节点定位方法，其特征在于包括以下步骤 步骤I :建立每个链路RSS值的混合高斯模型； 步骤2 :通过背景学习方法将RSS值中的背景RSS值分离出来； 步骤3 :根据路径损耗模型将背景RSS值转化为节点间的距离信息，并利用贝叶斯估计方法计算得到未知节点坐标。
2.根据权利要求I所述的一种基于无线传感器网络的协作节点定位方法，其特征在于所述步骤I的混合高斯模型的数学模型为
3.根据权利要求2所述的一种基于无线传感器网络的协作节点定位方法，其特征在于所述混合高斯模型中的均值、方差和权重均利用自适应线性滤波器进行更新。
4.根据权利要求I所述的一种基于无线传感器网络的协作节点定位方法，其特征在于所述所述步骤2的背景学习方法为 将k个分布按照Wk/ 0 k排序，前面的B个分布看做是背景模型
5.根据权利要求I所述的一种基于无线传感器网络的协作节点定位方法，其特征在于所述步骤3利用贝叶斯估计方法计算未知节点坐标的数学模型为 其中，Xi (t)是t时刻节点i的坐标， .= I丨尤(,— p —^ (P1)丨丨是i和j单位向量，Y是4-4八控制向量调整的步长，j =^lO 10^是节点i和节点j之间的距尚=|| JT. _ Il是节点i和节点j之间的RSS值，d0为参考距离，P0是在参考距离Cltl处的RSS值，Pij是节点i和节点j之间的RSS值，0是路径损耗因子。
全文摘要
本发明涉及一种基于无线传感器网络的协作节点定位方法，包括以下步骤步骤1建立每个链路RSS值的混合高斯模型；步骤2通过背景学习方法将RSS值中的背景RSS值分离出来；步骤3根据路径损耗模型将背景RSS值转化为节点间的距离信息，并利用贝叶斯估计方法计算得到未知节点坐标。本发明设计合理，其根据接收信号强度(RSS)在有移动障碍物情况下的变化特征，通过建立链路RSS值的混合高斯模型并通过背景学习方法将测量的RSS值分离出背景RSS值，然后利用贝叶斯估计方法(LS)实现协作定位功能，有效地减小了障碍物对信号接收强度的干扰，从而获得较高的节点定位精度。
文档编号H04W64/00GK102711244SQ20121020502
公开日2012年10月3日 申请日期2012年6月18日 优先权日2012年6月18日
发明者李直, 杨永民, 江峰 申请人:北京中防视信科技有限公司