基于聚类的RSSI的主用户定位方法与流程

本发明涉及定位方法技术领域，具体地，涉及基于聚类的rssi的主用户定位方法。

背景技术：

在认知无线电网络中，主用户节点相当于无线传感器网络中的未知节点，认知用户节点相当于无线传感器网络中的导标节点，因此，无线传感器网络中的定位算法可以应用到认知无线电网络中。

目前，在无线传感器网络中，按节点的空间坐标进行估计，根据距离或角度测量与否，可以分为测距的定位算法和和非测距的定位算法。测距的定位算法要对节点间的距离进行测量；而非测距的定位算法则依靠网络的连通度来实现节点的定位。以上方法均存在测量不准确、精确度低、成本高的缺陷

技术实现要素：

本发明的目的在于，针对上述问题，提出基于聚类的rssi的主用户定位方法，以实现测量准确、成本低和测量精度高的优点。

为实现上述目的，本发明采用的技术方案是：基于聚类的rssi的主用户定位方法，所述步骤具体包括：

步骤a：设定已知认知用户节点位置和识别信息；

步骤b：通过信息融合中心收集认知用户节点信息，并建立rssi值与节点到认知用户节点距离的映射；

步骤c：以第i个认知用户节点为圆心ri为半径画圆；

步骤d：对集合c进行1个目标的k-means聚类。

进一步地，步骤a中所述认知用户收到来自主用户发射机的rssi信息后，对该认知用户节点的接收到rssi进行采样，当样本稳定后对其求平均。

进一步地，步骤b中所述认知用户节点到主用户发射机距离集合为：

d_set＝{r1,r2,...,rn}；

认知用户节点位置的集合：

p_set＝{(x1,y1),(x2,y2),...,(xn,yn)}。

进一步地，所述步骤c后得到n个圆，找出所有圆的交点并将交点的位置保持到集合c中。

进一步地，所述步骤d后求出交点集合的聚类中心，即得到主用户发射机的近似位置坐标信息。

本发明的基于聚类的rssi的主用户定位方法，主要包括：步骤a：设定已知认知用户节点位置和识别信息；步骤b：通过信息融合中心收集认知用户节点信息，并建立rssi值与节点到认知用户节点距离的映射；步骤c：以第i个认知用户节点为圆心ri为半径画圆；步骤d：对集合c进行1个目标的k-means聚类，可以实现测量准确、成本低和测量精度高的优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明所述基于聚类的rssi的主用户定位方法仿真主用户和认知用户初始位置分布图；

图2为本发明所述基于聚类的rssi的主用户定位方法仿真k-means聚类算法的圆交点图；

图3为本发明所述基于聚类的rssi的主用户定位方法仿真结果图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

基于聚类的rssi的主用户定位方法，所述步骤具体包括：

步骤a：设定已知认知用户节点位置和识别信息；

步骤b：通过信息融合中心收集认知用户节点信息，并建立rssi值与节点到认知用户节点距离的映射；

步骤c：以第i个认知用户节点为圆心ri为半径画圆；

步骤d：对集合c进行1个目标的k-means聚类。

步骤a中所述认知用户收到来自主用户发射机的rssi信息后，对该认知用户节点的接收到rssi进行采样，当样本稳定后对其求平均。

进一步地，步骤b中所述认知用户节点到主用户发射机距离集合为：

d_set＝{r1,r2,...,rn}；

认知用户节点位置的集合：

p_set＝{(x1,y1),(x2,y2),...,(xn,yn)}。

所述步骤c后得到n个圆，找出所有圆的交点并将交点的位置保持到集合c中。

所述步骤d后求出交点集合的聚类中心，即得到主用户发射机的近似位置坐标信息。

为了方便仿真单个主用户定位算法，我们假设认知无线电环境结构图中有1个主用户发射机和多个认知用户节点。并且，主用户发射机和认知用户节点随机分布在一个1千米×1千米的平面区域内，信道参数ξi＝1，p0＝1，如下图1所示：其中蓝色的*表示的是认知用户节点的位置，红色的○表示的是主用户的真实位置。

如下图2所示，图中的大圆是以认知用户节点为圆心，估计出的每个认知节点到主用户的距离为半径画的圆，找出所有圆的交点并对这些点做k-means聚类算法，如图3所示最后聚类中心也就是由绿色的△表示的是由定位算法估计出的主用户的位置坐标信息。

至少可以达到以下有益效果：

本发明的基于聚类的rssi的主用户定位方法，主要包括：步骤a：设定已知认知用户节点位置和识别信息；步骤b：通过信息融合中心收集认知用户节点信息，并建立rssi值与节点到认知用户节点距离的映射；步骤c：以第i个认知用户节点为圆心ri为半径画圆；步骤d：对集合c进行1个目标的k-means聚类，可以实现测量准确、成本低和测量精度高的优点。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

技术总结
本发明公开了基于聚类的RSSI的主用户定位方法，主要包括：步骤a：设定已知认知用户节点位置和识别信息；步骤b：通过信息融合中心收集认知用户节点信息，并建立RSSI值与节点到认知用户节点距离的映射；步骤c：以第i个认知用户节点为圆心ri为半径画圆；步骤d：对集合C进行1个目标的K‑means聚类。本发明的基于聚类的RSSI的主用户定位方法，可以实现测量准确、成本低和测量精度高的优点。

技术研发人员：周坚和
受保护的技术使用者：柳州天艺科技有限公司
技术研发日：2017.05.27
技术公布日：2017.09.08