基于锚节点的网络协同定位方法与流程

本发明属于通信技术领域，更进一步涉及一种锚节点网络协同定位方法,可用于商场，矿井，停车场这些复杂环境中的位置服务。

背景技术：

随着无线网络的发展，人们对于基于位置的服务需求也越来越大，特别是在复杂环境，特殊场景下，如大型商场，矿井，停车场的位置服务需求更大。全球卫星定位系统已经能够很好地满足人们在室外的定位需求，但复杂环境中，gps信号受环境因素影响大，无法提供高精度定位。因此无线网络定位技术成为复杂环境下的重要补充手段。如何选取锚节点提高网络定位精度是需要解决的问题。

长春理工大学在其申请的专利文献“一种无线传感器网络定位方法”(申请号：cn201810920495.8，申请公布号：cn109041210a)中公开了一种无线传感器网络定位方法。该方法在未知节点邻近的三个锚节点组成的区域内，使用迭代的方法缩小定位区域来确定未知节点位置。若未知节点邻近区域没有锚节点，则采用未知节点通信半径范围外的锚节点来缩小定位区域，并采用质心加权算法确定未知节点的位置信息。该方法虽然通过选取邻近的锚节点确定了定位区域，并通过缩小定位区域与采用质心加权算法确定未知节点位置，提高了节点的定位精度。但是，该方法仍然存在的不足之处是，在选取邻近锚节点时，由于未考虑锚节点的网络拓扑分布情况，导致锚节点的网络覆盖率较小。

河海大学在其申请的专利文献“基于模糊c均值聚类的无线传感器网络节点定位算法”(申请号：cn201510885899.4，申请公布号：cn105407529b)中公开了一种基于模糊c均值聚类的节点定位算法。该方法利用三边定位算法得到若干个定位结果，将这些定位信息作为聚类的初始样本；再通过聚类算法分析得到每个类的成员个数；然后，通过查找成员个数较少的类找出误差较大的测距值，并将其丢弃；最后，对优选后的测距值利用多边定位方法进行定位计算。该方法虽然通过将三个锚节点的定位结果进行聚类，留下误差较小的定位结果，降低了未知节点定位误差。但是，该方法由于锚节点是随机选取的，网络节点间并未进行协同交互，因而导致锚节点的网络覆盖率较小，网络定位精度不够高。

技术实现要素：

本发明的目的在于针对上述现有技术存在的不足，提出一种改进ap聚类的锚节点网络协同定位方法，以提高锚节点的网络覆盖率和网络定位的精度。

本发明的技术思路是，通过利用基于到达时间toa测距技术得到网络节点之间的距离，通过对现有ap聚类算法的改进选取锚节点；通过利用三边定位算法实现网络节点间的协同定位。其实现步骤包括如下：

(1)随机布置无线定位网络节点，利用ofdm系统收发信号的时频域特性进行网络节点间的toa测距，得到网络节点间的距离；

(2)根据网络节点间的距离，利用改进的ap聚类算法对选取无线定位网络中的锚节点：

(2a)计算网络节点间的相似度：s(i,j)＝-di,j，其中di,j表示网络节点i与网络节点j之间的距离；

(2b)将每个网络节点的自相似性设置为相同的值作为参考度p，计算如下：

式中γ为聚类中心的个数因子，通过调整γ的值，使得最终生成的聚类中心个数达到初始设定的k个；

(2c)计算网络节点间的吸引度r(i,j)：

其中a(i,j)为网络节点间的归属度，初始值为0，j'为无线定位网络中除j之外的其他节点，s(i,j')为网络节点i与网络节点j'间的相似度；

(2d)更新网络节点间的归属度a(i,j)：

其中，i'为无线定位网络中除i之外的其他节点，r(i',j)为网络节点i'与网络节点j间的吸引度；

(2e)计算此次迭代的聚类中心：

其中，i＝1,2,...,n，0＜j≤n，n为无线定位网络中的节点个数，若j＝i，则网络节点i是此次迭代的聚类中心，否则，网络节点j是此次迭代的聚类中心；

(2f)判断此次迭代得到的聚类中心是否等于上次迭代得到的聚类中心：若相等，则将得到的聚类中心作为无线定位网络中的锚节点，否则，将网络节点间的归属度a(i,j)置零，返回(2c)进行下一次迭代；

(3)对选取到的锚节点利用三边定位算法实现网络节点间的协同定位。

与现有技术相比，本发明具有以下优点：

1.本发明由于通过对现有ap聚类算法进行改进，克服了ap聚类算法无法确定聚类中心个数的缺点，从而使得聚类中心个数能达到初始设定的值。

2.本发明由于考虑到了网络分布拓扑情况，通过选取聚类中心作为锚节点，能够提高锚节点的网络覆盖率，从而提高了网络的定位精度。

附图说明

图1为本发明的实现流程图；

图2为本发明中使用的三边定位算法原理图；

图3为本发明选取到的锚节点仿真图；

图4为本发明的网络节点位置的累计误差概率cdf仿真图；

图5为本发明的网络节点位置的标准差仿真图；

图6为本发明的网络节点位置的最大不确定度仿真图。

具体实施方式

下面结合附图对本发明做进一步的描述：

参照图1，对本发明的具体步骤实现步骤如下：

步骤1,生成随机网络节点。

在100m×100m的无线定位网络区域内随机布设数十个网络节点，这些节点携带可以进行ofdm信号收发的通信模块，本发明布设但不限于40个网络节点。

步骤2,网络节点间的toa测距。

2.1)发送端的网络节点产生频域上的本地序列，经过ifft变换为时域序列，生成测距信号发送出去；由于无线信道的多径性，测距信号在信道传播过程中会出现扩散、失真现象，接收端的网络节点需要在预处理单元进行频偏校正处理并存储，再转发到发送端的网络节点；

2.2)发送端的网络节点将接收到的信号进行频偏校正预处理和时域采样，再与发送端的时域序列进行时域离散相关，该相关值最大所对应的时刻为测距信号往返时延的整数部分t1；

2.3)针对时延在测距信号传播过程中会引起相位偏移的情况，将接收信号fft变换到频域求出相位偏移，得到测距信号往返时延的小数部分t2；

2.4)根据测距信号往返时延的整数部分t1和小数部分t2，计算发送端的网络节点和接收端的网络节点间的距离d：

其中，c为光速。

步骤3,选取无线定位网络中的锚节点。

3.1)利用网络节点间距离的相反数计算网络节点间的相似度s(i,j)，s(i,j)＝-di,j，di,j为网络节点i和网络节点j间的距离，网络节点间的距离越小，相似程度越高；

3.2)将每个网络节点的自相似性设置为相同的值作为参考度p，计算如下：

式中自相似性s(i,i)代表网络节点i成为聚类中心的可能性，n为无线定位网络中的节点个数，γ为聚类中心的个数因子，通过调整γ的值，使得最终生成的聚类中心个数达到初始设定的k个。

本实例中每个网络节点都有潜力成为聚类中心，即成为聚类中心的可能性相同。

3.3)根据网络节点间的相似度s(i,j)，计算网络节点间的吸引度r(i,j)：

其中a(i,j)为网络节点间的归属度，初始值为0，j'为无线定位网络中除j之外的其他节点，s(i,j')为网络节点i与网络节点j'间的相似度。吸引度r(i,j)由网络节点i指向作为候选聚类中心的网络节点j，代表了网络节点j作为网络节点i的聚类中心的合适程度；

3.4)更新网络节点间的归属度a(i,j)：

其中，i'为无线定位网络中除i之外的其他节点，r(i',j)为网络节点i'与网络节点j间的吸引度；归属度a(i,j)代表网络节点i选择网络节点j作为聚类中心的可能性，同时考虑了其它网络节点也能选择网络节点j作为聚类中心的可能性；

3.5)计算此次迭代的聚类中心：

其中，i＝1,2,...,n，0＜j≤n，若j＝i，则网络节点i是此次迭代的聚类中心，否则，网络节点j是此次迭代的聚类中心；

3.6)判断此次迭代得到的聚类中心是否等于上次迭代得到的聚类中心：

若相等，则将得到的聚类中心作为无线定位网络中的锚节点；

否则，将网络节点间的归属度a(i,j)置零，返回3.3)进行下一次迭代。

步骤4,各网络节点进行协同定位。

参照图2，本步骤的具体实现如下：

4.1)以待测网络节点d为圆心，以待测网络节点d到第一锚节点a的距离d1、第二锚节点b的距离d2、第三锚节点c的距离d3为半径作圆，得到如下方程组：

其中，(x1,y1)，(x2,y2)，(x3,y3)分别为第一锚节点a，第二锚节点b，第三锚节点c的位置，(x,y)为待测网络节点d的位置；

4.2)求解上述方程组，得到待测网络节点d位置(x,y)。

本发明的效果可通过以下仿真实验进一步的说明：

1.仿真实验条件：

仿真实验的硬件平台：处理器为inteli7-6700cpu，主频为3.4ghz，内存8gb。

仿真实验的软件平台为：windows10操作系统和matlabr2014b。

2.仿真内容与结果分析：

仿真1，用本发明仿真获得无线定位网络中的锚节点，得到网络节点的位置，结果如图3所示，其中“*”表示选取的锚节点，“·”表示待定位节点的真实位置，“δ”表示利用本发明得到的待定位节点的位置。

仿真2，对图3中待定位节点的真实位置和估计位置计算误差，得到网络节点位置的累积误差概率cdf，结果如图4所示，其中定位误差小于1.3m的概率约为95％，定位误差小于1.6m的概率约为100％。

仿真3，对图3中待定位节点的真实位置和估计位置计算标准差，得到网络节点位置的标准差，结果如图5，其中网络节点位置的x坐标和y坐标的标准差在较小范围内波动。

仿真4，对图3中待定位节点的真实位置和估计位置计算最大不确定度，得到网络节点位置的最大不确定度，结果如图6，其中网络节点位置的x坐标和y坐标的最大不确定度在较小范围内波动。

以上仿真表明：本发明通过在网络节点中先进行toa测距，接着基于改进ap聚类方法选取锚节点，最后使用三边定位算法对网络节点进行定位，能够增大锚节点覆盖率，提高网络定位精度，且稳定性好。