[发明专利]无线传感器网络中基于粒子束优化的支持向量机的定位方法

说明书

技术领域

本发明涉及一种应用于无线传感器网络中的定位方法，尤其涉及基于粒子束优化的支持向量机定位方法。

技术背景

无线传感器网络(Wireless Sensor Network，WSN)是近年来得到迅速发展和普遍重视的新型网络技术，它是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳的自组织的网络系统，其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息，并发送给观察者。与传统的网络技术不同，无线传感器网络技术将现代无线通信技术、微型传感器技术和网络技术有机地融合为一体，在国防、环境监测、家庭自动化、传输和其他许多领域具有广阔的应用前景和极高的应用价值。

静态的无线传感网络是将大量位置不随时间变化的传感器节点分布到监测区域，并将节点收集的有效信息传送回来进行工作的，而有效信息中节点位置信息是传感器节点采集信息中不可缺少的部分。因此，确定获取有效信息的节点位置是传感器网络最基本的功能之一，对传感器网络应用的有效性起关键作用。例如，在环境监测应用中需要知道采集环境信息对应具体区域；对于火灾等突发事件，需要知道火灾发生现场位置；化工管道泄漏的具体地点等。在这些应用中，只有传感器节点知道自身的地理位置，才能进一步采取相应措施。

在WSN中，传感器节点存在着能量有限、可靠性差、节点规模大且随机布放、无线模块的通信距离有限等特点，传统的定位技术无法很好的适用于传感器网络。全球定位系统(Global Position System，简称GPS)成本和能耗高，限制了它在无线传感器网络中的应用。因而，在WSN中GPS等设备只能应用在个别节点上以减轻网络负担，而大部分传感器节点仍然需要通过定位算法对自身的位置进行预测。

无线传感器网络中的节点定位问题可以描述为：在一个存在多个已知自身位置节点的多跳网络中，通过定位系统、利用可用的信息找到待测节点的位置。现有的静态网络定位算法主要有Range-Based算法和Range-Free两种：前者是利用RSSI、TOA、TDOA、AOA等测距信息定位，具体算法如ROCRSSI等；后者是利用网络的连通度定位，如质心算法等。然而，现有的定位算法大多存在以下问题：(1)定位精度低；(2)计算开销大；(3)需要额外的硬件支持，如天线阵列；(4)需要先验的部署知识。

发明内容

本发明的目的在于解决上述现有定位方法的缺点与不足，而提供一种无线传感器网络中基于粒子束优化的支持向量机的定位方法。

本发明所述的定位方法中，所述无线传感器网络包括多个可通过信号强度测量距离的传感器节点、可收集全部节点信息并计算的网关；

应用于上述无线传感器网络中的基于粒子束优化的支持向量机的定位方法为：采用统计学习的方法，结合粒子束优化理论和支持向量机理论，对网络中的待测节点进行定位。

具体过程为：

步骤一：初始化阶段；

在此阶段中，将无线传感器网络的二维空间[0，D]×[0，D]中各方向做M等分，并建立支持向量机的高斯核函数

K(x,xi)=exp{-|x-xi|2σ2},---(1)]]>

在各方向的支持向量机中，任意测试数据按照公式：