[发明专利]一种基于网格的无线传感器网络模糊定位方法

说明书

技术领域

本发明属于无线传感器网络应用技术领域，尤其涉及一种基于网格的无线传感器网络模糊定位方法。

背景技术

物联网技术作为新一代信息技术，在受到广泛关注的同时，已经潜移默化的渗透进社会生活和工业生产的各个方面，在许多领域发挥着越来越重要的作用。当前，包括我国在内的许多国家提出了建设智能电网的宏观构想，甚至纳入了国家发展战略。结合我国电网建设的实际情况，将物联网技术引入智能电网，充分发挥物联网的强大优势，将是智能电网发展的必然趋势。物联网在电力系统监控中，起着“末梢神经”的作用，构成了电力系统监视控制和数据采集(Supervisory Control And Data Acquisition，SCADA)系统的基础，为“五遥”(遥测、遥信、遥控、遥视、遥调)的实现提供了重要保障，提高了电力系统的监测、控制与灵活调度能力。在进行数据采集的过程中，回传采集数据的同时，确定数据的采集位置也是必不可少的，因此无线传感器网络作为物联网的主要组成部分，其节点定位技术的研究成为了必要。

近年来，节点自身定位技术已成为无线传感器网络热点技术之一，很多研究者们一直致力于这一领域的研究，并取得了很大的进展。传统的无线传感器网络定位算法大体分为基于测距(range-based)的定位算法和基于非测距(range-free)的定位算法两大类。前者需要通过实际测量，获得节点间距离(角度)信息，再使用三边或多边定位法，来计算未定位节点(空间位置信息未知的节点)的位置；后者无需实际测量节点间的距离或角度，仅根据网络连通性等信息实现待定位节点的位置。

实际应用中的无线传感器网络具有网络规模大，传感器节点的能量、计算能力、通信能力和感知能力有限的特点。由于网络拓扑动态变化以及人们对网络实际环境的认知有限，网络模型和网络参数值的选择会与实际情况存在一定偏差，导致信息获取的不完整，从而影响传感器节点的自身定位。利用传统几何和数理统计方法来解决传感器网络中的具有模糊信息的定位问题存在很大的局限性。因此本方法将模糊理论引入到无线传感器网络节点定位问题中，并利用D-S证据理论和聚类方法来提高定位性能。

由东北大学朱剑等人提出的基于模糊识别的定位模型(Fuzzy Triangle Location Model，FTLM)是现有将模糊理论和无线传感器网络节点定位问题结合较好的一种定位模型。在FTLM中，定位空间被一些样本点划分为若干个相同的小区域，通过计算待定位节点对应的信号向量与各个样本点对应向量的贴近度确定待定位节点的坐标。该定位模型在计算复杂度和定位精度之间较好地做了折中考虑，但当待定位节点不在网格内时，该方法的定位精度将大大下降。

发明内容

针对上述背景技术中提到现有无线传感器定位不完善等不足，本发明提出了一种基于网格的无线传感器网络模糊定位方法。

本发明的技术方案是，一种基于网格的无线传感器网络模糊定位方法，其特征是该方法包括以下步骤：

步骤1：无线传感器网络初始化，锚节点发送包含自身标识、节点ID和坐标位置的信息，待定位节点接收信息，建立邻居锚节点链表；

步骤2：将传感器网络所在区域等分成指定个网格；

步骤3：利用邻居锚节点链表，用指定方法计算待定位节点对每个网格的隶属度，并按隶属度的大小降序排列；

步骤4：以网格的顶点作为定位辅助点，计算包含定位辅助点的所有网格的排序号的平均值，并按升序排列，构成序列{Q_Y}；

步骤5：从{Q_Y}中选取前第一指定项，将该第一指定项对应的网格的定位辅助点的质心作为待定位节点的粗略估计坐标；

步骤6：以粗略估计坐标作为初始聚类中心，对{Q_Y}中前第二指定项所对应的定位辅助点进行聚类，结果即为待定位节点的位置坐标。

所述指定方法为网格模糊定位方法。

所述聚类的过程为：

步骤6.1：以粗略估计坐标作为初始聚类中心，取{Q_Y}中前设定项所对应的定位辅助点作为备选点；

步骤6.2：取备选点中距聚类中心最近的设定个点，将这设定个点的质心作为聚类中心；

步骤6.3：判断初始聚类中心是否与聚类中心一致，若不一致，以聚类中心作为初始聚类中心，返回步骤6.2，若一致，则聚类中心即为待定位节点的位置坐标。