[发明专利]一种基于非测距的网络锚节点筛选装置及其方法

权利要求书

1.一种基于非测距的网络锚节点筛选装置，其特征在于：包括随机分布的普通节点，普通节点包括锚节点和未知节点，所述锚节点和未知节点均包括嵌入式节点模块和为嵌入式节点模块提供驱动力的电源，所述嵌入式节点模块包括编程芯片、Flash存储芯片、通信芯片及天线，所述编程芯片对网络中传入的各个锚节点到该节点的跳数以及位置数据进行分析、筛选和计算，并通过命令控制通信芯片广播各个锚节点到该节点的跳数以及位置数据；所述通信芯片及天线在编程芯片的控制下，对无线传输的跳数和位置数据接收和发送，并可以控制传输有效距离；所述Flash存储芯片保存网络中所有的锚节点的位置和跳数信息；所述锚节点内还配备有GPS模块，GPS模块对锚节点进行定位，精确获得锚节点位置信息，位置信息将存储在锚节点的Flash存储芯片内，并在泛红广播的时候进行向外传输；通信节点用来在未知节点未知计算完毕之后，将网络的所有节点坐标发送到计算机终端，通信节点由无线通信模块构成。

2.根据权利要求1所述的基于非测距的网络锚节点筛选装置，其特征在于：所述编程芯片为MSP430编程芯片，所述通信芯片为NRF2401通信芯片；所述电源为锂电池。

3.一种基于权利要求1或2所述的装置的锚节点筛选方法，其特征在于包括以下步骤：

步骤1，根据未知节点接收到的所有锚节点到它的跳数和位置信息拟合出平均跳距分布函数曲线，再筛选出合格锚节点，据此得出未知节点坐标，定义该方法为AFDV-Hop算法，具体步骤如下：

1）在区域内随机散布n个未知节点和m个锚节点，其中，20≤m≤50，50≤n≤100，各未知节点和锚节点的嵌入式节点模块的传输功率相同；

2）锚节点以控制泛洪方式在网络中广播信息，信息内容包括锚节点标识、坐标以及初始值为0的跳数，在泛洪结束之后，普通节点保存了所有锚节点的坐标及每个锚节点到该普通节点的最少跳数；

3）将未知节点u的坐标暂时定义为它的邻居锚节点的质心（x_uc,y_uc），根据下面公式，计算出所有锚节点i和未知节点u的估算平均跳距

ADPHiu=(xi-xuc)2+(yi-yuc)2Hopiu]]>

式中，Hop_iu表示锚节点i到未知节点u的跳数；

4）在网络中，观察ADPH_iu的分布情况，计算ADPH_iu的概率，计算函数如下：

P(ADPHiu)=Num[ADPHiu]Σk=0RNum[ADPHiu=k]]]>

式中，R表示普通节点的有效传输距离，k的取值范围是（0，R），Num[ADPH_iu=k]

表示平均跳距为k的个数，整个分母表示所有跳距的总数，分子Num[ADPH_iu]

表示平均跳距为ADPH_iu的个数，P（ADPH_iu）表示各个跳距的概率分布函数；

根据上式可得所有锚节点和未知节点u的平均跳距的概率分布函数，根据该概率分布函数图对参与计算的锚节点进行筛选，该分布函数呈正态分布：

P(ADPHiu)=12πσe-(ADPHiu-μ)22σ2]]>

其中σ和μ是根据拟合出正态分布曲线函数的常数值，ADPH_iu取值是（0，R），根据正态分布函数的特征可知，P(ADPH_iu)大部分有效数据都集中在(ADPH_iu)∈[μ-σ，μ+σ]区域内，因此在计算未知节点的位置时只需要平均跳距在μ-σ~μ+σ内的锚节点即可；而在μ-σ~μ+σ之外的数据会对定位计算造成较大误差，尤其是在分布不均匀的网络中；

5）对于合格锚节点，利用下式可计算出锚节点到未知节点距离d_iu，

d_iu＝ADPH_iu×Hop_iu

式中，Hop_iu表示锚节点i到未知节点u的跳数；

6）锚节点i到未知节点u的距离d_iu又可以写成

(x_u-x_i)²+(y_u-y_i)²＝d_iu²，i=1,2…N

再利用最小二乘法，对未知节点的坐标进行运算：

X=xuyu=(ATA)-1ATB]]>

式中A=-2×x1-xny1-ynx2-xny2-yn···xn-1-xnyn-1-yn;]]>B=d12-dN2-x12+xN2-y12+yN2d22-dN2-x22+xN2-y22+yN2···dN-12-dN2-xN-12+xN2-yN-12+yn2]]>

步骤2，采用经典的非测距算法计算出未知节点坐标；

步骤3，所有未知节点的坐标经过通信节点传输到计算机终端，计算机对步骤1得出的未知节点坐标与经典的非测距算法得到的未知节点坐标进行量化比较：

如果步骤1和步骤2两种方法的定位结果相差较小，则传感器网络的节点分布均匀性比较好；

如果步骤1和步骤2两种方法的定位结果相差较大，则传感器网络中的节点分布均匀性较差；

步骤4，根据步骤3中的比较结果调整步骤2中的筛选参数，调整合格节点的筛选比例，即筛选有效锚节点区域为μ-σ-Δ,μ+σ+Δ，其中Δ取值范围为（-0.5σ,σ），初始时候Δ值为0；

若均匀度较差，则减少参与计算的合格锚节点占总锚节点的比例，即减小Δ的取值，从而减少误差；

若均匀度较好，则增大参与计算的合格锚节点占总节点比例，即增大Δ的取值，从而使计算样本空间增大，减少误差。

4.根据权利要求3所述的锚节点筛选方法，其特征在于：所述步骤3中，计算机进行量化比较的过程如下：

（1）首先初始化一个整数N，表示对两种方法结算误差计算比较的次数；

（2）从计算机生成网络节点分布不均匀度为η的节点坐标组，并在网络区域分布节点；

（3）分别用步骤2中的经典的非测距算法和步骤1中的AFDV-Hop算法计算出未知节点的坐标E1和E2，对E1和E2的误差进行比较，并将比较结果存入数据库；

（4）将整数N减1，如果N不为0，则增大η的值，并重复步骤（2）和（3）；如果N为0，转到步骤（5）；

（5）根据不同的不均匀度η绘制出两种算法误差随η的变化情况，得出结论。