[发明专利]基于交叉粒子群的无线传感器网络移动节点定位方法

说明书

技术领域

本发明涉及一种基于交叉粒子群的无线传感器网络移动节点定位方法，特别适用于温室无线传感器网络。

背景技术

无线传感器网络(wireless sensor network，WSNs)由部署在监测区域内大量的廉价微型传感器节点组成，它集传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术为一体，通过传感器与外界交互，完成数据采集、处理及通信等功能，现已被广泛应用于精细农业、环境监测、军事应用和科学研究等领域。无线传感器网络最基本的功能之一是实时地获知事件发生的位置信息或获取信息的节点位置。

随着工程技术的发展，温室面积呈持续扩大，意味着需要部署大量的无线传感器节点才能保证监测的覆盖性和连通性。使用移动节点对温室区域的环境进行动态、随机监测，既能减少节点数量，又可保证获取温室环境信息的全面性。移动节点定位是该应用的核心与基础。无线传感器网络的定位算法无需向网络中添加任何定位测量专用设备，而是利用监测区域内原先布置好的锚节点，通过信息感知、协作信号与信息处理的方式确定移动节点位置，且具有较高的定位精度，是温室移动环境监测定位服务的一种很好选择。目前，许多无线射频芯片本身都具有RSSI采集功能（RSSI技术是通过接收到的信号强弱测定信号点与接收点的距离，进而根据相应数据进行定位计算的一种定位技术），无需增加额外的测距硬件，所以RSSI方法非常适合应用于温室无线传感器网络定位。

现有RSSI定位算法的定位过程一般分为两个阶段：第一阶段称为测距阶段，通过RSSI测距方法，测出移动节点到锚节点（锚节点是指已知自身位置的节点）的距离；第二阶段，根据第一阶段测得的距离信息估计移动节点的自身坐标，可以使用质心算法、最大似然估计法、遗传算法和粒子群优化算法(particle swarm optimization，PSO)等。例如孙懋珩等将粒子群优化算法引入到无线传感器网络定位中，该算法能有效地抑制测距误差累积对定位精度的影响，可以明显提高节点的定位精度，但存在收敛速度慢且稳定度不高等问题。

粒子群优化算法是一种基于种群的进化计算技术，种群中每个成员叫做粒子，代表着一个潜在的可行解，而食物的位置则被认为是全局最优解。群体在D维解空间上搜寻全局最优解，并且每个粒子都有一个适应函数值和速度来调整它自身的飞行方向以保证向食物的位置飞行，在飞行过程中，群体中所有的粒子都具有记忆的能力，能对自身位置和自身经历过的最佳位置进行调整。

在连续空间坐标系中，粒子群算法的数学描述如下：设粒子群体规模为N，其中每个粒子在D维空间中的坐标位置向量表示为速度向量表示为粒子个体最优位置pbest（即该粒子最优历史位置）表示为群体最优位置gbest（即该粒子群中任意个体经历过的最优位置）表示为不失一般性，以最小化问题为例，设f(x)为最小化的目标函数，则个体最优位置的迭代公式为：