[发明专利]一种基于环形扩散事件及移动锚节点的定位算法

说明书

技术领域

本发明涉及一种基于环形扩散事件及移动锚节点的定位算法。

背景技术

无线传感器网络(WirelessSensorNetwork,简称WSN)主要是用来感知监测网络部署区域的各种环境特性，所以在很多情况下，传感器节点采集的信息都要与节点自身的位置信息相关联，尤其是在广阔的区域内，节点采集的数据如果不能确定其采集位置可能就毫无意义。所以在WSN中，传感器节点的定位技术是非常重要的。对于定位算法，总是希望能以最小的能耗来得到尽量精确的定位结果，一个优秀的定位算法可以提高整个网络的工作效率，还可以延长整个网络的生命周期。

根据定位算法特点的不同，可以有多种分类方法，以下列出了几种主要的分类方法：根据定位过程中是否需要测量节点间的欧式距离，可将定位算法分为：基于距离的(range-based)定位算法和距离无关的(range-free)定位算法；根据节点定位的先后次序不同，可将定位算法分为：递增式的(incremental)定位算法和并发式的(concurrent)定位算法；根据节点定位过程中是否需要借助于锚节点，可将定位算法分为：基于锚节点的(anchor-based)定位算法和无锚节点的(anchor-free)定位算法。

质心(Centroid)算法是最为典型的距离无关的定位算法，它的大致思想如下：

多边形的几何中心成为质心，多边形顶点坐标的平均值就是质心节点的坐标。质心定位算法首先确定包含未知节点的区域，计算这个区域的质心，并将其作为未知节点的位置。

在质心算法中，信标节点周期性地向邻居节点广播信标分组，信标分组中包含信标节点的标识号和位置信息。当未知节点收到来自不同信标节点的信标分组数量超过某一个门限值或接收一定时间后，就确定自身位置为这些信节点所组成的多边形的质心。

质心算法完全基于网络连通性，无需信标节点和未知节点之间的协调，因此比较简单，容易实现。用质心作为实际位置本身就是一种估计，这种估计的精确度与信标节点的密度以及分布有很大关系，密度越大，分布越均匀，定位精度越高。

发明内容

本发明提出了一种定位精度和定位效率更高的基于环形扩散事件及移动锚节点的定位算法。

本发明的目的是这样实现的：

(1)在一个无线传感器网络中，无线传感器网络区域为圆形区域且大小已知,设为S，则半径为R=(S/π);]]>

(2)计算单轮事件数RankEvents和最小锚距离MinAnchorDst；

(3)进行一个轮次的定位，总共产生RankEvents个事件，每个事件以环形向外扩散，对于同一事件，根据感知到事件的先后顺序排列所有节点得到一个节点序列，节点序列中同时包含锚节点和未知节点；

(4)估计事件源位置，从节点序列中提取锚节点序列，取锚节点序列中所有的两两锚节点组合构成估计单元；对于每个估计单元中的两个锚节点连一条线段，并作其中垂线，于是中垂线就将整个区域划分成两部分，那么这个估计单元中，在节点序列中位置更靠前的那个锚节点所在的部分即为事件源所在区域；同理对所有估计单元都可以得到一块区域作为事件源所在的区域，所有这些区域取交集即为估计的事件源位置区域；

(5)将整个区域划分成网格；对于网格的某一点P，与其所在节点片段相邻的某一个锚节点连成线段，作该线段的中垂线，该中垂线将整个区域划分两块，若P所处的区域与估计得到事件源位置区域有重叠部分，那么该点就可能是该锚节点前端那个节点片段内未知节点的位置；相反，如果无重叠区域，那么该点就可能是锚节点后端那个节点片段内未知节点的位置；于是每个网格中的未知节点与每个锚节点都进行以上的运算后，每个节点片段都得到一块区域作为其未知节点的位置所在的区域；

(6)一个轮次定位结束后，如果定位轮数没有达到指定值，每个锚节点按随机方向，随机速度移动随机距离；检测移动后的锚节点分布，如果过于集中，再次随机移动锚节点直到锚节点分布不过于集中；

(7)调整结束后，进入新一轮次的定位，重复步骤(2)(3)(4)(5)(6；直到定位轮数达到指定值；