[发明专利]一种传感器网络的节点定位方法及其装置

权利要求书

1.一种传感器网络的节点定位方法，其特征在于，包括：

依据未知节点接收到的各个信标节点的广播，确定各个信标节点的位置信息以及未知节点与各个所述信标节点之间的最小跳数值；

确定所述未知节点接收到的首个广播对应的信标节点的平均单跳距离；

依据所述位置信息、所述最小跳数值以及所述平均单跳距离采用多边测量算法计算得到所述未知节点的位置样本数据集；所述数据集内包括多个样本点；

分别确定所述数据集内各个核心对象的坐标；其中，纵坐标为所述核心对象对应的最小可达距离，横坐标为各个所述核心对象确定自身最小可达距离的次序；所述核心对象为以自身为中心、预设半径范围内包含的样本点个数超出第一预设个数的样本点；

将各个所述核心对象的坐标点进行连接，得到可达波形图；

将所述可达波形图上的各个波谷对应的核心对象作为各个聚类中心点；

计算各个所述聚类中心点的平均值作为所述未知节点的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述聚类算法具体为k-medoids聚类算法。

3.根据权利要求2所述的方法，其特征在于，所述将所述可达波形图上的各个波谷对应的核心对象作为各个聚类中心点之后还包括：

步骤s301：将所述数据集内除聚类中心点以外的其余样本点分配至距离自身最近的聚类中心点的聚类中；

步骤s302：从各个所述聚类中心点内，去除自身所在聚类内包含的样本点个数小于第二预设个数的聚类中心点。

4.根据权利要求3所述的方法，其特征在于，步骤s302之后还包括：

对于包含的样本点个数不小于所述预设个数的每个聚类，将其包含的各个样本点分别作为当前聚类中心点，并依据平方差关系式，确定所述聚类内，除所述当前聚类中心点以外的其余各个样本点到所述当前聚类中心点的距离的平方和；其中，所述平方差关系式具体为：

其中，L_j为第j个当前聚类中心点对应的平方和；n为所述聚类内的样本点的总个数；P_i为第i个样本点的位置，O_j为所述第j个当前聚类中心点的位置；

将最小的平方和对应的当前聚类中心点调整为所述聚类的聚类中心点。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述分别确定所述数据集内各个核心对象的坐标，其中，纵坐标为所述核心对象对应的最小可达距离，横坐标为各个所述核心对象确定自身最小可达距离的次序的过程具体为：

步骤s501：从所述数据集中随机选取一个样本点，判断所述样本点是否为核心对象，若是，将其作为处理对象，并进入步骤s502；若否，将所述样本点加入结束列表内，并重复步骤s501；

步骤s502：从所述数据集内选取未加入有序列表内的所述处理对象的直接密度可达点加入所述有序列表内，并将所述有序队列内的各个样本点按照到所述处理对象的可达距离从小到大的顺序进行排序，确定所述处理对象对应的最小可达距离，并将所述处理对象加入所述结束列表内；其中，所述横坐标为核心对象加入所述结束列表的次序；所述直接密度可达点为处于对应核心对象的预设半径范围内的样本点；

步骤s503：判断所述有序列表内当前位置最前的样本点是否为核心对象，若是，将其作为处理对象，并重复步骤s502；若否，将所述样本点加入所述结束列表内，并重复步骤s503；直至所述数据集内的全部样本点均加入所述结束列表内。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述可达距离为所述核心对象的核心距离以及所述核心对象与对应的直接密度可达点间的欧氏距离中的最大值；

所述核心对象的核心距离为使自身成为核心对象的最小半径阈值。