[发明专利]一种用于雾计算环境的无线传感器网络定位方法

说明书

本发明公开了一种用于雾计算环境的无线传感器网络定位方法，本方法采用了一种改进后的RSSI测距模型来估计节点间距离，即在传统RSSI测距模型的基础上加入了一个高斯变量，使得计算结果与实际测距结果更加吻合。同时，根据雾传感器节点和锚节点信息对普通节点进行搜索定位，基于不同节点的位置权重因子提出了一种新的加权搜索方法，并针对特殊节点给出了相应的处理方案，从而提高定位速度和精度。本方法研究了锚点数目对三种算法定位误差的影响。所有锚节点都是随机生成的，锚节点数从10增加到60，随着锚节点数的增加，这三种方法的定位性能逐渐得到提高，且本方法的定位性能最佳。

技术领域

本发明涉及一种无线传感器网络定位方法，特别是用于雾计算环境的无线传感器网络场景。本方法采用了基于接收信号强度的距离模型来估计节点间距离，并提出了一种基于权重因子的无线传感器网络定位方法。

背景技术

随着通信网络和物联网技术的蓬勃发展，云计算以其强大的计算和存储能力成为一种相当流行的模式并得到了广泛的发展和应用。但是，由于终端设备的爆发式增长和云服务商与终端设备存在较大的物理距离，云计算作为一种集中计算模型，在远离终端设备的地方进行海量数据的处理和分析，这意味着大部分数据和请求都需要传输到集中云。在未来物联网的应用场景中，云计算体系结构暴露了高延迟、网络资源不足、不支持高移动性、系统可靠性差等缺陷。此外，一些决策行为可以在本地执行，而不必传输到云端。物联网应用与大量传感器、执行器和智能设备相连。通常，执行器只对该区域中的设备做出响应，如果所有数据都传输到云数据中心，这个过程不仅造成带宽资源的浪费，而且将会造成网络拥塞。工业物联网、智慧医疗、车联网等领域的不断发展，给当前通信领域带来了急需解决的挑战。

为了解决这些问题，思科公司提出了雾计算的概念，即在云层和终端设备层之间引入一个带有计算资源的雾层，从而实现连接几十亿个终端设备。雾计算范式是由大量的分布式设备构成，这些设备共同完成了边缘网络的计算和存储任务。相比于云层，雾层更加靠近终端设备、拥有稠密的地理分布信息、低延迟、支持高移动性、具备更好的位置感知能力，同时终端设备、接入设备、智能交换机等都可以被部署为雾设备。

物联网的另一个基础技术是无线传感器网络技术，它主要使用智能传感器进行通信和监控。由于无线传感器网络的普遍性和易部署性，其广泛应用引起了人们的关注。大多数物联网应用都需要位置感知、移动性支持和感知计算能力，这些需求可以通过改进无线传感器网络定位技术来支撑。具体来说，无线传感器网络中的定位技术被视为新兴应用的关键技术，包括网络物理系统、环境监测、智能家居、车联网。

发明内容

本发明的目的在于提供一种雾计算环境下的无线传感器定位方法。本方法采用了一种改进后的RSSI测距模型来估计节点间距离，即在传统RSSI测距模型的基础上加入了一个高斯变量，使得计算结果与实际测距结果更加吻合。同时，根据雾传感器节点和锚节点信息对普通节点进行搜索定位，基于不同节点的位置权重因子提出了一种新的加权搜索方法，并针对特殊节点给出了相应的处理方案，从而提高定位速度和精度。

为解决上述问题，本发明采用如下的技术方案：

一种用于雾计算环境的无线传感器网络定位方法，该方法包括以下步骤：

步骤1、设计基于雾计算的无线传感器网络通信架构

基于雾计算的无线传感器网络架构由云层、雾层和雾传感器层组成。云层负责接收来自雾层的业务请求，部署了丰富的计算资源，中间的雾层由大量带有雾服务器的基站组成，而底部的雾传感器层则包含了多个传感器节点和相应的雾接入点。传感器节点分为雾传感器节点、锚节点和普通节点。

步骤2、建立改进的RSSI测距模型