[发明专利]一种基于混合SMPSO优化的加权DV-HOP定位方法

说明书

本发明涉及一种基于混合SMPSO优化的加权DV‑HOP定位方法，包含：S1计算无线传感网络中所有节点与每个锚节点间的最小跳数；S2计算所有锚节点与未知节点间的平均跳距；S3计算每个未知节点与各个锚节点间的估计距离；S4初始化粒子群，使用SM对随机设定的每个粒子的初始速度和位置进行优化更新；S5计算每个粒子的适应度值；S6更新每个粒子的个体极值位置pbest；S7更新粒子群的全局极值位置gbest；S8如满足迭代终止条件，输出每个粒子的适应度值；如否，更新每个粒子的速度和位置，返回S5。本发明通过对锚节点平均跳距赋予权重作为未知节点的平均跳距，并利用SM优化后的PSO对适应度函数进行迭代，有效减小误差，大幅提高定位精度。

技术领域

本发明涉及一种无线传感器网络中未知节点的定位方法，具体是指基于混合SMPSO(单纯形法优化后的粒子群算法)优化的加权DV-HOP定位方法，属于无线传感器网络定位技术领域。

背景技术

无线传感器网络是由大量廉价的传感器节点，通过无线通信的方式形成的一个多跳、自组织的网络。因此，无线传感器网络被广泛应用于部署在检测区域内，以便实时获取事件发生的情况。而对于事件的发生，必须获取的则是其发生的具体位置信息，所以定位技术是研究无线传感器网络的主要技术之一。

现有的无线传感器网络的定位技术主要分为基于测距的定位和基于无测距的定位。基于测距的定位主要是基于节点之间的到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)和传播信号强度(RSSI)，其定位精度相对比较高，但较为依赖于硬件。而基于无测距的定位，实现简单且成本低，主要是利用网络连通性或拓扑结构来估算位置坐标，典型代表有一种基于距离向量的定位算法DV-HOP定位算法。

现有的DV-HOP定位算法的定位过程一般分为三个步骤：步骤1、每个锚节点通过广播信息向邻居节点发送一个数据分组，所有节点通过获取各个锚节点的数据分组中的相关信息，从而获取其自身到每个锚节点的最小跳数。步骤2、根据每个锚节点获取到的其与其他锚节点之间的最小跳数，计算出每个锚节点的平均每跳距离，随后按某种规则校正并确定平均跳距。步骤3、未知节点根据步骤1获取的最小跳数和步骤2获取的校正后的平均跳距，得到其与各个锚节点之间的估计距离，再根据三边测量法，或最小二乘法，或粒子群优化等算法计算未知节点的定位坐标。

上述的粒子群优化算法(PSO)是一种基于种群搜索策略的全局优化算法。该方法首先在搜索空间内产生初始粒子群，每一个粒子代表着优化问题的一个候选解，有自己的位置和速度，粒子位置坐标对应的目标函数值作为该粒子的适应度。在每次迭代中，各个粒子记忆、追随当前的优粒子，通过跟踪两个“极值位置”来更新自己，其中一个是粒子本身所找到的最优解位置，即个体极值位置pbest；另一个是整个种群目前找到的最优解位置，称为全局极值位置gbest。粒子每更新一次位置，就计算一次适应度值，然后根据所有粒子的pbest和gbest来确定新的个体极值和群体极值，并且更新各自个体极值所对应的位置，以及群体极值所对应的位置。但是，标准粒子群算法后期存在搜索速度变慢，过早收敛，易陷入局部最优解等缺点，这就使得基于标准粒子群算法的DV-HOP定位方法存在收敛速度慢，定位精度差，效率低等技术缺陷。针对这一缺陷，目前已经存在一些改进方法，如增加粒子群规模，动态调整PSO的惯性权重等等，但这些方法不能从根本上克服算法的早熟收敛现象。这里利用单纯形法的优势对其进行改进。

单纯形法(SM)是一种通过评价当前数据集来确定搜索方向的局部搜索方法，是一种处理无约束最优化问题的代表性算法之一。该方法的基本思想如下，假设在非线性函数中有t个待定参数，按照既定规则选取t+1组近似值，构成初始的单纯形；比较这t+1组数，找到离目标最远的值，然后根据点的更新规则，直到目标函数达到给定的精度并且逼近目标函数的极小值为止，最终的那组参数即为目标函数的最优解。单纯形算法可以直接快速的搜索到目标值，并且处理大型的或者复杂的函数时具有较好的收敛性质。

基于上述，本发明提出一种基于混合SMPSO(单纯形法优化后的粒子群算法)优化的加权DV-HOP定位方法，以解决现有技术中存在的缺点和限制。