[发明专利]一种基于信标筛选的MSVR-DV-Hop定位算法

权利要求书

1.一种基于信标筛选的MSVR-DV-Hop节点定位方法，其特征在于：包括以下步骤：

步骤1：各节点获取彼此间的最小跳数，信标节点将跳数表发送至汇聚节点；

步骤2：汇聚节点训练MSVR模型；

步骤3：汇聚节点计算信标验证误差；

步骤4：汇聚节点广播模型参数和信标验证误差至各节点；

步骤5：未知节点筛选可用信标节点，计算自身坐标；

其中，所述步骤1中获取跳数采用基于RSSI的首跳分级细化。

2.根据权利要求1所述的一种基于信标筛选的MSVR-DV-Hop节点定位方法，其特征在于：

步骤1中首跳分n级，分级方式如下：

首跳分级细化h表示为：

式中，d为两节点间的距离，R为通信半径，n为首跳级数，i为n级中的第i级，A为无线收发节点相距1m时接收节点接收无线信号强度值，k₀为无线信号的传播因子，P_r为距离d时测得的RSSI功率。

3.根据权利要求1所述的一种基于信标筛选的MSVR-DV-Hop节点定位方法，其特征在于：所述步骤2中，MSVR模型利用信标节点的训练数据对(h_i，I_i)构造回归模型，并利用该模型输出未知节点的估计坐标，其中h_i为节点到信标节点的跳数向量，I_i为节点坐标；在根据训练数据集构造回归模型时，其多维回归函数为

其中，ω为权重矩阵，b为二维回归偏差向量，为非线性函数，n为信标节点数；

定义ε不敏感二次损耗函数L_ε为

其中，z为函数自变量，ε为不敏感度；

过渡变量α为

其训练过程可以等价为一个优化问题

约束条件为

ξ_i≥0

其中C为软边界参数，ξ_i为松弛变量，正则化参数λ＝1/C，h_i为节点到信标节点的跳数向量，I_i为节点坐标，k(h_i,h_j)为核函数，i,j为节点下标；通过等价后的优化问题得到α,ξ的最优解作为模型参数。

4.根据权利要求1所述的一种基于信标筛选的MSVR-DV-Hop节点定位方法，其特征在于：所述步骤3，在汇聚节点中，依次选取信标节点i，其到其他信标节点的实际距离向量为(d₁,d₂,...,d_n)，用除i外的信标节点的跳数和距离信息训练MSVR模型，并预测i到其他信标节点的预测距离向量为通过实际距离向量与预测距离向量的差值绝对值累加，得到每个信标节点的验证误差。

5.根据权利要求1所述的一种基于信标筛选的MSVR-DV-Hop节点定位方法，其特征在于：所述步骤5中，利用可用的信标节点构造方程，并用加权最小二乘法求解，

其中(x,y)为要估计的坐标，(x_i,y_i)为第i个信标节点坐标，n为可用信标节点数，权值公式为：

所述步骤(5)中，当未知节点到某信标的距离和该信标的验证误差同时大于该参考量所在列表的平均值时，该未知节点估计自身坐标时不采用该信标的距离信息进行方程求解，修正因少数高误差信标节点引起的定位偏差。