[发明专利]一种基于信标筛选的MSVR-DV-Hop定位算法

说明书

本发明公开了一种基于信标筛选的MSVR‑DV‑Hop算法，采用基于RSSI的跳数细化，获取分级后的节点间跳数，结合MSVR计算未知节点到信标节点的距离信息，针对基于MSVR的算法在信标节点较少时存在的误差明显增大现象，引入信标节点的验证误差筛选误差较小的信标节点；最后利用加权最小二乘法计算未知节点的坐标。本发明的算法精度明显提高，且受网络拓扑的影响较小，适用于各向异性网络；不易受网络规模影响，在小规模各向异性网络中仍表现出较高精度，具有较高稳定性；在信标节点数量较少的场景下也表现出良好的性能。

技术领域

本发明属于无线传感器网络节点定位领域,具体涉及一种基于信标筛选的MSVR-DV-Hop定位算法。

背景技术

无线传感器网络作为一个系统级的工程，被分为多个领域进行研究，其中，因为许多位置感知协议和应用程序需要获取位置信息的支持，所以确定未知节点的位置作为一项非常关键的技术，一直是一个研究的热点。依据定位时测距与否的原则，WSN定位算法可以分为基于测距和无需测距两类，DV-Hop算法作为经典的无需测距算法，因其网络通信开销小、能量损耗小等优点被广泛应用，但是DV-Hop算法在计算最小跳数、平均跳距以及估计未知节点坐标时都会产生误差累积，导致算法误差较大。因此，降低DV-Hop定位算法的定位累计误差是进行准确定位的重要问题之一。

许多研究针对这一问题在算法的各阶段提出了改进方法，在获取节点间跳数阶段，通常利用通信距离来更正跳数，此外在研究中采用较多的是基于RSSI(ReceivedSignal Strength Indication)的改进。RSSI是一种根据无线信号随距离衰减的特性，从接受的信号强度中获取距离信息的方法，因其成本低、易实现，在DV-Hop改进中是常用的结合距离的改进方法。在获取未知节点到信标节点距离阶段，改进方法多以对平均跳距不同形式的加权修正为主。在估计未知节点坐标阶段，由于传统DV-Hop算法中使用的是最小二乘法估计未知节点的坐标，其估计结果极易受到信标节点与未知节点之间估计距离的误差影响。主要的改进方法有加权最小二乘法、二维双曲算法、差分进化算法、模拟退火算法、粒子群优化算法等。另外，近年来有学者提出将机器学习理论与定位算法相结合，LMSVR(Localization Based on Multidimensional Support Vector Regression)通过节点间的跳数信息估计未知节点的坐标，该方法相较于传统DV-Hop有一定提升，但算法的提升效果并不明显，并且这种直接通过跳数估计坐标的方式无法充分利用网络中节点的位置信息，其定位精度提升受到限制，未能达到最佳效果。

发明内容

本发明提出一种基于信标筛选的MSVR-DV-Hop节点定位方法，该方法可以有效提高定位精度，对网络的拓扑分布要求低。

本发明采用以下技术方案：

一种基于信标筛选的MSVR-DV-Hop节点定位方法，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，

首跳分n级，分级方式如下：

首跳分级细化h表示为：