無線傳感器網絡中基於粒子束優化的支持向量機的定位方法
2023-07-09 17:15:51
專利名稱：無線傳感器網絡中基於粒子束優化的支持向量機的定位方法
技術領域：
本發明涉及一種應用於無線傳感器網絡中的定位方法，尤其涉及基於粒子束優化的支持向量機定位方法。
背景技術：
無線傳感器網絡(Wireless Sensor Network，WSN)是近年來得到迅速發展和普遍重視的新型網絡技術，它是由部署在監測區域內大量的廉價微型傳感器節點組成，通過無線通信方式形成的一個多跳的自組織的網絡系統，其目的是協作地感知、採集和處理網絡覆蓋區域中被感知對象的信息，並發送給觀察者。與傳統的網絡技術不同，無線傳感器網絡技術將現代無線通信技術、微型傳感器技術和網絡技術有機地融合為一體，在國防、環境監測、家庭自動化、傳輸和其他許多領域具有廣闊的應用前景和極高的應用價值。靜態的無線傳感網絡是將大量位置不隨時間變化的傳感器節點分布到監測區域， 並將節點收集的有效信息傳送回來進行工作的，而有效信息中節點位置信息是傳感器節點採集信息中不可缺少的部分。因此，確定獲取有效信息的節點位置是傳感器網絡最基本的功能之一，對傳感器網絡應用的有效性起關鍵作用。例如，在環境監測應用中需要知道採集環境信息對應具體區域；對於火災等突發事件，需要知道火災發生現場位置；化工管道洩漏的具體地點等。在這些應用中，只有傳感器節點知道自身的地理位置，才能進一步採取相應措施。在WSN中，傳感器節點存在著能量有限、可靠性差、節點規模大且隨機布放、無線模塊的通信距離有限等特點，傳統的定位技術無法很好的適用於傳感器網絡。全球定位系統(GlcAal Position System，簡稱GPS)成本和能耗高，限制了它在無線傳感器網絡中的應用。因而，在WSN中GPS等設備只能應用在個別節點上以減輕網絡負擔，而大部分傳感器節點仍然需要通過定位算法對自身的位置進行預測。無線傳感器網絡中的節點定位問題可以描述為在一個存在多個已知自身位置節點的多跳網絡中，通過定位系統、禾Ij用可用的信息找到待測節點的位置。現有的靜態網絡定位算法主要有Range-Based算法和Range-Free兩種前者是利用RSSI、Τ0Α, TDOA, AOA等測距信息定位，具體算法如R0CRSSI等；後者是利用網絡的連通度定位，如質心算法等。然而，現有的定位算法大多存在以下問題(1)定位精度低；(2)計算開銷大；(3)需要額外的硬體支持，如天線陣列；(4)需要先驗的部署知識。
發明內容
本發明的目的在於解決上述現有定位方法的缺點與不足，而提供一種無線傳感器網絡中基於粒子束優化的支持向量機的定位方法。本發明所述的定位方法中，所述無線傳感器網絡包括多個可通過信號強度測量距離的傳感器節點、可收集全部節點信息並計算的網關；
5
應用於上述無線傳感器網絡中的基於粒子束優化的支持向量機的定位方法為採用統計學習的方法，結合粒子束優化理論和支持向量機理論，對網絡中的待測節點進行定位。具體過程為步驟一初始化階段；在此階段中，將無線傳感器網絡的二維空間
XW，D]中各方向做M等分，並建立支持向量機的高斯核函數
權利要求
1.無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於所述無線傳感器網絡包括N個可通過信號強度測量距離的傳感器節點{S1;S2，- ,SJ , 可收集全部節點信息並計算的網關；應用於上述無線傳感器網絡中的基於粒子束優化的支持向量機的定位方法為採用統計學習的方法，結合粒子束優化理論和支持向量機理論，對網絡中的待測節點進行定位。
2.根據權利要求1所述的無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於該方法的具體過程為步驟一初始化階段；在此階段中，將無線傳感器網絡的二維空間
XW，D]中各方向做M等分，並建立支持向量機的高斯核函數
3.根據權利要求2所述的無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於步驟一中，網絡將二維空間
X
中各方向做M等分，是指將二維空間
XW，D]中χ方向和y方向分別分成M等份，在χ方向上為{ ^c^，-,cxM}； 在 y 方向上為 Icy1, cy2, ···, cyM}；此時，步驟二中所述的支持向量機粗定位過程中的訓練數據為支持向量機在χ方向的訓練特徵向量為([(!(Si, S1), (!(Si, S2), ···, (!(Si, SK) J , cxj ；在y方向的訓練特徵向量為{[d(Si7 S1), d(Si; S2), ..., d(Si; SK) J , cyj ,K表示無線傳感器網絡中存在的錨節點的個數，i = 1,2,…，K，(!(Si, S1)為第i個錨節點Si與第1個錨節點S1間的距離，以此類推；將上述訓練特徵向量帶入公式( 計算獲得每個方向上支持向量機的支持向量Xi、拉格朗日因子α ^和分類門限值b*。
4.根據權利要求2所述的無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於步驟二中，估計待測節點到錨節點的距離，並將該距離和相應節點信息傳到網關，並在網關中生成測試數據向量的過程為待測節點&與每一個錨節點的距離向量為[(!(S1, S1), (!(S1, S2),…，(!(S1, &)]，其中= Κ+1，Κ+2，...，Ν)， 向量中若兩節點間距離大於R，則其距離數值記為2R，並將此距離對應的待測節點與錨節點間的距離向量記為支持向量機的測試數據向量，所述R為無線傳感器網絡中的節點的通信距離。
5.根據權利要求2所述的無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於步驟二中，通過支持向量機分類判斷得到待測節點的初步位置的過程為；將待測節點&對應的測試數據向量代入公式，計算得到所述待測節點&在χ和y方向上的分類[cXi，(^_]，該待測節點&在區域單元[^^，€^^^，€]中，則該JL M M \ [_ M M J待測節點&的估計位置為(χ。，y。)，其中其誤差最大值為，所述估計位置為初步位置。
6.根據權利要求2所述的無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，其特徵在於步驟三三中，更新粒子束中的每個粒子的速度和位置信息的方法為 採用公式< ( +1) = (0 + C1^1 {t){pbestix( +1)-χιχ(0) + C2r2(t)(gbestx(t + \)-xa(t)) '^iy(i +1) = ωνιγ(t) + C1F1 (t)(pbestiy(t + \)-xiy(0) + c2r2(t)(gbesty(t + \)-xiy(t)) (6)更新第i個粒子Pbesti的速度，其中vix(t)和viy(t)分別表示t時刻、第i個粒子在χ方向和y方向的速度，gbestx(t+l)表示t+Ι時刻、待測節點χ方向的初始位置信息， gbesty(t+l)表示t+Ι時刻、待測節點y方向的初始位置信息，xix(t)和xiy(t)分別表示t 時刻第i個粒子在Χ方向和y方向的位置，ω為慣性加權係數，ω =0.7, C1, C2為常數，C2 = C1 = 1.494, T1 (t),r2(t)為
範圍內的隨機數；採用公式\xiy(t + l) = xiy(t) + viy(t + l)( )更新第i個粒子Pbesti的位置。
全文摘要
無線傳感器網絡中基於粒子束優化的支持向量機的定位方法，涉及一種應用於無線傳感器網絡中的定位方法。本發明解決了現有定位方法中存在的定位精度低、計算開銷大、需要硬體支持的缺點。本發明所基於的無線傳感器網絡包括多個可通過信號強度測量距離的傳感器節點、可收集全部節點信息並計算的網關；應用於上述無線傳感器網絡中的基於粒子束優化的支持向量機的定位方法為採用統計學習的方法，結合粒子束優化理論和支持向量機理論，對網絡中的待測節點進行定位。本發明利用粒子束優化和支持向量機的方法提高傳感器節點自身的定位精度，當網絡中存在噪聲幹擾時，仍能得到良好的定位效果。本發明適用於基於各種應用的集中式無線傳感器網絡中的定位。
文檔編號H04W64/00GK102231910SQ201110173438
公開日2011年11月2日 申請日期2011年6月24日 優先權日2011年6月24日
發明者唐弢, 李德志, 李松, 楊明川, 王振邦, 石碩, 郭慶 申請人:哈爾濱工業大學