CN104333904A - 一种移动水下传感器网络节点的分布式定位方法 - Google Patents

Abstract

本发明公开了一种移动水下传感器网络节点的分布式定位方法，锚节点首先根据配有GPS设备的水面浮标按期进行自定位获取自身在当前时刻的位置信息作为初始位置信息，并根据初始位置信息构建自身的预测模型，再根据所述的初始位置信息和预测模型按照设定的定位周期依次预测下一时刻的位置；普通节点首先参照其他水下节点的初始位置信息获取自身的初始位置信息，再根据自身的初始位置信息利用群组特性按照设定的定位周期依次预测下一时刻的位置。本发明提供的分布式定位算法，充分利用了水下节点的运动模型，能够在减少锚节点和普通节点的通信次数的前提下，获得各个节点的定位信息，降低了能量消耗。

Description

一种移动水下传感器网络节点的分布式定位方法

技术领域

本发明涉及水下传感器网络技术领域，具体涉及一种移动水下传感器网络中节点的分布式定位方法。

背景技术

水下传感器网络(Underwater Sensor Networks，UWSN)依其基础设施简易、节点体积小、设备成本低、部署方便及生存能力强等优势在海洋环境监测、海底资源探测、灾难预警、辅助导航、国土防御等领域具有广阔的应用前景。近年来，随着海洋经济的兴起以及各国对海洋权益的日益重视，水下传感器网络成为各个国家的科研机构和学者们共同关注的海洋热点课题之一。节点定位是水下传感器网络最重要的支撑技术之一，并在许多需要节点位置信息的水下应用中发挥着重要作用，比如海洋环境监测以及目标监测与追踪等。由于在水下不能直接使用GPS进行定位，并且水下通信带宽比较低，因此通信开销大的定位方法不适用于水下传感器网络。目前针对水下传感器网络节点定位的算法被不断提出。在移动水下传感器网络中，传感器节点随洋流在不断运动，因此传统的基于静态传感器网络的节点定位算法则不再使用。

Lee等提出了基于自主式水下航行器(AUV)的移动水下传感器网络节点定位算法，但在大规模移动水下传感器网络中，单个AUV的作用是有限的，网络内的大部分节点仍未得到及时定位，增加AUV的个数不但增加了成本，而且在类似海洋环境监测的应用中无法适用。

Zhou等在文献“Scalable Localization with Mobility Prediction forUnderwater Sensor Networks”(IEEE Transactions on Mobile Computing.2011,10(3):335-348)中提出了一种基于节点运动预测的分布式节点定位算法用于大规模移动水下传感器网络。对于由水面浮标、锚节点和普通节点组成的移动水下传感器网络，锚节点利用水面浮标进行自定位及自身运动模型建模，然后锚节点作为普通节点的参照节点进行普通节点的定位。由于该算法中普通节点选择参照节点进行自定位时只考虑了参照节点的置信度，而忽略了参照节点的空间相关性，造成水下环境中节点空间相关性造成的群组运动特性未得到充分利用，因此普通节点的定位效果有限。

发明内容

本发明提供了一种移动水下传感器网络节点的分布式定位方法，能够充分利用近海水下节点运动速度的线性特性以及水下环境中节点空间相关性造成的群组运动特性，在减少节点间通信量的情况下，获得锚节点及普通节点的定位结果，大幅度降低了节点定位过程中节点间通信造成的能量消耗，满足了大规模移动水下传感器网络节点定位的需求。

一种移动水下传感器网络节点的分布式定位方法，所述的移动水下传感器网络包括水下节点和配有GPS设备的水面浮标，所述的水下节点包括锚节点和普通节点，各个锚节点首先根据配有GPS设备的水面浮标按定位周期进行自定位获取自身在当前时刻的位置信息作为初始位置信息，并根据初始位置信息构建自身的预测模型，再根据所述的初始位置信息和预测模型按照设定的定位周期依次预测下一时刻的位置；

各个普通节点首先参照其他水下节点的初始位置信息获取自身的初始位置信息，再根据自身的初始位置信息利用群组特性按照设定的定位周期依次预测下一时刻的位置；

所述的位置信息包括对应的水下节点的位置及该位置的置信度、预测速度向量，所述的预测速度向量由水下节点在当前时刻之前的L个时刻的速度，L为预测步长。

本发明中每次广播时锚节点直接将其初始位置信息中的置信度赋值为1。

本发发明中为达到移动水下传感器网络中锚节点的个数可根据实际应用时对定位覆盖率的要求。锚节点的在水下节点中的比例越大，对应的定位覆盖率越高。通常要求覆盖率大于85％，此时该移动水下传感器网络中锚节点的数据应为水下节点数目的总数的5％。

预测步长指预测下一时刻位置信息所需要的前面的时刻的位置信息个数。考虑到预测精度和计算量的平衡，本发明预测步长L为10～20。

各个锚节点通过如下步骤进行定位：

(a1)确定初始位置信息和预测模型，具体如下：

根据配有GPS设备的水面浮标之间的通信时延按照预设的定位周期连续进行L+1次自定位；

根据连续L+1次自定位结果确定第L+1次自定位时的位置信息作为初始位置信息，并根据连续L+1次自定位结果构建自身的预测模型；

(a2)根据所述的初始位置信息利用所述的预测模型按照定位周期依次预测下一时刻的位置信息；

定位过程中各个锚节点按照预设的广播周期广播自身的节点信息，所述的节点信息包括对应的水下节点的初始位置信息和预测模型参数。

作为优选，所述的广播周期为定位周期的20～100倍。

所述的锚节点每间隔一个检验周期，根据配有GPS设备的水面浮标之间的通信时延进行自定位，以自定位结果作为实测位置，以预测得到的相应时刻的位置作为预测位置，若预测位置与实测位置的偏差大于设定的偏差阈值，则锚节点重新执行步骤(a1)，更新初始位置信息和预测模型。

由于水下运动环境变化，可能会导致之间建立的预测模型失效，因此，通过定期检测模型是否失效，并在失效时更新，可以保证定位精度。检验周期根据实际应用情况设定，通常检验周期大定位周期和广播周期之间(可以等于定位周期)。

合理的设置偏差阈值，有利于提高传感器网络的定位精度，作为优选，所述的偏差阈值为锚节点通信范围的半径的0.05～0.1倍。

各个普通节点通过如下步骤进行定位：

(b1)接收到来m个不同的水下节点的广播后，参照对应的水下节点的位置信息进行自定位获取自身的初始位置信息；

(b2)根据获取的初始位置信息按照定位周期依次预测下一时刻的位置信息，每次预测时先根据接收到的广播选择用于参照的水下节点作为参照节点，再根据参照节点利用群组运动特征预测下一时刻的位置信息；

所述步骤(b1)还包括如下操作：

计算自定位的置信度，当置信度大于预设的置信度阈值时，参照相应的水下节点的位置信息确定自身的预测模型，并按照所述的广播周期广播自身的节点信息。

置信度阈值和m越大，定位精度越高，但是同时为导致定位覆盖率下降。作为优选，所述的置信度阈值为0.9～0.95。所述的m为4～6。

由于每个传感器节点(水下节点)可以根据装备的压力传感器测量出其所在位置的深度信息，因此在三维水下传感器网络中节点定位问题可以从三维空间简化到二维平面中。根据锚节点与水面浮标的通信时延计算出锚节点和水面浮标在三维空间内的距离，然后利用四边测量法即可定位出锚节点的位置。因此，进一步优选，所述的m＝4。

所述的普通节点维护一个初始情况下为空的参照节点列表，具体维护过程如下：

当参照节点列表未被写满时，若接收到的广播对应的水下节点已经在参照节点列表中，则利用该条广播中的节点信息覆盖参照节点列表中该水下节点的节点信息；否则，以该条广播携带的节点信息写入参照节点列表中；

当参照节点列表被写满后，若接收到的广播对应的水下节点为锚节点，则替换参照节点列表中置信度最小的水下节点；否则，当参照节点列表中置信度最小的水下节点为普通节点时替换该置信度最小的水下节点。

针对参照节点列表中任意一个水下节点，所述的普通节点按照定位周期定期进行如下操作：

根据当前水下节点的预测模型和初始位置信息预测下一时刻的位置信息，并以预测得到的位置信息替换参照节点列表中当前水下节点的位置信息；

根据预设的置信度衰减模型定时更新参照节点列表中当前水下节点的置信度。

所述步骤(b2)中普通节点j根据如下步骤选择参照节点：

将参照节点列表中的水下节任意组合为若干个包括m个水下节点的参照节点组，对各个参照节点组进行评分，以评分最高的参照节点组中的水下节点作为参照节点。

作为优选，采用以下方法对各个参照节点组进行评分，其中第k个参照节点组的评分为：

$\mathrm{Score}\left(k\right)={\mathrm{\ϵ}}_{\mathrm{jk}}\underset{i\∈S_{\mathrm{jk}}}{\mathrm{\Σ}}\frac{{\mathrm{\η}}_i}{d_{\mathrm{ij}}},$

其中，S_jk为第k个参照节点组中包含的水下节点的集合，i∈S_jk表示节点i属于集合S_ij，d_ij为第k个参照节点组中第i个水下节点与普通节点j之间的欧式距离，ε_jk根据如下公式计算：

${\mathrm{\ϵ}}_{\mathrm{jk}}=\frac{1/d_w\left(\mathrm{jk}\right)}{{\mathrm{\Σ}}_{k\∈S_j}1/d_w\left(\mathrm{jk}\right)},$

S_j为组合得到的参照节点组的总数，d_w(jk)为普通节点j与第k个参照节点组的重心的距离：

$d_w\left(\mathrm{jk}\right)=\sqrt{{(x_w\left(k\right)-x\left(j\right))}^2+{(y_w\left(k\right)-y\left(j\right))}^2},$

第k个参照节点组的重心如下：

$\left\{\begin{array}{c}{x}_w\left(k\right)={\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}{\mathrm{\ζ}}_{\mathrm{ij}}x\left(i\right)\\ y_w\left(k\right)={\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}{\mathrm{\ζ}}_{\mathrm{ij}}y\left(i\right)\end{array}\right.,$

其中，

${\mathrm{\ζ}}_{\mathrm{ij}}=\frac{1/d_{\mathrm{ij}}}{{\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}1/d_{\mathrm{ij}}}.$

参照节点选择策略中不但与参照节点的置信度以及参照节点和普通节点的距离有关，而且还充分考虑了参照节点四元组与普通节点的空间相关性。通过该参照节点选择策略，能够更加有效地利用群组运动特性进行普通节点的定位。

本发明移动水下传感器网络节点的分布式定位方法，充分利用了水下节点运动速度的线性特性，利用线性预测模型对节点运动速度进行建模，通过运动速度预测降低了节点间定位所必需的通信量，进而降低了能量消耗；充分利用了水下节点运动的群组运动特性，可以利用邻近参照节点的位置和运动模型进行本节点位置和运动模型的计算，置信度高的普通节点又可以作为参照节点来定位其它普通节点。这些特性使得本方法具有分布式特征，从而适用于大规模的移动水下传感器网络。

附图说明

图1为本实施例的移动水下传感器网络的网络模型；

图2为本实施例的移动水下传感器网络节点的分布式定位方法的流程图；

图3为近海水下传感器节点运动速度模型示意图，其中(a)和(b)分别表示x和y方向上的速度-时间关系；

图4为本实施例中广播的消息字段示意图。

具体实施方式

为了更为具体地描述本发明，下面结合附图和具体实施方式对本发明的移动水下传感器网络节点的分布式定位方法做详细描述。

图1为本实施例的水下传感器网络的网络模型，该水下传感器网络由水面浮标、锚节点以及普通节点组成，每个水下节点都有具有唯一的节点ID。水面浮标装备了GPS设备，同时具备水下水声通信能力和陆上长距离无线电通信能力，在整个定位方法中充当锚节点定位的参照节点；锚节点具有远距离垂直通信能力，其可以与水面浮标进行直接通信，进而根据水面浮标进行自定位；普通节点通信距离短且只能与其通信范围内的节点进行单跳通信或进行多跳通信。

由于每个传感器节点可以根据装备的压力传感器测量出其所在位置的深度信息，因此在三维水下传感器网络中节点定位问题可以从三维空间简化到二维平面中。根据锚节点与水面浮标的通信时延计算出锚节点和水面浮标在三维空间内的距离，然后利用四边测量法即可定位出锚节点的位置。

如图2所示，本实施例的移动水下传感器网络节点的分布式定位方法，包括以下步骤：

(1)锚节点根据装配GPS设备的水面浮标进行实时定位；

各个锚节点通过如下步骤进行定位：

(2)锚节点根据实时定位结果利用线性预测模型对自身运动模型进行建模，并利用改进的协方差法进行模型参数的求解得到预测模型。具体如下：

根据配有GPS设备的水面浮标之间的通信时延按照预设的定位周期连续进行L+1次自定位；

根据连续L+1次自定位结果确定第L+1次自定位时的位置信息作为初始位置信息，并根据连续L+1次自定位结果构建自身的预测模型。

近海水下节点运动模型可以建模如下：

$\left\{\begin{array}{c}{V}_x=k_1\mathrm{\λ}v\sin \left(k_{2}x\right)\cos \left(k_{3}y\right)+k_1\mathrm{\λ}\cos \left({2k}_{1}t\right)+k_4\\ V_y=-\mathrm{\λ}v\cos \left(k_{2}x\right)\sin \left(k_{3}y\right)+k_5\end{array}\right.$

其中，V_x和V_y为x和y方向上的速度，k₁、k₂、k₃、λ以及v为和海洋环境相关的参数，k₄和k₅为随机变量。

图3为近海水下传感器节点运动速度模型示意图，其中(a)和(b)分别表示x和y方向上的速度-时间关系。从图3的仿真结果可以看出该速度呈现出了半周期特性，因此可以用线性预测模型来对速度进行建模。

该线性预测模型可以表示为：

其中，L是预测步长，为预测模型参数，v(t)为t时刻的速度。然后利用改进的协方差法对预测模型系数进行求解即得到该锚节点的预测模型。

(3))锚节点根据初始位置信息利用自身的预测模型按照定位周期依次预测下一时刻的位置信息；

本实施例中位置信息包括对应的水下节点的位置和预测速度向量，预测速度向量由水下节点在当前时刻之前的L个时刻的速度，L为预测步长。

采用如下方法预测下一时刻的位置信息：

先根据当前时刻的位置信息中的预测速度向量，计算得到当前时刻的速度，然后根据如下公式计算预测位置：

${\mathrm{Loc}}_p\left(t\right)={\mathrm{Loc}}_r\left(s\right)+\underset{i=s}{\overset{t}{\mathrm{\Σ}}}{T}_l\×v\left(i\right)$

其中，Loc_r(s)为s时刻的实际位置(本实施例中以s时刻作为初始时刻，即s时刻的实际位置即为初始位置)，Loc_p(t)为时刻的预测位置，T_l为定位周期。

在定位过程中各个锚节点按照预设的广播周期广播自身的节点信息，所述的节点信息包括对应的水下节点的初始位置信息和预测模型参数。

为保证精度，锚节点每间隔一个检验周期(本实施例中等于定位周期)，根据配有GPS设备的水面浮标之间的通信时延进行自定位，以自定位结果作为实测位置，以预测得到的相应时刻的位置作为预测位置，若预测位置与实测位置的偏差大于设定的偏差阈值(本实施例中偏差阈值为锚节点通信范围的半径的0.2倍)，则锚节点重新执行步骤(a1)，更新初始位置信息和预测模型。

以t时刻为例，当t时刻的实际位置Loc_r(t)和预测位置Loc_p(t)的偏差大于阈值r_e时，锚节点需要根据实际定位结果重新计算预测模型参数，并把得到的最新结果广播出去。

(4)普通节点根据收到的参照节点(包括锚节点和置信度高的普通节点)的位置信息进行自定位，根据收到的参照节点的运动模型参数计算本节点的运动模型参数并进行自身位置的预测，置信度高的普通节点作为参照节点向其它普通节点提供定位参考信息。

每个普通节点维护一个初始情况下为空的参照节点列表，具体维护过程如下：

当参照节点列表未被写满时，若接收到的广播对应的水下节点已经在参照节点列表中，则利用该条广播中的节点信息覆盖参照节点列表中该水下节点的节点信息；否则，以该条广播携带的节点信息写入参照节点列表中；

当参照节点列表被写满后，若接收到的广播对应的水下节点为锚节点，则替换参照节点列表中置信度最小的水下节点；否则，当参照节点列表中置信度最小的水下节点为普通节点时替换该置信度最小的水下节点。

普通节点针对参照节点列表中任意一个水下节点，还按照定位周期定期更新列表中各个水下节点的位置信息和置信度。

本实施例中通过如下方法更新位置信息：

根据当前水下节点(此处应包括锚节点和普通节点)的预测模型和初始位置信息预测下一时刻的位置信息，并以预测得到的位置信息替换参照节点列表中当前水下节点的初始位置信息，包括更新预测速度向量和位置。

本实施例中以t时刻更新参照节点列表中当前水下节点的初始位置信息例进行说明。首先更新预测速度向量，具体如下：

根据该参照节点列表中当前水下节点的初始位置信息中的预测速度向量，利用预测模型计算得到当前水下节点在t时刻的速度v(t)，并以t时刻的速度v(t)取代该预测速度向量中最早的速度以更新预测速度向量。

再更新位置，根据如下公式：

Loc_p(t)＝Loc_p(t-1)+T_l×v(t-1)，

计算当前水下节点在预测t时刻的位置，并以计算结果更新当前水下节点中当前水下节点初始位置信息中的位置；其中，T_l为定位周期，Loc_p(t-1)为t-1时刻的位置(应理解为参照节点列表中该水下节点的初始位置信息中的位置)，v(t-1)为t-1时刻的速度。

本实施例中根据预设的置信度衰减模型定时更新参照节点列表中当前水下节点的置信度，实用的置信度衰减模型如下：

$\mathrm{\η}=\frac{k-(t_c-t_{\mathrm{rcv}})}{k}\×{\mathrm{\η}}_0,$

其中，η₀为该参照节点加入参照节点列表是的初始置信度(为1)，t_rcv为接收到来自当前水下节点的广播的时间(根据时间戳获取)，t_c为当前时间，k为更新系数，η为更新后的置信度。

本实施例中各个普通节点通过如下步骤预测下一时刻的位置，

(b1)接收到来m(本实施例中m＝4)个不同的水下节点的广播后，根据各条广播的通信时延计算自身分别与m个水下节点的距离(欧氏距离)，然后参照对应的m个水下节点的位置信息进行自定位获取自身的初始位置信息。

获取初始位置后，当前普通节点根据定位的位置计算定位的置信度，当置信度大于预设的置信度阈值(本实施例中置信度阈值为0.95)时，则认为该普通节点可以作为参照节点，并根据参照节点列表中m个水下节点的节点信息确定自身的预测模型。此时普通节点的预测模型计算方式为：首先，根据m个参照节点的预测速度向量，利用群组特性，计算出该普通节点的预测速度向量；然后，利用改进的协方差法，计算出该普通节点的预测模型。

普通节点根据进一步根据得到的初始位置信息和预测模型进一步构建自身的节点信息，并以图4所示的消息字段形式按照广播周期广播定期广播。

普通节点的置信度不但与参照节点的置信度有关，而且与定位精度有关，根据如下公式计算得到：

$\mathrm{\η}=\frac{{\mathrm{\Σ}}_{i=1}^4{\mathrm{\η}}_i}{4}\×(1-\frac{\mathrm{\δ}}{{\mathrm{\Σ}}_{i=1}^4\sqrt{{(u-x_i)}^2+{(v-y_i)}^2+{(w-z_i)}^2}})$

$\mathrm{\δ}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\sqrt{|{(u-x_i)}^2+{(v-y_i)}^2+{(w-z_i)}^2-l_i^2|}$

其中，η_i表示参照点列表中第i个水下节点在当前时刻的置信度，(x_i，y_i，z_i)分别为参照节点i的位置，(u，v，w)为利用四边测量法计算出的普通节点的估计位置，l_i为根据当前普通节点和参照节点i之间的通信时延计算出的节点间的距离。当η＞λ_c(λ_c为置信度阈值)时表示该普通节点的定位精度较高，可以作为其它普通节点的参照节点，该普通节点广播自身的节点信息。

(b2)根据获取的初始位置信息按照定位周期依次预测下一时刻的位置信息，每次预测时先根据接收到的广播选择用于参照的水下节点作为参照节点，再根据参照节点利用群组运动特征预测下一时刻的位置信息。

下面将以普通节点j进行说明，首先选择参照节点，具体如下：

将参照节点列表中的水下节任意组合为若干个包括m个水下节点的参照节点组，对各个参照节点组进行评分，以评分最高的参照节点组中的水下节点作为参照节点。其中第k个参照节点组的评分为：

$\mathrm{Score}\left(k\right)={\mathrm{\ϵ}}_{\mathrm{jk}}\underset{i\∈S_{\mathrm{jk}}}{\mathrm{\Σ}}\frac{{\mathrm{\η}}_i}{d_{\mathrm{ij}}},$

其中，S_jk为第k个参照节点组中包含的水下节点的序号集合，i∈S_jk表示节点i属于集合S_ij，d_ij为第k个参照节点组中第i个水下节点与普通节点j之间的欧式距离，ε_jk根据如下公式计算：

${\mathrm{\ϵ}}_{\mathrm{jk}}=\frac{1/d_w\left(\mathrm{jk}\right)}{{\mathrm{\Σ}}_{k\∈S_j}1/d_w\left(\mathrm{jk}\right)},$

S_j为组合得到的参照节点组的总数，d_w(jk)为普通节点j与第k个参照节点组的重心的距离：

$d_w\left(\mathrm{jk}\right)=\sqrt{{(x_w\left(k\right)-x\left(j\right))}^2+{(y_w\left(k\right)-y\left(j\right))}^2},$

第k个参照节点组的重心如下：

$\left\{\begin{array}{c}{x}_w\left(k\right)={\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}{\mathrm{\ζ}}_{\mathrm{ij}}x\left(i\right)\\ y_w\left(k\right)={\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}{\mathrm{\ζ}}_{\mathrm{ij}}y\left(i\right)\end{array}\right.,$

其中，

${\mathrm{\ζ}}_{\mathrm{ij}}=\frac{1/d_{\mathrm{ij}}}{{\mathrm{\Σ}}_{i\∈S_{\mathrm{jk}}}1/d_{\mathrm{ij}}}.$

该参照节点选择策略中不但与参照节点的置信度以及参照节点和普通节点的距离有关，而且还充分考虑了参照节点四元组与普通节点的空间相关性。通过该参照节点选择策略，能够更加有效地利用群组运动特性进行普通节点的定位。

然后根据参照节点及群组运动特性预测普通节点在下一时刻的速度和位置；

普通节点的位置可以根据普通节点与参照节点之间的距离利用四边测量法计算得出，该距离可以由节点间消息传播时延计算得出。利用群组运动特性，节点j的运动速度基于其邻域节点的运动速度的计算方式如下：

$\left\{\begin{array}{c}{v}_x\left(j\right)={\mathrm{\Σ}}_{i=1}^m{\mathrm{\ζ}}_{\mathrm{ij}}{v}_x\left(i\right)\\ v_y\left(j\right)={\mathrm{\Σ}}_{i=1}^m{\mathrm{\ζ}}_{\mathrm{ij}}{v}_y\left(i\right)\end{array}\right.$

${\mathrm{\ζ}}_{\mathrm{ij}}=\frac{1/d_{\mathrm{ij}}}{{\mathrm{\Σ}}_{i=1}^{m}1/d_{\mathrm{ij}}}$

d_ij为节点i和节点j之间的欧式距离，该距离是根据节点位置计算得出。

本实施例广播周期为定位周期的20倍，定位周期为5s。

本实施例中水下节点广播的消息字段如图4所示，包含水下节点的节点ID、当前位置、时间戳、预测速度向量、预测模型参数以及置信度。

时间戳指广播发送的时间。在整个过程中锚节点都在根据配有GPS设备的水面浮标按期进行自定位获取自身在当前时刻的位置信息，该位置信息中的位置和预测速度向量即作为广播的消息字段中的当前位置和预测速度向量。对于锚节点而言，由于检验周期小于广播周期，所以每次广播时的预测模型和当前位置信息均是最精确度，因此每次广播时的置信度都为1。

以上所述仅是本发明的优选实施方式，应当指出对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种移动水下传感器网络节点的分布式定位方法，所述的移动水下传感器网络包括水下节点和配有GPS设备的水面浮标，所述的水下节点包括锚节点和普通节点，其特征在于，

各个锚节点首先根据配有GPS设备的水面浮标按定位周期进行自定位获取自身在当前时刻的位置信息作为初始位置信息，并根据初始位置信息构建自身的预测模型，再根据所述的初始位置信息和预测模型按照设定的定位周期依次预测下一时刻的位置；

各个普通节点首先参照其他水下节点的初始位置信息获取自身的初始位置信息，再根据自身的初始位置信息利用群组特性按照设定的定位周期依次预测下一时刻的位置；

所述的位置信息包括对应的水下节点的位置及该位置的置信度、预测速度向量，所述的预测速度向量由水下节点在当前时刻之前的L个时刻的速度，L为预测步长。

2.如权利要求1所述的移动水下传感器网络节点的分布式定位方法，其特征在于，各个锚节点通过如下步骤进行定位：

(a1)确定初始位置信息和预测模型，具体如下：

根据配有GPS设备的水面浮标之间的通信时延按照预设的定位周期连续进行L+1次自定位；

根据连续L+1次自定位结果确定第L+1次自定位时的位置信息作为初始位置信息，并根据连续L+1次自定位结果构建自身的预测模型；

(a2)根据所述的初始位置信息利用所述的预测模型按照定位周期依次预测下一时刻的位置信息；

定位过程中各个锚节点按照预设的广播周期广播自身的节点信息，所述的节点信息包括对应的水下节点的初始位置信息和预测模型参数。

3.如权利要求2所述的移动水下传感器网络节点的分布式定位方法，所述的广播周期为定位周期的20～100倍。

4.如权利要求2所述的移动水下传感器网络节点的分布式定位方法，其特征在于，所述的锚节点每间隔一个检验周期，根据配有GPS设备的水面浮标之间的通信时延进行自定位，以自定位结果作为实测位置，以预测得到的相应时刻的位置作为预测位置，若预测位置与实测位置的偏差大于设定的偏差阈值，则锚节点重新执行步骤(a1)，更新初始位置信息和预测模型。

5.如权利要求4所述的移动水下传感器网络节点的分布式定位方法，其特征在于，所述的偏差阈值为锚节点通信范围的半径的0.05～0.1倍。

6.如权利要求2～5中任意一项权利要求所述的移动水下传感器网络节点的分布式定位方法，其特征在于，各个普通节点通过如下步骤进行定位：

(b1)接收到来m个不同的水下节点的广播后，参照对应的水下节点的位置信息进行自定位获取自身的初始位置信息；

(b2)根据获取的初始位置信息按照定位周期依次预测下一时刻的位置信息，每次预测时先根据接收到的广播选择用于参照的水下节点作为参照节点，再根据参照节点利用群组运动特征预测下一时刻的位置信息；

所述步骤(b1)还包括如下操作：

计算自定位的置信度，当置信度大于预设的置信度阈值时，参照相应的水下节点的位置信息确定自身的预测模型，并按照所述的广播周期广播自身的节点信息。

7.如权利要求6所述的移动水下传感器网络节点的分布式定位方法，所述的置信度阈值为0.9～0.95。

8.如权利要求6所述的移动水下传感器网络节点的分布式定位方法，其特征在于，所述的普通节点维护一个初始情况下为空的参照节点列表，具体维护过程如下：

当参照节点列表未被写满时，若接收到的广播对应的水下节点已经在参照节点列表中，则利用该条广播中的节点信息覆盖参照节点列表中该水下节点的节点信息；否则，以该条广播携带的节点信息写入参照节点列表中；

当参照节点列表被写满后，若接收到的广播对应的水下节点为锚节点，则替换参照节点列表中置信度最小的水下节点；否则，当参照节点列表中置信度最小的水下节点为普通节点时替换该置信度最小的水下节点。

9.如权利要求8所述的移动水下传感器网络节点的分布式定位方法，其特征在于，针对参照节点列表中任意一个水下节点，所述的普通节点按照定位周期定期进行如下操作：

根据当前水下节点的预测模型和初始位置信息预测下一时刻的位置信息，并以预测得到的位置信息替换参照节点列表中当前水下节点的位置信息；

根据预设的置信度衰减模型定时更新参照节点列表中当前水下节点的置信度。

10.如权利要求9所述的移动水下传感器网络节点的分布式定位方法，其特征在于，所述步骤(b2)中普通节点根据如下步骤选择参照节点：

将参照节点列表中的水下节任意组合为若干个包括m个水下节点的参照节点组，对各个参照节点组进行评分，以评分最高的参照节点组中的水下节点作为参照节点。