CN106488526B - 基于分层的移动多跳水声网络动态自定位方法 - Google Patents
基于分层的移动多跳水声网络动态自定位方法 Download PDFInfo
- Publication number
- CN106488526B CN106488526B CN201611194783.7A CN201611194783A CN106488526B CN 106488526 B CN106488526 B CN 106488526B CN 201611194783 A CN201611194783 A CN 201611194783A CN 106488526 B CN106488526 B CN 106488526B
- Authority
- CN
- China
- Prior art keywords
- node
- common
- nodes
- anchor
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 230000033001 locomotion Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/246—Connectivity information discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种基于分层的移动多跳水声网络动态自定位方法,涉及水声通信与水声网络技术领域,将普通节点划分成若干层,并依据每层节点的特点,不同层次的节点采用不同自定位算法,普通节点通过与锚节点及其余邻节点进行通信而完成自定位,获得其位置信息,本发明由于采用分层定位机制,扩大了水声网络覆盖及探测范围,可解决多跳移动网络的自定位问题,将网络节点分层后,位于不同层次的节点采用不同的自定位方法,同时使用基于距离与不基于距离信息的自定位方法,保证定位精度的同时大大减小了移动网络自定位过程中的通信开销,更适用于水下环境中。
Description
技术领域
本发明涉及水声通信与水声网络技术领域,尤其是一种节点动态自定位方法。
背景技术
网络节点自定位是水声网络的支撑技术之一,它可用于标识监测数据源的位置、网络拓扑管理,实现基于节点位置的路由协议和基于地理位置的数据存储技术等,在海底环境探测、海洋工程建设、海洋资源开发、海洋科学发展以及国家海洋权益的维护等多方面都发挥极其重要的作用。
水声网络常需要监测、覆盖大范围海域,因此单跳网络探测距离有限,需要采用多跳水声网络提高网络监测范围,不同于陆上网络***,由于洋流,风浪等影响,水声网络中的节点通常不是静止的而是随洋流进行漂移;且水声网络锚节点少、GPS信号在水下衰减严重,不易直接使用获取节点位置坐标;水声通信时延长、传输速率低。因此针对上述移动的水声多跳网络,研究一种高精度的动态自定位技术具有重要的意义。
现有针对移动网络的自定位方法主要分为两类:第一类方法采用惯性导航***实现移动节点自定位,该类方法在每个移动节点上安装惯性导航***,利用惯导***实时计算节点的速度、加速度,进而计算运动节点的位置,实现网络自定位。该方法计算简便,但会带来误差累积,减小定位精度。根据水声网络特点,为了解决第一类方法中误差累积问题,一些方法使节点定时浮上水面接收GPS信号以进行误差修正,该方法可有效减小误差累积,但节点定时浮上水面带来很大的能量消耗;另一些方法在水面布置固定的浮标节点,采用短基线或长基线方法定时对水下移动节点进行定位及误差修正,该方法需要对浮标进行提前布设,且浮标布放会限制网络移动范围。第二类方法采用协作式定位方法,部分节点配备接收准确位置信息的传感器装置成为锚节点,其余节点通过与锚节点进行信息交互,实时更新节点位置状态。其中一种是基于距离的协作式移动网络定位方法,该方法根据普通节点与锚节点间的距离,采用KF
(Kalman Filter),EKF(Extended Kalman Filter)等滤波算法实现节点状态估计及预测;另一种采用不基于距离的协作式移动网络定位方法,其中MCL(Monte CarloLocalization)及MCB(Monte Carlo localization Boxed)方法将时间分为若干时间窗,每个时间窗内计算其一跳锚节点的通信范围的覆盖区域,通过在覆盖区域采样、滤波实现移动网络节点自定位。IMCL(Improved Monte Carlo Localization)方法将采样区域进行细分,提高样本的有效性,HBAL(A Historical-Beacon-Aided Localization)方法仅根据锚节点的历史信息和接收能量实现节点的状态估计,SLMP(Scalable Localization withMobility Prediction for Underwater Sensor Networks)采用线性预测方法对大范围网络位置进行预测估计,上述基于距离的协作式移动网络定位方法可以高精度的实现网络节点自定位,但算法需要大量通信开销;不基于距离的移动网络定位方法通信量小,但精度下降,且需要大量锚节点实现网络自定位,因此上述移动网络自定位算法均无法直接应用于能量有限且锚节点少的水声网络中。
如何针对锚节点密度小、能量有限的多跳水声移动网络,实现一种高精度、低开销的动态节点自定位方法是研究的关键。
发明内容
为了克服现有技术的不足,解决现有技术中存在的定位精度低、能量消耗大的问题,针对移动多跳水声网络,本发明提出了一种基于分层的高精度、低开销的动态节点自定位方法。
网络由若干锚节点和普通节点组成,根据普通节点与锚节点间距离与跳数信息,该方法将普通节点划分成若干层,并依据每层节点的特点,不同层次的节点采用不同自定位算法,不仅可解决多跳网络自定位问题且可以保证动态网络节点自定位精度的同时有效降低算法通信开销,更适宜于水下环境。所述锚节点是固定布放于水下、已知其绝对位置信息的节点,锚节点不随洋流进行漂移;所述普通节点为位置信息未知的节点,节点自由布放于水中且随洋流、风浪产生漂移。普通节点通过与锚节点及其余邻节点进行通信进而完成自定位,获得其位置信息。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
步骤1:将锚节点及普通节点布放于水下,并按照节点入水的先后顺序为每个锚节点和普通节点分配一个ID号,锚节点先入水,ID号从1开始,锚节点入水完毕后,普通节点开始入水,普通节点的ID号从锚节点的最后一个编号依次递增;
步骤2:锚节点依据锚节点的ID次序依次发送hello分组,所述hello分组内包括该分组的类型、发送该hello分组的锚节点的ID、发送该hello分组的节点的类型、发送该hello分组的时刻和锚节点坐标信息;
步骤3:ID为j的普通节点j在tj时刻收到三个及三个以上锚节点发送的hello分组,则普通节点j属于网络的第一层,否则该普通节点不属于网络第一层,进入步骤8判断其所在层数;
步骤4:步骤3中位于第一层的普通节点j依据计算tj时刻普通节点j与锚节点i之间的距离其中Tproc表示声信号在水声信道中的传播时延,Tproc=(ti-tj),ti,tj分别为锚节点的发送信息时刻与普通节点接收信息时刻,vs表示声波在水中的传播速度;
步骤5:位于第一层的普通节点j依据接收到的所有锚节点在步骤2中发送的hello分组信息,根据式(1)计算出自身坐标作为位置初始值:
其中,(x,y)为tj时刻普通节点j坐标,(x1,y1),(x2,y2),...,(xn,yn)为普通节点j所有接收到hello分组信息的锚节点的坐标,d1,d2,...,dn分别为普通节点j到接收到hello分组信息的锚节点的距离,n表示所有普通节点j能接收到hello分组信息的锚节点的数量;
步骤6:步骤5中计算出普通节点j的位置初始值,依据式(2)预测并更新下一时刻普通节点j运动的位置信息:
其中,为tj时刻普通节点j的位置坐标和速度, 为tj时刻普通节点j坐标,为tj时刻普通节点j的速度,为(tj-1)时刻普通节点j的位置坐标和速度, 为tj-1时刻普通节点j坐标,为tj-1时刻普通节点j的速度,T为普通节点j的运动状态观测周期,为普通节点j与锚节点i之间距离的实际测量值,为普通节点j与锚节点i间距离的真实准确值,和分别表示运动误差与距离测量误差,所有第一层普通节点根据式(2)计算得到第一层普通节点的坐标信息,并将第一层普通节点标注为网络的新锚节点;
步骤7:步骤6中得到的新锚节点依据步骤1中标注的ID次序依次向网络发送hello分组,包括该hello分组的类型、新锚节点ID、新锚节点的类型、发送时刻和新锚节点坐标信息,所有还未计算出自身位置坐标的普通节点接收该信息并按照步骤8进行普通节点动态自定位;
步骤8:普通节点接收入水时的原锚节点和步骤6中得到的新锚节点的hello分组,若普通节点k在任一tk时刻收到三个及三个以上锚节点发送的hello分组,则将普通节点k划分为网络的第二层,k表示普通节点的ID,否则该普通节点不属于网络第二层,进入步骤10划分其层数;
步骤9:位于第二层的普通节点k依据接收到的原锚节点与新锚节点的坐标,依据式(1)计算初值,根据式(2)计算得到第二层普通节点k的运动速度,式(2)计算得到的变量中选取速度v的最大值,以速度最大值为半径,以根据式(1)计算的每一个第二层普通节点k的坐标初值分别为圆心画圆,在圆内随机抽取样本,再根据抽取样本在下一时刻接收到的锚节点信息与普通节点本身通信距离,通信距离是指普通节点通信可以传输的距离,滤除掉随机抽取样本与下一时刻接收到的锚节点距离小于普通节点本身通信距离的样本数据,并将圆内滤除后的剩余样本求取坐标平均值得到第二层普通节点k的新节点运动位置,至此,每一个位于第二层的普通节点k完成自定位后升级为新锚节点
L=(L1,L2,...,LN)为N个采样样本,s为节点k接收到的原锚节点与新锚节点的坐标信息,S表示原锚节点与新锚节点组成的集合,d(L,s)为采样样本与锚节点s的距离,r为已知的所有普通节点的通信距离;
步骤10:重复步骤7至步骤9,锚节点发送hello消息分组,其余未知位置坐标的普通节点接收消息包,完成分层,计算所有未知位置坐标的普通节点的位置坐标,并进行升级为新锚节点,直至全网普通节点获得自身位置坐标为止。
本发明的有益效果在于由于采用一种分层定位机制,扩大了水声网络覆盖及探测范围,可解决多跳移动网络的自定位问题;将网络节点分层后,位于不同层次的节点采用不同的自定位方法,同时使用基于距离与不基于距离信息的自定位方法,保证定位精度的同时大大减小了移动网络自定位过程中的通信开销,更适用于水下环境中。
附图说明
图1是本发明算法流程图。
图2是本发明网络分层示意图。
图3是本发明仿真节点分布图。
图4是本发明与现有方法定位误差对比图。
图5是本发明与现有方法通信量对比图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
网络由若干锚节点和普通节点组成,其中锚节点静止固定于海底,且可以获得其绝对位置信息;普通节点为位置信息未知节点,且随着洋流、风浪等影响,普通节点在自定位过程中会产生一定漂移。
本发明根据普通节点与锚节点及周围邻节点进行通信得到距离信息,将网络中的普通节点分为若干层,不同层次的节点采用不同的定位算法,同时采用基于距离与不基于距离信息的自定位方法,保证定位精度的同时有效减少自定位过程中的通信量,更适用于水下环境中。本发明的流程图如图1所示,具体步骤如下:
步骤1:将锚节点及普通节点布放于水下,并按照节点入水的先后顺序为每个锚节点和普通节点分配一个ID号,锚节点先入水,ID号从1开始,锚节点入水完毕后,普通节点开始入水,普通节点的ID号从锚节点的最后一个编号依次递增;
步骤2:锚节点依据锚节点的ID次序依次发送hello分组,所述hello分组内包括该分组的类型、发送该hello分组的锚节点的ID、发送该hello分组的节点的类型、发送该hello分组的时刻和锚节点坐标信息;
步骤3:ID为j的普通节点j在tj时刻收到三个及三个以上锚节点发送的hello分组,则普通节点j属于网络的第一层,否则该普通节点不属于网络第一层,进入步骤8判断其所在层数;
步骤4:步骤3中位于第一层的普通节点j依据计算tj时刻普通节点j与锚节点i之间的距离其中Tproc表示声信号在水声信道中的传播时延,
Tproc=(ti-tj),ti,tj分别为锚节点的发送信息时刻与普通节点接收信息时刻,vs表示声波在水中的传播速度;
步骤5:位于第一层的普通节点j依据接收到的所有锚节点在步骤2中发送的hello分组信息,根据式(1)计算出自身坐标作为位置初始值:
其中,(x,y)为tj时刻普通节点j坐标,(x1,y1),(x2,y2),...,(xn,yn)为普通节点j所有接收到hello分组信息的锚节点的坐标,d1,d2,...,dn分别为普通节点j到接收到hello分组信息的锚节点的距离,n表示所有普通节点j能接收到hello分组信息的锚节点的数量;
步骤6:步骤5中计算出普通节点j的位置初始值,依据式(2)预测并更新下一时刻普通节点j运动的位置信息:
其中,为tj时刻普通节点j的位置坐标和速度, 为tj时刻普通节点j坐标,为tj时刻普通节点j的速度,为(tj-1)时刻普通节点j的位置坐标和速度, 为tj-1时刻普通节点j坐标,为tj-1时刻普通节点j的速度,T为普通节点j的运动状态观测周期,为普通节点j与锚节点i之间距离的实际测量值,为普通节点j与锚节点i间距离的真实准确值,和分别表示运动误差与距离测量误差,所有第一层普通节点根据式(2)计算得到第一层普通节点的坐标信息,并将第一层普通节点标注为网络的新锚节点,网络分层示意图如图2所示;
步骤7:步骤6中得到的新锚节点依据步骤1中标注的ID次序依次向网络发送hello分组,包括该hello分组的类型、新锚节点ID、新锚节点的类型、发送时刻和新锚节点坐标信息,所有还未计算出自身位置坐标的普通节点接收该信息并按照步骤8进行普通节点动态自定位;
步骤8:普通节点接收入水时的原锚节点和步骤6中得到的新锚节点的hello分组,若普通节点k在任一tk时刻收到三个及三个以上锚节点(包括入水时的原锚节点和步骤6中得到的新锚节点)发送的hello分组,则将普通节点k划分为网络的第二层,k表示普通节点的ID,否则该普通节点不属于网络第二层,进入步骤10划分其层数;
步骤9:位于第二层的普通节点k依据接收到的原锚节点与新锚节点的坐标,依据式(1)计算初值,根据式(2)计算得到第二层普通节点k的运动速度,式(2)计算得到的变量中选取速度v的最大值,以速度最大值为半径,以根据式(1)计算的每一个第二层普通节点k的坐标初值分别为圆心画圆,在圆内随机抽取样本,再根据抽取样本在下一时刻接收到的锚节点信息与普通节点本身通信距离,通信距离是指普通节点通信可以传输的距离,滤除掉随机抽取样本与下一时刻接收到的锚节点距离小于普通节点本身通信距离的样本数据,并将圆内滤除后的剩余样本求取坐标平均值得到第二层普通节点k的新节点运动位置,至此,每一个位于第二层的普通节点k完成自定位后升级为新锚节点
L=(L1,L2,...,LN)为N个采样样本,s为节点k接收到的原锚节点与新锚节点的坐标信息,S表示原锚节点与新锚节点组成的集合,d(L,s)为采样样本与锚节点s的距离,r为已知的所有普通节点的通信距离;
步骤10:重复步骤7至步骤9,锚节点发送hello消息分组,其余未知位置坐标的普通节点接收消息包,完成分层,计算所有未知位置坐标的普通节点的位置坐标,并进行升级为新锚节点,直至全网普通节点获得自身位置坐标为止。
采用Matlab对本发明的性能进行仿真,将100个节点随机分布于2000m×2000m的区域中,锚节点比例分别为10%至50%,节点分布图如图3所示。设节点之间测距误差服从均值为0,均方差10m,由计算本发明的定位误差,其中(xi,yi)为节点的真实坐标,为利用本发明得到的坐标,定位误差如图4所示,随着锚节点比例的增加,定位误差随之降低。当锚节点比例为10%时,定位误差约为13m,当锚节点比例增加至50%时,定位误差降至6m。采用相同的仿真条件,将本发明与现有技术SLMP算法相对比,如图4,同样的锚节点比例下,本发明提出的方法定位误差低于SLMP方法,本发明能够大大提高移动多跳水声网络节点自定位精度。通信量比较如图5所示,随着网络节点数量的增加,实现自定位所需通信量也随之增大,但本发明提出方法通信量远远小于SLMP算法通信量,大大减小自定位所需通信消耗,更适用于水下环境中。
Claims (1)
1.一种基于分层的移动多跳水声网络动态自定位方法,其特征在于包括下述步骤:
步骤1:将锚节点及普通节点布放于水下,并按照节点入水的先后顺序为每个锚节点和普通节点分配一个ID号,锚节点先入水,ID号从1开始,锚节点入水完毕后,普通节点开始入水,普通节点的ID号从锚节点的最后一个编号依次递增;
步骤2:锚节点依据锚节点的ID次序依次发送hello分组,所述hello分组内包括该分组的类型、发送该hello分组的锚节点的ID、发送该hello分组的节点的类型、发送该hello分组的时刻和锚节点坐标信息;
步骤3:ID为j的普通节点j在tj时刻收到三个及三个以上锚节点发送的hello分组,则普通节点j属于网络的第一层,否则该普通节点不属于网络第一层,进入步骤8判断其所在层数;
步骤4:步骤3中位于第一层的普通节点j依据计算tj时刻普通节点j与锚节点i之间的距离其中Tproc表示声信号在水声信道中的传播时延,Tproc=(ti-tj),ti,tj分别为锚节点的发送信息时刻与普通节点接收信息时刻,vs表示声波在水中的传播速度;
步骤5:位于第一层的普通节点j依据接收到的所有锚节点在步骤2中发送的hello分组信息,根据式(1)计算出自身坐标作为位置初始值:
其中,为tj时刻普通节点j坐标,(x1,y1),(x2,y2),...,(xn,yn)为普通节点j所有接收到hello分组信息的锚节点的坐标,d1,d2,...,dn分别为普通节点j到接收到hello分组信息的锚节点的距离,n表示所有普通节点j能接收到hello分组信息的锚节点的数量;
步骤6:步骤5中计算出普通节点j的位置初始值,依据式(2)预测并更新下一时刻普通节点j运动的位置信息:
其中,为tj时刻普通节点j的位置坐标和速度, 为tj时刻普通节点j坐标,为tj时刻普通节点j的速度,为(tj-1)时刻普通节点j的位置坐标和速度, 为tj-1时刻普通节点j坐标,为tj-1时刻普通节点j的速度,T为普通节点j的运动状态观测周期,为普通节点j与锚节点i之间距离的实际测量值,为普通节点j与锚节点i间距离的真实准确值,和分别表示运动误差与距离测量误差,所有第一层普通节点根据式(2)计算得到第一层普通节点的坐标信息,并将第一层普通节点标注为网络的新锚节点;
步骤7:步骤6中得到的新锚节点依据步骤1中标注的ID次序依次向网络发送hello分组,包括该hello分组的类型、新锚节点ID、新锚节点的类型、发送时刻和新锚节点坐标信息,所有还未计算出自身位置坐标的普通节点接收该信息并按照步骤8进行普通节点动态自定位;
步骤8:普通节点接收入水时的原锚节点和步骤6中得到的新锚节点的hello分组,若普通节点k在任一tk时刻收到三个及三个以上锚节点发送的hello分组,则将普通节点k划分为网络的第二层,k表示普通节点的ID,否则该普通节点不属于网络第二层,进入步骤10划分其层数;
步骤9:位于第二层的普通节点k依据接收到的原锚节点与新锚节点的坐标,依据式(1)计算初值,根据式(2)计算得到第二层普通节点k的运动速度,式(2)计算得到的变量中选取速度v的最大值,以速度最大值为半径,以根据式(1)计算的每一个第二层普通节点k的坐标初值分别为圆心画圆,在圆内随机抽取样本,再根据抽取样本在下一时刻接收到的锚节点信息与普通节点本身通信距离,通信距离是指普通节点通信可以传输的距离,滤除掉随机抽取样本与下一时刻接收到的锚节点距离小于普通节点本身通信距离的样本数据,并将圆内滤除后的剩余样本求取坐标平均值得到第二层普通节点k的新节点运动位置,至此,每一个位于第二层的普通节点k完成自定位后升级为新锚节点
L=(L1,L2,...,LN)为N个采样样本,s为节点k接收到的原锚节点与新锚节点的坐标信息,S表示原锚节点与新锚节点组成的集合,d(L,s)为采样样本与锚节点s的距离,r为已知的所有普通节点的通信距离;
步骤10:重复步骤7至步骤9,锚节点发送hello消息分组,其余未知位置坐标的普通节点接收消息包,完成分层,计算所有未知位置坐标的普通节点的位置坐标,并进行升级为新锚节点,直至全网普通节点获得自身位置坐标为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611194783.7A CN106488526B (zh) | 2016-12-22 | 2016-12-22 | 基于分层的移动多跳水声网络动态自定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611194783.7A CN106488526B (zh) | 2016-12-22 | 2016-12-22 | 基于分层的移动多跳水声网络动态自定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106488526A CN106488526A (zh) | 2017-03-08 |
CN106488526B true CN106488526B (zh) | 2019-09-24 |
Family
ID=58285018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611194783.7A Active CN106488526B (zh) | 2016-12-22 | 2016-12-22 | 基于分层的移动多跳水声网络动态自定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106488526B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109257692B (zh) * | 2018-07-28 | 2020-11-13 | 青岛科技大学 | 一种移动锚节点辅助水下无线传感器网络定位方法 |
CN110166934B (zh) * | 2019-05-21 | 2020-08-18 | 长安大学 | 基于动态参考节点选择的移动水声网络自定位方法 |
CN111866983B (zh) * | 2020-06-19 | 2021-02-19 | 青海师范大学 | 一种基于最短跳距的水下节点分层方法 |
CN111800201B (zh) * | 2020-06-24 | 2021-06-15 | 西北工业大学 | 一种针对Sink节点水声传感器网络关键节点识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263610A (zh) * | 2010-05-28 | 2011-11-30 | 中国科学院声学研究所 | 一种用于水声传感器网络***的数据传输方法 |
CN102612140A (zh) * | 2012-03-29 | 2012-07-25 | 西北工业大学 | 基于双速率的水下无线多跳网络节点三维自定位方法 |
CN104302001A (zh) * | 2014-10-20 | 2015-01-21 | 上海电机学院 | 一种水声传感器网络及其基于水流预测的节点定位方法 |
CN104936194A (zh) * | 2015-06-08 | 2015-09-23 | 浙江理工大学 | 一种水声传感器网络及其节点部署及组网方法 |
-
2016
- 2016-12-22 CN CN201611194783.7A patent/CN106488526B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102263610A (zh) * | 2010-05-28 | 2011-11-30 | 中国科学院声学研究所 | 一种用于水声传感器网络***的数据传输方法 |
CN102612140A (zh) * | 2012-03-29 | 2012-07-25 | 西北工业大学 | 基于双速率的水下无线多跳网络节点三维自定位方法 |
CN104302001A (zh) * | 2014-10-20 | 2015-01-21 | 上海电机学院 | 一种水声传感器网络及其基于水流预测的节点定位方法 |
CN104936194A (zh) * | 2015-06-08 | 2015-09-23 | 浙江理工大学 | 一种水声传感器网络及其节点部署及组网方法 |
Non-Patent Citations (1)
Title |
---|
A double rate positioning algorithm for Underwater Acoustic Networks;Jing-jie Gao etc.;《2012 IEEEInternational Conference on Signal Processing, Communication and Computing》;20121022;第783-786页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106488526A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Erol et al. | Multi stage underwater sensor localization using mobile beacons | |
Erol-Kantarci et al. | Localization techniques for underwater acoustic sensor networks | |
CN106488526B (zh) | 基于分层的移动多跳水声网络动态自定位方法 | |
Chen et al. | A localization scheme for underwater wireless sensor networks | |
Das et al. | Fault-resilient localization for underwater sensor networks | |
Erol-Kantarci et al. | Performance evaluation of distributed localization techniques for mobile underwater acoustic sensor networks | |
CN107664758B (zh) | 基于长基线或超短基线组网的深海导航定位***及方法 | |
Cheng et al. | Node selection algorithm for underwater acoustic sensor network based on particle swarm optimization | |
CN104333904A (zh) | 一种移动水下传感器网络节点的分布式定位方法 | |
Das et al. | Secure communication in mobile underwater wireless sensor networks | |
CN104302001A (zh) | 一种水声传感器网络及其基于水流预测的节点定位方法 | |
Munasinghe et al. | EM‐based high speed wireless sensor networks for underwater surveillance and target tracking | |
Ribeiro et al. | Underwater monitoring system for oil exploration using acoustic sensor networks | |
Nain et al. | Hybrid optimization for fault‐tolerant and accurate localization in mobility assisted underwater wireless sensor networks | |
CN108627802B (zh) | 多信源海洋物联网定位方法 | |
Krishna et al. | A hybrid localization scheme for underwater wireless sensor networks | |
CN102612140B (zh) | 基于双速率的水下无线多跳网络节点三维自定位方法 | |
CN102547981B (zh) | 基于双速率的水下无线多跳网络节点自定位方法 | |
CN110166934B (zh) | 基于动态参考节点选择的移动水声网络自定位方法 | |
Ahmed et al. | Localization schemes in underwater sensor network (UWSN): A survey | |
Kundu et al. | Design and implementation of a time synchronization-free distributed localization scheme for underwater acoustic sensor network | |
Wang et al. | Wireless sensor networks for underwater localization: A survey | |
CN108684052A (zh) | 一种高自由度水下传感器网络中无线链路质量预测方法 | |
Meng et al. | 3-D localization in WSNs using UAVs | |
Zhou et al. | A hierarchical localization scheme for large scale underwater wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |