CN108513352A - 基于无线传感器网络的分布式定位方法和无线传感器节点 - Google Patents
基于无线传感器网络的分布式定位方法和无线传感器节点 Download PDFInfo
- Publication number
- CN108513352A CN108513352A CN201810067681.1A CN201810067681A CN108513352A CN 108513352 A CN108513352 A CN 108513352A CN 201810067681 A CN201810067681 A CN 201810067681A CN 108513352 A CN108513352 A CN 108513352A
- Authority
- CN
- China
- Prior art keywords
- particle
- node
- destination node
- wireless sensor
- reference mode
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
本发明公开了一种基于WSN的分布式定位方法以及无线传感器节点。所述无线传感器节点包括超宽带射频模块、数据采集模块、数据处理和控制模块和电源模块。该方法基于所述无线传感器节点组建的WSN,包括:待定位目标节点广播定位请求报文,并在设定时长内接收定位响应报文;当响应所述定位请求报文的锚节点(即定位参考节点)数量超过三个且至少有三个锚节点的位置不在同一条直线上时,采用超宽带飞行时间算法逐一测量自身与每个所述定位参考节点之间的距离;根据所述定位参考节点的位置信息以及测量出的所述距离,采用粒子群优化算法估计自身的位置,并将该定位结果通过所述WSN上报给上位机监控***。
Description
技术领域
本发明涉及定位技术领域,特别涉及一种基于无线传感器网络的分布式定位方法和无线传感器节点。
背景技术
随着物联网技术的发展和广泛应用,人们对位置服务的要求越来越高。目前,广泛采用卫星定位***来实现对移动终端的定位,例如GPS(Global Position System,全球定位***)和北斗定位***等。这类定位技术依赖于通信基础设施,在卫星信号被阻挡的室内环境或阴影区域无法使用。因此,出现了基于无线传感器网络的定位技术,其不依赖于通信基础设施,部署灵活,可以应用于室内或者地下空间等不存在通信基础设施的环境中进行相对定位。目前,基于无线传感器网络的定位技术精度较低,不能满足定位需求。
发明内容
为了解决现有技术中的问题,本发明实施例提供了一种基于无线传感器网络的分布式定位方法和无线传感器节点。所述技术方案如下:
本发明实施例提供了一种基于无线传感器网络的分布式定位方法,所述无线传感器网络由多个无线传感器节点组建,所述多个无线传感器节点包括多个锚节点和多个目标节点,所述锚节点存储有自身的位置信息,所述方法包括:待定位目标节点广播定位请求报文并在设定时长内接收定位响应报文,所述待定位目标节点为所述多个目标节点中的任意一个,所述定位响应报文包括发送所述定位响应报文的锚节点的标识和位置信息;当接收到的所述定位响应报文的数量不少于三个,且接收到的所述定位响应报文所属的锚节点中至少有三个锚节点不在同一条直线上时,所述待定位目标节点采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,所述定位参考节点为所述待定位目标节点接收到的定位响应报文所属的锚节点;所述待定位目标节点根据所述定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法估计所述待定位目标节点的位置,得到定位结果;将所述定位结果通过所述无线传感器网络上报给上位机监控***。
在本发明实施例的一种实现方式中,所述待定位目标节点采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,包括:采用基于超宽带技术的双向飞行时间测量方法,逐一测量自身与各个所述定位参考节点之间的电报文飞行时间;将测得的所述电报文飞行时间分别与光速相乘,得到所述待定位目标节点与各个所述定位参考节点之间的距离。
在本发明实施例的另一种实现方式中,所述待定位目标节点根据所述定位参考节点的位置信息和所述距离,确定粒子群优化算法的搜索空间;所述待定位目标节点在所述搜索空间内初始化M个粒子并计算每个粒子的适应度值,M为大于1的整数;所述待定位目标节点基于所述每个粒子的适应度值,迭代更新各个所述粒子的位置;当粒子群优化算法搜索到粒子的适应度值小于设定阈值或所述迭代更新的次数达到设定的最大迭代次数时,所述待定位目标节点将搜索结果作为所述待定位目标节点的位置。
进一步地,所述待定位目标节点根据以下公式(1)确定所述搜索空间:
公式(1)中,(xi,yi)为第i个定位参考节点的坐标,di是测得的待定位目标节点与第i个定位参考节点之间的距离,N为定位参考节点的数量,min表示集合中的最小值,max表示集合中的最大值;
所述待定位目标节点根据公式(2)初始化M个粒子并根据公式(3)计算每个粒子的适应度值:
公式(2)和(3)中,(xi',yi')是第j个粒子的坐标,rand(1)产生[0,1]区间上服从均匀分布的随机数,M是粒子群的粒子个数,f(xj',yj')表示第j个粒子的适应度值,(xi,yi)是的第i个定位参考节点的坐标,di是待定位目标节点测得的自身与第i个定位参考节点之间的距离;
所述待定位目标节点按照公式(4)和(5)迭代更新各个粒子的位置:
公式(4)和(5)中,(vjx(k),vjy(k))是第j个粒子当前的速度向量,且vjx(0)=0,vjy(0)=0,(vjx(k+1),vjy(k+1))是粒子j更新的速度向量;(xj'(k),yj'(k))是第j个粒子的第k次位置更新后的坐标;(xj'(k+1),yj'(k+1))是第j个粒子第k+1次位置更新后的坐标;(pBestjx,pBestjy)是第j个粒子前k次迭代中的最优位置;(gBestx,gBesty)整个粒子群在前k次迭代中的最优位置;w是惯性权重;c1和c2是两个正常数;k是迭代索引。
在本发明实施例的另一种实现方式中,所述方法还包括:当所述待定位目标节点在所述设定时长内接收到的定位响应报文的数量少于三个,或者当所述待定位目标节点在所述设定时长内接收到的定位响应报文所属的锚节点中不存在至少三个不在同一条直线上的锚节点时,重新广播定位请求报文。
本发明实施例还提供了一种无线传感器节点,所述无线传感器节点包括:
超宽带射频模块,用于与无线传感器网络中的其他无线传感器节点之间进行报文收发,所述无线传感器网络由多个无线传感器节点组建,所述多个无线传感器节点包括多个锚节点,所述锚节点存储有自身的位置信息;
数据采集模块,用于采集所处环境的数据;
数据处理和控制模块,用于处理所述数据采集模块所采集来的数据,并控制所述超宽带射频模块广播定位请求报文并在设定时长内接收定位响应报文,所述定位响应报文包括发送所述定位响应报文的锚节点的标识和位置信息;当接收到的所述定位响应报文的数量不少于三个,且接收到的所述定位响应报文所属的锚节点中至少有三个锚节点不在同一条直线上时,控制所述超宽带射频模块采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,所述定位参考节点为所述超宽带射频模块接收到的定位响应报文所属的锚节点;根据所述定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法估计所述待定位目标节点的位置,得到定位结果;控制所述超宽带射频模块将所述定位结果通过所述无线传感器网络上报给上位机监控***;
电源模块,用于对所述超宽带射频模块、所述数据处理和控制模块以及所述数据采集模块供电。
进一步地,所述数据处理和控制模块用于控制所述超宽带射频模块采用基于超宽带技术的双向飞行时间测量方法,逐一测量自身与各个所述定位参考节点之间的电报文飞行时间;将测得的所述电报文飞行时间分别与光速相乘,得到所述待定位目标节点与各个所述定位参考节点之间的距离。
在本发明实施例的一种实现方式中,,所述数据处理和控制模块用于根据所述定位参考节点的位置信息和所述距离,确定粒子群优化算法的搜索空间;在所述搜索空间内初始化M个粒子并计算每个粒子的适应度值,M为大于1的整数;基于所述每个粒子的适应度值,迭代更新各个所述粒子的位置;当粒子群优化算法搜索到粒子的适应度值小于设定阈值或所述迭代更新的次数达到设定的最大迭代次数时,将搜索结果作为所述待定位目标节点的位置。
所述数据处理和控制模块用于根据以下公式(1)确定所述搜索空间:
公式(1)中,(xi,yi)为第i个定位参考节点的坐标,di是测得的待定位目标节点与第i个定位参考节点之间的距离,N为定位参考节点的数量,min表示集合中的最小值,max表示集合中的最大值;
根据公式(2)初始化M个粒子并根据公式(3)计算每个粒子的适应度值:
公式(2)和(3)中,(xi',yi')是第j个粒子的坐标,rand(1)产生[0,1]区间上服从均匀分布的随机数,M是粒子群的粒子个数,f(xj',yj')表示第j个粒子的适应度值,(xi,yi)是的第i个定位参考节点的坐标,di是待定位目标节点测得的自身与第i个定位参考节点之间的距离;
按照公式(4)和(5)迭代更新各个粒子的位置:
公式(4)和(5)中,(vjx(k),vjy(k))是第j个粒子当前的速度向量,且vjx(0)=0,vjy(0)=0,(vjx(k+1),vjy(k+1))是粒子j更新的速度向量;(xj'(k),yj'(k))是第j个粒子的第k次位置更新后的坐标;(xj'(k+1),yj'(k+1))是第j个粒子第k+1次位置更新后的坐标;(pBestjx,pBestjy)是第j个粒子前k次迭代中的最优位置;(gBestx,gBesty)整个粒子群在前k次迭代中的最优位置;w是惯性权重;c1和c2是两个正常数;k是迭代索引。
在本发明实施例的另一种实现方式中,所述数据处理和控制模块还用于当所述待定位目标节点在所述设定时长内接收到的定位响应报文的数量少于三个,或者当所述待定位目标节点在所述设定时长内接收到的定位响应报文所属的锚节点中不存在至少三个不在同一条直线上的锚节点时,控制所述超宽带射频模块重新广播定位请求报文。
本发明实施例提供的技术方案带来的有益效果是:
待定位目标节点通过广播定位请求报文并在设定时长内接收定位响应报文,当接收到的所述定位响应报文的数量不少于三个,且接收到的所述定位响应报文所属的锚节点中至少有三个锚节点不在同一条直线上时,所述待定位目标节点采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,并根据定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法确定所述待定位目标节点的位置,可以准确确定出待定位目标节点的位置,定位精度较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种无线传感器节点的硬件结构示意图;
图2是本发明实施例提供的一种基于无线传感器网络的分布式定位方法的流程示意图;
图3是本发明实施例提供的一种基于PSO算法估计待定位目标节点的位置的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
为了便于理解本发明,下面先简单介绍一下本发明实施例中的无线传感器网络(Wireless Sensor Networks,WSN)。该无线传感器网络由多个无线传感器节点组建。这多个无线传感器节点包括多个锚节点和多个目标节点,所述锚节点存储有自身的位置信息(即坐标),也就是说,锚节点为位置已知的无线传感器节点,而目标节点为位置未知的无线传感器节点。目标节点可以在无线传感器网络的覆盖区域内移动。
其中,无线传感器网络可以采用ZigBee(紫蜂)技术组建,锚节点同时作为无线传感器网络中的路由节点(Router),同时,其中一个锚节点作为ZigBee网络中的协调节点(Coordinator)(也可以称为主控节点)。协调节点负责ZigBee网络的组建,并充当ZigBee网络与上位机之间的网关,各个路由节点检测到的环境数据均通过无线传感器网络发送至该协调节点,经由协调节点发送给上位机监控***,该上位机监控***用于接收各个路由节点采集到的环境数据,以进行环境监测。同时,目标节点确定自身的位置后,也会将定位结果经WSN发送至该协调节点,经由协调节点发送给上位机监控***,以进行定位。
无线传感器节点是WSN的基本单元,负责传感器数据的采集、处理以及传输,同时具有高精度距离测量功能。该无线传感器节点的硬件结构如图1所示,包括:数据采集模块21、数据处理和控制模块22以及超宽带射频模块23。其中,数据采集模块包括传感器211和模数转换器212,用于采集环境数据,环境数据包括但不限于温度、湿度、光照等,可以包括其中任意一种或多种,相应地,传感器包括但不限于温度传感器、湿度传感器、光照传感器等。数据处理和控制模块22可以包括微处理器,用于控制数据采集模块对数据进行采集,并对数据采集模块采集到的数据进行处理,以及控制超宽带射频模块23与其他无线传感器节点以及上位机进行信息交互。超宽带射频模块23可以包括UWB(Ultra Wideband,超宽带)射频芯片。
其中,射频芯片可以采用爱尔兰DecWave公司的DW1000芯片,该芯片是一款高集成度,低功耗,IC兼容,带有CMOS射频收发器的芯片,符合IEEE802.15.4-2011超宽带标准。改模块集成了天线、射频电路、电源管理和时钟电路,可用于距离测量,并且支持高达6.8Mbps的数据传输速率。
为了降低功耗,数据处理与控制模块22可以采用具有深度睡眠模式的低功耗单片机(例如STM32F105单片机),通过同步SPI(Serial Peripheral Interface,串行外设接口)与超宽带射频模块23进行通信,并通过输出引脚对超宽带射频模块23进行休眠或唤醒控制。超宽带射频模块23的中断引脚连接单片机的输入引脚,产生中断信号时,通知单片机进行相应的中断处理。
进一步地,传感器211可以采用低功耗数字传感器,例如,温湿度复合传感器DHT11,数字型光强度传感器BH1750等,单片机可以通过I2C总线读取并处理相应的传感器数据,并通过无线传感器网络将传感器数据传送到上位机。
当然,无线传感器节点还可以包括电源模块24,用于为前述各个模块供电。该电源模块可以采用电池供电,例如,可以采用A5型3.6V锂电池供电,以避免电源芯片带来的静态电流消耗。
为满足定位的准确性需求,以无线传感器网络覆盖区域内任意位置为中心,处于该中心处的无线传感器节点的UWB无线电有效通信范围内,至少存在3个不在同一条直线上的锚节点。
基于前述无线传感器网络,本发明实施例提供了一种分布式定位方法,应用于待定位目标节点,该待定位目标节点为可以为前述无线传感器节点中的任意一个。图2为该分布式定位方法的流程示意图,如图2所示,该分布式定位方法包括:
201:待定位目标节点判断待定位目标节点是否已加入无线传感器网络;
若待定位目标节点未加入无线传感器网络,则执行步骤202;若待定位目标节点已加入无线传感器网络,则执行步骤203。
需要说明的是,对于待定位目标节点而言,可以按照设定时间间隔进行一次定位,每次开始进行定位时,即重复执行图3所示流程。实现时,可以设置一个定时器,每当该定时器达到设定时间间隔值,即开始执行图3所示流程。
该步骤201可以由数据处理和控制模块实现。
202:待定位目标节点加入所述无线传感器网络。
该步骤202可以由数据处理和控制模块配合超宽带射频模块实现。
203:待定位目标节点广播定位请求报文。
相应地,在待定位目标节点的有效通信范围内的锚节点会接收到该定位请求报文,并发送定位响应报文,该定位响应报文包括发送该定位响应报文的锚节点的标识(例如网络ID)和位置信息(即坐标)。
该步骤203可以由数据处理和控制模块配合超宽带射频模块实现。
204:待定位目标节点在设定时长内接收定位响应报文。
实现时,可以设置另一个定时器,在发送定位请求报文的同时,待定位目标节点启动该定时器,在该定时器对应的时间到达后,执行步骤205。
该步骤204可以由数据处理和控制模块配合超宽带射频模块实现。
205:待定位目标节点判断在设定时长内接收到的定位响应报文的数量是否不少于三个,且接收到的所述定位响应报文所属的锚节点中是否有至少三个不在同一条直线上的锚节点;当待定位目标节点在设定时长内接收到的定位响应报文不少于三个且接收到的所述定位响应报文所属的锚节点中有至少三个不在同一条直线上的锚节点时,执行步骤206;当待定位目标节点在设定时长内接收到的定位响应报文少于三个或接收到的所述定位响应报文所属的锚节点中没有至少三个不在同一条直线上的锚节点时,返回步骤203。
具体地,可以根据定位响应报文中的坐标来确定是否存在至少三个不在同一条直线上的锚节点。
实现时,该步骤205中的判断过程可以由数据处理和控制模块实现。
206:待定位目标节点采用超宽带飞行时间(Ultra WideBand Time of Flight,UWB-TOF)算法逐一测量自身与定位参考节点之间的距离。
其中,所述定位参考节点为所述待定位目标节点接收到的定位响应报文对应的锚节点。
该步骤206可以包括:采用基于超宽带技术的双向TOF测量方法,逐一测量自身与各个所述定位参考节点之间的TOF;将测量出的TOF分别与光速相乘,得到所述待定位目标节点与各个所述定位参考节点之间的距离。
采用超宽带技术结合双向TOF测量方法确定目标节点和定位参考节点之间的距离,精度高(可以达到15cm),可以有效提高最终定位精度。
实现时,该步骤206可以由前述数据处理和控制模块以及超宽带射频模块实现。
207:待定位目标节点根据所述定位参考节点的位置信息以及测量出的所述距离,基于PSO(Particle Swarm Optimization,粒子群优化)算法估计所述待定位目标节点的位置,得到定位结果。
如图3所示,该步骤207可以包括:
2071:待定位目标节点根据所述定位参考节点的位置信息和所述距离,确定PSO算法的搜索空间;
2072:待定位目标节点在所述搜索空间内初始化M个粒子并计算每个粒子的适应度值,M为大于1的整数;
2073:待定位目标节点基于所述每个粒子的适应度值,迭代更新各个所述粒子的位置;
2074:当PSO算法搜索到粒子的适应度值小于设定阈值或所述迭代更新的次数达到设定的最大迭代次数时,待定位目标节点将搜索结果作为所述待定位目标节点的位置。
其中,设定阈值可以设置为TOF测距最大误差,最大迭代次数可以根据定位的实时性要求确定,如10~15次。设定阈值和最大迭代次数可以根据距离测量精度和算法实时性要求确定,本发明对此不做限定。
步骤2071中,可以采用公式(1)确定PSO算法的搜索空间:
公式(1)中,(xi,yi)为第i个定位参考节点的坐标,di是步骤206中测得的待定位目标节点与第i个定位参考节点之间的距离,N为定位参考节点的数量。min表示集合中的最小值,max表示集合中的最大值。
需要说明的是,由于待定位目标节点是可以移动的,所以在不同次的定位流程中,定位参考节点的数量可以相同也可以不同,具体使用的锚节点也可能是不同的(包括全部不同和部分不同),具体以接收到定位响应报文对应的锚节点为准,也就是说,公式(1)中的定位参考节点均指本次定位流程中所采用的锚节点。
步骤2072中,可以采用公式(2)初始化M个粒子,并根据公式(3)计算每个粒子的适应度值。
公式(2)和(3)中,(xi',yi')是第j个粒子的坐标,rand(1)产生[0,1]区间上服从均匀分布的随机数,M是粒子群的粒子个数,f(xj',yj')表示第j个粒子的适应度值,(xi,yi)是的第i个定位参考节点的坐标,di是待定位目标节点测得的自身与第i个定位参考节点之间的距离。即如果目标节点在第j个粒子的位置,那么这个位置与所有定位参考节点位置的距离和通过TOF测量的距离的均方差,这个适应度值越小,粒子j的位置是目标节点所在位置的可能性越大。
步骤2073中,可以按照公式(4)和(5)迭代更新各个粒子的位置。
公式(4)和(5)中,(vjx(k),vjy(k))是第j个粒子当前的速度向量,(vjx(k+1),vjy(k+1))是粒子j更新的速度向量;(xj'(k),yj'(k))是第j个粒子的第k次位置更新后的位置;(xj'(k+1),yj'(k+1))是第j个粒子第k+1次位置更新后的位置;(pBestjx,pBestjy)是第j个粒子前k次迭代中的最优位置;(gBestx,gBesty)整个粒子群在前k次迭代中的最优位置;w是惯性权重,为[0,1]之间的小数;c1和c2是两个正常数,可取1.49;k是迭代索引,为1至最大迭代次数之间的正整数。pBestj和gBest根据计算得到的适应度值来选取,适应度值越小的粒子位置越优。
需要说明的是,所有的粒子的初始速度向量均为0,即vjx(0)=0,vjy(0)=0。
实现时,该步骤可以由前述数据处理和控制模块实现。
208:将定位结果通过WSN上报给上位机监控***。
当然,在发送位置信息的同时还可以向上位机发送待定位目标节点检测到的环境数据。相应地,上位机接收到定位结果后,会对应保存待定位目标节点的标识和位置,并且还可以显示该定位结果。
实现时,该步骤208可以由前述数据处理和控制模块控制超宽带射频模块实现。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于无线传感器网络的分布式定位方法,其特征在于,所述无线传感器网络由多个无线传感器节点组建,所述多个无线传感器节点包括多个锚节点和多个目标节点,所述锚节点存储有自身的位置信息,所述方法包括:
待定位目标节点广播定位请求报文并在设定时长内接收定位响应报文,所述待定位目标节点为所述多个目标节点中的任意一个,所述定位响应报文包括发送所述定位响应报文的锚节点的标识和位置信息;
当接收到的所述定位响应报文的数量不少于三个,且接收到的所述定位响应报文所属的锚节点中至少有三个锚节点不在同一条直线上时,所述待定位目标节点采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,所述定位参考节点为所述待定位目标节点接收到的定位响应报文所属的锚节点;
所述待定位目标节点根据所述定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法估计所述待定位目标节点的位置,得到定位结果;
将所述定位结果通过所述无线传感器网络上报给上位机监控***。
2.根据权利要求1所述的分布式定位方法,其特征在于,所述待定位目标节点采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,包括:
采用基于超宽带技术的双向飞行时间测量方法,逐一测量自身与各个所述定位参考节点之间的电报文飞行时间;
将测得的所述电报文飞行时间分别与光速相乘,得到所述待定位目标节点与各个所述定位参考节点之间的距离。
3.根据权利要求1所述的分布式定位方法,其特征在于,所述待定位目标节点根据所述定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法估计所述待定位目标节点的位置,包括:
所述待定位目标节点根据所述定位参考节点的位置信息和所述距离,确定粒子群优化算法的搜索空间;
所述待定位目标节点在所述搜索空间内初始化M个粒子并计算每个粒子的适应度值,M为大于1的整数;
所述待定位目标节点基于所述每个粒子的适应度值,迭代更新各个所述粒子的位置;
当粒子群优化算法搜索到粒子的适应度值小于设定阈值或所述迭代更新的次数达到设定的最大迭代次数时,所述待定位目标节点将搜索结果作为所述待定位目标节点的位置。
4.根据权利要求3所述的分布式定位方法,其特征在于,所述待定位目标节点根据以下公式(1)确定所述搜索空间:
公式(1)中,(xi,yi)为第i个定位参考节点的坐标,di是测得的待定位目标节点与第i个定位参考节点之间的距离,N为定位参考节点的数量,min表示集合中的最小值,max表示集合中的最大值;
所述待定位目标节点根据公式(2)初始化M个粒子并根据公式(3)计算每个粒子的适应度值:
公式(2)和(3)中,(xi',yi')是第j个粒子的坐标,rand(1)产生[0,1]区间上服从均匀分布的随机数,M是粒子群的粒子个数,f(xj',yj')表示第j个粒子的适应度值,(xi,yi)是的第i个定位参考节点的坐标,di是待定位目标节点测得的自身与第i个定位参考节点之间的距离;
所述待定位目标节点按照公式(4)和(5)迭代更新各个粒子的位置:
公式(4)和(5)中,(vjx(k),vjy(k))是第j个粒子当前的速度向量,且vjx(0)=0,vjy(0)=0,(vjx(k+1),vjy(k+1))是粒子j更新的速度向量;(xj'(k),yj'(k))是第j个粒子的第k次位置更新后的坐标;(xj'(k+1),yj'(k+1))是第j个粒子第k+1次位置更新后的坐标;(pBestjx,pBestjy)是第j个粒子前k次迭代中的最优位置;(gBestx,gBesty)整个粒子群在前k次迭代中的最优位置;w是惯性权重;c1和c2是两个正常数;k是迭代索引。
5.根据权利要求1-4任一项所述的分布式定位方法,其特征在于,所述方法还包括:
当所述待定位目标节点在所述设定时长内接收到的定位响应报文的数量少于三个,或者当所述待定位目标节点在所述设定时长内接收到的定位响应报文所属的锚节点中不存在至少三个不在同一条直线上的锚节点时,重新广播定位请求报文。
6.一种无线传感器节点,其特征在于,所述无线传感器节点包括:
超宽带射频模块,用于与无线传感器网络中的其他无线传感器节点之间进行报文收发,所述无线传感器网络由多个无线传感器节点组建,所述多个无线传感器节点包括多个锚节点,所述锚节点存储有自身的位置信息;
数据采集模块,用于采集所处环境的数据;
数据处理和控制模块,用于处理所述数据采集模块所采集来的数据,并控制所述超宽带射频模块广播定位请求报文并在设定时长内接收定位响应报文,所述定位响应报文包括发送所述定位响应报文的锚节点的标识和位置信息;当接收到的所述定位响应报文的数量不少于三个,且接收到的所述定位响应报文所属的锚节点中至少有三个锚节点不在同一条直线上时,控制所述超宽带射频模块采用超宽带飞行时间算法逐一测量自身与定位参考节点之间的距离,所述定位参考节点为所述超宽带射频模块接收到的定位响应报文所属的锚节点;根据所述定位参考节点的位置信息以及测量出的所述距离,基于粒子群优化算法估计所述待定位目标节点的位置,得到定位结果;控制所述超宽带射频模块将所述定位结果通过所述无线传感器网络上报给上位机监控***;
电源模块,用于对所述超宽带射频模块、所述数据处理和控制模块以及所述数据采集模块供电。
7.根据权利要求6所述的无线传感器节点,其特征在于,所述数据处理和控制模块用于控制所述超宽带射频模块采用基于超宽带技术的双向飞行时间测量方法,逐一测量自身与各个所述定位参考节点之间的电报文飞行时间;将测得的所述电报文飞行时间分别与光速相乘,得到所述待定位目标节点与各个所述定位参考节点之间的距离。
8.根据权利要求6所述的无线传感器节点,其特征在于,所述数据处理和控制模块用于根据所述定位参考节点的位置信息和所述距离,确定粒子群优化算法的搜索空间;在所述搜索空间内初始化M个粒子并计算每个粒子的适应度值,M为大于1的整数;基于所述每个粒子的适应度值,迭代更新各个所述粒子的位置;当粒子群优化算法搜索到粒子的适应度值小于设定阈值或所述迭代更新的次数达到设定的最大迭代次数时,将搜索结果作为所述待定位目标节点的位置。
9.根据权利要求8所述的无线传感器节点,其特征在于,所述数据处理和控制模块用于根据以下公式(1)确定所述搜索空间:
公式(1)中,(xi,yi)为第i个定位参考节点的坐标,di是测得的待定位目标节点与第i个定位参考节点之间的距离,N为定位参考节点的数量,min表示集合中的最小值,max表示集合中的最大值;
根据公式(2)初始化M个粒子并根据公式(3)计算每个粒子的适应度值:
公式(2)和(3)中,(xi',yi')是第j个粒子的坐标,rand(1)产生[0,1]区间上服从均匀分布的随机数,M是粒子群的粒子个数,f(xj',yj')表示第j个粒子的适应度值,(xi,yi)是的第i个定位参考节点的坐标,di是待定位目标节点测得的自身与第i个定位参考节点之间的距离;
按照公式(4)和(5)迭代更新各个粒子的位置:
公式(4)和(5)中,(vjx(k),vjy(k))是第j个粒子当前的速度向量,且vjx(0)=0,vjy(0)=0,(vjx(k+1),vjy(k+1))是粒子j更新的速度向量;(xj'(k),yj'(k))是第j个粒子的第k次位置更新后的坐标;(xj'(k+1),yj'(k+1))是第j个粒子第k+1次位置更新后的坐标;(pBestjx,pBestjy)是第j个粒子前k次迭代中的最优位置;(gBestx,gBesty)整个粒子群在前k次迭代中的最优位置;w是惯性权重;c1和c2是两个正常数;k是迭代索引。
10.根据权利要求6-9任一项所述的无线传感器节点,其特征在于,所述数据处理和控制模块还用于当所述待定位目标节点在所述设定时长内接收到的定位响应报文的数量少于三个,或者当所述待定位目标节点在所述设定时长内接收到的定位响应报文所属的锚节点中不存在至少三个不在同一条直线上的锚节点时,控制所述超宽带射频模块重新广播定位请求报文。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067681.1A CN108513352A (zh) | 2018-01-24 | 2018-01-24 | 基于无线传感器网络的分布式定位方法和无线传感器节点 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067681.1A CN108513352A (zh) | 2018-01-24 | 2018-01-24 | 基于无线传感器网络的分布式定位方法和无线传感器节点 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108513352A true CN108513352A (zh) | 2018-09-07 |
Family
ID=63374805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810067681.1A Pending CN108513352A (zh) | 2018-01-24 | 2018-01-24 | 基于无线传感器网络的分布式定位方法和无线传感器节点 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108513352A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109443422A (zh) * | 2018-09-27 | 2019-03-08 | 北京金茂绿建科技有限公司 | 分布式传感器的多数据集中显示方法 |
CN112822641A (zh) * | 2021-01-06 | 2021-05-18 | 江汉大学 | 一种港口集装箱定位跟踪*** |
CN113242512A (zh) * | 2021-05-13 | 2021-08-10 | 电子科技大学 | 一种基于水下无线传感网的高精度节点定位方法 |
CN117032040A (zh) * | 2023-08-31 | 2023-11-10 | 中科驭数(北京)科技有限公司 | 传感器数据获取方法、装置、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130242285A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHOD FOR REGISTRATION OF RANGE IMAGES FROM MULTIPLE LiDARS |
CN103517413A (zh) * | 2013-10-09 | 2014-01-15 | 江西理工大学 | 基于异质双种群粒子群优化的wsn节点定位方法 |
CN103517338A (zh) * | 2013-10-17 | 2014-01-15 | 山东省计算中心 | 面向三维无线传感网的采用移动锚节点的定位方法 |
US20170161584A1 (en) * | 2015-12-07 | 2017-06-08 | The Climate Corporation | Cloud detection on remote sensing imagery |
-
2018
- 2018-01-24 CN CN201810067681.1A patent/CN108513352A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130242285A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHOD FOR REGISTRATION OF RANGE IMAGES FROM MULTIPLE LiDARS |
CN103517413A (zh) * | 2013-10-09 | 2014-01-15 | 江西理工大学 | 基于异质双种群粒子群优化的wsn节点定位方法 |
CN103517338A (zh) * | 2013-10-17 | 2014-01-15 | 山东省计算中心 | 面向三维无线传感网的采用移动锚节点的定位方法 |
US20170161584A1 (en) * | 2015-12-07 | 2017-06-08 | The Climate Corporation | Cloud detection on remote sensing imagery |
Non-Patent Citations (1)
Title |
---|
李园园: "基于DW1000的室内定位***设计与测距优化方法", 《无线互联科技》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109443422A (zh) * | 2018-09-27 | 2019-03-08 | 北京金茂绿建科技有限公司 | 分布式传感器的多数据集中显示方法 |
CN112822641A (zh) * | 2021-01-06 | 2021-05-18 | 江汉大学 | 一种港口集装箱定位跟踪*** |
CN113242512A (zh) * | 2021-05-13 | 2021-08-10 | 电子科技大学 | 一种基于水下无线传感网的高精度节点定位方法 |
CN117032040A (zh) * | 2023-08-31 | 2023-11-10 | 中科驭数(北京)科技有限公司 | 传感器数据获取方法、装置、设备及可读存储介质 |
CN117032040B (zh) * | 2023-08-31 | 2024-06-07 | 中科驭数(北京)科技有限公司 | 传感器数据获取方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108513352A (zh) | 基于无线传感器网络的分布式定位方法和无线传感器节点 | |
Nazib et al. | Energy-efficient and fast data collection in UAV-aided wireless sensor networks for hilly terrains | |
CN101860959B (zh) | 基于rssi的无线传感器网络的定位方法 | |
CN103905992B (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
CN109257197A (zh) | 一种物联网终端升级方法、装置、***、终端及存储介质 | |
CN105954744B (zh) | 一种双向测距方法及*** | |
CN108966119A (zh) | 一种室内高精度人员定位*** | |
Ba et al. | Feasibility and benefits of passive RFID wake-up radios for wireless sensor networks | |
Angurala et al. | Wireless battery recharging through UAV in wireless sensor networks | |
AU2022246591A1 (en) | Autonomous geographical location determination using mesh network | |
Liu et al. | Research and analysis of indoor positioning technology | |
Ma et al. | Research on localization technology in wireless sensor networks | |
CN105050166A (zh) | 一种低功耗的无线传感器网络节点定位***及其方法 | |
Nasseri et al. | Contiki Cooja simulation for time bounded localization in wireless sensor network | |
CN106792561A (zh) | 一种无线指纹定位方法及*** | |
CN202582603U (zh) | 水环境监测传感网汇聚节点 | |
Wang et al. | A real-time LoRa-based IoT system for intelligent meteorological monitoring | |
CN211826463U (zh) | 一种基于tdoa的分布式定位*** | |
CN204903755U (zh) | 一种基于zigbee的防丢装置 | |
Cortesi et al. | Design and Implementation of an RSSI-Based Bluetooth Low Energy Indoor Localization System | |
Liu et al. | The study for the ZigBee with RFID Positioning System | |
CN207730220U (zh) | 无线定位*** | |
Bharathi et al. | An improved link stability based on swift exploring packet ratio using expected time matrix in wireless sensor network | |
CN110082715A (zh) | 环境自适应的加权质心定位方法 | |
CN107147997A (zh) | 一种无线传感器网络覆盖控制*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |