[go: up one dir, main page]

CN111711923A - 一种基于uav的无线传感器网络节点定位方法 - Google Patents

一种基于uav的无线传感器网络节点定位方法 Download PDF

Info

Publication number
CN111711923A
CN111711923A CN202010620027.6A CN202010620027A CN111711923A CN 111711923 A CN111711923 A CN 111711923A CN 202010620027 A CN202010620027 A CN 202010620027A CN 111711923 A CN111711923 A CN 111711923A
Authority
CN
China
Prior art keywords
node
nodes
unknown
uav
signal strength
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
Application number
CN202010620027.6A
Other languages
English (en)
Inventor
高美凤
尹持俊
于力革
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN202010620027.6A priority Critical patent/CN111711923A/zh
Publication of CN111711923A publication Critical patent/CN111711923A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于UAV的无线传感器网络节点定位方法，无线传感器网络定位领域。所述方法包括：采用无人机作为移动锚节点，在监测区域内设置均匀分布的待定位传感器节点；无人机感知周围邻近的未知节点并广播数据包；通信半径内的移动锚节点作为邻居虚拟锚节点；监测区域内的未知节点根据记录的信号强度值及相关邻居虚拟锚节点的位置坐标，将未知节点和邻居锚节点之间的RSSI值作为权值，利用三维空间二维加权质心定位进行位置节点的位置估计。本发明不仅采用信号强度比值作为加权值，还对自然对数进行修正，扩大个体信号强度值差异影响，使距离较近的邻居虚拟锚节点所占的权重比例更大，估算的质心位置更加趋近于未知节点的实际坐标位置。

Description

一种基于UAV的无线传感器网络节点定位方法
技术领域
本发明涉及无线传感器网络定位领域，具体涉及一种基于UAV的无线传感器网络节点定位方法。
背景技术
在监控区域内，节点利用一定的方法确定自身物理位置的过程，称为节点定位技术。按照锚节点即位置已知的无线传感器网络节点的可移动性，该技术可以根据锚节点可移动与否分为两种：一种采用固定锚节点，另一种则采用移动锚节点。前者是在监测区域内随机部署一定数量的锚节点，这些锚节点的位置部署之后便不会发生改变，所以锚节点的数量对定位精度有很大程度的影响。若锚节点数量较少，可能会导致定位精度偏低，若使锚节点数量增大，又会造成网络成本的增加。后者在网络内采用一个移动锚节点按照预先设定的移动准则，进行周期性的移动广播，协助网络内的未知节点完成定位。二维的移动锚节点在空间移动上存在一定的问题。相比于二维的移动锚节点，无人机作为移动锚节点，移动速度快，使用灵活，不受空间约束，可以起到关键性作用。
无线传感器网络的节点定位机制是指网络内的未知节点利用锚节点的定位信息，通过一定的定位机制和方法确定其坐标位置的过程。无线传感器网络定位技术一般分为两类：一类是基于测距的定位方法，测距方法有接收信号强度指示(received signalstrength indication，RSSI)、到达时间(time of arrival，TOA)、到达时间差(timedifferent of arrival，TDOA)等，定位方法有极大似然法、三边测量法、三角测量法，这类方法定位精度高，但是需要较高的硬件成本要求；另一类是基于非测距的定位算法，有质心算法、DV-hop算法、APIT算法等，该类算法虽然定位精度低于前者，但是其定位成本低。
花超等(花超，吉小军，蔡萍，韩韬.基于RSSI差分修正的加权质心定位算法[J].传感器与微系统，2012，31(05)：139-141+144.)提出了对加权质心定位算法的RSSI距离值进行差分修正，消除RSSI误差从而减小累积误差。该方法需要网络内部署较多数量的锚节点，导致了硬件成本增大。
于海存等(于海存，石为人，冉启可，等.基于虚拟静态锚节点的加权质心定位算法[J].传感技术学报，2013，26(9)：1276-1283.)利用少量真实锚节点的定位信息构造出虚拟静态锚节点参与定位，再结合加权质心定位算法对未知节点进行估计。为抑制环境对于RSSI值的差异影响，杨新宇等(杨新宇，孔庆茹，戴湘军.一种改进的加权质心定位算法[J].西安交通大学学报，2010，44(8)：1-4.)提出了RR-WCL算法，采用信号强度比值作为加权值，但仅采用信号强度比值作为权值，并未充分体现出不同位置处虚拟锚节点对质心位置的影响，定位效果不佳。
发明内容
[技术问题]
现有的无线传感器网络节点定位方法定位效果不佳的问题。
[技术方案]
本发明的目的在于提供一种基于UAV(Unmanned Aerial Vehicle，无人机)的无线传感器网络节点定位方法，所述方法包括：
步骤一：采用无人机作为移动锚节点，在监测区域内设置均匀分布的待定位传感器节点；所述无人机以三角航迹飞行，在无人机飞行的过程中，无人机在每个三角形航迹的拐点处停留时间T，感知周围邻近的未知节点并广播数据包Message_Local；所述数据包包括：无人机自身移动位置坐标(xi，yi)、标号IDi和无人机发射的信号强度RSSIi；
步骤二：设置通信半径r，并计算通信半径处的信号强度，作为信号强度阈值，所述未知节点在通信半径r内接收数据包，位于通信半径r内的移动锚节点都作为邻居虚拟锚节点；
步骤三：无人机沿既定航迹飞行结束后，即经过时间T后，监测区域内的未知节点根据未知节点从邻居虚拟锚节点接收的信号强度值及邻居虚拟锚节点的位置坐标，将未知节点和邻居虚拟锚节点之间的RSSI值作为权值，利用三维空间二维加权质心定位进行位置节点的位置估计。
在本发明的一种实施方式中，所述信号强度RSSIi通过如下式无线信号传播衰减模型求得：
Figure BDA0002562716700000021
式中，RSSI(d)为距离发射点d处的接收信号强度值；RSSI(d0)为距离d0处的接收信号强度值；μ为路径衰减因子；d为未知节点到锚节点的距离；
Figure BDA0002562716700000022
为正态随机变量，正态标准差为σ。
在本发明的一种实施方式中，所述步骤三进行定位估计包括：
定义Rji为未知节点M分别从邻居虚拟锚节点Bj、Bi接收到的信号强度RSSI j、RSSIi的比值：
Figure BDA0002562716700000023
式中，i＝1，...，N，j＝1，...，N；
根据个体差异确定权值系数为：
Figure BDA0002562716700000031
求得的未知节点的横纵坐标(xest，yest)
Figure BDA0002562716700000032
用相对平均定位误差来表示定位效果，即节点的定位误差和节点最大传播距离的比值，即
Figure BDA0002562716700000033
其中，m、n、r分别为邻居虚拟锚节点数量、移动锚节点总数量和节点的通信半径，re为未知节点的估计位置，rl为未知节点的实际位置。
在本发明的一种实施方式中，所述监测区域为长24m、宽12m、高3m的区域。
在本发明的一种实施方式中，所述传感器节点的高度为0m，无人机的飞行高度为3m，无人机移动锚节点以每步长4m的三角形航迹飞行。
在本发明的一种实施方式中，所述通信半径r取4m、5m、6m、7m、8m、9m。
在本发明的一种实施方式中，所述路径衰减因子μ取值范围在2-4之间。
在本发明的一种实施方式中，所述d0＝1m。
本发明所述方法应用于无线传感器网络定位。
[有益效果]
本发明提供的基于UAV的无线传感器网络节点定位方法，在基于RSSI值为权值的加权质心定位算法(R-WCL)和基于RSSI比值为权值的加权质心定位算法(RR-WCL)的基础上，结合指数函数根据个体差异确定权值，扩大了不同邻居虚拟锚节点的权值影响程度，相比于基于RSSI比值为权值的加权质心定位算法，本发明提供的新的加权质心定位算法(ERR-WCL)能够获得更好的定位效果。本发明提出ERR-WCL算法不仅采用信号强度比值作为加权值，还结合以e为底的指数函数，即自然对数进行修正，扩大个体信号强度值差异影响，对自身位置进行修正。本发明扩大了不同邻居虚拟锚节点的权值影响程度，使距离较近的邻居虚拟锚节点所占的权重比例更大，估算的质心位置更加趋近于未知节点的实际坐标位置。
附图说明
图1为实施例2的无人机三角形航迹点分布图。
图2为实施例2的通信半径为4m的邻居关系图。
图3为实施例2的通信半径为5m的邻居关系图。
图4为实施例2的通信半径为6m的邻居关系图。
图5为实施例2的通信半径为7m的邻居关系图。
图6为实施例2的通信半径为8m的邻居关系图。
图7为实施例2的通信半径为9m的邻居关系图。
图8中(a)、(b)、(c)分别为实施例2的通信半径为4m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图9中(a)、(b)、(c)分别为实施例2的通信半径为5m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图10中(a)、(b)、(c)分别为实施例2的通信半径为6m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图11中(a)、(b)、(c)分别为实施例2的通信半径为7m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图12中(a)、(b)、(c)分别为实施例2的通信半径为8m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图13中(a)、(b)、(c)分别为实施例2的通信半径为9m的R-WCL算法、RR-WCL算法和ERR-WCL算法未知节点估计位置到真实位置连线图。
图14为实施例2相对平均定位误差图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
实施例1
本实施例提供一种基于UAV(Unmanned Aerial Vehicle，无人机)的无线传感器网络节点定位方法，所述方法包括：
步骤1：采用无人机作为移动锚节点，在长24m、宽12m、高3m的室内区域(作为监测区域)设置均匀分布的待定位传感器节点，传感器节点的高度为0m，无人机的飞行高度为3m，无人机移动锚节点以每步长4m的三角形航迹飞行。在飞行的过程中，无人机在每个三角形航迹的拐点处停留时间T，感知周围邻近的未知节点并广播数据包Message_Local；所述数据包包括：无人机自身移动位置坐标(xi，yi)、标号IDi和无人机发射的信号强度RSSIi。
所述信号强度RSSIi可通过式(1)无线信号传播衰减模型求得
Figure BDA0002562716700000051
式中，RSSI(d)为距离发射点d处的接收信号强度值；RSSI(d0)为距离d0处的接收信号强度值；μ为路径衰减因子，易受环境影响，一般取值范围在2-4之间；d为未知节点到锚节点的距离，一般情况下取d0＝1m；
Figure BDA0002562716700000052
为正态随机变量，标准差为σ。
步骤2：设置一定的通信半径r，并将r代入式(1)计算通信半径的信号强度阈值，所述未知节点在通信半径r内接收数据包，所述通信半径r内的移动锚节点作为邻居虚拟锚节点。
步骤3：无人机沿既定航迹飞行结束后(即经过时间T后)，监测区域内的未知节点根据记录的信号强度值及相关邻居虚拟锚节点的位置坐标，进行定位估计。
三维空间二维加权质心定位技术，是所有未知节点在同一平面，移动锚节点在另一平面，且两者高度都已知的情况下，找出移动锚节点所在平面的邻居虚拟锚节点的横纵坐标，算出邻居虚拟锚节点横纵坐标的质心，此质心作为未知节点横纵坐标的模糊定位位置。将未知节点和邻居虚拟锚节点之间的RSSI值作为权值，修正未知节点的横纵坐标。
定义Rji为未知节点M分别从虚拟锚节点Bj、Bi接收到的信号强度RSSI j、RSSI i的比值：
Figure BDA0002562716700000053
式(2)中，i＝1，...，N，j＝1，...，N。
根据个体差异确定权值系数为：
Figure BDA0002562716700000054
根据公式(4)求得的未知节点的横纵坐标(xest，yest)
Figure BDA0002562716700000061
通常用相对平均定位误差来表示定位效果，即节点的定位误差和节点最大传播距离的比值，即
Figure BDA0002562716700000062
其中，m、n、r分别为邻居虚拟锚节点数量、节点总数量和节点的通信半径，re为未知节点的估计位置，rl为未知节点的实际位置。所述未知节点估计位置的横纵坐标是(xest，yest)，未知节点的估计位置是(xest，yest，0)；由于加权质心定位算法是二维的，将其用于三维空间定位，故只取其横纵坐标进行计算。
由x＞0，exp(x)-x恒大于等于1且随x的增大单调递增可知，对于未知节点M的邻居虚拟锚节点Bk，k∈[1，N]的权值
Figure BDA0002562716700000063
始终大于
Figure BDA0002562716700000064
从而扩大了不同邻居虚拟锚节点的权值影响程度，使距离较近的邻居虚拟锚节点所占的权重比例更大，估算的质心位置更加趋近于未知节点的实际坐标位置。
实施例2
本实施例在Window10操作系统下利用MATLAB R2019a进行仿真分析。包含以下详细步骤，其中步骤1为布置节点，画节点分布图，步骤2为给定通信半径，选择通信模型，计算邻居关系，画邻居关系图，步骤3为选择定位算法，步骤4为计算定位误差，画定位误差图。所述步骤如下：
步骤1：布置节点，画节点分布图。以发生地震、火灾、坍塌的高层危险建筑物内，现部署的无线传感器网络节点，无法通过GPS(Global Positioning System)等方法进行定位为背景。无人机的位置由即时定位与地图构建(Simultaneous Localization andMapping，SLAM)获得。设置无人机的飞行区域为长度square_L＝24m，宽度square_W＝12m，高度square_H＝3m的室内环境，在飞行区域内布置均匀分布的未知节点unknowns_n＝8；设置无人机两次停留之间的飞行距离，即步长为d＝4m，设置无人机和未知节点的通信半径都为r。设置横轴X＝[0，24]，纵轴Y＝[0，12]，高度Z＝[0，3]，单位为m，无人机初始的坐标为(0，0，3)，即初始的虚拟锚节点位置为(0，0，3)，到下一次飞行的位置，与横轴正向的夹角为60度，下一次位置到其下一次位置，与横轴正向的夹角为300度，上述飞行的方式重复6次，重复完成后位置到最后一个航迹位置，与横轴正向的夹角为90度，即可完成第一次从左往右的航迹。接着上一次位置到下一次位置，与横轴正向的夹角为120度，下一次位置到其下一次位置，与横轴正向的夹角为240度，同样上述飞行方式重复6次，重复完成后的位置到最后一个航迹位置，与横轴正向的夹角为90度，即可完成第一次从右往左的航迹。重复第一次从左往右的航迹，即可得到第二次从左往右的航迹。接着上一次位置到下一次位置，与横轴正向的夹角为90度，是段特殊的步长，步长为[12-6*sqrt(3)]m。第二次从右往左的航迹，是与横轴正向的夹角为180度，重复6次。依次将全部节点，先是无人机的航迹点即虚拟锚节点47个坐标，然后从第48个到55个是8个未知节点坐标，储存在表格all_nodes中。无人机三角形航迹节点分布图即图1完成。
步骤2：给定通信半径，选择通信模型，计算邻居关系，画邻居关系图。通信模型选择Regular Model，即公式(1)的信号衰减模型，RSSI(d0)＝55，μ＝4，d0＝1m，计算通信半径r处的信号强度RSSI(r)，作为信号强度阈值。计算当前节点，到其他节点的三维距离disttrue，计算all_nodes中所有的节点，计算完成后，利用公式(1)将其转化为RSSI(disttrue)值，生成55*55的信号强度表格rss。判断RSSI(disttrue)是否大于RSSI(r)，若是则判定此RSSI(disttrue)对应的节点是当前节点的邻居节点，在生成55*55的邻居节点信号强度表格neighbor_rss中记录当前的RSSI值，并在生成55*55的邻居标记表格neighbor_matrix中记录1；否则不是，并在neighbor_matrix表格中记录0，存储表格neighbor_matrix。若RSSI(disttrue)中比较的两个节点的序号是相同的，则准确的邻居节点信号强度表格neighbor_rsstrue＝0，若不同，则准确的邻居节点信号强度表格neighbor_rsstrue＝neighbor_matrix*neighbor_rss，存储表格neighbor_rsstrue。令a是所有节点，b是未知节点，如果neighbor_matrix(a，b)恒等于1，则将未知节点b和邻居节点连接。依次设置通信半径r＝4m、5m、6m、7m、8m、9m，即可得到不同的邻居关系，邻居关系图即图2-图7完成。
步骤3：选择定位算法。令nodes_n为所有节点数，anchors_n为虚拟锚节点数，unknown_nodes_n为所有节点数减去虚拟锚节点数，即为未知节点数。(node_x，node_y，node_z)为虚拟锚节点的坐标，(unknown_node_x，unknown_node_y，unknown_node_z)为未知节点坐标，生成一个unknown_nodes_n*3的零矩阵unknown_w_estimated_xyz。令i是anchors_n+1到nodes_n，令sum_x＝0；sum_y＝0；sum_w＝0。令j是1到anchors_n。
选择R-WCL定位算法，判断neighbor_rsstrue(j，i)是否不为0，若是，则令w_j＝neighbor_rsstrue(j，i)；否则令w_j＝0。选择RR-WCL定位算法，令R_sum＝0，判断neighbor_rsstrue(j，i)是否不为0，若是，则令k＝1到anchors_n，判断neighbor_rsstrue(k，i)是否不为0，且j不等于k，若是，则令R_kj＝neighbor_rsstrue(k，i)/neighbor_rsstrue(j，i)，并令R_sum＝R_sum+R_kj。令w_j＝R_sum。选择ERR-WCL定位算法，令R_sum＝0，判断neighbor_rsstrue(j，i)是否不为0，若是，则令k＝1到anchors_n，判断neighbor_rsstrue(k，i)是否不为0，且j不等于k，若是，则令R_kj＝neighbor_rsstrue(k，i)/neighbor_rsstrue(j，i)，并令R_sum＝R_sum+R_kj。令w_j＝exp(R_sum)。
公式(5)的分子即为sum_x＝sum_x+node_x(j)*w_j；sum_y＝sum_y+node_y(j)*w_j。未知节点的估计位置坐标unknown_w_estimated_xyz(i-anchors_n，1)＝sum_x/sum_w；unknown_w_estimated_xyz(i-anchors_n，2)＝sum_y/sum_w；unknown_w_estimated_xyz(i-anchors_n，3)＝0。在不同通信半径下，将未知节点的估计坐标和真实坐标相连，就可以得到如图8-图13的在不同通信半径下，未知节点估计位置到真实位置的连线图。
步骤4：计算定位误差，画定位误差图。令all_nodes.unknown为未知节点真实坐标形成的矩阵，计算矩阵unknown_w_estimated_xyz和all_nodes.unknown的差值的平方并开根号，再将所有未知节点的估计坐标和真实坐标差值的平方开根号相加，最后除以未知节点数与通信半径的乘积，即可得到相对平均定位误差。将R-WCL、RR-WCL、ERR-WCL三种算法的相对平均定位误差整理成图即可得到图14。R-WCL的相对平均定位误差在12.45％-14.30％波动；RR-WCL的相对平均定位误差在10.22％-12.51％波动；ERR-WCL的相对平均定位误差在6.81％-8.15％波动。ERR-WCL的定位精度较R-WCL算法提高了5.64％-6.15％，较RR-WCL算法提高了3.41％-4.36％。ERR-WCL算法可以得到较小的定位误差，定位效果较好。
本发明的保护范围并不仅局限于上述实施例，凡是在本发明构思的精神和原则之内，本领域的专业人员能够做出的任何修改、等同替换和改进等均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述方法包括：
步骤一：采用无人机作为移动锚节点，在监测区域内设置均匀分布的待定位传感器节点；所述无人机以三角航迹飞行，在无人机飞行的过程中，无人机在每个三角形航迹的拐点处停留时间T，感知周围邻近的未知节点并广播数据包Message_Local；所述数据包包括：无人机自身移动位置坐标(xi,yi)、标号IDi和无人机发射的信号强度RSSIi；
步骤二：设置通信半径r，并计算通信半径处的信号强度，作为信号强度阈值，所述未知节点在通信半径r内接收数据包，位于通信半径r内的移动锚节点都作为邻居虚拟锚节点；
步骤三：无人机沿既定航迹飞行结束后，即经过时间T后，监测区域内的未知节点根据未知节点从邻居虚拟锚节点接收的信号强度值及邻居虚拟锚节点的位置坐标，将未知节点和邻居虚拟锚节点之间的RSSI值作为权值，利用三维空间二维加权质心定位进行位置节点的位置估计。
2.如权利要求1所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述信号强度RSSIi通过如下式无线信号传播衰减模型求得：
Figure FDA0002562716690000011
式中，RSSI(d)为距离发射点d处的接收信号强度值；RSSI(d0)为距离d0处的接收信号强度值；μ为路径衰减因子；d为未知节点到锚节点的距离；
Figure FDA0002562716690000012
为正态随机变量，正态标准差为σ。
3.如权利要求2所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述步骤三进行定位估计包括：
定义Rji为未知节点M分别从邻居虚拟锚节点Bj、Bi接收到的信号强度RSSI j、RSSI i的比值：
Figure FDA0002562716690000013
式中，i＝1,…,N，j＝1,…,N；
根据个体差异确定权值系数为：
Figure FDA0002562716690000014
求得的未知节点的横纵坐标(xest，yest)
Figure FDA0002562716690000021
用相对平均定位误差来表示定位效果，即节点的定位误差和节点最大传播距离的比值，即
Figure FDA0002562716690000022
其中，m、n、r分别为邻居虚拟锚节点数量、移动锚节点总数量和节点的通信半径，re为未知节点的估计位置，rl为未知节点的实际位置。
4.如权利要求3所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述监测区域为长24m、宽12m、高3m的区域。
5.如权利要求4所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述传感器节点的高度为0m，无人机的飞行高度为3m，无人机移动锚节点以每步长4m的三角形航迹飞行。
6.如权利要求5所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述通信半径r取4m、5m、6m、7m、8m、9m。
7.如权利要求6所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述路径衰减因子μ取值范围在2-4之间。
8.如权利要求7所述的一种基于UAV的无线传感器网络节点定位方法，其特征在于，所述d0＝1m。
9.权利要求1-8任一项所述的方法，其特征在于，所述方法应用于无线传感器网络定位。
CN202010620027.6A 2020-06-30 2020-06-30 一种基于uav的无线传感器网络节点定位方法 Pending CN111711923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010620027.6A CN111711923A (zh) 2020-06-30 2020-06-30 一种基于uav的无线传感器网络节点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010620027.6A CN111711923A (zh) 2020-06-30 2020-06-30 一种基于uav的无线传感器网络节点定位方法

Publications (1)

Publication Number Publication Date
CN111711923A true CN111711923A (zh) 2020-09-25

Family

ID=72543999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010620027.6A Pending CN111711923A (zh) 2020-06-30 2020-06-30 一种基于uav的无线传感器网络节点定位方法

Country Status (1)

Country Link
CN (1) CN111711923A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333634A (zh) * 2020-11-19 2021-02-05 江南大学 一种基于uav的混合节点定位方法
CN112566239A (zh) * 2020-11-09 2021-03-26 西安电子科技大学 锚节点选择与部署方法、系统、存储介质、设备及应用
CN113253200A (zh) * 2021-04-27 2021-08-13 中国人民解放军91388部队 一种基于正三角形运动路径的移动锚节点rssi值定位方法
CN113253763A (zh) * 2021-06-28 2021-08-13 长沙理工大学 一种无人机数据收集的轨迹确定方法、系统及装置
CN114501616A (zh) * 2022-01-07 2022-05-13 重庆邮电大学 一种基于kl散度与相邻关系的改进加权质心定位方法
CN114584946A (zh) * 2022-03-17 2022-06-03 中山大学 一种利用模糊决策的无线传感器网络节点定位方法
CN115915016A (zh) * 2022-11-10 2023-04-04 沈阳化工大学 一种基于多通信半径和距离修正的rssi三维定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200037219A1 (en) * 2018-07-26 2020-01-30 Qualcomm Incorporated Elevation based mode switch for 5g based aerial ue
CN110866887A (zh) * 2019-11-04 2020-03-06 深圳市唯特视科技有限公司 一种基于多传感器的目标态势融合感知方法和系统
CN111123341A (zh) * 2019-11-15 2020-05-08 西安电子科技大学 无人机群三维协同定位方法
CN111200838A (zh) * 2018-11-16 2020-05-26 中国移动通信有限公司研究院 Massive MIMO外场测试方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200037219A1 (en) * 2018-07-26 2020-01-30 Qualcomm Incorporated Elevation based mode switch for 5g based aerial ue
CN111200838A (zh) * 2018-11-16 2020-05-26 中国移动通信有限公司研究院 Massive MIMO外场测试方法及系统
CN110866887A (zh) * 2019-11-04 2020-03-06 深圳市唯特视科技有限公司 一种基于多传感器的目标态势融合感知方法和系统
CN111123341A (zh) * 2019-11-15 2020-05-08 西安电子科技大学 无人机群三维协同定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘洋: "基于移动锚节点的加权质心定位算法研究", 《传感器与微系统》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112566239A (zh) * 2020-11-09 2021-03-26 西安电子科技大学 锚节点选择与部署方法、系统、存储介质、设备及应用
CN112333634A (zh) * 2020-11-19 2021-02-05 江南大学 一种基于uav的混合节点定位方法
CN113253200A (zh) * 2021-04-27 2021-08-13 中国人民解放军91388部队 一种基于正三角形运动路径的移动锚节点rssi值定位方法
CN113253200B (zh) * 2021-04-27 2024-05-14 中国人民解放军91388部队 一种基于正三角形运动路径的移动锚节点rssi值定位方法
CN113253763A (zh) * 2021-06-28 2021-08-13 长沙理工大学 一种无人机数据收集的轨迹确定方法、系统及装置
CN113253763B (zh) * 2021-06-28 2021-09-24 长沙理工大学 一种无人机数据收集的轨迹确定方法、系统及装置
CN114501616A (zh) * 2022-01-07 2022-05-13 重庆邮电大学 一种基于kl散度与相邻关系的改进加权质心定位方法
CN114501616B (zh) * 2022-01-07 2023-09-29 重庆邮电大学 一种基于kl散度与相邻关系的改进加权质心定位方法
CN114584946A (zh) * 2022-03-17 2022-06-03 中山大学 一种利用模糊决策的无线传感器网络节点定位方法
CN115915016A (zh) * 2022-11-10 2023-04-04 沈阳化工大学 一种基于多通信半径和距离修正的rssi三维定位方法

Similar Documents

Publication Publication Date Title
CN111711923A (zh) 一种基于uav的无线传感器网络节点定位方法
CN106162555B (zh) 室内定位方法及系统
Woodman et al. RF-based initialisation for inertial pedestrian tracking
LT6116B (lt) Belaidžio vietinio tinklo (wlan) objektų vietos nustatymo patalpų viduje būdas
CN109839613B (zh) 一种使用路径信息校准的射频定位方法和装置
WO2016112758A1 (zh) 终端的定位方法及装置
Tian et al. HiQuadLoc: A RSS fingerprinting based indoor localization system for quadrotors
CN108827295A (zh) 基于无线传感器网络和惯性导航的微型无人机自定位方法
CN109655786B (zh) 移动自组网协作相对定位方法及装置
CN111263295A (zh) 一种wlan室内定位方法和装置
WO2022100272A1 (zh) 室内定位方法及相关装置
CN109640253B (zh) 一种移动机器人定位方法
CN114071354B (zh) 一种基于拓扑地图的多模态uwb定位方法及系统
KR102367403B1 (ko) 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치
CN116939815B (zh) 一种基于激光点云地图的uwb定位基站选择方法
CN101561487B (zh) 一种室内空间定位方法
Wu et al. Optimal beacon deployment for positioning in cluttered indoor environments
CN114173281A (zh) 室内nlos环境下基于toa的定位系统信标节点的优化布局方法
CN119697759A (zh) 基于误差补偿的uwb定位方法、可读存储介质及设备
CN113466787A (zh) 基于RSS的分区Min-Max室内定位方法
CN115327478B (zh) 基于无线接入点doa估计的设备定位方法及系统
Sugiyama et al. Experimental study on indoor drone positioning using Wi-Fi RTT
CN114120712B (zh) 一种空天球载ais预警方法及装置
CN117579197A (zh) 一种信号透视三维定位方法、装置、电子设备及存储介质
CN116224223A (zh) 面向通信定位一体化应急服务覆盖的多无人机部署方法

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: 20200925

RJ01 Rejection of invention patent application after publication