【CN109905846A】一种基于自主水下航行器的水下无线传感器网络定位方法【专利】
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日
(21)申请号 201910119822.4
(22)申请日 2019.02.18
(71)申请人 天津城建大学地址 300384 天津市西青区津静公路26号
(72)发明人 郝琨 于凯丞 李成 赵璐
(74)专利代理机构 天津才智专利商标代理有限公司 12108代理人 庞学欣
(51)Int.Cl.H04W 4/029(2018.01)H04W 4/30(2018.01)H04W 64/00(2009.01)H04W 84/18(2009.01)G01C 21/16(2006.01)G01C 21/20(2006.01)G01S 19/42(2010.01)
(54)发明名称一种基于自主水下航行器的水下无线传感器网络定位方法(57)摘要一种基于自主水下航行器的水下无线传感器网络定位方法。其包括设定水下定位系统；建立三维坐标系；自主水下航行器从各个位置向待测节点发送信息；待测节点对自身坐标进行计算等步骤。本发明提供的基于水下自主航行器的水下无线传感器网络定位方法是将TDOA定位方法和水下自主航行器结合起来，通过水下自主航行器能够在水域中自由移动的特性，利用水下自主航行器在不同位置对待测节点进行基于信号到达时间差(TDOA)的距离测算，由此得出待测节点的坐标，不需要节点进行时钟同步。本方法能够显著提升定位精度，同时由于使用了水下自主航行器，因此在水下的定位覆盖范围也显著扩大，
耗能也相对减少。
权利要求书4页 说明书7页 附图2页CN 109905846 A2019.06.18
CN 109905846
A1.一种基于自主水下航行器的水下无线传感器网络定位方法，其特征在于：所述的基
于自主水下航行器的水下无线传感器网络定位方法包括按顺序进行的下列步骤：
步骤一：设定适用于水下环境的水下定位系统；所述的水下定位系统包括待测节点S和
自主水下航行器，其中自主水下航行器已知自身位置并能够根据内置的测速仪和深度计修
正自身在水中的位置信息，会周期性地进行定位，设每一个周期的间隔时间为I，同时能够
发送信息；待测节点S位于水下，通常处于周期睡眠状态，在收到自主水下航行器发送的信
息时会被唤醒并计算自身位置；
步骤二：在水下以水域中心位置为原点建立三维坐标系，其中水域纵向为x轴方向，横
向为y轴方向，深度方向为z轴方向；
步骤三：当定位船只行驶到待测节点S所在水域时，将自主水下航行器投放到水面，并
根据GPS确定出自主水下航行器在上述三维坐标系中的当前坐标；然后使自主水下航行器
下潜到与待测节点S大致深度的位置A，并开始向待测节点S发送信息；信息中含有当前位置
A的坐标(xa,ya,za)；待测节点S在t1时刻收到自主水下航行器从位置A发送的信息；
发送信息结束后，自主水下航行器在tb时刻围绕待测节点S从位置A开始移动到位置B
(xb,yb,zb)，自主水下航行器自身携带的测速器可以确定出移动过程中自身的速度v，到达
位置B的时刻为t′b，则时间差Δtb为：
Δtb＝t′b-tb由此可以计算出位置A和位置B之间的距离dab为：
dab＝Δtb×v
同时自主水下航行器在t′b时刻将信息继续向待测节点S发送，此时待测节点S在t2时刻
收到该信息；
之后，自主水下航行器围绕待测节点S相继移动到位置C(xc,yc,zc)和位置D(xd,yd,zd)，
并在这两个位置继续向待测节点S发送信息；
步骤四：当待测节点S收到自主水下航行器从上述各个位置发来的信息后，利用上述信
息开始对自身坐标进行计算；
步骤五：待测节点S对上述计算出的自身坐标进行二次测算。
2.根据权利要求1所述的基于自主水下航行器的水下无线传感器网络定位方法，其特
征在于：在步骤四中，所述的当待测节点S收到自主水下航行器从上述各个位置发来的信息
后，利用上述信息开始对自身坐标进行计算的方法是：
待测节点S分别在tj时刻，j∈{1,2,3,4}收到来自自主水下航行器从位置A,B,C,D处发
送的信息，且t1 Δt1＝t2-t1Δt2＝t3-t2Δt3＝t4-t3由于水下声速为c，将每次定位信息发送间隔推广到I个定位周期，dmn为m与n位置间的 距离，m，n∈{a,b,c,d}， 设：权 利 要 求 书1/4页 2CN 109905846 A
水下无线传感器网络定位算法分析与研究
第２１卷第２期 ２０１１年６月 湖南工程学院学报 Ｊｏｕｒｎａｌ ｏｆ Ｈｕｎａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．２１．Ｎｏ．２ Ｊｕｎｅ ２０１Ｉ
水下无线传感器网络定位算法分析与研究
周启明
（湖南科技大学计算机科学与工程学院，湘潭４１１２０１）
摘要：位置对于水下无线传感器网络来说十分重要，但由于水下独特的环境和水下通信方式，使得原
有的定位算法已不适应，为了研究水下无线传感器网络定位算法．分析了水下无线传感器网络的特点，
介绍了已有的水下无线传感器网络定位算法和测距方法，提出新的算法应主要考虑在节能方式下的迅
速定位． 关键词：水下无线传感器网络；定位；测距 中图分类号：ＴＰ２１２；ＴＰ３９３ 文献标识码：Ａ 文章编号：１６７１—１１９Ｘ（２０１１）Ｏ２—００４９一Ｏ４
０前 言
近来无线传感器网络（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔ— ｗｏｒｋｓ，ＷＳＮｓ）对很多应用提供强有力的技术支 持，如监测、测量、监视与控制等．而应用无线传感器
网络于水下环境（称之为水下传感器网络）已经引起 广泛的兴趣．水下无线传感器网络（Ｕｎｄｅｒｗａｔｅｒ
Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ，ＵＷＳＮｓ）与地面无线传 感器网络（Ｔｅｒｒｅｓｔｒｉａｌ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ，
ＴＷＳＮｓ）有着相同的特征，如大量的节点和有限的 能量等．ＵＷＳＮｓ又有自己独特的方面，首先，由于
水的盐碱度，无线电（ｒａｄｉｏ）通信的方式在水下不能 很好的工作，取而代之的是声波通信（ａｃｏｕｓｔｉｃ）．声
波信道通常有较大的传播迟延、低带宽和高错误率．
其次，水下传感器节点可能水流或其他因素移动．最 后，应用环境为三维环境．因此，针对于ＴＷＳＮｓ的
协议并不适合于ＵＷＳＮｓ，这需要对协议栈的每一 层进行新的研究，并需要新的水下试验设施进行实
验、测试并比较［１］．定位对于ＵＷＳＮｓ来说十分重
【CN109884587A】一种用于雾计算环境的无线传感器网络定位方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910161935.0(22)申请日 2019.03.05(71)申请人 北京工业大学地址 100124 北京市朝阳区平乐园100号(72)发明人 孙恩昌 陈轶超 司鹏搏 张延华 (74)专利代理机构 北京思海天达知识产权代理有限公司 11203代理人 沈波(51)Int.Cl.G01S 5/08(2006.01)
(54)发明名称一种用于雾计算环境的无线传感器网络定位方法(57)摘要本发明公开了一种用于雾计算环境的无线传感器网络定位方法，本方法采用了一种改进后的RSSI测距模型来估计节点间距离，即在传统RSSI测距模型的基础上加入了一个高斯变量，使得计算结果与实际测距结果更加吻合。同时，根据雾传感器节点和锚节点信息对普通节点进行搜索定位，基于不同节点的位置权重因子提出了一种新的加权搜索方法，并针对特殊节点给出了相应的处理方案，从而提高定位速度和精度。本方法研究了锚点数目对三种算法定位误差的影响。所有锚节点都是随机生成的，锚节点数从10增加到60，随着锚节点数的增加，这三种方法的定位性能逐渐得到提高，且本方法的定位性能最
佳。
权利要求书3页 说明书5页 附图3页CN 109884587 A2019.06.14
CN 109884587
A1.一种用于雾计算环境的无线传感器网络定位方法，其特征在于：该方法包括以下步骤，步骤1、设计基于雾计算的无线传感器网络通信架构基于雾计算的无线传感器网络架构由云层、雾层和雾传感器层组成；云层负责接收来自雾层的业务请求，部署了丰富的计算资源，中间的雾层由大量带有雾服务器的基站组成，而底部的雾传感器层则包含了多个传感器节点和相应的雾接入点；传感器节点分为雾传感器节点、锚节点和普通节点；步骤2、建立改进的RSSI测距模型在通信范围内，最常用的路径损耗模型对数-常态分布模型，其统计模型为：其中，d是发送节点和接收节点之间的测量距离，d0为发送节点和接收节点之间的参考距离，Pr，dB(d0)是在距离发送节点d0处的路径损耗，Xσ是均值为0、方差为σ的高斯随机分布变量；np是取决于传输介质的路径损耗指数，RSSI测距模型与实际数据不吻合的原因主要在于路径损耗常数np为固定常数，而在实际的测距过程中np应该是变化的，因此改进的测距模型中np为期望为3，方差为的高斯随机变量；步骤3、基于权重因子的无线传感器网络搜索定位步骤3.1、定位模型基于测距的无线传感器网络定位问题的数学模型为：其中，Ei是节点i的邻居节点集合，且与节点i的距离小于最大通信距离R，和分别为节点i和节点j的估计坐标，ei，j为节点i与节点j之间的测量距离；步骤3.2、搜索目标函数估计距离通过获得，其中，以节点i为圆心做圆，将此圆等分为M份，表示圆上等分点的估计坐标，而表示迭代u次算法后获得的估计坐标；ψ(j)为节点位置信息权重系数，雾传感器节点、锚节点、已定位的普通节点和未定位的普通节点带有不同的权重系数；通过寻找最小估计距离来确定目标节点在当前迭代过程中的估计坐标，步骤4、针对特殊节点的定位针对在搜索定位过程中的两类特殊节点，给出了相应方案；(1)目标定位节点与其已知邻居节点共线；如果节点i与其邻居节点共线，那么在迭代过程中将会出现两个最优解；此时，目标节点的估计坐标通过如下定义获得
一种小规模水下无线传感器网络的部署算法
第２４卷第７期 ２０１１年７月 传感技术学报
ＣＨＩＮＥＳＥ ＪＯＵＲＮＡＬ ＯＦ ＳＥＮＳＯＲＳ ＡＮＤ ＡＣＴＵＡＴＯＲＳ Ｖ０１．２４ Ｎｏ．７ Ｊｕｌｙ ２０１１
Ａｎ Ａｌｇｏｒｉｔｈｍ ｏｆ Ｄｅｐｌｏｙｍｅｎｔ ｉｎ Ｓｍａｌｌ—Ｓｃａｌｅ Ｕｎｄｅｒｗａｔｅｒ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ
ＬＵＯ Ｑｉａｎｇ．ＰＡＮ Ｚｈｏｎｇｍｉｎｇ
（Ｃｏｌｌｅｇｅ ｏｆＭｅｃｈａｔｒｏｎｉｃｓ Ｅｎｇｇ．＆Ａｕｔｏｍａｔｉｏｎ，Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＤｅｆｅｎｓｅ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ ４１００７３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｏｖｅｒａｇｅ ｉＳ ａｎ ｅｓｓｅｎｆｉａｌｉｓｓｕｅ ｉｎ ｔｈｅ ｕｎｄｅｒｗａｔｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ（ＵＷＳＮ）．Ｉｎ ｔｈｅ ｖｉｒｔｕａｌ ｆｏｒｃｅ ａｌｇｏｒｉｔｈｍ（ＶＦＡ），ｔｈｅ“ｖｉｒｔｕａｌ”ｆｏｒｃｅ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ａｓ ａ ｓｅｎｓｏｒ ｄｅｐｌｏｙｍｅｎｔ ｓｔｒａｔｅｇｙ ｔｏ ｅｎｈａｎｃｅ ｔｈｅ ｃｏｖｅｒａｇｅ ａｆｔｅｒ ａｎ
ｉｎｉｔｉａｌ ｒａｎｄｏｍ ｐｌａｃｅｍｅｎｔ ｏｆ ｓｅｎｓｏｒｓ．Ｉｎ ｔｈｅ ｓｅｎｓｏｒ ｆｉｅｌｄ，ｅａｃｈ ｓｅｎｓｏｒ ｂｅｈａｖｅｓ ａｓ ａ“ｓｏｕｒｃｅ ｏｆ ｆｏｒｃｅ’’ｆｏｒ ａｌｌ ｔｈｅ ｏｔｈｅｒ
ｓｅｎｓｏｒｓ，ｗｈｉｃｈ ｃａｎ ｂｅ ｅｉｔｈｅｒ ａｔｔｒａｃｔｉｖｅ ｏｒ ｒｅｐｕｌｓｉｖｅ．Ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｎｃｅｐｔｉｏｎ ｏｆ ｖｉｒｔｕａｌ ｆｏｒｃｅ，ａ ｖｉｒｔｕａｌ ｆｏｒｃｅ ａｒｅａ ｏｆ
ｓｅｎｓｏｒ ｎｏｄｅｓ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ａｎｄ ａ ｆａｓｔ ｖｉｒｔｕａｌ ｆｏｒｃｅ ａｌｇｏｒｉｔｈｍ（ＦＶＦＡ）ｉｓ ｐｒｏｐｏｓｅｄ．Ｄｉｆｆｅｒｅｎｃｅ ｆｒｏｍ ｔｈｅ ＶＦＡ，ｔｈｅ
水下无线传感器网络的节点精确定位
第２９卷第１期 ２００７年２月 指挥控制与仿真 Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ＆Ｓｉｍｕｌａｔｉｏｎ 、，０１．２９ Ｎｏ．１ Ｆｅｂ．２００７ 文章编号：１ ６７３—３８ １ ９（２００７）０ １—００５０—０３ 水下无线传感器网络的节点精确定位 周伟‘，来鸿飞 ，刘忠‘ （１．海军工程大学，湖北武汉４３００３３；２．海军９２８５８部队，浙江宁波３ｌ５８ｌ２） 摘要：以无线传感器网络（ＷＳＮ）水下应用为背景，针对特定的环境要求，提出了一种可实现网络规模升级的 分布式无锚点网络节点自定位机制。该定位算法通过距离误差估计和分布式坐标计算方法，有效地减少了由于测 量距离误差所带来的坐标计算误差和节点坐标计算所带来的通信开销，有利于网络节点能量的合理使用和大规模 的ＷＳＮ布放。通过试验仿真计算，验证了该定位机制的合理性，为水下ＷＳＮ应用提供了有力的技术支持。 关键词：无线传感器网络；节点定位；到达时间；ＴＯＡ技术；到达时间；水下应用 中图分类号：ＴＰ３９３；ＴＰ２ｌ２．９ 文献标识码：Ａ Ａｃｃｕｒａｔｅ Ｎｏｄｅ Ｌｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｕｎｄｅｒｗａｔｅｒ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ ＺＨ０Ｕ Ｗｅｉ ．ＬＡＩ Ｈｏｎｇ—ｆｅ ．ＬＩＵ Ｚｈｏｎｇ （１．Ｎａｖａｌ Ｕｎｉｖ．ｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ ４３００３３，Ｃｈｉｎａ；２．Ｎａｖｙ ９２８５８ Ｕｎｉｔ，Ｎｉｎｇｂｏ ３ｌ５８ｌ２。Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｄｕｅ ｔｏ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ ｉｎ ｔｈｅ ｕｎｄｅｒｗａｔｅｒ ｅｎｖｉｒｏｎｍｅｎｔ ｗｈｅｒｅ ａｎ ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ｄｏｅｓ ｎｏｔ ｅｘｉｓｔ ａｎｄ ＧＰＳ ｃａｎｎｏｔ ｂｅ ｕｓｅｄ．ｔｈｅ ｐａｐｅｒ ｐｒｏｐｏｓｅ ａ ｓｃａｌａｂｌｅ ａｎｄ ｄｉｓｔｒｉｂｕｔｅｄ ＧＰＳ—ｆｒｅｅ ｐｏｓｉｔｉｏｎ ｐｒｏｔｏｃｏｌ ｔｈａｔ ｉＳ ｃａｐａｂｌｅ ｏｆ ｎｏｄｅ ｄｉｓｃｏｖｅｒｙ ａｎｄ ｒｅｌａｔｉｖｅ ｌｏｃａｔｉｏｎ．Ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｍａｋｅｓ ｅａｃｈ ｎｏｄｅ ｅｓｔｉｍａｔｅ ｔｈｅ ｄｉｓｔａｎｃｅ ｔｏ ｎｅｉｇｈｂｏｒｉｎｇ ｎｏｄｅｓ ｔｈａｔ ａｒｅ ｗｉｔｈｉｎ ｉｔｓ ｔｒａｎｓｍｉｓｓｉｏｎ ｒａｎｇｅ ｗｉｔｈ Ｔｉｍｅ ｏｆ Ａｒｒｉｖａｌ（ＴＯＡ）ｔｅｃｈｎｏｌｏｇｙ．Ｉｔ ｆｏｒｍｕｌａｔｅｓ ａ ｇｒａｄｌｅｎｔ ｄｅｓｃｅｎｔ ｍｅｔｈｏｄ ｔｏ ｍｉｎｉｍｉｚｅ ｔｈｅ ｄｉｓｔａｎｃｅ—ｍｅａｓｕｒｅｍｅｎｔ ｅｒｒｏｒ ｉｎ ｎｏｄｅｓ ｌｏｃａｌ ｐｏｓｉｔｉｏｎｉｎｇ．Ｉｔ ｃｏｍｐａｒｅｓ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ａｇａｉｎｓｔ ｅｘｉｓｔｉｎｇ ｍｅｃｈａｎｉｓｍｓ ｉｎ ｓｉｍｕｌａｔｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ．ａｎｄ ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｉＳ ａｂｌｅ ｔｏ ｓｕｐｐｏｒｔ ｔｈｅ ｕｎｄｅｒｗａｔｅｒ ｄｅｐｌｏｙｍｅｎｔ ｏｆ ｌａｒｇｅ ｓｃａｌｅ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ ｅｆｆｉｃｉｅｎｔｌｙ ａｎｄ ｐｒｅｃｉｓｅｌｙ． Ｋｅｙ ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ；ｎｏｄｅ ｌｏｃａｌｉｚａｔｉｏｎ；ｔｉｍｅ ｏｆ ａｒｒｉｖａｌ 从ｌ ９９２年ＡＴ＆Ａ Ｌａｂｏｒａｔｏｒｉｅｓ Ｃａｍｂｒｉｄｇｅ开发出 室内定位系统【Ｉ Ｊ至今，许多研究者一直致力于ＷＳＮ节 点自定位问题的研究，并已形成了许多相对成熟的系 统和算法。针对不同的实际应用要求，从节点是否获 取自身位置信息的角度出发，目前的ＷＳＮ节点自定 位技术可分为两类：基于ＧＰＳ的定位方式和无需ＧＰＳ 的自定位算法。前者通过基站设施或部分节点自身具 备ＧＰＳ定位系统等手段【 ・ ，使得网内部分信标节点 获取自身的精确地理位置信息，并以此为参考点，通 过定位算法产生整体绝对坐标系统。但在某些应用环 境下，如无法获取ＧＰＳ信号的水下或封闭的室内环 境，ＧＰＳ信号受到干扰的时候或为了避免高成本的情 况下，该方法会受到一定的使用限制，而采用后者的 自定位算法【４ ，将网内节点纳入自己定义的坐标系 中，产生整体相对坐标系统。 本文所提出的节点定位机制是建立在ＷＳＮ技术 在水下应用以实现对一定区域内水中目标的定位、跟 踪和对海洋环境的监测等任务要求之上的。由于传感 器布放于水下，网络节点无法获知确定的地理位置信 息，而又要满足在军事应用等对节点定位的高精度， 低能耗和高效性等要求，本文提出了一种可实现网络 规模升级的分布式无锚点的ＷＳＮ节点定位机制。 该机制假设网内节点均无绝对坐标信息，通过 收稿日期：２００６—０６—２６ 修回日期：２００６—０７—２９ 作者简介：周伟（１９７９一），男，浙江桐庐人，博士研究 生，研究方向为目标跟踪与定位。 来鸿飞（１９７４一），男，工程师。 刘忠（１９６３一），男，教授，博士生导师。 ＴＯＡ［６］技术获取节点间的相对距离信息，并以网络节 点分簇为基础，分别在簇内计算节点局部坐标。然后 实现各簇间的坐标统一，形成整体相对坐标系统。出 于定位精度和效能的要求，该定位算法通过最小梯度 下降法，迭代求得网内节点的坐标误差极小值，从而 计算出节点相对坐标值，有效地减少了由于测量距离 误差所带来的坐标计算误差，通过仿真计算证明，该 算法较大幅度的提高了节点自定位精度。同时，该定 位机制采用了分布式坐标计算方法，有效地减少了节 点坐标计算所带来的通讯开销，有利于网络节点能量 的合理使用。 １ 分布式无锚点节点定位 该定位过程可分为三个阶段来实现，分别为节点 簇群的形成阶段、簇内节点局部相对坐标计算阶段和 整体相对坐标系的建立阶段。所布放传感器均不具备 ＧＰＳ等设备获取精确坐标信息的能力，采用到达时间 （ＴＯＡ）作为测量节点间的距离参数。 １．１节点簇群的形成 为了实现大规模ＷＳＮ的高效定位，必须建立起 以分簇【７］为基础的局部节点坐标系。当传感器节点布 放时，每个节点设定一个随机的计时时间，并开始计 时。若任意节点ｉ计时时间内，收到节点 所发的消 息，则节点ｉ自动成为以节点，所在簇群的簇内节点， 并向外广播簇头信息，同时停止计时。若计时完毕后， 节点ｉ还没有收到其它节点的消息，则自动认为自己 为簇头节点，并将该消息向外广播。
水下无线传感器网络协作式节点定位方法
２０１０年第２９卷第１０期 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） １４１
＼ ） 前沿技术 ｓ、 ｃ
水下无线传感器网络协作式节点定位方法
睿智，王玲
（国防科学技术大学电子科学与工程学院，湖南长沙４１００７３）
摘要：针对无线传感器网络信标节点受水下条件限制不能布置很多的问题，利用非信标节点参与定位 是提高定位精度的一种途径。协作式定位算法就是通过测量所有相邻节点间的信号传输往返时延来计算 距离，利用信标节点和未知节点间的距离确定自身初始区域，并利用相邻２个未知节点间的距离来缩小这 个区域，用迭代方式提高节点的定位精度。该算法无须额外的硬件支持，仿真结果显示：即使只有很少的 信标节点，算法的定位精度也可以超过传统的只用信标节点的定位方式。 关键词：无线传感器网络；基于距离；往返传播时间；协作式定位；未知节点 中图分类号：ＴＰ３９３．０３ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１０）ｌＯ－０１４１－０４
Ａ，ｐｅｒａｔｉ￣ ｎｏｄｅ ｌｏｃａｌｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｕｎｄｅｒｗａｔｃＡ ｃｏｏｐｅｒａｔｉｖｅ ｎｏｄｅ ｌｏｃａｌｉｚａｔｉＯｎ ｍｅｔｈｏｄ ｆｏｒ ｕｎｄｅｒｗａｔｅｒ
ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ
ＲＵＩ Ｚｈｉ，ＷＡＮＧ Ｌｉｎｇ （Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｄｅｆｅｎｓｅ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ ４１００７３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｒｅｌａｔｉｖｅｌｙ ａ ｓｍａｌｌ ｑｕａｎｔｉｔｙ ｏｆ ｂｅａｃｏｎｓ ｃａｎ ｂｅ ｓｅｔ ｕｎｄｅｒｗａｔｅｒ，ＳＯ ｕｎｋｎｏｗｎ ｎｏｄｅｓ ｃａｎ ｂｅ ｕｓｅｄ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｌｏｃａｌｉｚａｔｉｏｎ ｐｒｅｃｉｓｉｏｎ．Ｂｙ ｍｅａｓｕｒｉｎｇ ＲＴＯＦ，ｔｈｅ ｄｉｓｔａｎｃｅ ｂｅｔｗｅｅｎ ｂｅａｃｏｎｓ ａｎｄ ｕｎｋｎｏｗｎ ｎｏｄｅｓ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ｌｉｍｉｔ ｔｈｅ ｐｏｓｉｔｉｏｎ ｒｅｇｉｏｎ ｏｆ ｔｈｅ ｕｎｋｎｏｗｎ ｎｏｄｅｓ．Ｔｈｅ ｄｉｓｔａｎｃｅ ｂｅｔｗｅｅｎ ｔｗｏ ｕｎｋｎｏｗｎ ｎｅｉｇｈｂｏｕｒ ｎｏｄｅｓ ｉｓ ｉｔｅｒａｔｉｖｅｌｙ ｕｓｅｄ ｔｏ ｒｅｆｉｎｅ ｔｈｅ ｎｏｄｅ’Ｓ ｐｏｓｉｔｉｏｎ．Ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｄｏｅｓ ｎｏｔ ｎｅｅｄ ｓｕｐｐｏｒｔ ｏｆ ａｄｄｉｔｉｏｎａｌ ｄｅｖｉｃｅ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｌｏｃａｌｉｚａｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ｉｓ ｓａｔｉｓｆｉｅｄ，ａｎｄ ｔｈｅ ｌｏｃａｌｉｚａｔｉｏｎ ｅｒｒｏｒ ｉｓ ｒｅｄｕｃｅｄ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｂｅａｃｏｎ ｂａｓｅｄ ａｌｇｏｒｉｔｈｍ． Ｋｅｙ ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ（ＷＳＮｓ）；ｒａｎｇｅ－ｂａｓｅｄ；ＲＴｏＦ；ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉｚａｔｉｏｎ；ｕｎｋｎｏｗｎ ｎｏｄｅ
水下无线传感器网络定位算法综述
罄 ｝数字技术 算法分析 水下无线传感器网络定位算法综述 陈连顺 （中国人民解放军９１４０４部队，河北秦皇岛０６６０００） 摘要：随着开发海洋资源热潮的兴起和陆地无线传感器网络研究的迅速发展，水下无线传感器网络的研究已经成为新的研究热点。在 水下无线传感器网络技术中，定位技术作为重要组成部分之一扮演者十分重要的角色。本文以水下无线传感器网络节点的可移动性为切 入点，从固定定位算法、移动定位算法以及混合定位算法三个类型介绍了几种典型的定位算法，最后，文章还对水下无线传感器网络定位算 法的研究方向进行了总结和展望。 关键词：水下无线传感器网络；定位算法；定位技术 中图分类号：ＴＰ２１２．９ 文献标识码：Ａ 文章编号：１００７—９４１６（２０１７）０９．０１３１－０３ １引言 地球表面大．ｅ４７ｏ￣的面积被海洋覆盖，水压、洋流等不确定海洋 环境严重限制了人类对海洋信息收集与获取，随着科学技术的不断 发展，对海洋资源的开发与利用日益成为现代世界各国的焦点。水 下无线传感器网络随之成为研究的热点，并在环境监测、灾难预报、 资源开发以及军 隋报获取等各个方面得到广泛应用。在很多应用 中，监测数据需要结合其所在的地理位置信息才具有实际意义，因 此水下无线传感器网络定位技术成为一个亟待解决的重要问题。 ２水下无线传感器网络定位算法及分类 根据未知节点在哪里确定的位置信息，定位算法分为集中式和 分布式两 。考虑到传感器节点的可移动性，定位算法可以分为三 类：（１）静态定位算法：所有的传感器节点固定放置在固定位置的水 面浮标或者海底处；（２）移动定位算法：传感器节点随着洋流自由移 动或者借助驱动装置如ＡＵＶ（水下自主航行器避珩移动；（３）混合定 位算法：移动节点和固定节点并存。这三类定位算法进一步分为集 中式定位算法和分布式定位算法。 ３静态定位算法 ３．１集中式定位算法 区域定位方案（Ａｒｅａ Ｌｏｃａｌｉｚａｔｉｏｎ Ｓｃｈｅｍｅ—ＡＬＳ）［２１。锚节点通 图１水下定位机制定位原理 过发射不同功率强度的信号来定位未知节点，未知节点接收信号并 记录锚节点ＩＤ和信号强度，并将记录的信息发送至汇聚节点。汇聚 节点根据已知的锚节点位置和其发射信号强度，利用适当的信号传 播算法绘制所有以不同锚节点发射信号区分的区域内部节点分布 图，最终实现未知节点定位。 概率定位方法（Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｌｏｃａｌｉｚａｔｉｏｎ Ｍｅｔｈｏｄ—ＰＬＭ）ｔ３１。 ＰＬＭ分为两个步骤：首先，每两个相邻的锚节点利用基于圆环或者 基于双曲线方法预测未知节点的位置；之后，利用距离测量误差的 概率分布确定未知节点的最终位置。 ３．２分布式定位算法 水下定位机制（Ｕｎｄｅｒｗａｔｅｒ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｃｈｅｍｅ－ＵＰＳ）ｉ ］。 ＵＰＳ机制分为两个步骤：第ｌ步，测量到达信号的时间差，之后将时 间差转换为距离差，如图ｌ所示：由１个主锚节点Ａ发起定位过程，锚 节点Ｂ和未知节点接收到信号，Ｂ收到Ａ信号后计算出Ａ到Ｂ的延迟 然后发送坐标信号，未知节点接收ＮＢ信号之后就可以只通过自身 的时钟计算出出自己到Ａ和Ｂ的距离差。同理，锚节点ｃ和Ｄ也采取相 同的过程。在未知节点Ｓ接收到所有坐标信号后，估算信号到达时间 差并将其转换为距离差。第２步，利用三边测量法定位未知节点。 水下节点定位（Ｕｎｄｅｒｗａｔｅｒ Ｓｅｎｓｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ—ＵＳｐ）ｔ６１。 适用于稀疏的三维水下无线传感器网络，网络中至少包含三个锚 节点，锚节点被放置在具有ＧＰＳ定位功能的浮标上。在ＵＳＰ定位机 制中，未知节点通过压力传感器感知深度，这些深度信息用来将三 维的水下定位问题映射到二维平面之上。如图２中所示，未知节点 Ｕ在三维海洋环境中需要估算其位置，假定Ｕ在３个位置已知的锚 Ｂ Ａ① ，．， …一，…一…一…，一 一 － ０’．－…＿＇………＇一…………’一 ………一…… ．／， ‘ Ｂ， ｕ・甲ｃ Ａ’占 －／，．／ ．／ ：／ ， ● ／ ／ Ｉ ｌ， ／／Ｐｒｏｊｅｃｔｉｏｎｐｌａｎｅ ０ ｃＪ ，／’ 图２水下节点定位原理 收稿日期：２０１７－０９—１２ 作者简介：陈连顺（１９８７—），男，辽宁阜新人，本科，毕业于哈尔滨工程大学，助理工程师，研究方向：信息与通信工程。
一种面向无线传感器网络的分布式定位算法
一种面向无线传感器网络的分布式定位算法
晁旭;申晓红;白卫岗
【摘 要】Due to wireless sensor networks in the underwater
environment,based on the research of the similar algorithm,this paper
proposes a Distributed and Anchor-free Relative Localization Algorithm（DARL）.This algorithm combines the highest degree clustering algorithm
and the theory of classical multidimensional scaling.The theoretical
analysis and experimental simulation results show that compared to the
SDGPSN algorithm,the localization algorithm increases about 10% of the
positioning accuracy.%针对无线传感器网络（WSN）的水下应用,在原有同类算法研究的基础上,提出了一种分布式无信标节点的相对定位算法。该算法结合了最高节点度分簇算法和经典度量多维尺度定位的理论。理论分析和仿真实验表明,与SDGPSN定位算法相比,该定位算法提高了约10%的定位精度。
【期刊名称】《电子设计工程》
【年(卷),期】2012(020)008
【总页数】3页(P157-159)
【关键词】无线传感器网络;节点定位;分布式;水下应用
【作 者】晁旭;申晓红;白卫岗
【作者单位】西北工业大学航海学院,陕西西安710072;西北工业大学航海学院,陕西西安710072;西北工业大学航海学院,陕西西安710072 【正文语种】中 文
迭代粒子群优化的水下无线传感器网络节点自定位算法
２０１７年８月 第３５卷第４期 西北工业大学学报 Ｊｏｕｍａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｅｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ａｕｇ．２０１７ Ｖ０Ｊ－３５ Ｎｏ．４
迭代粒子群优化的水下无线传感器
网络节点自定位算法
常鲁杰 ，刘明雍 ，张立川 ，孙永昭 ，黄帅。
／１．西北工业大学航海学院，陕西西安７１００７２；２．９６６１７部队，Ｉ￣ｔＪｌＩ泸州 Ｉ ３．西安航天精密机电研究所，陕西西安７ｌ００７２
摘要：传统ＭＤＳ—ＭＡＰ（ｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌ ｓｃａｌｉｎｇ ＭＡＰ）算法使用节点间的最短路径作为真实距离计
算节点位置，但＂－３水下无线传感器网络（ｕｎｄｅｒｗａｔｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ，ＵＷＳＮ）构型非均匀时，最
短路径将严重偏离节点间真实距离，位置计算将产生较大误差。针对此不足，文中设计了一种基于迭 代粒子群优化的ＲＱ—ＰＳＯ定位算法。该方法利用ＭＤＳ—ＭＡＰ算法对传感器节点完成粗定位，引入几何 约束来限制粒子群初始种群范围，并采用鲁棒四边形规则对未知节点位置进行优化求解。通过理论
分析和仿真，结果表明，该算法收敛速度明显高于传统粒子群算法（ＰＳＯ），定位精度高于传统ＭＤＳ—
ＭＡＰ与ＰＳＯ算法，且ＲＱ—ＰＳＯ算法具有较强的鲁棒性。
关键词：水下传感器网络；节点定位；ＭＤＳ—ＭＡＰ算法；改进粒子群优化 中图分类号：ＴＰ２１２．１ 文献标志码：Ａ 文章编号：１０００—２７５８（２０１７）０４—０６４８—０７
水下无线传感器网络（ＵＷＳＮ）在海洋探索、水
下环境监测、水下航行目标监测与跟中、辅助导航等 领域将扮演越来越重要的角色。在水下传感器网络
的实际应用中，传感器节点的位置是其所提供信息 有效的基础¨Ｊ。由于水下通信的特殊性，一般仅有
少部分节点可以进行精确定位 ，如ＡＵＶ、潜艇、洋 面浮标和水下固定信标等。在网络中，这些已定位
【CN109932690A】一种基于接收信号强度的多目标水声定位方法【专利】
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910153596.1
(22)申请日 2019.02.28
(71)申请人 天津大学地址 300072 天津市南开区卫津路92号
(72)发明人 董丽双 刘敬浩 付晓梅
(74)专利代理机构 天津市北洋有限责任专利代理事务所 12201代理人 李林娟
(51)Int.Cl.G01S 5/22(2006.01)
(54)发明名称一种基于接收信号强度的多目标水声定位方法(57)摘要本发明公开了一种基于接收信号强度的多目标水声定位方法，所述方法包括以下步骤：建立基于压缩感知的多目标定位传感网络模型；利用声源节点与接收节点之间的距离构造正交化测量矩阵；基于正交化测量矩阵重构原始稀疏向量，三边定位法求解目标的位置坐标，通过多目标定位传感网络模型完成声源节点的定位。本发明将压缩感知理论应用于定位算法中，利用接收
信号强度(RSS)实现水下声源目标节点的定位。
权利要求书1页 说明书4页 附图2页CN 109932690 A2019.06.25
CN 109932690
A1.一种基于接收信号强度的多目标水声定位方法，其特征在于，所述方法包括以下步骤：建立基于压缩感知的多目标定位传感网络模型；利用声源节点与接收节点之间的距离构造正交化测量矩阵；基于正交化测量矩阵重构原始稀疏向量，三边定位法求解目标的位置坐标，通过多目标定位传感网络模型完成声源节点的定位。2.根据权利要求1所述的一种基于接收信号强度的多目标水声定位方法，其特征在于，所述多目标定位传感网络模型具体为：
其中，YM为以第M个接收节点作为参考节点时，接收节点的接收信号强度的比值向量，Φ为完整网络的测量矩阵，θ为表征声源节点位置信息的稀疏向量，W为噪声向量，ΦM为以第M个接收节点作为参考节点时的测量矩阵，通过求解θ中最大位置对应的网格点就是声源目标所在的位置。3.根据权利要求2所述的一种基于接收信号强度的多目标水声定位方法，其特征在于，所述正交化测量矩阵具体为：
水下无线传感器网络节点覆盖及其自定位
第３１卷第３期 ２０１２年５月 浙江海洋学院学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｚｈｅｊｉａｎｇ Ｏｃｅａｎ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｖｏ１．３ｌ Ｎｏ．３ Ｍａｙ．，２０１２
文章编号：１００８—８３０Ｘ（２０１２）０３—０２４４—０５
水下无线传感器网络节点覆盖及其自定位
张华，刘玉良
（浙江海洋学院机电工程学院，浙江舟山３１６００４）
摘要：节点自定位技术是水下无线传感器网络应用的关键技术之一，较高的覆盖概率能够提高节点自定位的精度。 节点定位精度受到很多因素的影响，本文通过采用感知概率模型模拟传感节点测量概率分布模型，再对覆盖概率较高的传 感器节点进行定位误差迭代，最后采用遗传算法对定位误差进行优化。仿真结果表明，覆盖概率受感知半径和迭代次数影 响，定位误差受信标节点密度影响，采用遗传算法的优化能够实现水下传感器节点的自定位精度。 关键词：覆盖；节点自定位；感知概率；水下无线传感器网络 中图分类号：ＴＰ３９３ 文献标识码：Ａ
Ｃｏｖｅｒａｇｅ ａｎｄ Ｓｅｌｆ－Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｕｎｄｅｒｗａｔｅｒ
Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ Ｎｏｄｅｓ
ＺＨＡＮＧ Ｈｕａ，ＬＩＵ Ｙｕ—ｌｉａｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ｏｆ Ｚｈｅｊｉａｎｇ Ｏｃｅａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｏｕｓｈａｎ ３ １６００４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｓｅｌｆ－ｌｏｃａｌｉｚａｔｉｏｎ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ｏｆ ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｕｎｄｅｒｗａｔｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ
ｎｅｔｗｏｒｋ．Ｃｏｖｅｒａｇｅ ｐｒｏｂａｂｉｌｉｔｙ ｃａｎ ｉｍｐｒｏｖｅ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｎｏｄｅ ｓｅｌｆ－ｌｏｃａｌｉｚａｔｉｏｎ．Ａｃｃｕｒａｃｙ ｏｆ ｎｏｄｅｓ ｓｅｌｆ— ｌｏｃａｌｉｚａｔｉｏｎ ｉｓ ｉｎｆｌｕｅｎｃｅｄ ｂｙ ｍａｎｙ ｆａｃｔｏｒｓ．Ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌ ｔｏ ｓｅｎｓｏｒ ｎｏｄｅｓ ｍｅａｓｕｒｉｎｇ ｉｓ ｓｉｍｕｌａｔｅｄ ｂｙ ｔｈｅ