[發明專利]基于小波神經的DV?Hop無線傳感網絡節點定位方法

有效

• 申請號: 201410193590.4
• 申請日: 2014-05-09
• 公開（公告）號: CN103929810B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 蔣敏蘭;胡娟
• 申請（專利權）人: 浙江師范大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W84/18
• 代理公司: 北京天奇智新知識產權代理有限公司11340
• 代理人: 韓洪

1.基于小波神經的DV-Hop無線傳感網絡節點定位方法，其特征在于：包括以下步驟：

步驟一：無線傳感網絡初始化，得到每兩個錨節點之間的最小跳數、未知節點與錨節點之間的最小跳數，利用每兩個錨節點之間的已知距離和獲得的最小跳數算出每兩個錨節點之間的每跳跳距；

步驟二：小波神經網絡初始化，對步驟一中的每兩個錨節點之間的每跳跳距進行數據處理，得到適用于整個無線傳感器網絡的每跳跳距：輸入層對步驟一中得到的每兩個錨節點之間的每跳跳距采取間隔分組和移窗式選取的方式進行處理，將50個數據A＝{a1,a2,a3,…,a50}分為8組，每組11個數據:X1＝(a1:a11)、Y1＝a15；X2＝(a6:a16)、Y2＝a20；X3＝(a11:a21)、Y3＝a25；…；X8＝(a36:a46)、Y8＝a50，其中X為訓練網絡的樣本輸入，Y為樣本輸出，再對X樣本輸入和Y樣本輸出進行歸一化處理，對權系數、閾值和小波參數進行初始化，

將小波函數Mallet(fai(x)＝cos(1.75.*x)*exp(-x.^2/2))作為隱含層的傳遞函數，來求得隱含層的輸出值：

oxhp(h,1)＝fai((ixhp(h,1)-b(h,1))/a(h,1))

其中：oxhp(h,1)為隱含層輸出，ixhp(h,1)為隱含層輸入，h是每兩個錨節點之間的每跳跳距，a和b為閾值系數，

輸出層運用的是在Sigmoid(fnn)函數f(x)＝1/(1+e^-x)的基礎上添加一個伸縮因子c來求得輸出值：

ixjp2＝c.*ixjp

oxjp(p)＝fnn(ixjp2)

其中：ixjp為輸出層輸入；oxjp(p)為輸出層輸出，

同時引入動量因子aerfa對各權值系數、閾值系數進行修正:

wjh＝wjh+(1+aerfa)*detawjh；

whi＝whi+(1+aerfa)*detawhi；

a＝a+(1+aerfa)*detaa；

b＝b+(1+aerfa)*detab；

c＝c+(1+aerfa)*detac；

其中：wjh為隱含層與輸出層權值系數；whi為輸入層與隱含層權值系數，

最后用Err_NetOut判斷所有樣本是否計算完全，Err_NetOut表示輸出層的輸出值與Y樣本輸出的平方和的誤差，用Err_NetOut和最大運行次數count作為小波神經網絡算法收斂的閾值，得到整個無線傳感器網絡的每跳跳距；

步驟三：利用步驟一中得到的未知節點與錨節點之間的最小跳數乘以步驟二中得到的整個無線傳感器網絡的每跳跳距，得出未知節點到錨節點之間的距離；

步驟四：根據步驟三中得到的未知節點到錨節點之間的距離，利用最小二乘法和三邊測量法來求得未知節點的坐標，從而完成定位。

2.根據權利要求1所述的基于小波神經的DV-Hop無線傳感網絡節點定位方法，其特征在于：所述步驟一中無線傳感網絡初始化的具體步驟為：首先錨節點向它的每個鄰居節點廣播自身位置信息的分組，并將其跳數初始化為0，接收節點記錄到每個錨節點的最小跳數，同時忽略來自同一個錨節點的較大跳數的分組，然后將其跳數值加1并轉發給鄰居節點，從而得出每兩個錨節點之間的最小跳數、未知節點與錨節點之間的最小跳數；然后根據公式用兩個錨節點之間的已知距離除以對應的兩個錨節點之間的最小跳數，得到兩個錨節點之間的每跳跳距，其中(x_i,y_i),(x_j,y_j)是錨節點i,j的坐標，h_ij是錨節點i,j(i≠j)之間的最小跳數。