[發明專利]基于壓縮感知和BP神經網絡的無線傳感器網絡定位方法

有效

• 申請號: 201610019570.4
• 申請日: 2016-01-13
• 公開（公告）號: CN105676178B
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 喻月;張玲華
• 申請（專利權）人: 南京郵電大學
• 主分類號: G01S5/06
• 分類號: G01S5/06;H04W64/00;G06N3/02
• 代理公司: 南京知識律師事務所 32207
• 代理人: 汪旭東

本發明公開了基于壓縮感知和BP神經網絡的無線傳感器網絡定位方法，該方法將壓縮感知和BP神經網絡應用于基于網格的多目標定位，使用接收信號強度(RSSI)作為定位參數。可以分為以下步驟，步驟一：利用壓縮感知對無線傳感器網絡節點進行定位，判斷節點是否位于網格中心；步驟二：對于不在網格中心的未知節點，依次采用BP神經網絡和極大似然估計法計算出節點的坐標。用BP神經網絡修正RSSI測量值誤差，最后用極大似然估計法計算得出未知節點的真實坐標。本發明可以同時進行多目標定位，并且克服了傳統的壓縮感知方法只能在網格中心進行定位的缺點，利用BP神經網絡克服了RSSI定位帶來的精度差的缺點，在減小功耗的同時提高了定位精度。

技術領域

本發明涉及一種基于壓縮感知和BP神經網絡的無線傳感器網絡定位方法，屬于移動通訊技術領域。

背景技術

節點的定位是無線傳感器網絡中最重要的技術之一，因為它在許多應用領域起著至關重要的作用，例如目標追蹤、軍事偵察、地理環境監測、交通路況監測、醫療衛生等領域。如果用戶不能預先知道節點的準確位置信息，將無法完成相關的應用。上述的位置信息需要通過無線傳感器網絡自身的節點位置信息獲取。無線傳感器節點定位的研究包括的內容有很多方面，比如錨節點密度、網絡的魯棒性和容錯性、定位精度受環境的影響、網絡規模、節點功耗等。如何綜合考慮平衡各項影響定位的因素是一個很重要的問題。定位的準確性在很大程度上影響著應用。

將智能優化算法應用到無線傳感器網絡的定位中也是近年來國內外研究的熱點。Parija S等利用多層神經網絡(MNN)來預測蜂窩移動網中移動熱點的位置，選取了單層結構的非線性的函數鏈神經網絡代替了傳統的多層感知器神經網絡來提高定位效率和精度。Yan F等將學習矢量量化神經網絡(LVQ)和C-型行波定位方法相結合，提高了定位精度。Tiejun W等利用神經網絡來選擇影響定位數據選擇的5種因素的權重，利用合理的權重提高定位精度。

同時，由于測量技術的進步，國內外已經有大量的研究將壓縮感知應用到無線傳感器網絡定位中。壓縮感知的優勢在于只要知道少量的測量數據，就可以利用重構算法恢復出原始的信號，可以大大減少無線傳感器節點的能量消耗。Cevher V等把目標定位的問題轉換成壓縮感知，但是只能在網格中央進行定位，并且每個節點都需要定位字典。何風行等用殘差最有匹配算法優化了壓縮感知的定位方法，但是定位誤差在大的噪聲情況下，仍然比較大。Malioutov等將利用稀疏變換進行節點的定位研究，缺點是算法過于復雜。而本發明能夠很好地解決上面的問題。

發明內容

本發明的目的在于解決了上述現有技術的不足，提供一種基于壓縮感知與BP神經網絡的無線傳感器網絡定位方法，該方法對已有的定位算法進行改進，利用壓縮感知和BP神經網絡相結合的定位方法，利用壓縮感知技術減小節點的功耗，從而提升節點的定位性能，滿足無線傳感器網絡中高效數據傳輸和降低傳輸數據量的要求，從而能提升無線傳感器網絡的性能，該可以同時進行多目標定位，并且克服了傳統的壓縮感知方法只能在網格中心進行定位的缺點，利用BP神經網絡克服了RSSI定位帶來的精度差的缺點，在減小功耗的同時提高了定位精度，并且解決了傳統的壓縮感知方法只能在網格中心進行定位的不足。

本發明解決其技術問題所采取的技術方案是：一種基于壓縮感知和BP神經網絡的無線傳感器網絡定位方法，所述方法包括如下步驟：

步驟1：每個目標以周期T向錨節點發送信號，各個目標之間相互獨立，相互之間沒有同步的要求，然后各個錨節點將一個周期內收到的RSSI測量值進行累加，并且將結果送到融合中心，融合中心執行壓縮感知算法，計算未知節點位于哪個網格之中，并且是否位于網格的中心；

步驟2：對于不在網格中心的節點，分為以下具體實現過程，包括：

步驟2-1：訓練BP神經網絡，提前將部分位置已知的錨節點作為可靠節點，將剩余錨節點接收到可靠節點的RSSI值向量作為輸入，可靠節點到剩余錨節點的真實距離值向量作為輸出，訓練神經網絡；