一种基于优化算法的三维定位精准识别方法及系统

本发明涉及水下传感器，尤其涉及一种基于优化算法的三维定位精准识别方法及系统。

背景技术：

1、随着海洋的开发重要性逐渐凸显，水下无线传感器网络(underwater wirelesssensor networks，uwsn)在海洋领域的应用日益广泛。uwsn水下节点三维精准定位是实现海洋环境监测、资源勘探和水下目标跟踪等应用的核心技术之一。海洋环境的复杂性和水下信号传输的限制使得 uwsn的三维定位具有挑战性。

2、目前会引入水下机器人(auv)协作定位，但是auv的引入虽然改善了uwsn定位能力却加大定位成本，大部分算法复杂度较高且应用环境多为静态网络，没有解决以下问题：1。锚节点之间距离误差问题；2。节点位置计算的寻优能力。3。未考虑水流引起节点位置漂流导致的定位误差，以及水下噪声对定位造成干扰。种种原因都会导致定位不准确的问题。

技术实现思路

1、本发明实施例提供一种基于优化算法的三维定位精准识别方法及系统，调整总节点和锚节点数量比例、 优化节点通信半径，削弱节点跳数与跳距计算引起的定位误差，进而在网络中部署移动节点构建动态uwsn，提高了定位精度。

2、本技术实施例的第一方面提供了一种基于优化算法的三维定位精准识别方法，包括：

3、根据海洋的水下目标区域的区域信息和定位任务的任务信息，对所述水下目标区域进行空间聚类，得到多个水下目标子区域；

4、在每个水下目标子区域的中心设置一个锚节点，根据各个锚节点的三维空间坐标，采用双通信半径方式统计所有未知节点到每个锚节点的最小跳数；

5、根据权重系数对各个未知节点的平均跳距进行修正后，结合未知节点到每个锚节点的最小跳数，计算各个未知节点到每个锚节点之间的跳段距离；

6、根据各个未知节点到每个锚节点之间的跳段距离，利用改进瞪羚优化算法确定各个未知节点的三维坐标；

7、根据各个未知节点的三维坐标移动各个未知节点后，根据各个锚节点和各个未知节点，对定位任务的对象进行定位识别。

8、在第一方面的一种可能的实现方式中，所述根据海洋的水下目标区域的区域信息和定位任务的任务信息，对所述水下目标区域进行空间聚类，得到多个水下目标子区域，具体包括：

9、根据海洋的水下目标区域的水域体积，将所述水下目标区域按照相同的预设水域体积划分成多个初始子区域，并建立初始子区域数量相同的多个聚类中心；

10、对各个聚类中心所在位置进行环境采样，根据采样结果和定位任务的任务信息，得到多个中心向量；

11、依次在每个初始子区域设置多个采样点进行多点环境采样，根据采样结果和定位任务的任务信息，在每个初始子区域均得到多个子区域特征向量；

12、对全部子区域特征向量进行聚类，得到多个新的聚类中心作为水下目标子区域的中心；聚类过程中，若两个聚类中心之间的距离小于锚节点的最大通信半径，选择其中一个聚类中心进行删除。

13、在第一方面的一种可能的实现方式中，所述采样结果包括采样点的水流速度、光照值和doi值；所述定位任务的任务信息包括采样点的所处位置对定位任务的任务目标的重要性指标值。

14、在第一方面的一种可能的实现方式中，所述根据各个锚节点的三维空间坐标，采用双通信半径方式统计所有未知节点到每个锚节点的最小跳数，具体包括：

15、根据各个锚节点的三维空间坐标，计算两两锚节点之间的多个锚节点相隔距离；

16、在多个锚节点相隔距离选出最小的锚节点相隔距离作为参考距离；

17、根据所述锚节点的最大通信半径的平方值与所述参考距离的比值，确定第一通信半径；

18、将最大通信半径作为第二通信半径；

19、依次根据所述第一通信半径和所述第二通信半径，统计所有未知节点到每个锚节点的最小跳数。

20、在第一方面的一种可能的实现方式中，根据权重系数对各个未知节点的平均跳距进行修正，具体包括：

21、根据每两个锚节点之间的距离误差，得到多个传播距离权重系数；

22、根据多个传播距离权重系数，计算全部未知节点的平均跳距。

23、在第一方面的一种可能的实现方式中，所述根据各个未知节点到每个锚节点之间的跳段距离，利用改进瞪羚优化算法确定各个未知节点的三维坐标，具体包括：

24、利用logistic混沌映射初始化瞪羚种群;

25、在预设的最大迭代次数范围内，计算全部瞪羚的适应度，根据所述全部瞪羚的适应度，构建精英瞪羚矩阵；

26、在每次迭代中，若生成的随机数大于预设阶段阈值，对所述精英瞪羚矩阵进行开发活动模拟；

27、在每次迭代中，若生成的随机数小于或等于预设阶段阈值，且当前迭代数满足预设迭代条件，所述述精英瞪羚矩阵进行莱维飞行模拟；若生成的随机数小于或等于预设阶段阈值，且当前迭代数不满足预设迭代条件，所述述精英瞪羚矩阵进行布朗运动模拟；

28、在每次迭代中，每次模拟后评估位置的适应度，更新所述精英瞪羚矩阵和更新精英瞪羚。

29、在第一方面的一种可能的实现方式中，其特征在于，执行开发活动模拟时的参照公式为：

30、，其中，yn∈[0，1]，t 代表当前的迭代数，参数b 的取值范围是：1≤b≤4， b是一个控制参数。

31、在第一方面的一种可能的实现方式中，所述执行莱维飞行模拟时的参照公式为：

32、，其中，，和为常数，定义为：<mstyle displaystyle="true" mathcolor="#000000"><msub><mi>μ</mi><mi>x</mi></msub><mi>=</mi><msup><mrow><mo>[</mo><mfrac><mrow><mstyle displaystyle="true" mathcolor="#000000"><mi>γ</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>(</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mn>1</mn></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mo>+</mo></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>β</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>)</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>s</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>i</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>n</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>（</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mfrac><mi>πβ</mi><mn>2</mn></mfrac></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>）</mi></mstyle></mrow><mrow><mstyle displaystyle="true" mathcolor="#000000"><mi>γ</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>(</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mfrac><mrow><mn>1</mn><mo>+</mo><mi>β</mi></mrow><mn>2</mn></mfrac></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>)</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mi>β</mi></mstyle><mstyle displaystyle="true" mathcolor="#000000"><mn>2</mn></mstyle><mstyle displaystyle="true" mathcolor="#000000"><msup><mrow /><mrow><mi>(</mi><mfrac><mrow><mi>β</mi><mi>−</mi><mn>1</mn></mrow><mn>2</mn></mfrac><mi>)</mi></mrow></msup></mstyle></mrow></mfrac><mo>]</mo></mrow><mrow><mn>1</mn><mi>/</mi><mi>β</mi></mrow></msup></mstyle>，γ为伽马函数。

33、在第一方面的一种可能的实现方式中，执行布朗运动模拟时的参照公式为：

34、，其中，是精英瞪羚矩阵， 是下一次迭代的解， 表示瞪羚的移动速度， 表示基于布朗运动的随机向量， 为0~1之间的随机数。

35、本技术实施例的第二方面提供了一种基于优化算法的三维定位精准识别系统，包括：

36、聚类模块，用于根据海洋的水下目标区域的区域信息和定位任务的任务信息，对所述水下目标区域进行空间聚类，得到多个水下目标子区域；

37、统计模块，用于在每个水下目标子区域的中心设置一个锚节点，根据各个锚节点的三维空间坐标，采用双通信半径方式统计所有未知节点到每个锚节点的最小跳数；

38、第一计算模块，用于根据权重系数对各个未知节点的平均跳距进行修正后，结合未知节点到每个锚节点的最小跳数，计算各个未知节点到每个锚节点之间的跳段距离；

39、第二计算模块，用于根据各个未知节点到每个锚节点之间的跳段距离，利用改进瞪羚优化算法确定各个未知节点的三维坐标；

40、定位识别模块，用于根据各个未知节点的三维坐标移动各个未知节点后，根据各个锚节点和各个未知节点，对定位任务的对象进行定位识别。

41、相比于现有技术，本发明实施例提供了一种基于优化算法的三维定位精准识别方法及系统，通过对目标水域进行均匀采样水样信息，结合任务信息对目标水域聚类得到多个水下目标子区域，每个水下目标子区域是环境相似和监测需求相似的空间，每一个水下目标子区域安放一个锚节点（固定节点），而其他的未知节点(可移动节点)按需布置，根据聚类结果调整总节点和锚节点数量比例，保证定位精度的同时节约了运维成本。而后采用双通信半径方式统计所有未知节点到每个锚节点的最小跳数，优化节点通信半径，削弱节点跳数与跳距计算引起的定位误差，最后利用优化的算法对定位任务的对象进行定位识别。在网络中部署移动节点构建动态uwsn，研究水流速度对定位精度的影响分析，提高了定位精度。