基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法研究

摘要：為解決無線傳感網部署過程中存在嚴重的射頻串擾現(xiàn)象，且定位信號測量精確程度低，難以準確搜尋到錨節(jié)點等不足，本文提出了基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法。首先通過強度值遞歸機制，準確地按照采樣信號強度實現(xiàn)對網絡重心節(jié)點的精確定位，隨后通過對采樣信號數(shù)值進行轉換，結合網絡重心節(jié)點位置，對待測量節(jié)點的坐標進行精確估計，從而計算出節(jié)點在網絡中的準確位置，有效提高了定位信號的精確程度。仿真實驗表明，與KKFG定位算法相比，本文算法具有更高的定位精確度與數(shù)據(jù)分組投遞率，以及更低的定位誤差度。

引言

　　隨著工業(yè)化4.0節(jié)奏的不斷推進，以及信息化產業(yè)鏈的不斷發(fā)展，基于無線傳感網定位技術的各種應用也層出不窮。采用一定的定位技術實現(xiàn)無線傳感網信息的精確采集及處理，從而實現(xiàn)在數(shù)據(jù)監(jiān)測、信息采集、傳感歸納等方面的運用，成為了當前非常重要的一個研究熱點，同時也成為制約無線傳感網技術發(fā)展的一個十分重要的方面^[1]。由于在傳感定位時需要通過傳感節(jié)點將定位信息以射頻方式進行信息交互，一旦傳感節(jié)點的電池因消耗過大而導致無法正常工作時，整個定位過程將隨即失效^[2]。所以采取一定的方式減少該過程的能量損耗，同時提高無線傳感網的網絡運行質量，就成為當前研究中非常重要的研究領域^[3]。

　　如徐彤陽^[4]等提出了一種NLOS誤差模型下的無線傳感網定位方法，當節(jié)點處于低強度噪聲時，能夠實現(xiàn)高精度定位，具有很強的實際部署意義。但是，由于該算法對網絡復雜情況下的定位精度問題考慮不夠，因此，難以在噪音復雜的網絡背景條件下實現(xiàn)對節(jié)點坐標的精確定位。朱烜璋^[5]等提出了一種基于圓盤散射模型的無線傳感網定位方法研究，通過引入遞歸機制對節(jié)點初始狀態(tài)坐標進行歸納，實現(xiàn)了無固定錨節(jié)點下的初步定位。但是，該算法是無錨節(jié)點算法，因此，雖然能夠在節(jié)點定位信號強度較弱時進行定位，但是由于無錨本身的精確程度不高，在干擾較強時的精度往往會隨著信號強度的增加而迅速增大。張金藝^[6]等提出了一種無線傳感器網絡中的協(xié)作波紋定位，通過對節(jié)點相對位置進行計算，實現(xiàn)了對節(jié)點的初步定位。然而，由于對網絡拓撲改變因素考慮不夠，傳感節(jié)點一旦發(fā)生拓撲結構的改變，將難以支持定位過程的繼續(xù)。

　　為了解決上述不足，本文提出了基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法，通過對節(jié)點信號強度值進行歸納，實現(xiàn)了精確定位。隨后針對初步定位中可能存在的誤差，采取對數(shù)據(jù)進行二次轉換，從而進一步提高定位的精確度。最后采取NS2仿真平臺對本文算法進行了仿真驗證，證實了本文算法的有效性。

1 網絡拓撲假設與能量模型

　　由于整個定位過程中需要通過無線傳感網節(jié)點進行信息交互，當節(jié)點信息收發(fā)過程受阻時，將難以正常進行定位，因此，本文的無線傳感網拓撲結構需要做出如下規(guī)定^[7]：

　　1)網絡節(jié)點能量不可變動，即無法通過人為因素給予網絡節(jié)點補充能源^[8];

　　2)傳感器節(jié)點之間的信息交互是通過固定頻率的射頻信號進行交互，且整個過程均在無線網絡環(huán)境中進行;

　　3)整個網絡需要通過一定的機制進行自我修復，但該修復過程均不影響定位算法的進行;

　　4)傳感節(jié)點在消耗完自身能量后，將喪失一切信號接收與發(fā)送功能。

　　在低強度網絡信號的背景下，由于網絡節(jié)點之間的信息交互均通過無線信道發(fā)生，因而整個網絡中的全部傳感節(jié)點的能量收發(fā)模式滿足無線信道的信號收發(fā)模式^[9]。單個網絡節(jié)點在定位過程中的能量閾值μ(B)滿足如下數(shù)學表達式：

(1)

　　其中B為定位過程中的總體定位帶寬，R為節(jié)點定位過程中的最大通信能力作用距離，P_rev為定位節(jié)點的能量接收功率，P_sent為定位節(jié)點的能量發(fā)射功率。

　　由于節(jié)點在進行定位過程中會有能量損耗^[10]，相應能量損耗滿足如下的數(shù)學表達式：

(2)

　　相應參數(shù)定義同模型(1)中定義。

　　從模型(1)與模型(2)可以得到，節(jié)點在進行定位過程中的能量閾值與其定位過程中的總體定位帶寬、節(jié)點定位過程中的最大通信能力作用距離、定位節(jié)點的能量接收功率、定位節(jié)點的能量發(fā)射功率均存在很強的比例關系，且隨著節(jié)點通信距離的飛速提高，節(jié)點能量閾值與損耗相比增長速度更為迅速。此外，如果考慮到能量損耗因素僅能通過降低定位節(jié)點的能量接收功率和發(fā)射功率的方式進行，一旦兩者數(shù)值過大，該節(jié)點可能因為能量消耗過大而導致信號收發(fā)性能迅速下降，從而大大降低定位的精度及質量。

2 基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法

　　根據(jù)第1部分提出的網絡拓撲假設與能量模型，本文提出了一種基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法(Node localization algorithm for wireless sensor networks based on the intensity value recursion measure，IVRM算法)，整個算法通過強度值遞歸測量機制和重心坐標再定位兩個部分所構成。

2.1 強度值遞歸測量機制

　　由于進行節(jié)點定位需要綜合考慮信號強度及相應節(jié)點間強度分配比例關系^[11]，由模型(1)~(2)可知，整個網絡節(jié)點的定位信號強度與節(jié)點的通信距離呈現(xiàn)很強的相關比例關系。通過綜合判斷能量閾值并對該閾值進行基于強度值的遞歸測量，既可以從其他節(jié)點的信號強度中得到最佳的定位信號，因此，可以通過這種方式實現(xiàn)對節(jié)點的初步定位。

　　設i為某個待定位的節(jié)點，其坐標為，相應的其他與之存在信息交互關系的節(jié)點坐標為，其中j表示與節(jié)點i存在信息交互關系的全部節(jié)點中的某一個節(jié)點。則根據(jù)模型(1)~(2)可以得到節(jié)點i與節(jié)點j之間的坐標滿足如下數(shù)學表達式：

(3)

　　相應的誤差滿足如下的數(shù)學表達式：

(4)

　　其中，所有參數(shù)與模型(1)~(2)相同。

　　上述兩個模型反映了定位過程中某個節(jié)點與周圍節(jié)點間的坐標關系，通過模型(3)可以對待定位節(jié)點實現(xiàn)比較精確的定位，通過模型(4)可以初步對獲取的待定位節(jié)點的坐標進行初步的誤差估計。但是，由于模型(3)和模型(4)中的參數(shù)需要通過測量得到，且其節(jié)點收發(fā)功率會隨著時間增加而存在很強的衰減效應，因此，需要對模型(3)和(4)中的數(shù)據(jù)進行處理，以便能夠在精確度上滿足需求。

　　對此，本文引入了采樣信號強度，通過與重心節(jié)點的坐標進行比對，來進一步提高定位精度。

　　首先，依據(jù)模型(1)，計算滿足條件的最好的一批節(jié)點，并取其平均值，可得到重心節(jié)點的坐標：

(5)

　　由于在WSN運行期間，其節(jié)點的收發(fā)功率將收斂于0^[12]，故模型(5)可演變?yōu)椋?/p>

(6)

　　顯然，為B的聯(lián)合二次概率函數(shù)，而與同時滿足如下條件：

(7)

　　因此，可轉換成：

(8)

　　所有參數(shù)與前面相同。

　　整個遞歸過程如下所示：

　　Step 1 ：根據(jù)模型(3)所示，得到待測節(jié)點的坐標及誤差，轉Step 2 ;

　　Step 2 : 根據(jù)模型(1)求得強度最佳的一批節(jié)點，并得到節(jié)點的具體坐標;

　　Step 3 ：根據(jù)模型(5)~(8)求得精確坐標，轉Step 4;

　　Step 4 ：根據(jù)模型(9)求得坐標的誤差修正，流程結束。

2.2 重心坐標再定位

　　進行重心坐標修正之后，通過模型(8)和模型(9)可以得到待定位節(jié)點的精確坐標，但是，由于模型(8)和模型(9)為待定位帶寬B的函數(shù)，通過計算模型(8)和模型(9)的極值即可以得到最佳的節(jié)點定位數(shù)據(jù)發(fā)送帶寬的大小。

　　對模型(8)和模型(9)求二次導數(shù)可得：

(10)

(11)

　　從模型(10)和(11)可知，當B=3.5時，整個模型(8)和(9)取極值，即當定位數(shù)據(jù)以每秒3.5比特發(fā)送時，整個網絡的性能處于最優(yōu)狀態(tài)，所獲取的節(jié)點坐標及誤差程度也同時處于最精確狀態(tài)。

　　通過模型(10)和模型(11)，可以對模型(5)所示的重心坐標進行再次定位計算，由于B=3.5，同時也是模型(5)的極值點，因此，可以有效地改善模型(5)~(7)的精度，并通過模型(8)和模型(9)計算出精度最佳的定位數(shù)據(jù)。

3 仿真實驗

　　本文采用NS2仿真平臺對本文算法進行仿真，為驗證本文算法的有效性，將其與當前廣泛使用的KKFG節(jié)點定位算法[13-14]進行對比，在定位控制開銷、網絡生存時間、數(shù)據(jù)分組投遞率和誤差絕對值四個指標上進行對比。具體仿真參數(shù)如表1所示。

　　(1)定位控制開銷

　　圖1顯示了本文算法與對照組算法的定位控制開銷測試結果。從圖中可以看到，本文算法隨著節(jié)點初始能量的增加保持穩(wěn)定狀態(tài)，這是因為本文算法引入了強度值遞歸機制，能夠對初次定位坐標進行精度上的修正，能夠有效地改善定位消息的傳輸成功率，降低定位控制開銷。而對照組算法由于無法對精度進行修正，因此，需要采取增加控制分組的方式實現(xiàn)精確定位。

　　(2)網絡生存時間

　　圖2顯示了本文算法同對照組算法在網絡生存時間上的測試結果。從圖中可以看到，本文算法隨著節(jié)點初始能量的增加均呈現(xiàn)不斷增加的趨勢，但是本文算法的網絡生存時間始終要好于對照組算法，這是因為本文算法引入了強度值遞歸機制，能夠對初次定位坐標進行修正，從而有效地增加了定位精度。因此，能夠減少網絡中因定位失誤而出現(xiàn)的冗余數(shù)據(jù)，從而實現(xiàn)網絡生存時間的延長。

　　(3)數(shù)據(jù)分組投遞率

　　圖3顯示了三種定位算法的數(shù)據(jù)分組投遞率測試結果，從圖中可以看到，本文算法的數(shù)據(jù)分組投遞率隨著節(jié)點初始能量的增加保持穩(wěn)定狀態(tài)，此外，本文算法的數(shù)據(jù)分組投遞率始終要高于對照組算法，這是因為本文算法引入了重心坐標再定位機制，因此，能夠通過改善重心節(jié)點的冗余特性有效地改善節(jié)點擁塞的發(fā)生，大大提高數(shù)據(jù)分組投遞率。而對照組算法在精度定位下降時需要以增加數(shù)據(jù)分組的方式進行數(shù)據(jù)投遞，從而大大降低了數(shù)據(jù)分組投遞率。

　　(4)誤差絕對值

　　圖4顯示了兩種WSN節(jié)點定位算法的誤差絕對值測試結果。從圖中可以看到，本文算法的誤差絕對值始終要低于對照組算法，這是因為本文算法通過重心坐標再定位實現(xiàn)了定位誤差修正，因此能夠有效地改善定位精度，而對照組算法的定位數(shù)據(jù)是僅僅通過簡單測量而得到，當定位出現(xiàn)錯誤時，難以實現(xiàn)實時糾正，導致誤差絕對值高于本文算法。

4 結束語

　　本文提出了一種基于強度值遞歸測量機制的無線傳感網節(jié)點定位算法，通過對節(jié)點信號強度值的歸納與處理，實現(xiàn)了精確定位。同時采取了基于重心坐標的再定位機制，對最佳定位帶寬進行了計算，實現(xiàn)了定位節(jié)點坐標的精確獲取。仿真實驗表明，與傳統(tǒng)的KKFG算法相比，本文算法在定位控制開銷、網絡生存時間、數(shù)據(jù)分組投遞率和誤差絕對值四個指標上具有明顯的優(yōu)勢，對實踐具有一定的指導意義。

參考文獻：

　　[1]王懌,田臣.錨節(jié)點水面部署的三維水下傳感網定位算法[J].微電子學與計算機.2010, 10(11):65-68.

　　[2]ChenLee. An Efficient Algorithm for Mobile Localization in Sensor Networks[J]. International Journal of Automation and Computing, 2012, 06(32):594-599.

　　[3]Guo-Jin Feng, James Gu, Dong Zhen. Implementation of Envelope Analysis on a Wireless Condition Monitoring System for Bearing Fault Diagnosis [J]. International Journal of Automation and Computing, 2015, 01(21):14-24.

　　[4]徐彤陽. NLOS誤差模型下的無線傳感網定位方法與仿真[J].計算機工程與設計.2013,08(118):2680-2684.

　　[5]朱烜璋. 基于圓盤散射模型的無線傳感網定位方法研究[J].計算機工程與應用.2013, 14(35):88-91.

　　[6]張金藝,段蘇陽,吳玉見.無線傳感器網絡中的協(xié)作波紋定位[J].應用科學學報.2012, 02(19):120-127.

　　[7]LI Bin,WANG WenJie,YIN QinYe. A distributed localization in wireless sensor networks utilizing AOD estimation and synthetically uniform circular array [J]. Science China (Information Sciences), 2015, 06(72):105-115.

　　[8]茍勝難.基于改進的RSSI無線傳感器網絡節(jié)點定位算法研究[J].計算機應用研究.2012, 05(25):1867-1869.

　　[9]鄧文蓮.無線傳感器網絡節(jié)點定位的仿真研究[J].計算機仿真.2012, 05(75):167-16.

　　[10]Georges M. Arnaout, Shannon Bowling. A Progressive Deployment Strategy for Cooperative Adaptive Cruise Control to Improve Traffic Dynamics[J]. International Journal of Automation and Computing, 2014,01(11):10-18.

　　[11]歐陽丹彤,何金勝,白洪濤.一種約束粒子群優(yōu)化的無線傳感器網絡節(jié)點定位算法[J].計算機科學.2011,07(16):46-50.

　　[12]張源峰,程恩.基于可控制粒子群優(yōu)化的無線傳感網節(jié)點定位技術[J].廈門大學學報(自然科學版).2013,06(32):739-743.

　　[13]Jack. An Efficient Algorithm for Mobile Localization in Sensor Networks [J].International Journal of Automation and Computing.2012, 06(78):594-599.

　　[14]LI Bin, WANG WenJie, YIN QinYe. A distributed localization in wireless sensor networks utilizing AOD estimation and synthetically uniform circular array [J]. Science China (Information Sciences).2015, 06(17):105-115.

本文來源于中國科技期刊《電子產品世界》2016年第7期第54頁，歡迎您寫論文時引用，并注明出處。