基于强度值递归测量机制的无线传感网节点定位算法研究
摘要：为解决无线传感网部署过程中存在严重的射频串扰现象，且定位信号测量精确程度低，难以准确搜寻到锚节点等不足，本文提出了基于强度值递归测量机制的无线传感网节点定位算法。首先通过强度值递归机制，准确地按照采样信号强度实现对网络重心节点的精确定位，随后通过对采样信号数值进行转换，结合网络重心节点位置，对待测量节点的坐标进行精确估计，从而计算出节点在网络中的准确位置，有效提高了定位信号的精确程度。仿真实验表明，与KKFG定位算法相比，本文算法具有更高的定位精确度与数据分组投递率，以及更低的定位误差度。
本文引用地址：http://www.eepw.com.cn/article/201607/294699.htm引言
随着工业化4.0节奏的不断推进，以及信息化产业链的不断发展，基于无线传感网定位技术的各种应用也层出不穷。采用一定的定位技术实现无线传感网信息的精确采集及处理，从而实现在数据监测、信息采集、传感归纳等方面的运用，成为了当前非常重要的一个研究热点，同时也成为制约无线传感网技术发展的一个十分重要的方面[1]。由于在传感定位时需要通过传感节点将定位信息以射频方式进行信息交互，一旦传感节点的电池因消耗过大而导致无法正常工作时，整个定位过程将随即失效[2]。所以采取一定的方式减少该过程的能量损耗，同时提高无线传感网的网络运行质量，就成为当前研究中非常重要的研究领域[3]。
如徐彤阳[4]等提出了一种NLOS误差模型下的无线传感网定位方法，当节点处于低强度噪声时，能够实现高精度定位，具有很强的实际部署意义。但是，由于该算法对网络复杂情况下的定位精度问题考虑不够，因此，难以在噪音复杂的网络背景条件下实现对节点坐标的精确定位。朱烜璋[5]等提出了一种基于圆盘散射模型的无线传感网定位方法研究，通过引入递归机制对节点初始状态坐标进行归纳，实现了无固定锚节点下的初步定位。但是，该算法是无锚节点算法，因此，虽然能够在节点定位信号强度较弱时进行定位，但是由于无锚本身的精确程度不高，在干扰较强时的精度往往会随着信号强度的增加而迅速增大。张金艺[6]等提出了一种无线传感器网络中的协作波纹定位，通过对节点相对位置进行计算，实现了对节点的初步定位。然而，由于对网络拓扑改变因素考虑不够，传感节点一旦发生拓扑结构的改变，将难以支持定位过程的继续。
为了解决上述不足，本文提出了基于强度值递归测量机制的无线传感网节点定位算法，通过对节点信号强度值进行归纳，实现了精确定位。随后针对初步定位中可能存在的误差，采取对数据进行二次转换，从而进一步提高定位的精确度。最后采取NS2仿真平台对本文算法进行了仿真验证，证实了本文算法的有效性。
1 网络拓扑假设与能量模型
由于整个定位过程中需要通过无线传感网节点进行信息交互，当节点信息收发过程受阻时，将难以正常进行定位，因此，本文的无线传感网拓扑结构需要做出如下规定[7]：
1)网络节点能量不可变动，即无法通过人为因素给予网络节点补充能源[8];
2)传感器节点之间的信息交互是通过固定频率的射频信号进行交互，且整个过程均在无线网络环境中进行;
3)整个网络需要通过一定的机制进行自我修复，但该修复过程均不影响定位算法的进行;
4)传感节点在消耗完自身能量后，将丧失一切信号接收与发送功能。
在低强度网络信号的背景下，由于网络节点之间的信息交互均通过无线信道发生，因而整个网络中的全部传感节点的能量收发模式满足无线信道的信号收发模式[9]。单个网络节点在定位过程中的能量阈值μ(B)满足如下数学表达式：
(1)
其中B为定位过程中的总体定位带宽，R为节点定位过程中的最大通信能力作用距离，Prev为定位节点的能量接收功率，Psent为定位节点的能量发射功率。
由于节点在进行定位过程中会有能量损耗[10]，相应能量损耗
满足如下的数学表达式：
(2)
相应参数定义同模型(1)中定义。
从模型(1)与模型(2)可以得到，节点在进行定位过程中的能量阈值与其定位过程中的总体定位带宽、节点定位过程中的最大通信能力作用距离、定位节点的能量接收功率、定位节点的能量发射功率均存在很强的比例关系，且随着节点通信距离的飞速提高，节点能量阈值与损耗相比增长速度更为迅速。此外，如果考虑到能量损耗因素仅能通过降低定位节点的能量接收功率和发射功率的方式进行，一旦两者数值过大，该节点可能因为能量消耗过大而导致信号收发性能迅速下降，从而大大降低定位的精度及质量。
2 基于强度值递归测量机制的无线传感网节点定位算法
根据第1部分提出的网络拓扑假设与能量模型，本文提出了一种基于强度值递归测量机制的无线传感网节点定位算法(Node localization algorithm for wireless sensor networks based on the intensity value recursion measure，IVRM算法)，整个算法通过强度值递归测量机制和重心坐标再定位两个部分所构成。
2.1 强度值递归测量机制
由于进行节点定位需要综合考虑信号强度及相应节点间强度分配比例关系[11]，由模型(1)~(2)可知，整个网络节点的定位信号强度与节点的通信距离呈现很强的相关比例关系。通过综合判断能量阈值并对该阈值进行基于强度值的递归测量，既可以从其他节点的信号强度中得到最佳的定位信号，因此，可以通过这种方式实现对节点的初步定位。
设i为某个待定位的节点，其坐标为
，相应的其他与之存在信息交互关系的节点坐标为
，其中j表示与节点i存在信息交互关系的全部节点中的某一个节点。则根据模型(1)~(2)可以得到节点i与节点j之间的坐标满足如下数学表达式：
(3)
相应的误差
满足如下的数学表达式：
(4)
其中，所有参数与模型(1)~(2)相同。
上述两个模型反映了定位过程中某个节点与周围节点间的坐标关系，通过模型(3)可以对待定位节点实现比较精确的定位，通过模型(4)可以初步对获取的待定位节点的坐标进行初步的误差估计。但是，由于模型(3)和模型(4)中的参数需要通过测量得到，且其节点收发功率会随着时间增加而存在很强的衰减效应，因此，需要对模型(3)和(4)中的数据进行处理，以便能够在精确度上满足需求。
对此，本文引入了采样信号强度，通过与重心节点的坐标进行比对，来进一步提高定位精度。
首先，依据模型(1)，计算满足
条件的最好的一批节点，并取其平均值，可得到重心节点的坐标：
(5)
由于在WSN运行期间，其节点的收发功率将收敛于0[12]，故模型(5)可演变为：
(6)
显然，
为B的联合二次概率函数，而与
同时满足如下条件：
(7)
因此，可转换成：
(8)
所有参数与前面相同。
整个递归过程如下所示：
Step 1 ：根据模型(3)所示，得到待测节点的坐标及误差，转Step 2 ;
Step 2 : 根据模型(1)求得强度最佳的一批节点，并得到节点的具体坐标;
Step 3 ：根据模型(5)~(8)求得精确坐标，转Step 4;
Step 4 ：根据模型(9)求得坐标的误差修正，流程结束。
2.2 重心坐标再定位
进行重心坐标修正之后，通过模型(8)和模型(9)可以得到待定位节点的精确坐标，但是，由于模型(8)和模型(9)为待定位带宽B的函数，通过计算模型(8)和模型(9)的极值即可以得到最佳的节点定位数据发送带宽的大小。
对模型(8)和模型(9)求二次导数可得：
(10)
(11)
从模型(10)和(11)可知，当B=3.5时，整个模型(8)和(9)取极值，即当定位数据以每秒3.5比特发送时，整个网络的性能处于最优状态，所获取的节点坐标及误差程度也同时处于最精确状态。
通过模型(10)和模型(11)，可以对模型(5)所示的重心坐标进行再次定位计算，由于B=3.5，同时也是模型(5)的极值点，因此，可以有效地改善模型(5)~(7)的精度，并通过模型(8)和模型(9)计算出精度最佳的定位数据。
3 仿真实验
本文采用NS2仿真平台对本文算法进行仿真，为验证本文算法的有效性，将其与当前广泛使用的KKFG节点定位算法[13-14]进行对比，在定位控制开销、网络生存时间、数据分组投递率和误差绝对值四个指标上进行对比。具体仿真参数如表1所示。
(1)定位控制开销
图1显示了本文算法与对照组算法的定位控制开销测试结果。从图中可以看到，本文算法随着节点初始能量的增加保持稳定状态，这是因为本文算法引入了强度值递归机制，能够对初次定位坐标进行精度上的修正，能够有效地改善定位消息的传输成功率，降低定位控制开销。而对照组算法由于无法对精度进行修正，因此，需要采取增加控制分组的方式实现精确定位。
(2)网络生存时间
图2显示了本文算法同对照组算法在网络生存时间上的测试结果。从图中可以看到，本文算法随着节点初始能量的增加均呈现不断增加的趋势，但是本文算法的网络生存时间始终要好于对照组算法，这是因为本文算法引入了强度值递归机制，能够对初次定位坐标进行修正，从而有效地增加了定位精度。因此，能够减少网络中因定位失误而出现的冗余数据，从而实现网络生存时间的延长。
(3)数据分组投递率
图3显示了三种定位算法的数据分组投递率测试结果，从图中可以看到，本文算法的数据分组投递率随着节点初始能量的增加保持稳定状态，此外，本文算法的数据分组投递率始终要高于对照组算法，这是因为本文算法引入了重心坐标再定位机制，因此，能够通过改善重心节点的冗余特性有效地改善节点拥塞的发生，大大提高数据分组投递率。而对照组算法在精度定位下降时需要以增加数据分组的方式进行数据投递，从而大大降低了数据分组投递率。
(4)误差绝对值
图4显示了两种WSN节点定位算法的误差绝对值测试结果。从图中可以看到，本文算法的误差绝对值始终要低于对照组算法，这是因为本文算法通过重心坐标再定位实现了定位误差修正，因此能够有效地改善定位精度，而对照组算法的定位数据是仅仅通过简单测量而得到，当定位出现错误时，难以实现实时纠正，导致误差绝对值高于本文算法。
4 结束语
本文提出了一种基于强度值递归测量机制的无线传感网节点定位算法，通过对节点信号强度值的归纳与处理，实现了精确定位。同时采取了基于重心坐标的再定位机制，对最佳定位带宽进行了计算，实现了定位节点坐标的精确获取。仿真实验表明，与传统的KKFG算法相比，本文算法在定位控制开销、网络生存时间、数据分组投递率和误差绝对值四个指标上具有明显的优势，对实践具有一定的指导意义。
参考文献：
[1]王怿,田臣.锚节点水面部署的三维水下传感网定位算法[J].微电子学与计算机.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]徐彤阳. NLOS误差模型下的无线传感网定位方法与仿真[J].计算机工程与设计.2013,08(118):2680-2684.
[5]朱烜璋. 基于圆盘散射模型的无线传感网定位方法研究[J].计算机工程与应用.2013, 14(35):88-91.
[6]张金艺,段苏阳,吴玉见.无线传感器网络中的协作波纹定位[J].应用科学学报.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]苟胜难.基于改进的RSSI无线传感器网络节点定位算法研究[J].计算机应用研究.2012, 05(25):1867-1869.
[9]邓文莲.无线传感器网络节点定位的仿真研究[J].计算机仿真.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]欧阳丹彤,何金胜,白洪涛.一种约束粒子群优化的无线传感器网络节点定位算法[J].计算机科学.2011,07(16):46-50.
[12]张源峰,程恩.基于可控制粒子群优化的无线传感网节点定位技术[J].厦门大学学报(自然科学版).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.
本文来源于中国科技期刊《电子产品世界》2016年第7期第54页，欢迎您写论文时引用，并注明出处。
评论