节点定位技术（精选九篇）
节点定位技术 篇1
关键词：无线传感器网络,定位算法,锚节点
0引言
无线传感器网络( WSN) 将大量传感器节点布置于监测区域来采集、处理监测对象的信息,并通过无线通信方式组成多跳自组织网络传递信息并发送给监测者[1 - 2]。传感器节点、监测对象、监测者是WSN的三要素,具有规模大、自组织、低功耗、低成本等特点,在军事领域、物流领域、环境监测等领域具有极高的应用价值。几乎所有应用场合都需要节点位置信息,没有位置信息的监测信息是无意义的[1]。
目前应用最广最专业的定位系统GPS( Global Position System) 具有全天候、精度高等特点,但卫星信号不适用于室内环境,需要相应的基础设施,难在低成本的WSN中推广。人工布置节点由于WSN规模大耗费时间长,且在危险区域如军事上敌情监测、 环境监测等领域不适用。需用定位算法实现节点自身的定位。
1定位技术基本术语
( 1) 信标节点: 通过GPS等方法获得自身位置的节点,也称锚节点。
( 2) 未知节点: 位置未知的节点。
(3)邻居节点:节点通信半径内的其他节点。
(4)连通度:一个节点拥有的邻居节点数目。
(5)视距:两节点间无障碍物,可直接通信。
(6)非视距:两节点间存在障碍物。
2 WSN主要定位技术
从1992年AT&Laboratories Cambridge开发出室内定位系统Active Badge至今,国内外学者和研究机构致力于无线传感器定位技术研究,提出不同的算法,但每一种算法都有其特定的适用条件和适用环境,目前还没有一种通用定位算法。
根据是否需要测量距离或角度将算法分为: 测距( Rang - based) 算法和非测距( Rang - free) 算法。 测距算法需对节点间距离或角度进行测量,非测距算法主要依靠节点网络连通度实现定位。
2. 1 Rang - based节点定位算法
算法需先测得未知节点和锚节点的距离或角度,目前采用的测量方法有接收信号强度指示( RS- SI,Received Signal Strength Indication ) ,到达时间( TOA,Time of Arrival) ,到达时间差( TDOA,Time Difference of Arrival) 和到达角度( AOA,Angle of Ar- rival) 等。
RSSI测距中,获得发射节点的发射功率和接收节点的接收功率,算出传播损耗,用信号传输损耗理论或经验模型求出节点间的距离。无需添加硬件就可获取RSSI值,成本低,但RSSI受环境影响,有较大的随机性和波动性,理论与经验信号传输损耗模型并不能与实际相符。文献[3]提出三种数据校正模型,其中高斯模型处理RSSI数据效果最佳。文献[4]根据实际环境挑选可靠节点建立可靠节点列表。文献[5]利用锚节点间距离确定理论模型中的未知参数。文献[6]建立RSSI与距离数组的对应关系数据库,通过加权确定节点间距离。
TOA技术用信号传播速度与传播时间求出节点间距离,测量误差小,但节点要保持高度时间同步,易受环境影响,对节点功耗和硬件要求高。GPS定位系统采用此技术。文献[7]使用对称双边双路测量来消除晶体振荡器频率漂移引起的测距误差, 提高测距精度。
TDOA技术中,锚节点发送两种不同传播速度的无线信号,接受节点根据信号传播速度和到达时间差来计算节点间距离。测距误差小,但受信号传播距离限制和非视距影响,需额外的硬件,增加了成本。MIT开发的室内定位系统Cricket系统采用TDOA技术,用来确定移动或静止的未知节点在大楼内具体房间位置。文献[8]建立误差模型,用系统校正和均值校正降低误差。文献[9]采用TDOA算法和引入加权因子的质心算法相结合提高定位精度。
AOA技术通过额外的硬件天线阵列或超声波接收器来取得相关角度信息,获得较好的定位精度, 但成本高,受环境影响。文献[10]对采用AOA定位算法得到的未知节点多个估计位置,设置一定的过滤条件,剔除不可靠的估计位置来提高定位精度, 但改进算法对锚节点密度有依赖性。
未知节点获得与邻居锚节点距离或相对角度信息,可用以下方法得到节点位置信息。
三边测量法或三角测量法。获得未知节点到三个锚节点的距离或角度信息后,采用几何方法求得未知节点坐标。
极大似然估计法。获得未知节点到N个锚节点的距离信息后,建立坐标与距离的方程,用标准的最小均方差估计方法来求得未知节点坐标。
测距算法多需要额外的硬件开支,增加了算法的成本,并受外界环境影响,但可有较好的定位精度。
2. 2Rang - free节点定位算法
Rang - free节点定位算法无需测量节点间的绝对距离或方位,降低了对节点硬件的要求,以牺牲定位精度为代价。但能满足大多数应用的要求。主要的算法有: 质心算法、DV - Hop ( distance vector - hop) 算法、APIT( approximate point - in - triangulation test) 算法等。
质心算法是美国加州大学Bulusu教授等提出的一种基于联通性、与距离无关的室外定位算法。 未知节点以自身邻居锚节点所构成多边形质心作为位置估计值。简单易实现,但需较高的锚节点密度, 定位误差大。文献[11 - 13]求得节点间距离后,把距离函数作为加权因子,提高定位精度。
DV - Hop算法是由D. Niculescu和B. Nath等人提出的。未知节点获得到锚节点的最小跳数,通过信标节点计算平均每跳跳距,将到锚节点的最小跳数和接收到的平均每跳跳距的乘积作为节点间的估计距离,以估算距离来代替节点间的实际距离,再用三边测量法等方法计算其坐标[14]。但其采用泛洪广播方式,存在通信量大,信息冲突等问题,对节点密度依赖性大,仅在节点分布密集、拓扑比较规则的网络中有较好效果,在节点分布稀疏、拓扑不规则的情况,未知节点与锚节点的最短通信路径发生曲折,有较大误差,不宜采用。
APIT算法由Tian He,Chengdu Huang,Brain M. Blum等人提出,先确定多个包含未知节点的三角形,以三角形交集的质心作为未知节点的位置。与质心算法相比,缩小包含未知节点的区域,但同样要求较高的锚节点密度。在不规则的无线信号传输模型和节点随机分布的情况下,表现良好。文献[15] 提出三角形重心扫描法来降低APIT测试错误,降低定位误差。文献[16]采用回溯算法和区域检测来降低错误发生次数。
3结束语
节点定位技术 篇2
(国家安全生产监督管理总局 二 ○○ 七年一月
国家安全生产信息系统包括四级节点, 各级节点应根据网络、服务器等系统设备数量和规模的不 同、机房面积的不同,对照本技术规范以及国家有关标准实施机房和布线工程,以满足各级节点信息 系统运行和维护的实际需要。各级节点可以根据自身信息化建设的规划和实际需要, 提升和扩展本节 点机房和布线工程的实施标准, 但至少应满足本技术规范所规定的相关要求。国家安全生产信息系统 项目验收将以本技术规范为基本依据。
本技术规范参照中华人民共和国国家标准《电子计算机机房设计规范》(GB50174-93, 1993年 2月 17日国家技术监督局、建设部联合发布, 1993年 9月 1日实施制定,如与国家有关标准不一 致,以国家标准为准。
省级节点机房和布线工程技术规范 1.机房工程实施要求 1.1总体原则
应设独立机房, 不应与其它任何非信息系统设备共用同一空间。根据机房功能、规模等实际情况, 为了保证机房内不同设备对环境的不同要求,便于空调控制、灰尘控制、噪音控制和机房管理,应采 用隔离墙将大空间分隔成不同的功能区域。机房区内的隔断墙不必隔热,可使用玻璃隔断。对于面积 小、功能单一的机房不需要分区。
机房应远离强振源和强噪声源、避开强电磁场干扰, 当无法避开强电磁场干扰或为保障计算机系 统信息安全,可采取有效的电磁屏蔽措施。机房位置应尽量选择在建筑平台中间区域并靠近竖井,以 方便工作区网络布线,以及与所在建筑物的供电、消防、通讯的线缆联接。
与机房无关的给排水管道不得穿过机房。
楼层的选择应考虑空调机室外冷凝器的安装。对于机房专用的精密空调, 室外冷凝器不得低于室 内机 3米,不高于室内机 20米。放置冷凝器的平台应有足够的面积,一般两机组之间、机组与墙之 间的距离要求 ≥1米。对于舒适性空调,应尽量将其室外机放在机房近处,避免因空调室内机与室外 机距离过远或室外机与室内机高差太大而造成耗电量增加、效率降低、空调机寿命减损。同时应及时 检修排水不畅的水管,防止空调机漏水造成设备损坏。
1.2机房承重要求
在选择机房位置时应及时确认机房所在建筑楼层楼板承重能力, 对照本节点机房建设规模和设备 数量, 核定该承重是否满足需要, 并采取相应加固措施。加固措施对活动地板下送风不得有大的阻挡。1.3机房装修要求
机房装修应遵循国家有关标准,采用防火材料、防
静电材料。墙面装饰宜采用贴墙材料(如铝塑板、彩钢板等饰面, 应做到:表面平整、气密性好、易清洁、不起尘、不变形。墙体基层应做好防潮、屏蔽、保温隔热处理。活 动地板下的地表面应进行防潮处理(如涮防潮漆等和下送风空调区域地台保温处理, 保证下层顶板表面不会因楼板和冷风的温差而结露。
机房门窗应采用防火防盗门窗,机房内门窗可用无框大玻璃门,保证机房的安全, 也保证机房内有通透、明亮的效果。机房的外窗应为双层密封窗。
机房应采用防静电活动地板。应符合《计算机机房用活动地板技术条件》(中华人 民共和国国家标准 GB 6650-86。活动地板应可拆卸,所有设备的线缆的连接、管道连 接及检修更换都应方便。活动地板的高度应不低于 350毫米。
机房墙面装饰施工中应做严格密封处理(特别是活动地板下的密封 ,不能有漏风 缝隙,以保证机房的正压和洁净度。
1.4机房内环境要求
应安装独立空调系统,保证 24小时运转,维持机房内恒定温湿度,以保证设备使 用环境;应对门窗作密闭处理,以保证环境清洁;机房应避免阳光直射;机房必须安装 新风系统,新风应有 2~3级过滤,最后一级过滤应为亚高效过滤器,以补充机房新风 和维持机房正压和洁净度。机房内不宜设采暖散热器,如设散热器必须采取严格的防漏 措施。
机房应配备标准尺寸的网络机柜和服务器机柜,以便网络、服务器等标准设备机箱 可以顺利上架固定,机柜前后门不应采用封闭式,应采用透气性好的网孔式柜门,以保 证设备得到良好的通风和散热。
1.5机房电气要求
机房负载分为主设备负载和辅助设备负载。主设备负载指计算机及网络设备、外设 设备、测试设备及监控系统,其供电质量要求非常高,应采用 UPS 来保证供电的稳定 性和可靠性。辅助设备负载指空调设备、动力设备、照明设备、维修设备等,由市电直 接供电。不间断电源系统应有自动和手动旁路装置,避免系统故障或维修时中断电源。未经不间断供电系统提供的电源不可直接向主设备供电, 不间断供电系统容量应满足本 节点信息系统建设的需要并考虑适当余量,尽量避免不间断供电系统带较大负荷运转, 有条件的可以安装一主一备两套系统或采用模块化不间断电源系统实现系统冗余。后备 电源时间视所保护的计算机设备及其应用系统情况而定, 以保证断电时管理人员有足够 的时间可以对系统进行必要的保护性操作。
机房电气装置应选择优质电缆、线槽和插座。插座应分为市电、UPS 及主要设备专 用的防水插座,并应有明显标识。照明应选择机房专用的无眩光灯具,应保证主机房平均照度大于 500Lx(勒克斯。
机房宜采用双回路供电, 由所在建筑物总配电柜直接提供。有条件的可使用后备柴 油发电机作为主要的备用动力电源,其容量应包括 UPS 的基本容量、空调和制冷设备 的基本容量、应急照明及关系到生命安全等需要的负荷容量。
机房所在建筑必须安装避雷针等防直击雷保护装置, 机房电源进线应按现行国家标 准《建筑防雷设计规范》采取防雷措施。机房电源应采用地下电缆进线。当不得不采用 架空进线时, 在低压架空电源进线处或专用电力变压器低压配电母线处,应装设低压避 雷器。雷雨较为频繁的地区或有条件的地区应在建筑物总配电柜、机房电源输入端、不 间断电源输出端分别安装三级防过压保护装置, 以防止感应雷所引起的雷电浪涌和其他 原因引起的过电压。
机房接地应包括机房计算机直流逻辑地、配电系统交流工作地、安全保护地、防雷 保护地等四种接地。交流工作接地电阻不应大于 4Ω(欧姆;安全保护接地电阻不应大 于 4Ω(欧姆;直流工作接地电阻应按计算机系统具体要求确定;防雷接地应按现行国 家标准《建筑防雷设计规范》执行。交流工作接地、安全保护接地、直流逻辑接地、防 雷接地等四种接地宜共用一组接地装置,其接地电阻按其中最小值确定;若防雷接地单 独设置接地装置时, 其余三种接地宜共用一组接地装置, 其接地电阻不应大于其中最小 值。信号系统和电源系统、高压系统和低压系统不应使用共地回路。灵敏电路的接地应 各自隔离或屏蔽,以防止地回流和静电感应而产生干扰。
1.6机房消防要求
根据本节点规模选择消防模式,应采用气体灭火方式或手提式干粉灭火器。消防系 统应有 24小时监控和报警装置, 并与所在建筑物消防系统联动,否则应安排专人值班。1.7机房管理要求
机房应专人管理、进出应有登记,以便日后审计。有条件的应通过门禁系统进行自 动记录和管理审计。
应做好机房漏水检测,机房的水害来源主要有:机房天花屋面漏水;机房地面由于 上下水管道堵塞造成漏水;空调系统排水管设计不当或损坏漏水;空调系统保温不好形 成冷凝水。
应对机房设备的运行状态、温度、湿度、洁净度、供电的电压、电流、频率、配电 系统的开关状态等进行定时监控并记录 历史 数据,为安全运营提供有力的保证。
有条件的可采用计算机系统实现上述综合监控和管理。2.布线工程实施要求
布线系统应严格按照标准设计、施工、测试。同时,选购布线系统应着眼于未来, 保证构建的布线系统有足够的传输余量,从而满足未来 3~5年网络的升级更新。目前 应以超五类和六类布线系统为主要选择。
机房内强、弱电走线应明显分开, 以避免电磁干扰, 一般要求强电采用地板下走线, 弱电采用上走线,强电采用线槽,弱电采用吊装金属梯架。
工作区信息点布设数量应考虑充足,保证每台计算机直接接入机房内的交换机,不 应在工作区设二级交换机级联, 工作区与机房之间布线距离超过有关布线标准规定的传 输距离的, 应使用光纤布线作为骨干线路并通过交换机内部的光纤模块进行交换机的级 联。
机柜内配线架、模块、跳线应与所选布线系统类型、性能要求、国际标准统一,并 尽可能使用同一厂家的产品配合使用, 以使整个系统的性能更为优化。工程完工后应使 用测试仪按照所选种类布线系统的国际标准要求进行链路和通道的现场测试, 以证明其 能够满足标准规定的指标。
布线施工应选择具有相应资质并受过所选布线系统厂方培训的工程队伍, 在施工中 应防止线缆物理损伤、松动、变形、受力等,以避免损耗和串扰。
机柜内、工作区所有信息点应有清晰、准确、牢固的标识。机柜和工作区跳线应使 用原厂产品,尽量避免手工压接(六类系统不允许手工压接 ,以保证网络负荷较大时 的传输效果。
节点定位技术 篇3
关键词：无线传感器网络 移动锚节点 定位算法
0 引言
无线传感器网络（Wireless Sensor Network， WSN）是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息， 并最终把这些信息发送给网络的所有者。
无线传感器网络所具有的众多类型的传感器，可探测包括地震、電磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。潜在的应用领域可以归纳为： 军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域。
传感器的准确定位既是监测目标位置信息的前提，也是实现网络拓扑管理、目标跟踪、目标轨迹预测等网络功能的基础。如何以较少的网络成本获得较多的锚节点位置信息，在网络成本与定位性能之间取得平衡是实际应用中值得研究的问题。目前比较实用的定位方式是利用一些带有GPS装置的移动锚节点按照有效规划的移动路径遍历整个监测区域，通过发送包含自身坐标的信标数据包来定位区域中的未知节点。该方法有效避免了无线传感器网络的资源浪费。对于该定位方式，移动锚节点的路径规划问题是需要解决的基本问题。
1 国内外研究现状
无线传感器网络移动锚节点定位技术领域主要集中在两个方面，即移动锚节点的路径规划问题以及移动锚节点的定位算法。
2 移动锚节点路径问题
移动锚节点的定位算法中，移动锚节点发送包含其自身位置信息的信标数据包，在其移动过的路径上形成多个虚拟锚节点，未知节点利用通信范围内的虚拟锚节点的坐标信息进行定位。有不少研究人员在移动锚节点路径方面做了研究，也取得了相应的成绩。移动锚节点路径问题大致可分为两类：静态移动锚节点路径和动态移动锚节点路径。
2.1 静态移动锚节点路径
静态移动锚节点路径是指：移动锚节点按照预先规划好的路径在网络中移动，研究正六边形移动路径的移动锚节点定位算法中，假设监测区域是正方形，移动锚节点在监测区域中按照正六边形的移动路径移动，移动锚节点每隔周期广播包含自身坐标信息在内的信标数据包。信标数据包的广播位置形成了若干个相邻的正三角形。未知节点接收通信范围内的移动锚节点信标信息，当收到满足条件的信标信息后，未知节点用相应的定位算法计算自身位置。以上提到的算法相对于动态路径规划简单易于实现，但是它们无法根据节点分布状态而灵活地变化。
2.2 动态移动锚节点路径
动态移动锚节点路径，即根据网络中节点的分布情况和移动锚节点当前位置来确定移动锚节点下一个位置。移动锚节点根据接收到的网络信息自适应调节移动路径。动态路径是不规则的图形，它利用未知节点分布信息动态调整，并且使移动路径较短，从而弥补了静态路径的短处。
3 移动锚节点的定位算法
移动锚节点的定位算法分为两类：一类是静态锚节点与移动锚节点定位未知节点，另一类只是移动锚节点定位未知节点。
3.1 静态锚节点与移动锚节点定位未知节点
MBAL和APP定位算法是典型的静态锚节点与移动锚节点的定位算法，移动锚节点通过未知节点发送的定位请求消息周期性地选择下一个移动位置，并广播包含自身坐标。未知节点通过RSSI测距方法并接收到三个以上不共线的锚节点坐标来计算出自身位置。然后，变换为静态锚节点与移动锚节点定位未知节点。
3.2 移动锚节点定位未知节点
利用移动锚节点发射信号的强度、位置信息和贝耶斯估计方法进行未知节点的位置估计。
4 小结
可以发现，尽管也有使用移动锚节点辅助定位的算法研究，但是大部分的研究主要停留在静态移动锚节点的路径规划上，并且路径规划大多针对单个移动锚节点，这种路径规划存在虚拟锚节点共线，移动路径较长和定位时间较长等问题。能精确定位的算法比较少且大多数研究都是假设在理想环境下，即没有障碍物的环境下，忽略了实际应用中存在障碍物的情况。因此障碍物环境下无线传感器网络多移动锚节点定位算法研究，使移动锚节点能在绕开障碍物的前提下，完成对网络中未知节点的精确定位，达到定位精确度高、定位覆盖范围广且定位时间短三个基本要求。
参考文献：
基于遗传算法优化的节点定位技术 篇4
遗传算法计算简单,采用并行式处理方式,具有超高的的全局搜索能力,特别适用于节点定位优化函数的求解要求[1]。目前遗传算法被应用于优化处理、最优求解等多个方面[2~4]。遗传算法在求解最优解方面具有很大的优势,但也存在收敛速度慢,精度差等缺点。为保证算法的优越性,很多文献也做了许多的工作,文献[5]在算法中采用个体繁殖次数作为选择策略的评价因素,以保证算法的收敛性。文献[6]通过设计实现动态改变交叉概率和变异概率,提高进化能力和收敛速度。本文采用的定位算法首先用遗传算法优化节点间距离,再进行算法定位计算。
1 遗传算法
遗传算法简称GA (Genetic Algorithms)由美国Michigan大学的Holland教授首次提出,该算法模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。该算法采用种群进化描述所求问题的解,发挥群体搜索优势,运用遗传算子的方式产生后代,通过周而复始的进化,求解全局最优解。
1.1 遗传算法的求解步骤[7]
第一步:系统初始化分析,确定研究的个体及决定个体的因素,建立系统的矩阵空间;
第二步:初始化种群的确定,确定种群生成的方法和规模;
第三步:确定染色体编码方法;
第四步:确定解码方法;
第五步:确定个体适应度的函数;
第六步:确定交叉方法和变异方法;
第七步:计算适应度的值,运用选择、交叉和变异的方法选择适应度高的个体;
第八步:生成新的种群,返回第三步,直到达到计算次数或是计算目标。
1.2 遗传算法的处理流程
遗传算法的处理流程如图1所示。
2 遗传算法的基本构成要素确定
1)参数的编码和解码方案
编码方案的设计影响到算法运算效率,目前采用的编码方案基本分为两大类,基于符号的编码和基于进制的编码。本文采用符号编码方式,用实数符号表示节点状态。
2)种群的初始化
种群的初始化大多采用随机生成的方法,种群规模的大小具有较大的影响,规模过大,算法的复杂度增加,效率较低;规模过小,算法搜索空间受限,容易局部最优。在实际规模确定时,根据系统问题的需求和算法运行的实际效果对其进行调整。
3)适应度函数
本文的适应度函数为其中yij为决策变量,当染色体所包含的基因片段(i,j)顺序不变则yij=1,否则yij=0。如果染色体中出现环路,则该条染色体的适应度值为0。
动态路权矩阵W(t)越小,路径花费越小,染色体适应度越高, 则个体被遗传至下一代的可能性越高。本文的权值计算采用动态调整的方式,初始化设置为0.5,增大W的值,在一次训练完成后,如果最大的适应度值增大,则继续增大W的值。反之,则减小W的值。
4)遗传算子的设计
(1)选择算子
(1)选择算子目前选择算子的选择方法主要有排序选择法、分级选择法和赌盘选择法和随机遍历抽样法等[8]。本文选择方法采用赌盘选择法,该方法将每个染色体被选中的概率与其适应度值的大小成正比,当种群规模为N,第i个个体的适应度值为f(i),则该个体被选择的概率为:
个体适应度高的个体被选择的概率较大,方法简单,容易执行。可是如果在个体适应度差距不大时,容易陷入早熟和停滞问题。为了避免这一问题的发生,本文在赌盘选择法的基础上,添加最优遗传策略,将适应度最大的染色体直接进入下一代,以确保算法收敛。
(2)交叉算子
目前常用的交叉方法有单点、多点和循环等方法,本文采用单点、算术交叉的方法产生新的个体。父代个体为f1、f2,交叉后的子代用s1,s2表示,交叉的表达式为:
α是交叉系数,数值由进化代数所决定。
(3)变异算子
变异算子是用于辅助选择和交叉算子搜索最优解,可以保持种群的多样性,避免算法局部最优[9]。变异算子应避免变异后的路径中不包含环路、短路。根据变异概率pm选中进行变异的染色体,变异算子表示为:
其中ri为随机变量,vi和v'i为变异前后的值,本文变异算法采用保留最优个体的方法。
3 节点定位算法的数学模型
定位系统固定安装了n个锚节点,锚节点的位置信息包含在信息帧中。当未知节点需要进行网络定位时,向外广播发送信息帧,收到信息帧的锚节点将自身的位置和RSSI的平均值应答给未知节点。节点定位的实质就是根据周围m个建立通信的锚节点位置(xi,yi)和距离di,求取未知节点坐标值。定位的数据模型如下所示。
距离d是与RSSI相关的数值,本系统的RSSI与距离的公式计算采用遮蔽型,公式如下所示。
其中:
1λ为路径损耗系数,一般取2~5;ξ为随机数,符合高斯分布,平均值为0,其标准差一般取4~10;d0为参考距离;d为估计距离;Pr(d0)为参考距离的接收信号强度;Pr(d)为估计距离的接收信号强度。
定位算法分为二个阶段,第一步用遗传算法对节点接收到的RSSI的信号值进行距离的优化,第二步根据确定的距离值采用质心定位算法进行未知节点的计算。
4 仿真实验
本文使用Matlab7.0作为仿真工具,对本文提出的基于遗传算法修正的定位算法进行仿真实验。本文的实验环境设定在100×100范围内,首先布置25个锚节点,随机生成50个未知节点,取个体数目为30个,Pc取0.6,Pm取0.05,其中锚节点比例根据实验需要进行动态调整。左下角节点坐标设定为(0,0),通信半径设定为50m。
定位平均误差定义为在锚节点设定好后,对布局后的环境范围内的m个节点进行节点定位,xreal、yreal为未知节点的实际坐标,x、y为未知节点的估计坐标,r代表了定位环境的通信半径。
锚节点的初始布局如图2所示,锚节点的布局对于节点定位的影响是比较大的,本文采用初始均匀的布局方式,在定位的后续调试中,在误差较大或是多径影响较大的地区,增加锚节点的个数。遗传算法的种子的数量和迭代的次数由图3所示,迭代的次数受种子数量的影响不大,有一定的随机性。平均定位误差如图4所示,锚节点个数增加能够降低平均定位误差值,但是增加了系统的成本,可根据定位精度要求确认最佳的锚节点个数。对比添加了遗传算法的定位算法,可以发现在定位误差上有了明显的下降,提高了系统的定位精度。
5 结束语
节点定位技术是无线传感网络研究的重点内容之一,本文针对于基于距离的节点定位技术,为提高节点定位的精度,将遗传算法用于节点定位。充分利用遗传算法在求解最优解方面的优势,用遗传算法首先进行基于距离的最优解的求解,然后进行质心定位。仿真结果表明,通过增加锚节点的数量和遗传算法的优化处理都能够提高节点定位的精度,该方法可用于节点定位的优化处理。
摘要：针对于基于距离的节点定位技术,为提高节点的定位精度,将遗传算法用于距离的优化处理。本文首应用遗传算法进行基于距离的最优解的求解,然后将求解后的结果用于质心定位算法。仿真结果表明,应用遗传算法优化后的定位算法,节点定位精度明显提高,可用于节点定位技术的优化处理。
关键词：ZigBee网络,节点定位,遗传算法
参考文献
[1]王开郁.遗传算法在无线传感器网络中的应用[J].信息技术,2009,32(7):81-84.
[2]王越,张宁.基于遗传算法的无线传感网络定位参数优化[J].计算机应用与软件,2010,7(27):91-93.
[3]章磊,段莉莉,钱紫鹃,黄光明.基于遗传算法的WSN节点定位技术[J].计算机工程,2010,36(10):85-87.
[4]廖萍,孔翠香.一种基于遗传算法的无线传感器网络节点定位技术的研究[J].井冈山大学学报(自然科学版),2011,32(4):71-75.
[5]杨溪.改进遗传算法和蚁群算法在电力系统问题中的应用研究[D].太原理工大学,2013.
[6]胡小兵,吴树范,江驹.一种基于遗传算法的求代数方程组数值解的新方法[J].控制理论与应用,2002,19(4):567-570.
[7]Baluja S,Davies S.Using optimaldepedency-trees for combinatorial optimization:Learning the structure of the search space.In:Proceedings of the 14th International Conference on Machine Learning[M].San Francisco,CA:Morgan Kaufman,1997:30-38.
[8]贺智明.基于改进型量子遗传算法的无线传感器网络定位研究[D].江西理工大学,2013.
无线传感器网络节点定位技术的研究 篇5
无线传感器网络是由众多微型传感器节点组成的多跳的字组织网络系统, 这些类似传感器节点分布在监测区域里并以无线的方式进行通信, 设置网络的目的是为了更好的传感、收集和集中处理网络覆盖范围里监测目标的信息, 并及时传达至客户。起初进行无线传感器网络技术应用开发的国家是欧美, 后欧盟发展基金组织设立了很多相关项目, 并进行开发和应用。伴着无线传感器网络技术的大步发站, 其使用到的范围:军工方面、环保节能、现代与智能农业、智能交通、医疗器械等, 从而我们都可在anytime、anywhere便捷能够获取有用和有效的信息, 结果都将会是一种“四处都有”的传感智能技术。
近几年, 物联网 (Internet of Things, Io T) 概念的提出引起了各国的高度关注。而我国就在1998年之前就着手开发物联网技术——传感器/传感网技术, 在传感网的世界里面, 美国和中国都是标准和安全的制定者。2009年8月, 温家宝同志指出, “在我国传感网发展过程中, 要更早一点策划将来, 提早一点突破国外核心技术”。在今年两会上, 把物联网作为为国家层次发展重点, 无线传感器网络发展的春天和机遇已经到来。
2无线传感器网络的特征
作为一般客户而言, 无线传感器网络通常包括多传感器的节点 (sensor node) 、网关节点/新宿节点 (sink node) 和客户终端 (user terminal) 。这些节点都是通过飞机空中散发或手动部署等形式, 很多节点都是布置在监测区域。
现阶段, 无线网络可以分为两部分:第一部分是有基础设备的网络, 需要固定基站, 如无线zigbee网;第二部分是无线Ad Hoc网络, 也叫做无基础设备的网络, 节点是不固定的, 分散的。无线Ad Hoc网络包括终端快速移动Ad Hoc网络和节点缓慢和静止的无线传感器网络。当然, 无线传感器网主要包涵直接拓扑、多帧路由、灵敏和周期时令受限等特性, 另外还一些重要特性:
1) 网络应用广、集成度高。监测一个地点范围, 添加成以万计的节点集中活动在四周, 感应更加领面, 并且路由以数据为中心。
2) 资源稀缺。因为价格、设备大小、软件等指标, 传感器节的信息、传输距离、数据处理能力都在一定参考范围内。
3) 抗干扰能力差, 稳定性不高。在环境恶劣的情况下很多无线网络中的传感器都在工作, 又是节点集成度比较集中, 环境差异干扰和节点间距干扰更强。所以, 无线传感器网络的开发设计制定一定要有很强的抗干扰性和稳定性。
3无线传感器网络的关键技术及分析
无线传感器网络是如今信息世界的热点话题, 其最主要包涵:物联网技术、传感器技术、信息技术等。以至于非常多得关键技术正在研究和改进。这些技术主要有:无线网络传感技术、物联网技术和核心应用技术。其中核心应用技术可以细分为:自组控制、网络应用安全、数据整合、节点定位等。
3.1自组控制
经典的自组控制是指很多节点经过某一特定的机制按照一定的规律自发的够成一个互联网络。因为无线传感器的网络应用广、集成度高, 节点密集布置, 导致无线传感器网络自组控制技术应该更智能和稳定。
3.2网络应用安全
无线传感器网络的前提是网络, 其中网络应用衍生出来的安全问题包括联网安全威胁和人为或物里攻击的安全威胁, 比方说:黑客破坏传输服务器使其瘫痪, 或者间接改变网络站点的性能指标参数。
3.3数据整合
数据是无线传感器网络的中心, 所以要及时处理传输的数据, 而不是转发数据。数据整合是指将把不同类别的多种数据按照一定要求进行传输和预处理, 从而获取客户有用的实时数据。
3.4定位技术
无线传感器网络的最关键技术就是定位技术, 所涉及的应用层面很广, 预判断节点坐标位置也是一方面。从应用层面来分, 无线传感器网络的定位主要有节点定位和目标定位, 节点定位是自身网络应用技术, 目标定位是无线传感器顶层应用的。
定位技术在无线传感器网络中得到的应用非常大, 起到了根本作用, 分析因素如下:
1) 感知层的数据采集, 利用传感装置随时随地了解目标位置的变化。例如, 海啸预警需要准确采集爆发地点和时间;通过卫星寻找目标节点, 以此来计算出更精确地位置和信息等。
2) 任务管理和状态管理, 使用无线网络让传感器节点采集和处理的信息组成一个任务和状态结构图, 如上图1所示, 及时跟新数据和信息。对节点任务比较多的范围和状态不稳定的目标进行跟踪分析和反应处理。
3) 节点的定位是无线传感器网络的正常运行的前提。就如汽车导航是在无线或者本地设备的情况下对路况信息进行数据的分析和传送, 但是其作为节点的位置很重要。其次, 网络使用周期可以通过优化冗余节点的位置来延长。
4结束语
纵横眼下热点之信息现代化的实现, 无线传感器网络正走进千家万户, 它的应用前景包罗万象, 犹如智能农业、智能家居、环保医疗、军事交通等。无线传感器网络的核心技术是节点定位, 目前已经出现了很多节点定位的研究方法, 但出于其定位目标差异、集成度高或资源稀缺以及干扰强等缺点, 总之有关节点定位的改进研究还有待提高和加强。
参考文献
[1]崔逊学, 左从菊.无线传感器网络简明教程[M].北京:清华大学出版社, 2009.
节点定位技术 篇6
关键词：UWB,无线传感器网络,定位技术,分簇
0 引言
超宽带无线电 (Ultra-wideband, UWB) 是近年来发展起来的新型通信方式, 它通常采用极窄脉冲 (脉宽在纳秒至皮秒量级) 或极宽的频谱 (相对带宽大于20%或绝对带宽大于500MHz) 传送信息。UWB技术拥有较好的定位能力, 应用范围十分广泛。本文将UWB精确定位功能和TOA/AOA混和定位技术相结合, 应用于无线传感器网络簇内节点定位中, 为无线传感器网络分簇路由协议提供可靠的位置服务。
1 UWB通信技术
美国FCC对于UWB (ultra wide-band) 的定义为20%, 式中fH、fL分别为功率较峰值功率下降10d B时所对应的高端频率和低端频率, fC为载波频率或中心频率。UWB超宽带技术具有发射功率低、处理增益高、多径分辩能力强、传输速度快、系统容量大、成本低等特点。它蕴涵脉冲无线电、无载波调制、非正弦信号和大相对带宽比的无线/雷达信号等概念。迄今为止, 超宽带无线电通信按实现方式大致可分为两大类, 即脉冲无线电和多频带OFDM。本文的UWB通信采用脉冲无线电实现。
1.1 脉冲无线电UWB信号
通常较简单的UWB波形实现方式是采用脉冲方式, 该方式是指采用冲激脉冲作为信息载体的无线电技术。本文模拟的UWB脉冲是高斯单周期脉冲, 它沿袭了一般高斯脉冲, 其定义为:
其中, σ表示单脉冲持续的周期;μ表示脉冲的中心时间;AG表示脉冲振幅因子。其频谱定义为:
1.2 UWB信道使用模型
本文使用的UWB信道是由IEEE802.15.3a提出的UWB室内信道模型。该模型是修正了的Saleh-Valenzuela (S-V) 模型。802.15工作组所建议的超宽带室内信道模型保留了S-V模型中多径成簇出现的特点, 其能量服从于对数正态分布, 很好地拟合了实验数据。所以, UWB室内信道模型可以表示为:
其中, {αk, l}为多径增益系数;{Tl}为第l簇的时延;{Tk, l}表示以{Tl}为基准, 第l簇的第k个多径分量的时延;{X}为对数正态阴影衰落效应。
2 基于UWB的节点定位技术的研究
2.1 节点定位技术的提出
本文提出的定位技术是基于TOA/AOA的混和定位技术, 类似的算法在蜂窝网无线定位中曾经得到研究。在蜂窝网无线定位中, 类似的定位技术利用无线电技术, 采用基本的定位方法和技术, 通过监测某种信号的特征测量值实现对移动台的定位估计。
本文提出在无线传感器中利用的UWB技术来实现传感器节点的定位。在无线传感器网络的定位技术中, 都需要参考相关的信标节点实现网络各节点的定位。通常, 这些信标节点的坐标位置已经确定而且不会有很大的偏移。在本文的定位技术中, 首先需要选择一定数目的参考节点作为信标节点, 然后根据网络中其他各节点参考信标节点提出的定位技术确定其位置坐标。在无线传感器网络的层次型拓扑结构中, 我们选择簇头节点作为网络中的信标节点, 簇内成员根据所在簇的簇头确定其相对的位置坐标。无线传感器网络的簇内成员相对位置坐标的确定, 为簇内路由提供了可靠的服务。
2.2 参考节点的选择
在WSN节点定位技术中, 参考节点的选择非常重要。本文实现的是簇内一般节点的定位, 所以选择各簇头做为相应簇的参考节点。
本文簇头节点的选择算法是对WCA算法的改进。WCA是为移动ad hoc网络设计的层次拓扑生成算法, 该算法综合考虑了以下四个参数选择簇头节点:实际的节点度和理想的节点度的偏差、节点移动的平均速度、节点的剩余能量以及节点到邻居节点的总距离。由于无线传感器网络节点的位置相对稳定, 所以如果将WCA算法应用到无线传感器网络中, 需要考虑的参数就相对简单一点。本文主要考虑以下三个方面的参数:
(1) 节点的剩余能量。在考虑一个节点能否充当簇头的时候, 最重要的是看该节点是否具有较大的剩余能量, 以保证该节点所管辖的簇有较长的生存周期, 充分发挥该簇的作用, 减少簇重构的频率, 节省无线传感器网络所消耗的整体能量。
(2) 实际的节点度和理想的节点度的偏差。由文献[5]可知, 一个簇中一般节点的平均个数为:E[N]=λ0/λ1。在理想情况下, 如果簇头节点的邻居节点的个数为E[N]就是达到了无线传感器网络的最优状态, 但是在实际情况中可能会有偏差。本文用△i来表示实际的节点度和理想的节点度的偏差, 定义节点i的邻居节点的个数为di, 则实际的节点度和理想的节点度的偏差为△i=│di-E[N]│。当偏差△i越小, 现实的无线传感器网络越接近理想最优状态。
(3) 节点和邻居节点间的平均距离。节点的距离可以根据公式d=c·t计算, 其中c=3×108m/s, t为接收到邻居节点信号的时间差。
WCA算法中选择簇头节点的一个参数是节点到邻居节点的总距离, 该参数的选择仅仅考虑了节点传输的功率, 但是没有考虑到节点的密集程度。本文选择节点密集处的某合适的节点作为簇头节点, 一方面可以保证各节点收到正确的信号, 另一方面各节点可依据距离调整自己的发射功率来保证与簇头通信, 以达到节能的目的。本文用di-ave来表示节点和邻居节点间的平均距离, 定义节点i到邻居节点的总距离为Di, 则节点到邻居节点的平均距离为di-ave=Di/di。
考虑以上三个参数, 可以计算无线传感器网络节点i的权值wi:
其中, Ct为节点的初始能量值, w1、w2、w3分别对应为三个参数的权值, 且w1+w2+w3=1。由公式 (1) 可以看出:节点的剩余能量Ci-res越大, 实际的节点度和理想的节点度的偏差△i越小, 节点i到邻居节点的平均距离di-ave越小, 节点i综合性能越优, 节点i的权值wi越小。所以当i越小时, 节点i成为簇头节点的概率越大。
在簇节点选择阶段, 一定数目的网络节点根据其权值w竞争成为簇头, 然后簇头节点向周围的节点广播自己状态信息, 邀请其它一般节点加入簇并生成网络拓扑结构。这时, 各簇内定位技术中的参考节点就是各簇的簇头节点。
2.3 节点定位技术的实现
假设无线传感器网络节点的天线运用的是智能天线。智能天线的基本工作原理是把具有相同极化特性、各向同性及增益相同的天线阵元, 按一定的方式排列, 构成天线阵列。一般来说, 构成阵列的阵元可按任意方式排列, 但通常这些相似的共极化、低增益阵元是按直线等距 (linear equally spaced, LES) 、圆周等距或平面等距排列的, 并且取向相同。在本文中, 我们采用36阵元均匀圆阵。当网络拓扑结构确定了以后, 簇头节点的智能天线可以根据簇内成员传播的UWB信号, 利用AOA定位技术确定来波的方向角α:
其中, (x1, y1) 是簇头的位置坐标, (x, y) 是待测簇内节点的位置坐标。
假设簇头节点测得待测簇内节点TOA的值为τ, 则利用距离公式可以得出:
其中, c=3×108m/s是电波传播的速度。
参照文献[6]中提出的方法, 本文假设每个簇内以各簇簇头作为坐标原点 (0, 0) , 则公式 (2) 可以简化为:
公式 (3) 可以简化为:
则根据公式 (4) 和 (5) , 就能够粗略地计算出簇内一般节点和簇头节点的相对位置:为基于节点位置的簇内路由协议的实现提供了可靠保证。
3 仿真评估
在仿真中, 我们假设TOA和AOA测量误差服从零均值的一维高斯分布, 其分布函数经常表示成与误差函数相联系的形式。
根据高斯分布性质可知对应坐标 (x, y) 的误差服从零均值的二维高斯随机过程, 其概率密度函数可以表示为:
所以, 对应的误差函数可以用二维正态分布函数表示为:
4 结束语
本文将UWB精确定位功能和TOA/AOA混和定位技术相结合, 应用于无线传感器网络簇内节点定位中。在今后的工作中, 我们将重点考虑如何提高TOA和AOA的精确度, 从而更好地确定簇内节点的位置信息, 为无线传感器网络分簇路由协议提供可靠的位置服务。
参考文献
[1]G.SUN, J CHEN, W GUO, AND K J R.Liu, Signal processing techniques in network-aided positioning[J].IEEE Signal Processing Mag, 2005 (7) .
[2]A H SAYED, A TAROGHAT, AND N.Khajehnouri, Network-based wireless location[J].IEEE Signal Processing Mag, 2005 (7) .
[3]N PATWARI, A O HERO III, J ASH, R L MOSES, S.KYPEROUNTAS, AND N S.Correal, Locating the nodes[J].IEEE Signal Processing Mag, 2005 (7) .
[4]J FOERSTER.Channel modeling sub-committee report final[C].IEEE802.15-02/490r1-SG3a, 2003 (2) .
[5]S G FOSS AND S.A Zuyev, On a voronoi aggregative process related to a bivariate poisson process[C].Advances in Applied Probability, 1996.
节点定位技术 篇7
关键词：无线传感网络,单锚节点,节点定位,RSSI测距
0 引言
无线传感器网络WSN节点定位是其重要支撑技术，无感知位置的信息一般是无意义的[1]。当前已有定位成果多关注于二维空间下节点的定位机制研究，而自然灾难救援、多样环境勘察、军事等应用领域更需要三维传感器网络空间，因此三维无线传感器下的节点定位研究具有一定的现实意义。本文主要研究三维传感器的定位问题[2]。
针对WSN节点的定位问题，国内外许多专家和学者进行了大量研究，提出许多的节点定位算法[3]。文献[4]提出了基于APIS的无线传感器网络节点定位算法，该算法不需要测距，简单、易实现，但定位精度与锚节点密切相关，鲁棒性较差。文献[5]提出基于多维标度的节点定位算法，该算法迭代次数多，计算复杂度高，难以满足传感器节点定位的实时性要求。文献[6]提出了一种AOA和同心圆定位相融合的节点自定位算法，取得了不错的效果，但实现比较复杂，应用范围受限。文献[7]提出一种基于DV-Hop的无需测距技术的定位算法，该算法不需要增加硬件，成本低，但受累计误差的不利影响，定位结果不理想。文献[9]提出基于支持向量机SVM的无线传感器网络节点定位算法，SVM较好地克服了神经网络的过拟合、标准支持向量机训练速度慢等缺陷，但是SVM节点定位性能与参数直接相关，因此要获得高精度的三维传感器节点定位精度，必须解决参数优化问题。以上这些无线传感器定位算法方法均是基于固定多锚节点定位算法，它们存在一些不足，如锚节点利用效率较低，定位资源浪费严重定位成本高等。近年来，有学者提出基于移动的锚节点的传感器节点定位算法，研究结果表明，无论在精度、能耗等，移动锚点节点的定位算法在具有比较明显的优势[10,11,12]。
为了提高三维无线传感器的定位精度，将单移动锚节点和支持向量机(SVM)相结合，本文提出一种基于改进单锚节点的无线传感器网络节点定位算法(SFOA-SVM)，并通过仿真实验验证SFOA-SVM的有效性。
1 无线传感器网络节点定位问题
1.1 基于单锚节点的三维WSN节点定位问题描述
在单锚节点的三维无线传感器网络中，传感器节点可分为锚节点和未知节点，其中只有一个是锚节点，但该锚节点配置了一个GPS接收器，并有足够的能量。该锚节点可以在传感器区域内按照一定的运动轨迹进行随机移动，并周期性地发送坐标位置信息，待定位节点根据接收到的坐标信息后，然后按照某种定位算法来估计位置。基于单移动锚节点的三维无线传感器节点定位的原理图如图1所示。
1.2 基于SVM的三维传感器节点定位建模过程
(1)假设待定位节点Ai(i=1,2，…，m)与单锚节点z间的距离为dij，将m个待定位节点的距离向量和它的坐标构成训练的样本集。
(2)利用SVM对样本集进行训练，求解最优化问题如式(1)所示。
式中，w表示权向量，b表示偏置向量。
使得预测的期望风险函数最小:
其中，ξi、ξi*为松弛因子，C为惩罚因子。
通过引入拉格朗日乘子，上述优化问题变为典型凸二次优化问题，即:
其中，αi和αi*表示拉格朗日乘子。
在求解实际问题时，只需利用支持向量进行求解，于是回归估计函数为:
采用核函数k(xi,x)代替(φ(xi)，φ(x))运行，可以避免维数灾难，则有:
本文选择径向基核函数作为SVM的核函数，最后SVM的回归函数为:
式中，σ为径向基核函数的宽度。
SVM在实际应用中，其节点定位性能与参数直接相关，因此要获得高精度的三维传感器节点定位精度，首先必须选择最适应的SVM参数。渔夫捕鱼算法(SFOA)是模拟渔夫捕鱼行为习惯提出的一种新的智能优化算法，具有原理简单、设置参数少、易于编码实现等优点。在多目标优化领域得到了广泛的应用，并取得了比其他群智能算法更好的效果，为解决SVM参数优化问题提供了一种新的研究工具[13]。因此对节点进行定位时，采用捕鱼算法对SVM参数C和σ进行优化，以提高节点的定位精度。
2.1 渔夫捕鱼算法
设在打鱼作业区D中随机地分布有k个渔夫，i渔夫初次撒网位置为P0(i)=(x0(1i),x0(2i)，…，x0(ni))，其代表具体优化问题的候选解，f(X)为鱼的密度度量函数(目标函数)，那么i渔夫在P0(i)的各个方向撒一次鱼网，得到的撒下鱼网点集:
式中，x(i)0j∈Dj,l(+)j,l(-)j均大于为0,x(i)0j-l(-)j∈Dj,x(i)0j,x(i)0j+l(+)j∈Dj。
(1)移动搜索。若，且X(i)0≠P(i)0,t=1,2，…，k(表示X(i)0处的鱼密度高于P(i)0)，则i渔夫从P(i)0移到新位置P(i)1=X(i)0，并以P(i)1为新的中心，重复前面的步骤，以期搜寻到比点P(i)1处的鱼密度更高的点P(i)2,i渔夫的位置移动轨迹点为P(i)0,P(i)1,P(i)2，…，最后找到一个鱼的密度局部最优点。
(2)收缩搜索。经过m次移动之后，i渔夫的位置为:P(i)m=(x(i)m1,x(i)m2，…，x(i)mn)，如果，那么i渔夫便继续停在P(i)m处，并在P(i)m的周围再撒下鱼网，得到一个新的鱼网点集:
式中，lj'(-)=αlj(-),lj'(+)=αlj(+)，α为收缩系数，且0<α<1。
(3)加速搜索。设经过有限次位置变更后，i渔夫的位置是P(i)m=(x(i)m1,x(i)m2，…，x(i)mn)，并且:
式中，ε>0为自定义的较小的常数，那么i渔夫就加快速移动，以便跳出局部捕鱼区域。
(4)公告板记录最优渔夫位置，每个渔夫的位置均要与公告板的位置进行比较，若更优，便替换公告板中的位置，算法结束后，公告板值为全局最优值。
(5)若某渔夫在某点处收缩搜索次数达到了最大阈值，但其位置没有改变，那么渔夫重新随机选择一个点进行搜索。
2.2 捕鱼算法求解支持向量机参数的步骤
(1)根据经验确定C、σ取值范围，并初始化捕鱼算法的参数。
(2)随机初始化渔夫的位置，即一组SVM参数组合。
(3)根据基于SVM的10折交叉验证定位正确率评价渔夫的位置优劣，并找出当前最优捕鱼位置，在公示板公布。
(4)渔夫在各自的区域进行移动搜索，寻找更优的捕鱼位置。
(5)如果渔夫找到更优的捕鱼位置，便进入步骤(7)，否则回到步骤(5)继续进行移动搜索。
(6)如果达到收缩操作的阈值，便进入到步骤(8)，不然以最优渔夫位置为中心进行收缩搜索。
(7)与公示板公示的捕鱼位置进行比较，如果渔夫位置更优，便替代公示板公示的捕鱼位置，并返回到步骤(7)，不然进入步骤(9)。
(8)判断是否满足算法的最大迭代次数，若满足条件，便进入步骤(10)，不然回到步骤(5)。
(9)输出最优捕鱼位置对应的SVM参数。
(10)根据最优的SVM参数建立相应的节点定位模型。
SFOA优化SVM参数的流程如图2所示。
3 仿真实验
3.1 仿真环境
为了验证SFOA-SVM定位算法的有效性和定位性能，在Intel 3.0GMHz CPU,2G RAM,Windows XP的计算机上，采用MATLAB 2012进行仿真实验。在一个大小为100×100×100立方米的正方体内，随机部署多个个未知节点，未知节点的通信半径40米，部署一个移动锚节点。为了得到准确的定位坐标，在同等参数情况下，将仿真试验进行100次取其平均值。选择遗传算法(GA)优化支持向量机(GA-SVM)、粒子群算法(PSO)优化支持向量机(PSO-SVM)进行对比实验，所有算法均运行10次。采用相对定位误差ε作为评价定位性能的标准，其相对定位误差ε为:
其中，表示未知节点的估计坐标;(x,y,z)表示未知节点的真实坐标;n表示未知节点的个数。
3.2 三维传感器节点位模型的SVM参数选择
GA、PSO和SFOA优化SVM参数的过程如图3所示，所得参数见表1。从图3可知，SFOA的搜索速度明显优于其他参数优化算法，而且获得更小的均方根误差，这表明SFOA获得了更优的SVM参数，有利于提高传感器节点定位的精度。
3.3 结果与分析
3.3.1 未知节点的个数对定位的影响
图4为PSO-SVM、GA-SVM和SFOA-SVM的平均定位误差与未知节点个数之间的关系图。由图4分析得出，在未知节点个数变化的情况下，相对于PSO-SVM、GA-SVM,SFOA-SVM的平均定位误差更低，由此可知，SFOA-SVM在此种情况下收敛性更优，定位精度更优。
3.3.2 测距误差对定位误差的影响
不同距离误差下，PSO-SVM、GA-SVM和SFOA-SVM的定位误差如图5所示。从图5可知，随着距离误差的增加，PSO-SVM、GA-SVM和SFOA-SVM的节点定位误差呈增大趋势，定位精度逐渐降低，但相对于PSO-SVM、GA-SVM,SFOA-SVM定位性能得到了改善，定位误差大幅度降低。对比结果表明，采用SFOA对SVM进行优化，可以得到了更优的SVM参数，从而可以建立更优的传感器节点定位模型。即使在苛刻的环境下，测距误差达不到定位要求，SFOA-SVM仍能较好地实现定位，具有较强的抗干扰能力，获得了更优的定位效果。
3.3.3 不同通信半径下的定位误差对比
不同通信半径条件下，PSO-SVM、GA-SVM和SFOA-SVM的定位误差如图6所示。从图6可知，随着通信半径增加，由于未知节点通信能力增强，测距更加准确，3种算法的传感器节点定位误差慢慢减少，定位精度不断提高。同时，相对于对比算法，SFOA-SVM的定位误差最低，定位精度最高。
3.3.4 定位结果比较
PSO-SVM、GA-SVM和SFOA-SVM的定位误差如图7所示。从图7可知，SFOA-SVM算法的定位误差明显小于PSO-SVM、GA-SVM算法，且定位效果明显得以提高。
4 结语
节点定位技术 篇8
地面侦察传感器系统可全天候、不间断地对被监视区域的地面部队、人员和车辆进行探测识别、定位定向以及数量估计,具有极好的保密性和抗干扰性等优点,已经受到各国的高度重视。单一节点的地面传感器具有虚警率低、结构简单的特点,但是其定位的范围较小,而且受到信号噪声的影响其定位精度不够高。利用传感器阵列的优势,将多个传感器的数据融合处理后对目标进行识别与定位,能够实现对目标振动信号的采集、处理、传输、显示和报警,完全满足监控目标防入侵要求。
1 多节点区域定位系统简介
根据工程的需要本文设计的系统包括以下模块 :节点模块、CAN通信模块、区域控制器模块、中心控制器模块、中心模块等五个模块。其结构框图如图1所示。
其中每一个节点包括四个振动传感器,其在采集到振源信号后,通过信号放大电路、滤波电路和A/D转换电路后通过CAN总线发送至区域控制器,区域控制器对数据处理后重新编制地址,然后通过CAN总线上传至中心控制器,中心控制器根据时差定位的原理对上传的数据进行处理,通过时差定位原理计算出振源的具体位置,并通过可视化的方式显示出来。
2 时差定位的基本原理
基于到达时间差定位的也称为双曲线定位,其定位模型的示意图如图2所示。
如上所述, S1和S2确定的双曲线与S2和S4确定的双曲线的其中一个交点就是目标的位置。图3-1中d1,d1和d3分别表示目标与三个传感器的距离,由测得的时间差可以确定两组双曲线,其方程如下所示 :
对上述二元二次方程组求解,再利用测向信息将多余的解进行排除,便可以得到信号源的坐标位置。
3 多节点传感器定位精度分析
由上述分析可知二维空域的测时差定位系统主要由一个主阵和两个副阵共三个接收基阵组成。假设主阵阵址为 (x0,y0),副阵i阵址为 (xi,yi),测得目标(x,y), 到达主阵与各副阵的距离差为,由上述分析可得二维目标定位的观测方程为 :
对方程(2-6)关于x,y进行全微分得 :
其中 :
令ε表示主阵对目标的方位角,则
进而可以得到如下公式 :
将式 (3) 简写为, 即
通常对目标的定位精度可用目标空间位置的均方根误差来表示,即用定位误差方差的平方根来表示。由于这个参数与目标以及发射阵和接收阵的相对几何位置有关,因此,将其称之为定位精度的几何稀释度GDOP。本式中定位几何稀释精度GDOP可以如下表示 :
从上面的推导可见,定位误差与如下因素有关 : 目标辐射源与各接收机的几何位置、接收机位置误差标准差和TDOA测量误差标准差。
4 传感器阵列布局以及仿真
传感器阵列的分布模型即传感器阵列的拓扑结构。阵列几何结构、阵元间距和阵元个数等因素共同构成了传感器阵列的拓扑结构,而其拓扑结构对目标定位性能具有重要的影响。
下面首先对直线型节点阵列进行Matlab仿真,设主阵坐标位置为 (0,0),副阵坐标位置为 (-100,0)、(100,0),待测的目标为 (x,y), 各站测时误差的标准差都相等,均为0.1ms,接收站站址测量误差为0.5m,地震动波在地面的传播速度约为140m/s,则相应仿真结果如图3所示。
对图3进行处理,在Z轴半轴对截面进行横切投影可以得到基阵直线形分布时GDOP分布等高线,如图4所示。
通过其分布图可以看到,直线型布阵的高精度定位区很少,所以实际布阵过程中应尽量采取非直线型的布阵方式。
下面对布 阵时节点 间的距离大 小即孔径 进行仿真,选取三组等 腰直角三 角形,其坐标为 :
得到的仿真图像如图5、图6所示。
根据仿真结果我们可以看出,基线区和基线附近的区域目标定位误差比较大,属于定位盲区,因此应尽量使用不在盲区以内的节点进行定位。孔径的大小同样制约着定位的精度的高低,对于同样一个待测点(x,y), 孔径大的基阵对其测量的定位几何精度要高于孔径小的基阵,并且大孔径其覆盖的周边区域几何精度较小值范围更广。
5 总结与展望
前期主要对多节点协同定位中影响站址布局的节点几何位置误差和TDOA测量误差标准差进行了研究,通过Matlab软件对编写的算法进行仿真,了解了影响和制约节点定位精度的关键因素,并且分析和设计了适合于区域实时布控的站址布局,下一步将运用最小二乘法和主成份分析法进行节点筛选,将信噪比较高和定位精度误差较大的节点的信息筛选掉然后进行二次定位,从而保证定位的精确性。
摘要：地震动探测技术是指运用传感器技术采集地面目标运动所产生的地震动信号,并通过信号处理实现对目标的识别与定位的技术。地面振动传感器具有探测范围大、环境适应性好、抗干扰能力强、铺设隐蔽性好等优点,因而其在提高部队的执勤能力、对哨位进行监视以及战场探测都具有广阔的应用前景。本文首先指出传统单一节点的若干传感器进行定位的局限性,进而提出了针对区域监控多节点传感器的阵列布局的思想,然后分析了传感器阵列分布模型的结构、功能,并对其总体结构、设计原则、硬件设计进行了阐述。
改进质心算法的节点自定位研究 篇9
无线传感器网络是一种获取信息的全新技术,有着广泛的应用。在无线传感器网络的各种应用中,监测到事件之后,最为关心的一个问题是所监测的事件发生的具体位置。可以说,如果没有确切位置的监测消息是没有任何意义的[1]。
根据定位过程中,是否测量实际节点之间的距离,可以把定位算法分为基于距离(Range-based)的定位算法以及与距离无关的(Range-free)定位算法[1]。南加州大学的Nirupama Bulusu等人提出的一种仅基于网络连通性的定位算法就属于距离无关的定位算法[2]。
1 定位基本概述
在无线传感器网络节点自定位技术中,根据节点是否已知自身的位置,把传感器节点分为信标节点(Beacon Node) 和未知节点(Unknown Node)[1]。 整个无线传感器网络定位的场景可设定在N维的几何空间中(针对实际使用的绝大部分场景,N一般取2或3,在此主要讨论二维状况)。对于以随机抛洒形式分布,以自组织构建而成的无线传感器网络而言,节点一般有如下分布:均匀分布、高斯分布、瑞利分布等,其中以高斯分布模型最为常见。从现有的文献[3]和研究结果来看,节点分布形状主要是以凸多边形形式出现的,节点分布形成多边形的形状在文献[4]中采用了虚拟力的研究。
2 质心算法
南加州大学的Nirupama Bulusu等人[2]提出了一种仅基于网络节点连通性的定位算法,该算法的核心思想是:信标节点每隔一段时间,向邻居节点广播一个信标信号,信号中包含自身ID和位置信息。当未知节点接收到来自不同信标节点的信标信号数量超过某一个预设门限或接收一定时间后,该节点就确定自身位置为这些信标节点所组成的多边形的质心。
2.1 质心算法的几何模型
当未知节点得到所有与其相连通的信标节点的位置信息后,根据这些信标节点所组成的多边形的顶点坐标来估算自己的位置。
设一未知节点P(x,y),已接收到周围n个信标节点的广播消息(为描述问题的方便,假设n=5),信标节点分别为A,B,C,D,E,其坐标信息分别为(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),模型如图1所示。
2.2 模型的计算
对图1,可将几何模型中多边形ABCDE分解为3个三角形(如图2所示),即△ABC,△ACD和△ADE。
分别求解△ABC,△ACD和△ADE的中心O1,O2,O3的坐标,最后再对△O1O2O3求解其几何中心P的坐标,即为所求。
下面以△ABC为例,求解其中心坐标,如图3所示。
证明:△ABC如图3所示,中心O1的坐标为(xO1,yO1),设AB,BC,CA的中点分别为F,G,H,其坐标分别为(xF,yF),(xG,yG),(xH,yH),则:
中心O1可看作为直线AG与BH的交点,按解析几何,分别列写直线AG与BH方程为:
通过代数方法可求得中心O1的坐标为:
同理,按照三角形求解中心的方法,可以求解△ABC三边中点构成的△FGH的中心坐标O1 ′为:
由式(3)和式(4)可知,△FGH的中心O1 ′与△ABC的中心O1为同一点。同理可得,凸多边形ABCDE的中心P,就是由△ABC,△ACD和△ADE的中心O1,O2,O3组成的△O1O2O3的中心。
同理,依据式(3)可得,O2,O3的中心坐标分别为:
此时,凸多边形ABCDE中质心节点P的坐标,为:
若与未知节点通信的信标节点有k个,则k个节点的坐标分别为:
此时,质心坐标为:
试验表明,用质心坐标作为未知节点的坐标,受到节点密度、节点分布模型、信号传输模型等影响,约有90%的未知节点定位精度低于信标节点间距的1/3。
3 算法改进模型
算法思想:仍对以信标节点作凸多边形顶点选取质心,并以质心坐标作为未知节点的坐标。用极大似然估计法分别计算出信标节点、未知节点的距离与坐标计算距离之间的误差最小值,并以此误差值作为修正参数,对质心位置进行修正。
假设已知n个节点的坐标分别为(x1,y1),(x2,y2),…,(xn,yn);它们到未知节点P(x,y)的距离分别为d1,d2,…,dn,由于存在环境影响、信道噪声等各种因素的影响,假设f1,f2,…,fn为各坐标方程的误差值,则有:
如果没有误差存在,f1,f2,…,fn都应为0,故可知
4 算法流程及仿真
算法流程图如图4所示。信标节点初始化指布置完成无线传感器网络节点以后,节点以自组织方式构建成网。计算误差时,采用极大似然估计法。这样可以相对精确地计算出未知节点到已知节点的距离误差值;未知节点定位以后,加入到网络当中,并与其他信标节点一样,向周围广播自身位置。
仿真结果如图5所示。
仿真表明,节点的间距误差值较小时,平均误差值也比较小,把平均误差值用于对质心坐标的修正,能够提高定位精度。
5 结 语
通过对质心算法原理的讨论,提出基于极大似然估计法测距的修正方法。结果表明,当节点的间距误差值较小时,能够提高定位精度。
摘要：质心定位算法是指无线传感器网络节点仅基于节点间连通性进行自定位,其定位结果误差较大,但该算法思想简单,能够节约有限的节点能量。为了提高节点自定位精度,且能够保留算法简单的优越性,在此采用极大似然估计法测距模型对节点定位的误差值进行修正;极大似然估计法能够对节点间的测量距离和估算距离之间的差值进行计算。结果表明,经过修正的节点坐标有较高的精确度。
关键词：无线传感器网络,节点自定位,质心算法,极大似然估计法
参考文献
[1]孙利民,李建中,陈渝,等.无线传感器网络[M].北京:清华大学出版社,2005.
[2]马祖长,孙怡宁,梅涛.无线传感器网络综述[J].通信学报,2004,25(11):114-120.
[3]王福豹,史龙,任丰原.无线传感器网络中的自身定位系统和算法[J].软件学报,2005,16(5):857-858.
[4]Pescovitz,D.Robugs:smart dust has legs,in Lab College ofEngineering[D].UC Berkeley.2003
[5]陈维克,李文锋,首珩,等.基于RSSI的无线传感器网络加权质心定位算法[J].武汉理工大学学报:交通科学与工程版,2006,30(2):265-268.
[6]Priyantha N B,Balakrishnam H,Demaine E,et al.Anchor-free Distributed Localization in Sensor Networks[R].Tech-nical Report MIT LCS-TR-892.MIT Lab for Computer Sci-ence,2003.
[7]张先毅,王英龙,赵洪磊.无线传感器网络节点自身定位算法[J].信息技术与信息化,2008(1):34-37.
[8]周桂兵,刘有源.无线传感器网络节点定位技术研究[J].中国水运:理论版,2006(2):124-125.
