基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法研究*

莊緒強

(陜西青年職業(yè)學(xué)院信息工程系　西安　710068)

?

基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法研究*

莊緒強

(陜西青年職業(yè)學(xué)院信息工程系西安710068)

摘要為解決移動傳感網(wǎng)絡(luò)部署過程中遇到的節(jié)點定位困難、精確度低以及控制開銷大等問題，論文提出了基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法。首先通過對信號節(jié)點傳感射頻強度進行混沌推斷，減少了直接采取信號強度定位過程中遇到的控制運算復(fù)雜等問題，隨后同時采取了高適應(yīng)糾錯機制，大大改善了定位過程中遇到的精度問題，同時也減少了控制開銷。仿真實驗表明：與DFGA算法相比，論文算法的時間復(fù)雜度與網(wǎng)絡(luò)控制開銷更低，定位精確度更高，對移動傳感網(wǎng)的部署具有較強的指導(dǎo)意義。

關(guān)鍵詞移動傳感網(wǎng)絡(luò); 節(jié)點定位; 混沌度量; 傳感射頻強度; 高適應(yīng)糾錯機制

Class NumberTP393

1引言

隨著移動傳感網(wǎng)技術(shù)的不斷發(fā)展，基于節(jié)點定位的移動傳感網(wǎng)定位技術(shù)也不斷得以提高，定位技術(shù)是傳感網(wǎng)部署中諸如跟蹤、采集、檢測等應(yīng)用的基礎(chǔ)技術(shù)，成為當(dāng)前研究領(lǐng)域的重要研究熱點[1]。迄今為止人們提出了許多定位算法，不過由于當(dāng)前的技術(shù)條件及算法本身局限性，使得這些算法在精度、誤差、網(wǎng)絡(luò)拓撲、節(jié)點性能上均存在諸多限制[2]。由于傳感技術(shù)的特點即是通過廣泛部署具有自主管理及射頻信號收發(fā)能力的節(jié)點所構(gòu)成，且當(dāng)節(jié)點能量耗盡時隨即失效，使得定位技術(shù)需要考慮到當(dāng)前節(jié)點的能量消耗特性[3]。因此如何通過一定的算法降低無線傳感節(jié)點能量消耗，減少環(huán)境背景噪聲對無線射頻信號的衰減，實現(xiàn)高效及精確的節(jié)點定位就成了當(dāng)前移動傳感網(wǎng)定位算法中的非常重要的組成部分[4]。

為解決當(dāng)前研究中存在的這些問題，研究者提出了很多具有前瞻性的研究算法。Davide[5]提出可一種利用節(jié)點信息線性相關(guān)耦合機制，實現(xiàn)了節(jié)點在背景噪聲強度低的情況下的精準(zhǔn)定位。然而，由于該機制由于未能考慮到人為噪聲強度與節(jié)點信號的相關(guān)特性，導(dǎo)致出現(xiàn)人為干擾時難以精確進行定位。葉苗等[6]提出一種基于多維定位機制的移動傳感網(wǎng)定位算法，在面臨高強度干擾時能夠有效的實現(xiàn)精確定位。但是，由于該算法沒有考慮到節(jié)點分布對定位的影響，導(dǎo)致當(dāng)節(jié)點密度稀疏時定位精度大打折扣。趙雁航[7]等提出了一種基于節(jié)點拓撲無射頻定位機制的定位算法，首先通過基于節(jié)點間的關(guān)聯(lián)順序，在已知錨節(jié)點的情況下對節(jié)點實現(xiàn)精確定位。但是，由于該算法嚴(yán)重依賴于錨節(jié)點的具體地理位置坐標(biāo)，一旦錨節(jié)點失效則整個算法處于不可用的狀態(tài)。

對此，本文提出了基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法，通過對節(jié)點信號進行混沌推斷，實現(xiàn)對信號的精確捕獲，同時采取基于迭代的糾錯機制，實現(xiàn)了對信號的精確定位。最后通過NS2仿真平臺對本文算法進行了仿真。

2網(wǎng)絡(luò)模型結(jié)構(gòu)及能量傳輸

由于移動傳感網(wǎng)節(jié)點具有能量受限的特性，一旦節(jié)點能量耗盡就將無法正常工作[8]，據(jù)此本文傳感網(wǎng)結(jié)構(gòu)做如下的假設(shè)：

1) 拓撲結(jié)構(gòu)不可變更，即網(wǎng)絡(luò)節(jié)點一旦部署則不能移動位置，其坐標(biāo)也不會改變[9]；

2) 節(jié)點能量受限，即傳感器節(jié)點依靠電池提供能源，一旦電池電力耗盡則傳感器節(jié)點將整體失效[9]；

3) 傳感器之間通過一定頻率的無線射頻信號進行信息交互，環(huán)境噪聲的頻率、強度對無線射頻信號的傳輸及接收具有一定程度的影響[10]；

4) 整個網(wǎng)絡(luò)存在一個超級中心sink節(jié)點，該節(jié)點可以通過人工直接控制，且能量不受限，信息處理能力處于無窮大的狀態(tài)[10]；

5) 網(wǎng)絡(luò)本身具有一定的抗毀性能，可以針對異常做出自我修復(fù)[11]。

從上述假設(shè)可知，由于整個網(wǎng)絡(luò)信號采取無線傳輸模式，因此電池電力主要用于供給傳感節(jié)點進行能量的收發(fā)。整個網(wǎng)絡(luò)節(jié)點(sink節(jié)點除外)發(fā)送數(shù)據(jù)的能量E(k)滿足如下的表達式：

E(k)=kPs+R3Pn

(1)

其中Pn為某節(jié)點在接收k比特數(shù)據(jù)時所消耗的功率，Ps為某節(jié)點在接收k比特數(shù)據(jù)并將其轉(zhuǎn)發(fā)出去所消耗的功率值，R為該節(jié)點當(dāng)前最大的信號覆蓋半徑。

當(dāng)該節(jié)點的下一跳節(jié)點在接收k比特數(shù)據(jù)時所消耗的能量滿足如下的表達式：

E′(k)=R3Pn

(2)

從上述模型可以看到，整個移動傳感網(wǎng)在進行定位時需要通過消耗一定的功率，且節(jié)點在進行定位過程中的能量消耗與其信號覆蓋半徑呈現(xiàn)一定的立方關(guān)系，這是因為節(jié)點在進行定位時其信號傳輸是沿著歐式幾何球面進行傳播，因此定位信號在經(jīng)過一定距離之后的衰減將呈現(xiàn)極為嚴(yán)重的下降趨勢。若某個節(jié)點在進行定位的同時還需要進行數(shù)據(jù)傳輸，則其能量的消耗還需要承擔(dān)這些比特流的射頻能量消耗，因此若要實現(xiàn)節(jié)能定位，就必須考慮到能量消耗因素。

3本文移動傳感網(wǎng)絡(luò)節(jié)點定位算法

根據(jù)上述提出的網(wǎng)絡(luò)模型結(jié)構(gòu)及能量傳輸假設(shè)，本文提出了基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法(A node localization algorithm for mobile sensor networks based on chaotic measurement mechanism，CMM算法)，整個算法通過信號節(jié)點傳感射頻強度混沌推斷和高適應(yīng)糾錯兩個部分所構(gòu)成。

3.1信號節(jié)點傳感射頻強度混沌推斷

在進行節(jié)點定位過程時，該節(jié)點與其他節(jié)點間的定位及位置關(guān)系是極為重要的定位判斷因素。該節(jié)點與周圍節(jié)點的數(shù)據(jù)交換關(guān)系越密切，則定位的精確程度也就越高，同時該節(jié)點的傳感射頻強度越大，則定位精確程度越高。由于定位節(jié)點與周圍節(jié)點存在強烈的信息交互關(guān)系，因此若對一個節(jié)點進行充分定位，則其定位主要由該節(jié)點與周圍節(jié)點的定位連通因子有關(guān)，通過綜合考慮周圍節(jié)點與該節(jié)點的定位連通因子進行基于信號射頻強度的混沌推斷，可以有效的實現(xiàn)對節(jié)點的精確定位。

設(shè)i為某個待定位的節(jié)點，其與之進行數(shù)據(jù)交換的節(jié)點個數(shù)為λi，則λi滿足如下的關(guān)系：

(3)

其中v為與i相鄰的節(jié)點j的集合，與i相鄰的節(jié)點數(shù)量越多，則λi的權(quán)值越大。

不妨設(shè)i的初始定位坐標(biāo)為ηij，則ηij滿足如下的關(guān)系：

(4)

相關(guān)參數(shù)同模型(1)和模型(2)。

模型(4)所示的初始坐標(biāo)反映了待定位的節(jié)點坐標(biāo)與周圍節(jié)點連通程度之間的關(guān)系，然而該定位為初步定位，難以在精確度上得到提高，同時由于單純考慮節(jié)點坐標(biāo)與周圍節(jié)點連通程度關(guān)系無法有效的進行二次定位，故本文引入射頻強度閾值，通過混沌判斷對模型(4)的定位坐標(biāo)進行二次定位，以便提高精確度。

首先選取能量剩余情況最好的節(jié)點作為定位參照節(jié)點，待定位節(jié)點通過這些節(jié)點進行精確定位。待定位節(jié)點通過廣播機制與之相連的其他節(jié)點的同時，根據(jù)其他節(jié)點射頻強度閾值大小進行排序，其中射頻強度閾值E(r)計算為

(5)

其中,T為更新周期，r為定位節(jié)點進行數(shù)據(jù)定位的最大周期數(shù)，PC為下一個時刻待定位節(jié)點能夠進行正常工作的概率，Pr為當(dāng)前節(jié)點坐標(biāo)精確度，ηij定義同模型(4)。

(6)

相應(yīng)的ηij也需要進行修正，其相應(yīng)的表達式如下：

(7)

相應(yīng)參數(shù)同模型(1)、(2)所定義。

綜合模型(6)、(7)可得待定位坐標(biāo)的精度誤差ωi滿足如下的表達式：

(8)

可見，待定位坐標(biāo)的精度誤差ωi滿足二次函數(shù)關(guān)系，與定位輪數(shù)有關(guān)。

3.2高適應(yīng)糾錯

由3.1知可知，通過模型(6)可以求得待定位節(jié)點的初始坐標(biāo)，通過模型(8)實現(xiàn)了對初始坐標(biāo)的誤差精度進行了計算，同時可以知道通過模型求得最佳定位輪數(shù)，并通過該輪數(shù)直接帶入模型(6)計算，即可得到最佳精度下的定位坐標(biāo)[12]。

設(shè)模型(8)為r的函數(shù)，對模型(8)求二階偏導(dǎo)數(shù)可得r的二次導(dǎo)數(shù)f″(r)滿足：

(9)

(10)

由模型(10)可知，本文算法最多通過2輪定位，即可以將精度縮小到0，有效地改善了算法的收斂性能，從而進一步提高定位精度。

4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，將與當(dāng)前廣泛使用的DFGA節(jié)點定位算法[13～14]視為對照組，并從定位消息傳輸成功率、定位數(shù)據(jù)存儲時延、定位消息傳輸時延、定位精度四個指標(biāo)上進行分析。具體仿真參數(shù)表1所示。

表1　仿真參數(shù)表

4.1定位消息傳輸成功率

圖1顯示了本文算法與對照組算法的消息成功傳輸率測試結(jié)果，從圖中可知，三種算法隨著網(wǎng)絡(luò)節(jié)點數(shù)量增加均呈現(xiàn)不斷增加的趨勢，但是本文算法的定位消息傳輸成功率始終要好于對照組算法，這是因為本文算法引入了混沌度量機制，能夠通過多輪度量增加定位精度，因此能夠有效的改善定位消息的傳輸成功率，而對照組算法僅采取一次定位機制，當(dāng)定位出現(xiàn)錯誤時難以實現(xiàn)實時糾正導(dǎo)致定位消息傳輸成功率低于本文算法。

圖1　定位消息成功傳輸率測試結(jié)果

4.2定位數(shù)據(jù)存儲時延

圖2顯示了三種算法在定位數(shù)據(jù)存儲時延測試結(jié)果，從圖中可知，本文算法與對照組算法都是隨著網(wǎng)絡(luò)節(jié)點數(shù)量的增加均呈現(xiàn)不斷增加的趨勢，但是本文算法的定位數(shù)據(jù)存儲時延始終要好于對照組算法，這是因為本文算法引入了混沌度量機制，在節(jié)點進行數(shù)據(jù)存儲時可以根據(jù)節(jié)點當(dāng)前狀況自主決定數(shù)據(jù)存儲與否，而對照組采取簡單分發(fā)模式，當(dāng)網(wǎng)絡(luò)節(jié)點出現(xiàn)數(shù)據(jù)擁塞現(xiàn)象時難以正常實現(xiàn)數(shù)據(jù)分發(fā)，因此導(dǎo)致數(shù)據(jù)存儲時延較大。

圖2　各算法的存儲時延測試

4.3定位消息傳輸時延

圖3顯示了三種算法的定位消息傳輸時延測試結(jié)果，從圖中可以看到，本文算法的定位消息傳輸時延始終要低于對照組算法，這是因為本文算法通過高效糾錯機制實現(xiàn)了當(dāng)節(jié)點傳輸錯誤時對節(jié)點的重新定位，因此能夠有效的改善定位消息傳輸時延，當(dāng)出現(xiàn)節(jié)點傳輸錯誤時，由于對照組無法進行多輪傳輸，因此，導(dǎo)致定位數(shù)據(jù)出現(xiàn)錯誤時難以將消息順利發(fā)出，從而導(dǎo)致定位消息傳輸時延上比本文算法要差。

圖3　定位消息傳輸時延測試

4.4定位精度

圖4顯示了本文算法與對照組算法在定位精度測試結(jié)果，依圖可知，本文算法的定位精度始終要高于對照組算法，這是因為本文算法引入了高效糾錯機制當(dāng)節(jié)點定位精度較低時可以通過糾錯及時將節(jié)點定位精度提高，且可以通過多輪定位實現(xiàn)節(jié)點精度的進一步提高，因此本文算法在定位精度上要好于對照組算法。

圖4　三種算法的定位精度測試

5結(jié)語

本文提出了一種基于混沌度量機制的移動傳感網(wǎng)絡(luò)節(jié)點定位算法，通過對待定位節(jié)點與周圍節(jié)點間關(guān)系的引入，采取基于節(jié)點射頻信號強度的混沌判斷，實現(xiàn)對節(jié)點定位的初步判斷。隨后分析了節(jié)點定位的精度與初步定位時的關(guān)系，采取高適應(yīng)糾錯方式，通過計算二次導(dǎo)數(shù)對節(jié)點定位的輪數(shù)做出了精確的計算，從而提高其定位精度，且僅需要通過不超過3輪定位就可實現(xiàn)對移動傳感網(wǎng)絡(luò)節(jié)點的精確定位。仿真實驗表明，與DFGA算法相比，本文算法在定位消息傳輸成功率、定位數(shù)據(jù)存儲時延、定位消息傳輸時延、定位精度上具有明顯的優(yōu)勢，對實踐具有一定的指導(dǎo)意義。

下一步將著重從實際部署出發(fā)，對高移動性的傳感網(wǎng)絡(luò)中如何減少定位誤差上進行研究，進一步推動本文算法對各種極端網(wǎng)絡(luò)環(huán)境的適應(yīng)性能，有效的實現(xiàn)對復(fù)雜網(wǎng)絡(luò)環(huán)境的全覆蓋。

參 考 文 獻

[1] 武時龍,張萬禮,楊小瑩.RSSI修正的WSN定位算法[J].重慶大學(xué)學(xué)報,2014,8(3):144-150.

WU Shilong, ZHANG Wanli, YANG Xiaobao. WSN positioning algorithm based on modified RSSI[J]. Journal of Chongqing University,2014,8(3):144-150.

[2] George Fu. WSN subunit interacts with M2 proteins of influenza A and B node[J]. Science China,2012,9(117):1098-1105.

[3] 馬潤澤,余志軍,劉海濤.引入數(shù)據(jù)融合的WSN定位算法[J].南京郵電大學(xué)學(xué)報,2012,1(6):21-33.

MA Runze, YU Zhijun, LIU Haitao. WSN location algorithm based on data fusion[J]. Journal of Nanjing University of Posts and Telecommunications,2012,1(6):21-33.

[4] Fackle. Coverage of communication-based sensor nodes deployed location and energy efficient clustering algorithm in WSN[J]. Journal of Systems Engineering and Electronics,2010,4(12):698-704.

[5] Davide. AOD estimation in WSN localization system with synthetic aperture technique[J]. Science China,2012,10(251):2216-2225.

[6] 葉苗,王宇平.基于變方差概率模型和進化計算的WSN定位算法[J].軟件學(xué)報,2013,4(21):859-872.

YE Miao, WANG Yunping. WSN localization algorithm based on variable variance probability model and evolutionary computation[J]. Software Journal,2013,4(21):859-872.

[7] 趙雁航,錢志鴻.基于跳距修正粒子群優(yōu)化的WSN定位算法[J].通信學(xué)報,2013,9(8):105-114.

ZHAO Yanhang, QIAN Zhihong. WSN location algorithm based on the optimization of particle swarm optimization with jump distance[J]. Journal of Communication,2013,9(8):105-114.

[8] 顧海軍,王永,崔啟帆.簡易WSN定位算法及其實現(xiàn)[J].吉林大學(xué)學(xué)報,2013,5(11):443-448.

GU Haijun, WANG Yong, CUI Qihang. Simple WSN positioning algorithm and its implementation[J]. Journal of Jilin University,2013,5(11):443-448.

[9] LI Bin, WANG Wenjie, YIN Qinye. An energy-efficient geographic routing based on cooperative transmission in wireless sensor networks[J]. Science China,2013,7(22):42-51.

[10] CHEN Guangzhu, MENG Qingchun, ZHANG Lei. Chain-type wireless sensor network node scheduling strategy[J]. Journal of Systems Engineering and Electronics,2014,2(48):203-210.

[11] ZENG Xiangxiang, PAN. Small universal simple spiking neural P systems with WSN[J]. Science China,2014,9(16):19-29.

[12] 張浩,呂真.采用入侵雜草優(yōu)化算法的WSN定位精度提高方法[J].電視技術(shù),2014,3(16):146-162.

ZHANG Hao, LV zhen. WSN positioning accuracy improvement method based on invasive weed optimization algorithm[J]. Video Technology,2014,3(16):146-162.

[13] Lee. Y. D. Fuzzy adaptive Kalmat filter with WSN integrated method[J]. Journal of South University,2015,4(27):1324-1333.

[14] GONG Weibing. An adaptive path selection model for WSN multipath routing inspired by metabolism behaviors[J]. Science China(Information Sciences),2015,10(59):133-147.

收稿日期:2016年1月8日,修回日期:2016年2月13日

作者簡介:莊緒強,男,碩士,講師,研究方向：計算機網(wǎng)絡(luò)與網(wǎng)絡(luò)安全。

中圖分類號TP393

DOI:10.3969/j.issn.1672-9722.2016.07.021

Research and Simulation of Node Localization Algorithm Based on Chaotic Measurement Mechanism

ZHUANG Xuqiang

(Department of Information Engineering, Shaanxi Youth Vocational College, Xi’an710068)

AbstractIn order to solve the problem of node localization, accuracy and control overhead in mobile sensor network deployment, a new node localization algorithm based on chaos measurement is proposed. By using the chaotic inference of the signal intensity of the signal node, it can reduce the complexity of the control operation in the process of signal intensity. The simulation results show that the proposed algorithm can reduce the time complexity of the localization and improve the accuracy of the localization, and can greatly reduce the network control overhead.

Key Wordsmobile sensor network, node localization, chaos measurement, sensing radio frequency intensity, high adaptive error correction mechanism