混合環(huán)境下無(wú)線傳感器網(wǎng)絡(luò)中位置估算方法的改進(jìn)

李依霖 蒙詩(shī)堯

摘 要：在無(wú)線傳感器網(wǎng)絡(luò)中，最關(guān)鍵的是獲取傳感器上的數(shù)據(jù)節(jié)點(diǎn)位置。目前最常用的獲取數(shù)據(jù)節(jié)點(diǎn)位置的方法是自我組織映射傳感器節(jié)點(diǎn)位置估算法。這種方法利用少量的錨節(jié)點(diǎn)，在不使用測(cè)距設(shè)備的情況下，精確地估算出節(jié)點(diǎn)位置，并且在預(yù)測(cè)范圍內(nèi)存在障礙物的混合環(huán)境下，估算位置的精度較過(guò)去的測(cè)距和定位方法也有所提高。但在混合環(huán)境下利用這種方法估算節(jié)點(diǎn)位置仍不夠理想，并且還存在傳感器節(jié)點(diǎn)間通信量增大時(shí)電力不足的問(wèn)題。為了解決以上問(wèn)題，本文提出以云計(jì)算為前提的匯集型自我組織定位節(jié)點(diǎn)估算方法，首先通過(guò)匯集各傳感節(jié)點(diǎn)的鄰節(jié)點(diǎn)信息，提高確認(rèn)未知節(jié)點(diǎn)的精度，其次即使因各節(jié)點(diǎn)間交換位置信息而增加通信次數(shù)，也能降低感應(yīng)節(jié)點(diǎn)的電力消耗。

關(guān)鍵詞：云計(jì)算；無(wú)線傳感器網(wǎng)絡(luò)；高精度同步；節(jié)點(diǎn)

中圖分類號(hào)：TP368；TN929.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）03-0057-03

Improvement of Location Estimation Method in Wireless Sensor Networks under

Mixed Environment

LI Yilin，MENG Shiyao

（College of Computer Science and Engineering，The City College of Jilin Jianzhu University，Changchun 130114，China）

Abstract：In wireless sensor networks，the key problem is how to get the location of data nodes on sensors. At present，the most commonly used method to obtain the location of data nodes is self-organizing mapping sensor node location estimation method. This method uses a small number of anchor nodes to accurately estimate the location of nodes without using ranging equipment. In the mixed environment where obstacles exist in the range of prediction，the accuracy of the location estimation is higher than that of the previous ranging and positioning methods. However，it is not ideal to use this method to estimate the location of sensor nodes in mixed environment，and there is also the problem of insufficient power when the traffic between sensor nodes increases. In order to solve the above problems，this paper proposes a centralized self-organizing localization node estimation method based on cloud computing. Firstly，the accuracy of identifying unknown nodes is improved by collecting the neighboring node information of each sensor node. Secondly，the power consumption of the induction nodes can be reduced even if the number of communications is increased due to the exchange of location information among the nodes.

Keywords：cloud computing；wireless sensor networks；high-precision synchronization；nodes

0 引 言

無(wú)線終端和傳感器組合的無(wú)線傳感器網(wǎng)絡(luò)[1]是以服務(wù)外部世界為目標(biāo)，網(wǎng)絡(luò)環(huán)境下的重要技術(shù)。在外部世界的服務(wù)實(shí)現(xiàn)上，獲取物理位置信息是重要條件。為此，精確估算無(wú)線傳感器在網(wǎng)絡(luò)中的節(jié)點(diǎn)位置是需要解決的研究問(wèn)題。節(jié)點(diǎn)位置估算的常用技術(shù)有測(cè)距算法[2]和定位算法[3]。雖然測(cè)距算法能高精度地估算節(jié)點(diǎn)位置，但因?yàn)楸仨毷褂脺y(cè)距設(shè)備，所以無(wú)法解決傳感器節(jié)點(diǎn)大量消耗成本和電力的問(wèn)題[4，5]。用定位算法進(jìn)行高精度位置估算必須配置大量的錨節(jié)點(diǎn)。因此，存在限制使用環(huán)境和延時(shí)的缺點(diǎn)[6，7]。

為了解決以上算法的缺點(diǎn)，有研究者提出自我組織映射[8]的感應(yīng)節(jié)點(diǎn)位置估算方法。即不使用測(cè)距設(shè)備，并只利用少量錨節(jié)點(diǎn)，就能較精確地估算出感應(yīng)器的節(jié)點(diǎn)位置。但在無(wú)線傳感器網(wǎng)絡(luò)下，因?yàn)樾枰獙?duì)節(jié)點(diǎn)的物理位置進(jìn)行長(zhǎng)期測(cè)量，并且獲取各節(jié)點(diǎn)間交換位置信息時(shí)，通信次數(shù)也不斷增加，各感應(yīng)節(jié)點(diǎn)電力消耗的問(wèn)題就成了急需解決的難題。另外，估算感應(yīng)器節(jié)點(diǎn)位置時(shí)必須確定各節(jié)點(diǎn)間的未知節(jié)點(diǎn)數(shù)量。然而在混合環(huán)境下，無(wú)法確認(rèn)估算節(jié)點(diǎn)附近的未知節(jié)點(diǎn)個(gè)數(shù)，這就產(chǎn)生了精度劣化的問(wèn)題。

本文為了解決以上問(wèn)題，提出以云計(jì)算[9]為前提的匯集型自我組織定位方法。在云環(huán)境下匯集各傳感節(jié)點(diǎn)的鄰節(jié)點(diǎn)信息，構(gòu)成在虛擬無(wú)線傳感器網(wǎng)絡(luò)下使用自我組織定位的方法，不僅能降低感應(yīng)節(jié)點(diǎn)的電力消耗，并能提高估算節(jié)點(diǎn)附近未知節(jié)點(diǎn)的精度。

1 研究方法

位置估算的算法，中的自我組織定位方法通過(guò)以下3步進(jìn)行位置估算。

（1）各節(jié)點(diǎn)隨機(jī)生成自身位置，作為虛擬位置。當(dāng)節(jié)點(diǎn)i修正第t次的虛擬位置表示為wi（t）。各節(jié)點(diǎn)轉(zhuǎn)播自身虛擬位置給1次附近節(jié)點(diǎn)；

（2）接收從1次附近節(jié)點(diǎn)j開(kāi)始虛擬自身位置wi（t）的節(jié)點(diǎn)i，虛擬自身位置wi（t）和1次附近節(jié)點(diǎn)j的虛擬自身位置在wi（t）的直線上，從節(jié)點(diǎn)j到節(jié)點(diǎn)d修正1跳距離的1次附近修正向量（t）算出下式。1跳距離d不是絕對(duì)距離，作為相當(dāng)距離的跳數(shù)為：

和1次附近節(jié)點(diǎn)修正相同，在節(jié)點(diǎn)i從2次附近節(jié)點(diǎn)k開(kāi)始2跳距離的2次附近修正公式（t）算出下式：

用以上兩個(gè)修正公式修正節(jié)點(diǎn)的虛擬位置。

節(jié)點(diǎn)i在距1次附近節(jié)點(diǎn)j和2次附近節(jié)點(diǎn)k更遠(yuǎn)的虛擬位置上時(shí)，如果2次附近節(jié)點(diǎn)的相對(duì)關(guān)系正確時(shí)，則僅修正1次附近修正向量。

從節(jié)點(diǎn)i到1次附近節(jié)點(diǎn)j比到2次附近節(jié)點(diǎn)k的距離近時(shí)，虛擬自身位置為（wi（t）-wj（t））≥（wi（t）-wk（t））時(shí)，和1次附近節(jié)點(diǎn)的相對(duì)關(guān)系正確，對(duì)1次附近修正向量和2次附近修正向量同時(shí)開(kāi)始修正虛擬自身位置wi（t）；

（3）添加自身的虛擬位置wi（t），隨機(jī)選擇1次附近節(jié)點(diǎn)的自身位置wj（t），轉(zhuǎn)播這兩個(gè)節(jié)點(diǎn)的虛擬位置節(jié)點(diǎn)，估算各節(jié)點(diǎn)的位置來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)拓?fù)洹?/p>

2 改進(jìn)的研究方法

本文在自我組織定位方法的基礎(chǔ)上提出了新的改進(jìn)研究方法——匯集型自我組織定位方法。先將兩種方法進(jìn)行比較。

2.1 自我組織定位方法存在的問(wèn)題

自我組織定位方法是各節(jié)點(diǎn)估算自身位置的方式。但是為了各節(jié)點(diǎn)單獨(dú)進(jìn)行估算，要考慮到下述的問(wèn)題：

（1）在混合環(huán)境下，因?yàn)楦浇?jié)點(diǎn)數(shù)量的不足產(chǎn)生精度下降，估算拓?fù)湫纬烧矍負(fù)洌@是造成位置精度下降的主要原因；

（2）當(dāng)各節(jié)點(diǎn)的通信次數(shù)增加時(shí)，感應(yīng)節(jié)點(diǎn)的電力消耗嚴(yán)重。

虛擬無(wú)線傳感器網(wǎng)絡(luò)為了收集全部節(jié)點(diǎn)的附近節(jié)點(diǎn)信息，必須組織完整的拓?fù)浣Y(jié)構(gòu)信息。因?yàn)橥負(fù)浣Y(jié)構(gòu)的形狀是隨機(jī)生成的，匯集型自我組織定位方法正適用于構(gòu)成完整拓?fù)湫畔⒌奶摂M無(wú)線傳感器網(wǎng)絡(luò)。

為了解決前文提出的問(wèn)題，提出以下處理過(guò)程：

（1）精度降低的原因是產(chǎn)生了彎曲拓?fù)?。因?yàn)榫嚯x判斷中不能找出拓?fù)涿?，所以添加了角度判斷?/p>

（2）根據(jù)使用完整拓?fù)湫畔⒌膎次附近節(jié)點(diǎn)更新，從大范圍的信息中提高全部拓?fù)湫螤畹木仍佻F(xiàn)；

（3）對(duì)云客戶端感應(yīng)節(jié)點(diǎn)的附近節(jié)點(diǎn)進(jìn)行搜索，使通信次數(shù)大幅減少。

2.2 在云環(huán)境下用拓?fù)湫畔⒐浪愎?jié)點(diǎn)位置的算法

2.2.1 虛擬無(wú)線傳感器網(wǎng)絡(luò)的構(gòu)成

各感應(yīng)節(jié)點(diǎn)按下面所述步驟收集附近節(jié)點(diǎn)信息，生成服務(wù)器內(nèi)的虛擬網(wǎng)絡(luò)。

（1）自身節(jié)點(diǎn)ID作為數(shù)據(jù)發(fā)送轉(zhuǎn)播；

（2）接收各感應(yīng)節(jié)點(diǎn)的轉(zhuǎn)播，取得附近節(jié)點(diǎn)的ID，將獲取的節(jié)點(diǎn)ID記錄作為附近節(jié)點(diǎn)的信息傳送給服務(wù)器；

（3）服務(wù)器將信息傳送到云環(huán)境。

根據(jù)以上方法，云環(huán)境取得全部節(jié)點(diǎn)的附近節(jié)點(diǎn)信息，匯集型自我組織定位方法將獲取的附近節(jié)點(diǎn)信息在云環(huán)境下構(gòu)成如下拓?fù)洌?/p>

（1）包含節(jié)點(diǎn)i的鄰節(jié)點(diǎn)信息，作為節(jié)點(diǎn)i的1次附近節(jié)點(diǎn)；

（2）包含上述1次附近節(jié)點(diǎn)j的鄰節(jié)點(diǎn)信息，節(jié)點(diǎn)i及不包含節(jié)點(diǎn)i-1次的鄰節(jié)點(diǎn)信息的節(jié)點(diǎn)作為轉(zhuǎn)播節(jié)點(diǎn)i的節(jié)點(diǎn)j的2次附近節(jié)點(diǎn)；

（3）同理，包含n次附近節(jié)點(diǎn)x的鄰節(jié)點(diǎn)信息，不包含n-1次的附近節(jié)點(diǎn)群的鄰節(jié)點(diǎn)信息的節(jié)點(diǎn)作為轉(zhuǎn)播節(jié)點(diǎn)i的節(jié)點(diǎn)x的n+1次附近節(jié)點(diǎn)；

（4）重復(fù)上述步驟，擴(kuò)大節(jié)點(diǎn)i的附近拓?fù)?，通過(guò)網(wǎng)絡(luò)設(shè)定節(jié)點(diǎn)i的多次附近節(jié)點(diǎn)。

實(shí)施以上處理云環(huán)境下全部節(jié)點(diǎn)，各節(jié)點(diǎn)每次設(shè)定多次附近節(jié)點(diǎn)，形成虛擬無(wú)線傳感器網(wǎng)絡(luò)。

2.2.2 n次附近節(jié)點(diǎn)的位置估算

用匯集型自我組織定位方法根據(jù)跳數(shù)增加節(jié)點(diǎn)間距離，選擇其節(jié)點(diǎn)，被選的節(jié)點(diǎn)是從節(jié)點(diǎn)i的n次附近節(jié)點(diǎn)，且滿足到n-1次附近節(jié)點(diǎn)的任意節(jié)點(diǎn)到i的遠(yuǎn)距離位置條件。位置更新時(shí)用距離d乘以跳數(shù)n。根據(jù)多跳n次的附近修正向量求得式（3），wn（t）是n次附近節(jié)點(diǎn)的虛擬自身位置。位置修正開(kāi)始時(shí)，用大部分的附近節(jié)點(diǎn)形成大范圍的拓?fù)?，修正階段進(jìn)行和位置修正時(shí)減少附近節(jié)點(diǎn)信息，形成局部拓?fù)?。利用公式?）進(jìn)行虛擬自身位置信息的更新。

3 仿真實(shí)驗(yàn)

3.1 通信情況

因?yàn)樵谟姓系K物的情況下，節(jié)點(diǎn)間的通信處于混合狀態(tài)，障礙物間的節(jié)點(diǎn)不能通信。

3.2 通信次數(shù)

利用自我組織定位方法和匯集型自我組織定位方法比較位置估算時(shí)全部節(jié)點(diǎn)的送信次數(shù)。實(shí)驗(yàn)證明，匯集型自我組織定位方法大大減少了送信的次數(shù)。自我組織定位方法在各節(jié)點(diǎn)執(zhí)行位置更新，節(jié)點(diǎn)間更新虛擬自身位置時(shí)通信量增大。匯集型自我組織定位方法執(zhí)行位置更新是在云環(huán)境下的虛擬無(wú)線傳感器網(wǎng)絡(luò)中進(jìn)行的，各節(jié)點(diǎn)位置更新時(shí)不需要交換虛擬自身位置，只傳送給云服務(wù)器虛擬無(wú)線傳感器網(wǎng)絡(luò)中的自身附近節(jié)點(diǎn)信息。

3.3 相對(duì)位置和絕對(duì)位置比較

進(jìn)行相對(duì)位置和絕對(duì)位置比較有兩種方法。相對(duì)位置評(píng)價(jià)根據(jù)估算的節(jié)點(diǎn)位置構(gòu)成網(wǎng)絡(luò)的形狀和原型網(wǎng)絡(luò)形狀的相似性進(jìn)行評(píng)價(jià)，即根據(jù)式（5）進(jìn)行評(píng)價(jià)：

估算位置節(jié)點(diǎn)i和節(jié)點(diǎn)j的距離，在原型網(wǎng)絡(luò)上，設(shè)N為位置估算節(jié)點(diǎn)的集合。當(dāng)平均值趨近于1時(shí)，估算網(wǎng)絡(luò)形狀和原型的網(wǎng)絡(luò)形狀相同，分散V[rij]趨近于0時(shí)，估算網(wǎng)絡(luò)形狀和原型的網(wǎng)絡(luò)形狀近似。當(dāng)為1，V[rij]為0時(shí)，估算網(wǎng)絡(luò)形狀和原型網(wǎng)絡(luò)形狀一致。

絕對(duì)位置評(píng)價(jià)則要估算各節(jié)點(diǎn)的位置和真實(shí)位置的歐幾里得距離總和的平均值，位置估算誤差為Errave。

（6）

因此，與自我組織定位方法比較，匯集型自我組織定位方法有位置估算誤差非常小、精度高的優(yōu)點(diǎn)。

自我組織定位方法在少數(shù)的網(wǎng)絡(luò)拓?fù)渲?，雖然能正確地估算部分形狀，但發(fā)生曲折的大范圍拓?fù)鋾r(shí)產(chǎn)生的誤差過(guò)大，這樣就大大提高了全網(wǎng)絡(luò)拓?fù)渲械钠骄`差。匯集型自我組織定位方法完全抑制了曲折拓?fù)洌€(wěn)定地保持低誤差。匯集型自我組織定位方法中的值比自我組織定位方法中的值低，并且趨近于1。利用匯集型自我組織定位方法時(shí)V[rij]的值比自我組織定位方法時(shí)的V[rij]值低，趨近于0。因此，匯集型自我組織定位方法估算網(wǎng)絡(luò)中節(jié)點(diǎn)的拓?fù)湫螤罡鼫?zhǔn)確，與原型網(wǎng)絡(luò)形狀幾乎一致。

根據(jù)以上理論，匯集型自我組織定位方法在混合環(huán)境下，能夠?qū)崿F(xiàn)原型網(wǎng)絡(luò)高精度再現(xiàn)，并高精度地估算出節(jié)點(diǎn)位置。

4 結(jié) 論

本文提出在云環(huán)境下的匯集型自我組織定位方法，并在仿真實(shí)驗(yàn)中確定了能夠?qū)崿F(xiàn)混合環(huán)境下高精度的估算節(jié)點(diǎn)位置，能夠大量減少通信次數(shù)，降低感應(yīng)節(jié)點(diǎn)的電力消耗。驗(yàn)證了混合環(huán)境下利用匯集型自我組織定位方法的可行性和有效性。

參考文獻(xiàn)：

[1] 秦紹華.無(wú)線傳感器網(wǎng)絡(luò)多信道通信技術(shù)的研究 [D].濟(jì)南：山東大學(xué)，2014.

[2] 陳羽.廣域行波測(cè)距算法及其形式化驗(yàn)證 [D].上海：上海交通大學(xué)，2013.

[3] 孫順遠(yuǎn).無(wú)線傳感器網(wǎng)絡(luò)定位算法及應(yīng)用研究 [D].無(wú)錫：江南大學(xué)，2014.

[4] 羅勃.基于UWB技術(shù)的TDOA定位算法的研究與實(shí)現(xiàn) [D].?？冢汉Ｄ洗髮W(xué)，2017.

[5] 楊玲玲.IR-UWB無(wú)線傳感器網(wǎng)絡(luò)精確TOA測(cè)距定位研究 [D].太原：太原理工大學(xué)，2011.

[6] 劉菁原.無(wú)線傳感網(wǎng)中距離相關(guān)加權(quán)定位算法分析研究 [D].昆明：昆明理工大學(xué)，2016.

[7] 李亞杰.基于DV-Hop的無(wú)線傳感器網(wǎng)絡(luò)定位算法研究 [D].贛州：江西理工大學(xué)，2017.

[8] 寇磊.基于SOM算法改進(jìn)的K-medoids算法及其研究 [D].太原：太原理工大學(xué)，2017.

[9] 石勇.面向云計(jì)算的可信虛擬環(huán)境關(guān)鍵技術(shù)研究 [D].北京：北京交通大學(xué)，2017.

作者簡(jiǎn)介：李依霖（1981-），女，漢族，遼寧遼陽(yáng)人，講師，碩士，主要研究方向：智能控制、網(wǎng)絡(luò)教育。