《基于遗传算法的无线传感器网络定位算法研究与实现.docx》由会员分享，可在线阅读，更多相关《基于遗传算法的无线传感器网络定位算法研究与实现.docx（14页珍藏版）》请在三一文库上搜索。
1、基于遗传算法的无线传感器网络定位算法研究与实现摘 要 在无线传感器网络中，定位系统在目标监测与跟踪、物流管理、智能交通、基于位置信息的路由等许多应用中起着至关重要的作用。无线传感器网络中节点位置信息很重要，要实现定位就需要定位算法。文章主要介绍了基于遗传算法的无线传感器网络定位典型的节点定位算法、实现方法以及现有文献对其的改进和不足。关键词 无线传感器网络，节点定位，典型算法Abstract In wireless sensor networks, positioning system in target monitoring and tracking, logistics managemen
2、t, intelligent transportation, based on location information in many applications such as routing plays a vital role. Node location information is very important in wireless sensor networks, to achieve localization requires positioning algorithm. This paper mainly introduces the node localization al
3、gorithm, genetic algorithm is a typical wireless sensor network implementation method and the existing literature on improvement and deficiencies based on.key word Wireless sensor networks , node localization , ypical algorithm1 引言随着科学技术的发展，无线传感器网络的应用已经越来越广。目前不少国家正在大量投入人力、物力和财力来大力发展无线传感器网络。在无线传感器网络的
4、研究中，节点的研究尤为重要，传感器节点所采集到的数据必须结合其位置信息才有价值。无线传感器网络的定位分为节点自身定位和外部目标定位，因此需要合理的定位算法来使网络的定位精度更高、生命周期更长。2 典型的定位算法与实现方法2.1 凸规划定位算法凸规划定位方法是一种基于网络连通性诱导约束的定位方法，该方法将节点间点到点的通信连接当作节点位置的集合约束。图1 凸规划定位算法如图1所示，根据网络中未知节点分布,且与锚节点之间的通信情况,连接和节点无线射程,计算出未知节点最可能存在的区域,这样节点的位置就大致确定，再利用该区域的质心,然后以该区域的质心分布,才能作为未知节点的坐标。凸规划属于一种集中式定
5、位算法,在锚节点密度大约是,比例为的情况下，精度较高,定位误差约等于节点的通信半径。边沿位置的节点通常难以定位,锚节点应被部署在网络的边缘，否则外围节点的位置估算会向网络中心偏移，导致定位误差增大。2.2 质心定位算法质心定位算法是一种粗精度定位法。该算法中未知节点首先与周围节点进行通信,所有在其通信范围内的锚节点可以构成一个多边形，把多边形的几何质心作为自己的估计位置。锚节点开始周期性地广播自身位置坐标的节点分组信息，这个分组信息还包含了节点自身编号。未知节点接收来自不同锚节点的分组信息，当接收数量超过某个门限值时（一般门限为3个）或接收一定时间后，便判断是否满足定位条件，然后利用质心公式确
6、定多边形的质心为自身位置其中为未知节点能够接收到其他分组的锚节点坐标。该算法具有完全通过网络的连通性来对节点进行定位，实现较为简单且计算发热的数据量较小的优点。该算法仅能实现粗粒度的定位，定位精度受网络环境的影响较大，与锚节点的密度、分布均匀情况有很大关系。该算法还有很大的性能提升空间。2.3 DV-Hop算法DV-Hop算法不进行直接的距离测量过程，仅根据交换节点间距离矢量信息和通过网络的连通性，直接把将跳数转化为近似的测量距离，这种算法属于无需测距的定位算法。算法实现中各节点功能相同，没有明显的主次之分,地位平等，每个节点既可以传播距离矢量信息，又能计算自身的坐标,故属于分布式算法。无线传
7、感器网络受到节点能量的限制，通信距离一般不是很长，数据的传输在一跳内无法到达，往往要通过多跳路由的方式进行。DV-Hop算法合理地利用了传感器网络的多跳特性。节点只能与其连通的邻居节点之间相互交换信息。2.4 APIT算法APIT算法的主要思想是将未知节点收集来自其他节点的信息，记录所有邻居锚节点的信息，通过信息分析，测试未知节点接收信息的方位角，判断是否位于三个锚节点组成的三角形内，经过多次重复测试，直到所有组合方式都极端计算完成，或达到所需的定位精度，把所有包含该未知节点的三角形进行统计，节点的位置就用该重叠区域的质心来表示。图2 APIT算法原理这种算法误差相对较小，平均定位误差小于节点
8、通信半径的40%，但该算法对锚节点密度要求较高，锚节点数目过低时算法可能无法实现。2.5 AHLos算法AHLos算法属于迭代式定位算法，分别应用原子式定位、迭代式定位和协作式定位三种方法对未知节点进行定位。原子式定位方法是指当未知节点有足够多的锚节点作为自身的邻居节点时（2维空间大于2个，3维空间大于3个），就应用极大似然估计方法计算该未知节点的坐标。如图3（a）所示，未知节点1可以直接定位。当算法执行原子式定位后，未知节点周围锚节点数小于3，这时执行迭代式定位，将已定位的节点按照某种机制升级为锚节点节点,发送自身位置信息，当未知节点在此判断，有足够多的邻居信标节点时，可以用三边测量或极大似
9、然估计法计算自己的坐标。如图3(b)所示，节点1首先定位,然后升级为锚节点，再对2进行定位。重复该过程,直到没有满足定位条件的未知节点为止。算法最后对未知节点采用协作式定位策略，即利用多跳的局部信息，组成一个由多个方程式组成并拥有唯一解的超定方程组或限制条件完整的系统，来估算未知节点的，位置。如图3（c）所示，节点1和2利用协作方式进行定位。图3 AHLos算法示意图AHLos算法的优点有：应用TDOA技术测量节点间的距离，测距精度很高算法的计算和通信量很少，降低了节点的计算量，延长了网络生命周期，并且实现较为简单。但是存在的缺点有：TDOA技术需要附加的硬件设备支持；将已定位的未知节点升级为
10、锚节点会引入误差累积在执行协作多边定位时，可能会产生未知节点的位置有多解，没有给出协作多边定位的限定条件。2.6 Hop-Euclidean算法该算法分别把锚节点、无法定位的节点和未升级为锚节点的已定位节点标识为anchor、orphan和get Final，算法包括三个阶段：（1）初始化阶段首先所有节点进行握手通信，用于判断相邻节点能否通信，并进行节点间RSSI测距。所有未知节点接收来自周围节点的信息，根据接收到的信息统计邻居节点和锚节点的个数及位置信息。锚节点将其anchor标记设置为真；假如未知节点的邻居节点个数少于3个，此节点就无法实现定位，将其标记为orphan，并在下一阶段和邻居节
11、点不进行任何位置计算。（2）定位阶段由锚节点广播包括节点ID、自身位置信息的信标消息，经过一段时间，未知节点就可获得与它相隔两跳内的所有锚节点和中间节点的相关信息，当未知节点获得计算两跳距离条件的足够信息后,即可使用毕达哥拉斯定理（勾股定理）计算与锚节点的两跳距离，当未知节点获得与三个及三个以上锚节点距离后即可利用最小二乘定位法进行定位计算，并对计算结果进行合理性验证，如果通过验证，则升级为锚节点，并置anchor标记，如果三次循环不能通过验证，则置get Final标记，接受其位置估计，但并不升级为锚节点。（3）迭代循环阶段在定位阶段己定位的某些节点可以升级为锚节点，这些节点也开始发送信标消
12、息，即再次开始第（2）阶段,定位的节点数目就不断扩大。当所有节点的anchor或orphan或get Final标记都为真时，则完成定位过程，退出定位算法。定位流程如图4所示。图4 Hop-Euclidean算法流程3算法存在的问题及改进我们把未知节点的坐标确定为与递增原点距离较远的位置,这在某些情况下是错误的，当两个锚节点都比未知节点距离递增原点更远时，如图5（a）所示，就会有两种可能的位置。或者当锚节点与递增原点共线时，不能保证所做出的选择是正确的，如图5（b）。这些情况下,就需要其他更多的锚节点信息来协助定位。图5 算法中出现位置错误示意图3.1 AC-DV-Hop 定位算法基于 DV-
13、Hop 定位算法中未知节点将距离它最近的锚节点的平均跳距作为其平均跳距，使得在估计未知节点距离锚节点距离时出现很大的误差，本文提出一种基于平均跳距（the average hop distance）和补偿系数（compensation coefficient）的 AC-DV-Hop 定位算法，在估计未知节点距离锚节点的估计距离时减小误差，从而提高未知节点定位精度。 传统 DV-Hop 算法计算未知节点到各个锚节点距离，采用离该未知节点最近的锚节点所估计的平均跳距，在网络中未知节点距各个锚节点间的节点分布情况不同，这样会存在较大的定位误差。由于未知节点和离其最近的锚节点到其它锚节点的最小跳段路径
14、存在着部分路径重叠，因此在计算未知节点到各个锚节点距离时，距离未知节点最近的锚节点，依旧用原来就近得到的平均跳距，其它的需要重新进行估计平均跳距，因此改进后的 AC-DV-Hop 算法步骤如下：1. 距离未知节点最近的锚节点到其它各锚节点的距离除以到它们各个锚节点的最小跳数得到平均跳距；2. 将步骤 1 中得到的平均跳距和原平均跳距求算术平均值，用计算的得到的值代替原平均跳距；3.利用步骤 2 中求得的平均跳距和通过锚节点位置信息得到的补偿信息，计算节点的估计距离。利用平均跳距值来进行未知节点到锚节点的距离估计计算，得出的结果更准确些，最后利用极大似然估计或最小二乘法计算得到未知节点的坐标位置
15、更接近于实际位置。改进后的 AC-DV-Hop 算法极大地减小了未知节点距锚节点的估计距离的误差，在保持原算法简单、低成本优势的前提下明显提高了节点的定位精度，并拥有良好的稳定性。3.2 PSO-DV-Hop 定位算法基于 DV-Hop 定位算法对未知节点的位置进行了初步估计，此时的估计坐标与未知节点实际的位置偏差比较大，本文提出一种基于 PSO 优化的 PSO-DV-Hop定位算法，利用未知节点距离锚节点的估计距离计算自身位置时，采用粒子群优化（PSO）计算，减少了计算量，能够较快的得到最优解，提高算法的定位精度。粒子群优化（PSO）算法是基于群体智能理论的新兴演化的计算技术，它利用群体中个
16、体间的协作与竞争来实现复杂空间中最优解的搜索。与其它智能优化方法相比，PSO 算法具有如下特点： 1. PSO 算法容易实现，需要改变的变量较少，并且计算量较小，能以较快的速度较准确的找出问题的最好解。 2. 对优化目标函数的模型无特殊要求，以及问题定义的连续性也无特殊要求，甚至能够将传统优化方法所无法表达的问题描述成目标函数，让算法的应用更具有广泛性。 3. PSO 算法具有鲁棒性。无中心控制约束，个别个体的障碍可以不影响整个问题的求解。 4. PSO 算法具有扩充性，采用非直接的信息共享方式实现合作。 5. PSO 算法具有随机搜索的本质，使它更不容易陷入局部最优，另外 PSO 算法基于适
17、合度概念进化的特征保证了该算法的快速性，所以 PSO 算法在进行复杂的、特别是多峰高维的优化计算问题时具有很强的优越性。 PSO-DV-Hop 定位算法将粒子群优化（PSO）运用到未知节点位置计算，将结点定位问题转换为优化问题，压缩了搜索空间、加快了收敛速度，能够较快地得到优解。基于粒子群优化的定位算法具有更强的抗误差性、更好的收敛性和更少的硬件投入等优点。 4 现有算法的不足算法性能的评价指标较多，每种算法都有其优势的一，但所有算法都不能兼顾一切指标,总有某些不足之处。如MDS-MAP算法存在的问题有：在节点密度低,且分布不均匀的网络中，邻居节点间的实际距离有的很大，有的较小，差别很大,分布
18、很不均匀。而算法为每条边都赋予相同的距离值,这在计算节点间距离时出现较大的误差,影响了定位精度。概括为以下几个问题：1） 用最短路径距离,作为两点间的估计距离,与实际值有较大误差。2） 网络中同样的一跳距离,有的跳距远,有的一跳距离近,将造成很大的估计误差。3） 多跳中最后一跳的跳距一般都较小,都小于实际距离,此时用一跳距离来表示。最短路径,将存在很大的误差。对现有的多种定位系统和算法进行归纳，存在的一般问题如下：1） 对锚节点密度的要求都过高,且网络部署条件直接影响定位精度。2） 未知节点必须在一跳范围内存在锚节点,存在视距关系。3） 算法的循环求精使测距误差在网络中累积,且造成通信数据量的
19、增加,也使得锚节点计算量增大,影响节点寿命。4） 循环求精过程减小测距误差的同时产生了大量的通信和计算开销,而且因无法预估循环的次数而增加了算法的不确定性。5） 节点定位精度完全依赖测距或测角的精度,这就要求节点的硬件设备必须性能优良。对所有应用环境都适用的定位系统是不存在的,应根据性能要求选择合适的定位算法、测距技术、校正方法和各种高效的实现技术,如何设计出适合感知网络自身特点的,节能高效、定位精确、可扩展的节点定位算法,近年来成为国内外学术界研究讨论的热点。5 继续研究的方向由于时间和精力所限,本文只研究了无线传感器网络节点定位的部分领域,对定位算法中基于测距的算法和非基于测距的算法分别做
20、了介绍,通过仿真显示,算法仍存在较多问题,提高的空间还较大。下一步要研究的方向是：1） 对锚节点密度较小的网络,现在算法的定位精度还不高,有待进一步改进。2） 对动态的节点定位是本文未涉及的领域,未来研究的方向将转向移动节点的定位算法。3） 每种算法都各有优缺点,如果能综合各算法的优点,算法的性能一定将得到提高。4） 现有算法主要是针对节点定位精度的指标,我们要在保持较高精度的基础上,减少网络通信量,降低节点数据计算量,从而延长网络的生命周期。6 结论节点定位是无线传感器网络重要的研究方向之一,由于节点自身能量有限,设计出定位精度高、功耗低的算法是很具挑战性的工作。本文介绍了无线传感器网络现有的几种典型的算法、实现方法及现有文献对其的不足和改进。参考文献正文中引用别人的成果需要标注出来，然后在此处将成果的具体信息展现出来。参考文献的格式详见群共享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 汪 场. 无线传感器网络定位技术研究D. 合肥:中国科学技术大学,2007.3 马祖长，孙怡宁. 无线传感器网络节点的定位算法J. 计算机工程,2004.4 崔莉 ,鞠海玲 ,苗勇等 .无线传感器网络研究进展 J.计算机研究与发展 .2005:163-174.