基于智能优化的WSN定位算法研究与改进

然后在基于测距与非测距的定位算法原理的基础上总结了两大类算法的优缺点，并通过仿真实验具体分析了 DV-Hop 定位算法和 RSSI 定位算法的定位误差。（2）详细介绍了粒子群算法的原理、算法步骤，并在粒子群算法的基础上通过局部最优值对算法进行优化，并选取了 9 种测试函数验证了算法的有效性。将改进的粒子群算法与 DV-Hop 定位算法进行融合，从而降低未知节点在位置信息计算过程中产生的误差，通过 MATLAB R2016b 进行仿真实验，从锚节点的数量变化、通信半径的变化、节点总数的变化这三个方面对平均定位误差的影响进行对比分析，从实验结果可以看出本文改进算法定位精度更高。

第 1 章 绪论

1.1 研究背景及意义
近年来，随着数据分析、传感器、智能算法以及无线通信技术的飞速发展，无线传感器网络（Wireless Sensor Networks，WSN）引起了研究者和工业界的极大关注，基于无线传感器的应用也在不断的拓展，在我们的日常生活中提供了监测、定位等服务。无线传感器网络具有成本低、能耗低、环境适应性强等优点。在目标区域部署大量的传感器节点后，节点之间相互协调与通信以实现目标任务[1]，因此被赋予了广阔的应用领域，在多数的应用场景中，我们需要利用无线传感器网络中的节点获取到所需的数据信息。具体如下：①入侵检测和跟踪。传感器节点沿着战场边界部署，以检测、分类和跟踪入侵的人员和车辆 。②环境监测,能够检测温度变化或烟雾的专用传感器节点可以部署在室外高风险区域，起到预警作用。③室内监控，监视传感器网络可用于在美术馆，购物中心，停车场或其他设施中，为用户提供安全、保护、便捷等服务。④流量分析，交通传感器网络可以监视高速公路或城市拥挤地区的车辆交通[2-6]。为了更好的支撑这些应用，我们需要获取到监测区域内的位置信息，因此，节点的位置信息在上述应用中是至关重要的。
节点定位技术作为无线传感器网络的核心技术之一，研究者们在此基础上提出了许多经典的定位算法。鉴于场景复杂的多样性，算法在测距误差、定位精度等方面存在一定的缺陷。因此在这种情况下，基于无线传感器网络锚节点进行精准定位成为目前研究的热点。本文在国内外文献的基础上，研究了了 DV-Hop 定位算法和 RSSI 定位算法，分析了算法在应用过程中产生误差的具体原因。无线传感器网络的节点定位算法在定位精度上仍有很大的提升空间，如何利用智能优化算法来提高定位精度是本文的重点研究内容。
.......................

1.2 国内外研究现状
WSN 定位算法按照是否需要测量节点之间的距离划分为依据测距和依据非测距的定位算法[7]。依据测距的定位算法中节点需要安装硬件设备来计算出节点间的距离和角度信息，然后计算出未知节点的位置信息，这些定位技术提供了较为精确的结果。但是，在实际应用中需要专用的硬件设备，在大规模网络环境中采用该技术进行定位成本比较昂贵[8]。依据非测距的定位算法不需要获取节点间的距离和角度信息，该类算法使用的是有关联性的节点信息，利用目标区域内节点间的连通度以及路由交换信息等技术来计算未知节点与相邻锚节点的距离，因此节点的分布、通信范围、以及估算值与实际值之间的差异对算法的定位精度都有一定影响，但是其实现较为简单且成本较低[9]。
依据测距实现的定位算法主要有基于 TOA(Time Of Arrival，到达时间)定位算法[10]、基于 AOA(Angle Of Arrival，到达角度)定位算法[11]、基于 TDOA(Time Difference 0fArrival，到达时间差)定位算法[12]、基于 RSSI(Received Signal Strength Indication，接收信号强度)定位算法[13]。文献[14]通过序贯概率比方法判断信号是否被污染，通过粒子群优化的定位算法减小对 NLOS（non-line-of-sight）的误差，进而提高 TDOA 算法的定位精确度。文献[15]通过对虚拟力模型的改进，提出了一种新的锚节点移动策略，以密集权重属性和未知节点的密度为权重来改进传统的虚拟力模型，从而减少定位误差，在定位精度和算法性能上有明显的改进。文献[16]等提出了一种基于 TOA 改进的无线传感器网络基站选择定位算法，采用 BS 选择方案，该方案选择三个测量距离，其中包含相对较少的 NLOS 误差，并进行性能评估。文献[17]用卡尔曼滤波器来提高时钟偏移精度并跟踪由于随机波动而引起的时钟漂移。一旦源发送信号就分别对锚处的 TDOA 进行标记，通过补偿操作减小误差。文献[18]首先分析了三维空间中的定位误差区域，在 RSSI算法的基础上提出了 ERSS 定位算法，该算法是基于空间来实现定位，定位精度与传统的 RSSI 算法相比有明显的提高。
..........................

第 2 章 无线传感器网络节点定位相关理论研究

2.1 无线传感器网络
2.1.1 无线传感器网络架构
无线传感器网络(Wireless Sensor Networks)简称 WSN[38]作为一种通过无线通信方式形成的多跳自组织的网络系统，由大量部署在监测区域内可以进行计算和通信的微型传感器节点组成[39]，主要包括传感器、感知对象和观察者三个要素，综合各种技术来实现对网络覆盖区域内感知目标对象信息的监测、感知、采集以及传播处理[40]。

........................

2.2 节点定位技术
2.2.1 基本概念
针对定位过程中使用到的相关专业术语做以下介绍：
(1) 锚节点（anchor nodes）:通过手动配置或自身携带的定位设备等方式得到位置信息后，这些信息为其他相邻节点提供了参考信息。通常锚节点也被称为参考节点或者信标节点。
(2) 未知节点(unknown nodes)：自身位置信息不确定，经由相邻的锚节点来获取、确定自身位置信息的节点我们称之为未知节点。
(3) 通信半径(communication radius)：节点电池能量的有限性要求节点都是在一定距离范围内进行通信，这个通信范围称为节点的通信半径。
(4) 邻居节点(neighbor nodes)：在监测区域内，在一定的通信范围内，能够实现与其他节点通信，它们就是该节点的邻居节点。
(5) 跳数(hop count)：两个节点之间间隔的跳段距离的总数称为跳数。
(6) 平均跳距(average hop distance)：节点到其他任一节点之间的平均每跳的跳距。
(7) 跳距(hop distance)：节点之间的距离用跳段距离来表示，跳段距离的总和即为节点之间的跳距。
(8) 连通度(connectivity)：在网络中任一节点能够与其他邻居节点进行通信的邻居节点的数量。
............................

第 3 章 无线传感器网络的定位算法分析.................................21
3.1 基于测距的定位算法.........................21
3.1.1 TOA 定位算法............................21
3.1.2AOA 定位算法........................22
第 4 章 基于改进粒子群的 DV-Hop 定位算法..........................33
4.1 DV-Hop 定位算法..........................................33
4.1.1 DV-Hop 定位算法示例..............................33
4.1.2 DV-Hop 定位算法误差分析................................34
第 5 章 基于改进花授粉的 RSSI 定位算法....................49
5.1 RSSI 定位算法误差分析......................49
5.2 问题描述.......................50

第 5 章 基于改进花授粉的 RSSI 定位算法

5.1 RSSI 定位算法误差分析
由章节 3.1.4 可知，RSSI 定位算法主要分为三个步骤。第一步，首先获取节点之间的 RSSI 值；第二步，利用信号衰减模型计算出节点之间的距离；第三步，采用最小二乘法估算出未知节点的位置信息。RSSI 信号在传播过程中受环境等因素影响，信号强度也会发生变化，依据信号强度进行距离转换时，节点之间的距离与误差值成正相关，未知节点采用最小二乘法进行估算时定位精度也会随之降低。
依据前面章节中对 RSSI 定位算法的研究与实验分析，发现借助花授粉对 RSSI 定位算法进行改进的过程中花粉个体存在收敛速度过慢，后期精度值低等问题。针对该问题，本节首先分析了花授粉算法的原理，然后利用正余弦函数对花授粉算法进行优化，并通过仿真实验验证了改进后的花授粉算法的最优解的精度值得到了有效提升。

......................

第 6 章 总结展望

6.1 总结
基于无线传感器网络的定位算法是目前的研究热点，随着对 DV-Hop 定位算法和RSSI 定位算法的研究，具体分析了算法在定位过程中产生的误差，针对算法在定位过程中产生的误差，引入了智能优化算法中的粒子群算法和花授粉算法，在原始算法的基础上进行优化，提出了基于改进粒子群的 DV-Hop 定位算法和基于改进花授粉的 RSSI定位算法。最后通过 MATLAB 在计算机上进行仿真实验，通过对比分析，改进算法有效的降低了节点定位过程中产生的误差，定位精度优于原始算法。本论文的具体工作如下：
（1）首先从研究背景、国内外研究现状和研究意义三个方面分析了基于测距与非测距定位算法的研究现状以及存在的问题，说明了本课题研究的必要性。然后在基于测距与非测距的定位算法原理的基础上总结了两大类算法的优缺点，并通过仿真实验具体分析了 DV-Hop 定位算法和 RSSI 定位算法的定位误差。
（2）详细介绍了粒子群算法的原理、算法步骤，并在粒子群算法的基础上通过局部最优值对算法进行优化，并选取了 9 种测试函数验证了算法的有效性。将改进的粒子群算法与 DV-Hop 定位算法进行融合，从而降低未知节点在位置信息计算过程中产生的误差，通过 MATLAB R2016b 进行仿真实验，从锚节点的数量变化、通信半径的变化、节点总数的变化这三个方面对平均定位误差的影响进行对比分析，从实验结果可以看出本文改进算法定位精度更高。
（3）由于粒子群算法收敛速度快，寻优能力不适用于基于测距的 RSSI 定位算法，针对 RSSI 定位算法存在测距误差较大的问题，本文选取了智能优化算法中的花授粉算法对其进行改进，通过适应度函数降低定位过程中产生的误差，有效的提高了算法的定位精度。通过 MATLAB R2016b 进行仿真实验，从锚节点的数量变化、通信半径的变化以及节点总数的变化这三个方面对平均定位误差进行对比分析，改进后的 RSSI 定位算法有效降低了定位过程中产生的误差。
参考文献（略）