水下無線傳感器網絡定位技術綜述

摘 要： 隨著開發海洋資源熱潮的興起和陸地無線傳感器網絡研究的迅速發展，水下無線傳感器網絡的研究已經成為新的研究熱點。水下定位技術是水下傳感器網絡關鍵性支撐技術。為了對水下定位技術進行深入研究，采用分類總結的方法對目前已有的水下定位技術按類別進行了闡述，比較了它們的優缺點，討論了這些技術適用的應用場景。最后對水下定位的發展趨勢做出了展望。

關鍵詞： 水下無線傳感器網絡； 水下定位技術； 集中式定位算法； 分布式定位算法

中圖分類號： TN711?34 文獻標識碼： A 文章編號： 1004?373X（2013）07?0011?05

0 引 言

海洋占據了全球大約70%的面積，對海洋資源的開發與利用日益成為現代世界各國的焦點。水下無線傳感器網絡隨之成為研究的熱點，并可以在環境監測、災難預報、資源開發以及軍事導航輔助等各個方面得到應用[1?4]。在很多應用中數據需要結合其地理位置信息才具有實際意義并且地理位置信息可以為網絡層協議給予支持，因此水下定位技術成為一個亟待解決的重要問題。

水下傳感器網絡定位具有如下特點：水下不能直接使用GPS；水下信道帶寬低，通信開銷大的協議不適用于水下；節點隨水流的移動等。這給水下的節點定位帶來了極大的困難與挑戰。原有的陸地定位技術不能直接應用于水下定位，需要研究出適用于水下定位特點的新的節點定位技術。

本文首先對現有水下定位技術進行了簡介和分類，然后分別對各類水下定位技術進行了介紹，最后對各種算法進行了性能的分析與對比。

1 水下定位技術簡介與分類

水下無線傳感器網絡節點分為三類：錨節點、未知節點和參考節點。未知節點負責感知環境數據，錨節點負責定位未知節點，參考節點由錨節點和已經定位的未知節點組成。水下無線傳感器網絡節點定位的目標就是：通過一些特殊的定位方法利用一些錨節點和參考節點在有限的通信開銷內對未知節點進行定位。

本文對國內外現有的水下節點定位技術進行了分類、概括與總結。根據節點定位過程在何處完成，把現有的水下定位技術分為兩類：分布式定位算法和集中式定位算法。在分布式算法中未知節點收集定位信息分別獨自完成對自身的定位，而集中式算法是由一個基站或匯聚節點完成對所有節點的定位。這兩類算法又都可以進一步分為兩個子類：基于估計的算法和基于預測的算法。基于估計的算法使用當前的信息計算節點的位置，而基于預測的算法利用節點過去和當前的位置信息來推測節點下一個時間點的位置。

2 分布式水下節點定位算法

2.1 分布式基于估計的定位機制

升潛定位法（DNRL）[5]是一種應用于水下移動網絡中的分布式基于估計的定位算法。如圖1所示，該算法利用了一種可上浮與下沉的信標。信標可以周期性的上浮與下沉，信標在浮到水面的時候通過GPS得到自身坐標，然后下沉時通過壓力傳感器獲取深度信息并不斷的發送自身坐標信息，未知節點被動的接受這些信息并通過單程TOA測距算法計算距離并最終通過三邊測量法原理來定位。該算法可以獲取較高的定位覆蓋面和精度，但是需要較多的信標節點并且采用單程TOA測距需要時間同步。

由于DNRL中信標移動速度較慢，這將會導致靠近水底的節點的定位延遲時間較長。針對這種情況，多階段定位算法（MSL）[6]對DNRL進行了修改與擴展。該算法利用已經定位的節點作為參考節點周期發送坐標信息來擴大定位覆蓋度和降低定位延遲，不過會增大通信開銷并帶來誤差累積的現象。

水下自主航行器輔助定位法（AAL）[7]利用水下自主航行器（AUV）在水下航行來定位未知節點，該算法應用在靜態水環境中。如圖2所示，AUV周期的浮出水面獲取GPS坐標然后在水下通過船位推算法追蹤自身位置并廣播喚醒消息，未知節點收到消息后通過雙向TOA測距算法獲取距離。AUV的移動會導致其位置不停的改變，在未知節點獲取多個與不同AUV坐標相對應的距離后，節點即可定位。該算法使用雙向TOA測距避免了時間同步，但是通信開銷較高并且由于AUV速度緩慢導致定位延遲較大。

定向指向標定位法（LDB）[8]同樣利用了AUV來定位水下節點，應用于靜態水環境中。如圖3所示，該算法與AAL的不同點在于AUV航行在整個網絡之上并且其發射信號具有定向的波束寬度。AUV通過上浮到水面獲取GPS坐標然后按照預定的軌跡直線航行在整個網絡之上并周期發送自身坐標，節點的深度由壓力傳感器來獲取。

該算法為一個不需要測距的定位算法，其定位方法如圖4所示。節點被動的接受AUV數據，認為第一次和最后一次接收到AUV信號分別為節點進入探測范圍和離開探測范圍的時間，其坐標為（[xAUVt1]，yAUV）， （x[AUVt2]，yAUV），假定通信范圍為R，則節點坐標可由下式表示出來：

[x=xAUVt1+xAUVt2/2y=yAUV+R2-xAUVt2-xAUVt122]

本算法通信開銷較小，但是精確度依賴于AUV的信號發送頻率，在發送周期較長時精確度較低。另外一個限制是AUV必須航行在整個網絡之上，這一點在實際應用中可能難以滿足條件。

大規模定位法（LSL）[9]為一種靜態水環境中的分布式分層定位機制。如圖5所示，網絡由三種節點組成：浮標節點，錨節點和未知節點。浮標節點通過GPS獲取坐標，錨節點首先通過浮標節點定位自身坐標，然后周期發送自身坐標為未知節點定位。算法采用了單程TOA測距來獲取距離，提出了一種信任值選擇機制來選擇較優的已定位節點作為參考節點。

在網絡中可能有一些未知節點無法直接與錨節點或參考節點通信，這些節點就無法定位。為了解決這個問題，LSL算法讓未知節點周期發短消息獲得與一跳鄰居距離，基于此提出了一種三維歐幾里得距離估算方法。如圖6所示，A為參考節點，未知節點E需要得知EA的距離。圖中實線表示一跳可達，那么在LSL機制下節點E可以獲取EC，EB，ED，DC，DB，DA，AB，AC，DC的長度，選取ABC平面為參考平面，由于已知DC，DB，DA長度，可以得到兩個D點的可能參考坐標：D與D′。由于EC，EB，ED長度已知，分別針對DBC平面和BCD′平面可得到E點4個可能的參考坐標。在鄰居節點大于3個的時候可以通過聯立求解得到惟一的E點參考坐標，即可求得AE的距離。LSL算法最大的缺陷在于能耗過高，通信開銷過大，并且需要時間同步。

水下定位機制（UPS）[10]利用4個錨節點發送信標信號給未知節點定位，并采用了TDOA方式來進行測距避免了時間同步，適用于靜態水環境。如圖7所示，由1個主錨節點（A）發起定位過程，錨節點B和未知節點接收到信號，B收到A信號后計算出A到B的延遲然后發送坐標信號，未知節點接收到B信號之后就可以只通過自身的時鐘計算出出自己到A和B的距離差。同理，錨節點C和D也采取相同的過程。UPS機制可有效避免時間同步并且通信開銷非常小。但是由于只依賴4個錨節點來定位，定位覆蓋度不高不適用于大范圍的水下網絡，而且對錨節點的通信距離要求比較高。

針對UPS機制定位覆蓋度不高的缺陷，大規模水下網絡定位機制（LSLS）[11]對UPS進行了擴展，包含了三個定位過程：錨節點定位過程、迭代定位過程、補充定位過程。首先進行錨節點定位過程，采用UPS定位機制定位可通過錨節點定位的節點。然后進行迭代定位過程，選擇一些已經定位的節點作為參考節點進行迭代定位。經過前兩個過程還沒有得到定位的未知節點將進行補充定位過程，節點主動發送定位請求，已定位節點根據請求將自身轉化為參考節點完成對未知節點的定位。LSLS機制繼承了UPS機制的優點并使之可以應用在大規模的網絡中，不過其通信開銷要比UPS機制高。

水下傳感器定位機制（USP）[12]為一個基于投影的定位機制。該機制假設節點知道自己的深度信息，并利用該信息將錨節點投影到自己所在的水平面，將三維定位問題轉化為二維定位問題。如圖8所示，A，B，C分別為錨節點，投影到未知節點U所在平面上為A′， B′，C′，然后通過三邊定位法使節點U得到定位。該算法中已經定位的節點均被定為參考節點，需要周期發送自身坐標，能耗很大，并且定位成功率不高，可以通過增大錨節點數目來提高定位成功率。

2.2 分布式基于預測的定位機制

可擴展的移動預測定位法（SLMP）[13]是一種應用于動態水環境中的分布式基于預測的定位機制。該機制采用如圖2一致的分層結構，由浮標節點、錨節點和未知節點組成。提出了節點的移動模式的概念，錨節點和未知節點都根據自身的移動模式已經之前的坐標來估算位置。該機制中假設節點會按照定位周期T獲取自身位置。由于節點在運動過程中移動模式也有可能發生變化，所以節點會周期的檢查更新自身的移動模式。節點在預測自身位置之后，會根據收集的定位信息來為自身定位，然后比較預測值與實際估算值之間的差異。當其差異不超過某一閾值時節點認為自己的移動模式是正確的，否則節點會根據節點之前與當前的位置信息來更新自己的移動模式。SLMP算法的通信開銷相對較低，算法性能受定位周期T的影響，T較小時精度較高但是通信開銷會相應提高。整個算法依賴于節點移動模式的結構，而水下節點的移動模式的計算又是一個需要解決的研究難點。

3 集中式水下節點定位算法

3.1 集中式基于估計的定位機制

運動感知的自身定位法（MASL）[14]為一種應用于動態水環境中的集中式算法。由于水下節點的移動性，使得已經估算得到的距離可能隨時會失效，而該算法可提供精確的定位。在MASL機制中水下節點會收集自身與鄰居節點的距離，這些距離信息將會在水下網絡任務結束后由基站進行離線處理。基站通過迭代估算方法對節點進行定位，該方法將水下環境劃分為很多小的網格，在每次迭代過程中得到節點的位置分布并選取概率最大的網格作為該節點的位置，然后代入到下一次迭代中去。該算法采用集中式算法緩解了水下節點的計算負擔，并且不需要錨節點，但是需要時間同步和較高的通信開銷。最大的缺陷在于不適用于要求獲取實時位置信息的在線監測應用。

區域定位機制（ALS）[15]是一種不需要測距的粗顆粒度2D定位算法。如圖9所示，節點U為未知節點，R1， R2，R3，R4均為錨節點，錨節點通過使用不同能級發送數據將網絡分割為很多區域。未知節點被動的接收錨節點數據，將錨節點表已經相應的能級發送到匯聚節點，匯聚節點知道所有錨節點的坐標，然后未知節點的定位得到實現。該算法的不需要時間同步、不需要進行測距也不需要測量接受信號強度，是一種比較輕便的定位算法，不過算法的通信開銷較高，不適用于要求獲取實時位置信息的應用，并且算法得到的位置信息比較粗糙不適用于需要精確位置的應用。

3.2 集中式基于預測的定位機制

協作定位法（CL）[16]是一種集中式基于預測的定位機制。該算法使用一個水下漂流節點隊列，并假定所有的節點都可以在水中上浮與下降。

所示，隊列中有一些頭結點，其他節點為跟隨節點。初始狀態時所有節點在水面，這時可獲取GPS坐標。然后頭結點首先沉入水下，跟隨節點隨后進入水中，節點深度可通過壓力傳感器獲取，并且所有節點在水下的運動速度一致。那么頭結點的位置即為跟隨節點未來位置的預測。跟隨節點通過TOA來獲取頭結點的位置。

協作定位法示意圖

該算法不需要錨節點并且通信開銷很小。但是算法對網絡環境的結構要求有限制，適用于柱狀深海水環境的數據采集，對于其他的應用環境效果不好。并且頭結點需要離跟隨節點較近，當頭結點脫離了跟隨節點的通信范圍時，跟隨節點的定位就會失敗。

4 算法性能比較與討論

表1總結了所調研的定位算法的基本屬性。一些協議沒有指明測距方式稱之為“未制定”。未知節點不發送數據的協議的通信模式為“沉默”，使用已定位節點輔助定位的協議的通信模式為“迭代”，未知節點主動發送數據的協議的通信模式為“主動”。

一般來說，從以下五個方面對水下節點定位算法的性能進行評價：定位成功率、定位精度、定位速度、定位覆蓋度和定位開銷。

定位成功率和定位精度與錨節點的數目以及發送數據頻率相關。對于大部分的定位機制來說，增加錨節點的數目可以有效提高定位成功率。在動態水環境中提高錨節點的更新速度對定位精度有著很大的影響。例如AAL和LDB使用了更新速度很慢的AUV，導致定位精度的下降。

在定位開銷方面，不需要測距的算法比其他算法有更多的能量消耗與通信開銷，例如LDB和ALS。此外在基于測距的算法中，使用雙向測距比單程測距要消耗更多的能量，但是使用單程測距要解決時間同步問題。

對分布式和集中式算法進行比較發現：分布式算法更適用于需求實時位置信息的應用，而集中式算法對普通節點計算能力要求較低。對基于估計和基于預測的算法比較發現：基于預測的算法更適用于動態水環境，可以在花費更少的能量和通信開銷的情況下獲取較好的定位效果。但是基于預測的算法依靠準確的移動模式，如何獲取水下節點移動模式依舊是一個有待解決的開放式問題。

5 結 語

通過對水下節點定位算法的比較發現，大部分的定位算法只適用于靜態水環境，可應用于動態水環境的定位算法還不多。而基于預測的算法為動態水環境中的水下定位算法提供了思路。未來水下定位的發展趨勢應該更多的研究動態水環境的水下定位方法，深入發展基于預測的定位機制。本文為后續的研究者提供了借鑒與思路，也為水下定位的實際應用提供了原理與應用參考，具備極高的參考價值。

參考文獻

[1] VIEIRA L F M. Phero?trail： a bio?inspired location service for mobile underwater sensor networks [J]. IEEE J. Sel. Area. Comm.， 2010， 28（4）： 553?563.

[2] BENSON B. Design of a low?cost underwater acoustic modem [J]. IEEE Embedded Syst. Lett.， 2010， 2（3）： 58?61.

[3] ABDI A， HUAIHAI G. A new compact multichannel receiver for underwater wireless communication networks [J]. IEEE T. Wirel. Commun.， 2009， 8（7）： 3326?3329.

[4] HEADRICK R， FREITAG L. Growth of underwater communication technology in the U.S. navy [J]. IEEE Commun. Mag.， 2009， 47（1）： 80?82.

[5] EROL M. Localization with Dive ′N′Rise （DNR） beacons for underwater acoustic sensor networks[C]// Proceedings of the second workshop on Underwater networks. New York， USA： ACM， 2007： 97?100.

[6] EROL M. Multi stage underwater sensor localization using mobile beacons [C]// Second International Conference on Sensor Technologies and Applications. Piscataway， NJ： IEEE， 2008： 710?714.

[7] EROL M. AUV?aided localization for underwater sensor networks [C]// International Conference on Wireless Algorithms. Piscataway， NJ： IEEE， 2007： 44?54.

[8] LUO H. LDB： Localization with directional beacons for sparse 3D underwater acoustic sensor networks [J]. Journal of Networks， 2010， 5（1）： 28?38.

[9] ZHOU Z， CUI J， ZHOU S. Efficient localization for large?scale underwater sensor networks [J]. Ad Hoc Net.， 2010， 8（3）： 267?79.

[10] CHENG X. Silent positioning in underwater acoustic sensor networks [J]. IEEE Trans. on Vehic. Tech.， 2008， 57（3）： 1756?1766.

[11] CHENG W. Time?synchronization free localization in large scale underwater acoustic sensor networks [C]// Proc. 29th IEEE ICDCS. Piscataway， NJ： IEEE， 2009： 80?87.

[12] TEYMORIAN A. 3D underwater sensor net?work localization [J]. IEEE Trans. on Mobile Comp.， 2009， 8（12）： 1610?1621.

[13] CUI J H. Scalable localization with mobility prediction for underwater sensor networks [C]// Proc. of 2nd ACM Wksp. New York， USA： ACM， 2007： 2198?2206.

[14] MIRZA D， SCHURGERS C. Motion?aware self?localization for underwater networks [C]// Proc. of 3rd ACM Wksp. New York， USA： ACM， 2008： 51?58.

[15] CHANDRASEKHAR V， SEAH W. An area localization scheme for underwater sensor networks [C]// 2006 IEEE OCEANS Asia Pacific Conference. Piscataway， NJ： IEEE， 2006：1?8.

[16] MIRZA D， SCHURGERS C. Collaborative localization for fleets of underwater drifters [C]// Proc. of 2007 IEEE OCEANS. Piscataway， NJ： IEEE， 2007： 1?6.