基于粒子群優化的無線傳感器網絡目標定位方法

沈陽理工大學自動化與電氣工程學院 黃 月 野瑩瑩 張艷珠 姜 靜

基于粒子群優化的無線傳感器網絡目標定位方法

沈陽理工大學自動化與電氣工程學院 黃 月 野瑩瑩 張艷珠 姜 靜

提出了一種基于粒子群優化算法的無線傳感器網絡聲源目標定位方法。通過測量聲源發出的能量建立聲音能量模型，估計出模型中的聲音能量和聲音位置等參數，利用無線傳感器網絡節點采樣數據，將目標定位轉換為函數極值優化問題，利用粒子群優化算法搜索最優解。仿真實驗表明，該算法具有定位精度高，計算復雜度低的優點。

目標定位；粒子群優化；無線傳感器網絡

引言

在無線傳感器網絡的眾多應用領域中，目標定位是當前研究的一個熱點。聲源目標定位主要有3種方法,基于到達時間差方法TDOA，基于到達方向定位DOA和能量法[1,2]。基于到達時間差定位方法和基于到達方向定位方法都需要發送大量的數據，對無線傳感器網絡的時間同步要求也比較高，因此不適用于能量有限的無線傳感器網絡。基于到達方向的定位方法中，傳感器節點需要部署成為間隔相同的陣列，并且不能使用與寬頻信號[3-5]。與基于到達時間差和基于到達方向這兩種定位方法相比，能量法對時間同步的要求不高，傳感器節點的位置可以隨意部署，對聲源頻率也沒有要求，節點需要發送的數據也少于基于到達時間差和基于到達方向這兩種定位方法，且該方法計算方法簡單，能夠有效節省傳感器節點的能量[6]。本文提出了一種基于粒子群優化的目標定位算法，該方法基于聲音能量衰減模型對目標源進行定位。通過仿真實驗證明該定位方法具有較高的定位精度和較低的計算復雜度,適合于無線傳感器網絡聲源目標定位。

1 能量模型的建立

假設在一個由N個傳感器節點組成的無線傳感器網絡中，全部節點隨機部署，通過節點測量某個未知的目標源發射的聲音信號能量，則傳感器節點接收到的聲音信號能量數學模型為：

將式（1）改寫為矩陣形式可表示為：

其中：

為無線傳感器節點本身的噪聲影

響系數；

則Y的概率密度函數可表示為：

上式是一個非線性函數，其解析解即為目標的位置。非線性函數的解析解不容易求得，本文提出了采用粒子群優化方法在尋找最優解。

2 粒子群優化算法

粒子群優化算法通常將優化問題中的每個可能解作為整個搜索空間中的一個“粒子”, 所有的粒子都有一個適應值，該適應值由被優化的函數決定。粒子在整個搜索空間中根據自身以及其他粒子的飛行經驗按一定的速度飛行,跟隨當前的最優粒子,最后實現從整個搜索空間中尋找最優解[7]。

3 仿真實驗

假設聲源和無線傳感器網絡節點分布在二維空間200 ×200m2的方形區域。仿真工具使用Matlab7.0，在進行每次定位仿真時聲源及各傳感器節點位置隨機產生。每次定位實驗執行1000次，定位誤差取其均值。以下數據為采用粒子群優化方法、窮舉方法和多分辨率搜索方法對聲源目標進行定位的結果。

圖1 節點數目與估計誤差的關系

圖2 信噪比與估計誤差的關系

由圖1可以看出，三種算法的定位誤差均隨著節點數目的增加而減小，粒子群算法的估計誤差最小。當無線傳感器節點數目逐漸增加時，目標定位的誤差逐漸減小。當網絡中的傳感器節點數量達到120個時，目標定位的誤差明顯降低。但是當傳感器節點數量達到200個以上后，目標定位誤差變化很小。由此可知，當傳感器節點達到一定數量時，節點的數目的增加不再影響目標定位的精度。

由圖2可以看出，隨著信噪比的增大，三種定位算法的平均估計誤差均明顯下降，粒子群算法的定位誤差最小且下降速度最快。通過此圖可以看出粒子群算法有更強的抗干擾能力。

4 結束語

本文提出了一種基于粒子群優化方法的聲源目標定位算法。仿真結果表明，通過與多分辨率搜索算法、窮舉算法相比較，本文提出的基于粒子群的聲源定位方法具有定位精度較高，計算復雜度低的優點。

[1]S．Kumar．Sensor Networks:Evolution, Opportunities,and Challenges,Proceedings of the IEEE Trans on Computers[J]．2003 ,91:1247-1256．

[2]B．Sun and L．Osborne．Intrusion detection techniques in mobile ad hoc and wireless sensor networks[J]．IEEE Wireless Communications,2007,14 :56-63．

[3]]翟衛超,田玉平． 基于測距的無線傳感器網絡定位系統[J]．工業控制計算機,2014,05:19-20．

[4]K．Romer,F．Mattern,and E．Zurich,The design space of wireless sensor networks[J]．IEEE Wireless Communications,2004,91: 54-61．

[5]X．H．Sheng and Y．H．Hu,“Maximum likelihood multiple source localization using acoustic energy measurements with wireless sensor networks[J]．IEEE Transactions on Signal Processing,2005,53: 44-53．

[6]王沁,于鋒,張曉彤,王建國．一種基于能量衰減特征的無線傳感器網絡定位算法[J]．小型微型計算機系統,2009,06:1082-1088．

[7]邢明彥,李臘元．粒子群優化在無線傳感器網絡定位中的應用[J]．計算機工程與應用,2009,32:72-74．