采用WSVM的三維無線傳感器網(wǎng)絡(luò)節(jié)點定位

梁娟， 吳媛

(1. 河南工學(xué)院 計算機科學(xué)與技術(shù)系， 河南 新鄉(xiāng) 453002；

2. 武漢理工大學(xué) 信息工程學(xué)院， 湖北 武漢 430070)

?

采用WSVM的三維無線傳感器網(wǎng)絡(luò)節(jié)點定位

梁娟1，2， 吳媛1

(1. 河南工學(xué)院 計算機科學(xué)與技術(shù)系， 河南 新鄉(xiāng) 453002；

2. 武漢理工大學(xué) 信息工程學(xué)院， 湖北 武漢 430070)

摘要：為了提高無線傳感器網(wǎng)絡(luò)三維節(jié)點的定位精度，針對SVM的核函數(shù)構(gòu)建問題，提出一種基于小波支持向量機(WSVM)的定位算法.首先，收集三維傳感器錨節(jié)點信號強度，構(gòu)建支持向量機學(xué)習(xí)樣本；然后，將其輸入到小波支持向量機進行學(xué)習(xí)，建立三維傳感器節(jié)點定位模型；最后，采用仿真實驗對模型性能進行測試.研究結(jié)果表明：與傳統(tǒng)三維定位算法對比，使用小波支持向量機中的三維傳感器節(jié)點進行定位時，精度水平得到有效提升，獲得更加穩(wěn)定的節(jié)點定位結(jié)果，可以廣泛應(yīng)用于實際無線傳感器網(wǎng)絡(luò)系統(tǒng)中.

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)； 三維定位； 自適應(yīng)； 小波支持向量機

三維無線傳感器網(wǎng)絡(luò)節(jié)點自定位問題引起了人們的廣泛關(guān)注，許多研究人員投入了大量時間和精力展開了相關(guān)研究，提出許多有效的三維傳感器節(jié)點定位算法[1-3].當(dāng)前三維網(wǎng)絡(luò)傳感器節(jié)點定位算法大多數(shù)從二維節(jié)點發(fā)展而來，主要有基于測距[4-6]和非測距[7-10]兩種.前者算法簡單易行，具有較高的定位精度，但存在錨節(jié)點利用效率較低、測量誤差不可控[7]等缺點；而后者算法定位精度低，定位結(jié)果不可靠.近年來，隨著機器學(xué)習(xí)算法的出現(xiàn)，人們發(fā)明了一種全新的無線傳感器網(wǎng)絡(luò)節(jié)點定位算法.這種算法最主要的特征就是支持向量機(support vector machine，SVM)，它可以在一定程度上彌補傳統(tǒng)節(jié)點定位算法存在的缺陷，為無線傳感器網(wǎng)絡(luò)節(jié)點定位提供了一種新的研究工具[10-12].然而，人們通過對SVM實踐應(yīng)用研究發(fā)現(xiàn)，核函數(shù)會對這種算法的定位性能造成巨大的影響.所以如果要提高定位結(jié)果精度的話，一定要慎重對待核函數(shù)的選擇問題[13-14].鑒于此，本文提出一種基于小波支持向量機的定位算法，通過計算,找到三維無線傳感器網(wǎng)絡(luò)里面的不確定節(jié)點，并對算法的定位表現(xiàn)展開驗證.

1三維傳感器節(jié)點的定位思路

基于接收信號強度指示(RSSI)值測距的四邊測距定位法，如圖1所示.

圖1　四邊測距定位法Fig.1　Locating method of four side

式(1)中:d0為參考距離；p(d0)為d0的RSSI值；ξσ為一正態(tài)隨機變量；n為路徑損耗指數(shù).

由式(1)，求出di后，未知節(jié)點的坐標為

(2)

圖2　極大似然估計法Fig.2　Maximum likelihood estimation

然而，極大似然估計法定位存在誤差比較高的缺陷，為此采用小波支持向量機對三維無線傳感器網(wǎng)絡(luò)進行定位，以提高定位精度.

2三維無線傳感器網(wǎng)絡(luò)節(jié)點定位模型

2.1　支持向量機

式(4)中:ω表示權(quán)值；b表示偏置項[9].

采用極限最低估計對等式(2)進行處理，從而計算出ω及b的具體值.將Lagrange乘子吸納進來，那么就能夠得到等式(2)的決策函數(shù)，即

支持向量機分類算法的關(guān)鍵是核函數(shù)的確定，雖然從理論的角度來看，核函數(shù)的唯一選擇標準即為達到了Mercer條件，不過核函數(shù)和相應(yīng)的參數(shù)會給算法結(jié)果的精度造成直接作用，原因在于支持向量機的很多特征都和核函數(shù)有關(guān)，后者的選擇一直是支持向量機研究的一個難點.

2.2　小波核函數(shù)

當(dāng)獲取了母小波函數(shù)φ(x)后，對其進行平移或拉伸處理，就能夠獲取到很多小波函數(shù).將這些小波函數(shù)疊加在一起，就是小波分析，即

式(6)中:α為垂直方向上的伸縮比例，即伸縮因子；b為水平方向上的移動單位，即平移因子[10].

根據(jù)母小波基構(gòu)造滿足Mercer條件核函數(shù)，即

當(dāng)全部f∈L2(Rd)成立，就可以將k(xi，xj)轉(zhuǎn)換成高維特征空間的點積形式.對于一個平移不變核k(xi，xj)=k(xi-xj)進行傅里葉變換，有

設(shè)母小波函數(shù)為ψ(x)，則滿足平移不變核定理的小波核函數(shù)為

對于節(jié)點定位問題，采用Morlet小波，即

因此，可以得到相應(yīng)的小波核函數(shù)，即

綜合上述可知，小波支持向量機(WSVM)回歸函數(shù)為

2.3　WSVM的結(jié)構(gòu)

WSVM的結(jié)構(gòu)如圖3所示，主要有如下3層：1) 第1層為輸入數(shù)據(jù){x1，x2，…，xn}；2) 第2層為輸入數(shù)據(jù)向量和SVM核函數(shù)計算；3) 第3層為WSM的輸出結(jié)果.

圖3　WSVM 的結(jié)構(gòu)Fig.3　Structure of WSVM

2.4　網(wǎng)絡(luò)節(jié)點定位工作流程

WSVM的三維傳感器節(jié)點定位模型的工作流程如圖4所示.主要有如下7個步驟.

圖4　三維傳感器節(jié)點定位模型的工作流程Fig.4　Work flow of three-dimension sensornodelocalization model

步驟1將測量點所測得錨節(jié)點信號強度及對應(yīng)的錨節(jié)點坐標信息存入數(shù)據(jù)庫.

步驟2在數(shù)據(jù)庫中每個測量點選取信號強度最強的3組錨節(jié)點數(shù)據(jù)作為樣本，數(shù)據(jù)包括3個錨節(jié)點的三維坐標(xa，ya，za)及信號強度(d1，d2，d3).將這6組數(shù)據(jù)作為小波支持向量機的輸入層，測量點的三維坐標(xn，yn，zn)作為小波支持向量機的輸出.

步驟3對WSVM參數(shù)進行初始化處理，得到αi，α，b的初始值.

步驟6通過計算得到測試集的定位值和實際值之間的差異.若這一差異符合最初閾值，說明創(chuàng)建的三維傳感器節(jié)點定位模型達到了最優(yōu)化的目的；如果不符合，返回步驟4，直到符合最初閾值.

步驟7通過步驟6得到最優(yōu)三維傳感器節(jié)點定位模型對未知節(jié)點進行定位.

3仿真實驗與分析

3.1　仿真環(huán)境

仿真測試所需的軟硬件環(huán)境為：2.8 GHz的CPU，Intel酷睿4核或以上；4 GB的RAM；Windows XP系統(tǒng)平臺.仿真實驗通過Matlab 2012完成.50個未知節(jié)點隨機分布于200 m×200 m×200 m的空間內(nèi)，10個信標節(jié)點，節(jié)點的通信半徑為50 m，節(jié)點初始能量為200 J.采用四邊測距定位法、極大似然估計法進行仿真實驗，實驗結(jié)果為500次的平均值.

3.2　結(jié)果與分析

3.2.1錨節(jié)點密度對定位誤差的影響在不同錨節(jié)點密度變化條件下，所有定位算法的定位誤變化曲線如圖5所示.圖5中：Δ為定位誤差；η為錨節(jié)點比例.由圖5可知：對于小波支持向量機，錨節(jié)點密度幾乎沒有什么太大的影響，定位誤差變化比較平緩，而且低于對比算法的定位誤差.研究結(jié)果表明：用較好的錨節(jié)點，小波支持向量機定位算法可以獲得較高的定位精度，有效降低了定位的成本，適應(yīng)范圍更加廣泛.

3.2.2測距誤差對定位誤差影響在錨節(jié)點密度為10%的條件下，測距誤差與定位誤差之間的變化關(guān)系如圖6所示.圖6中：s為測量誤差.由圖6可知：隨著測距誤差的增加，所有算法的定位誤差變大.但是在相同條件下，相對于對比算法，小波支持向量機的定位誤差變化比較平穩(wěn)，增加的幅度較小，具有一定的優(yōu)勢.

圖5　錨節(jié)點密度對定位誤差影響 圖6　測距誤差對定位誤差影響Fig.5　Influence of anchor node density on position error Fig.6　Influence of range error on positioning error

3.2.3通信半徑對定位誤差的影響通信半徑與定位誤差之間的變化，如圖7所示.圖7中：r為通信半徑.由圖7可知：在通信范圍并不大的情況下，考慮到錨節(jié)點通信距離有限，所有算法的定位誤差較大；隨著通信半徑不斷增，區(qū)域中的錨節(jié)點數(shù)量變多，定位誤差慢慢變小.在相同通信半徑條件下，小波支持向量機定位算法有較高的精度，具有比較明顯的優(yōu)勢.

圖7　通信半徑對定位誤差影響Fig.7　Influence of communicationradius on the positioning error

3.2.4定位速度對比[15-16]仿真結(jié)果表明：四邊測距定位法、極大似然估計法、小波支持向量機等3種算法的平均定位時間分別為2.85，3.91，2.24 s.由此可知，在相同條件下，小波支持向量機平均定位時間最短，建模效率最高，加快了訓(xùn)練速度，更符合定位實時性、在線的要求.

4結(jié)論

針對當(dāng)前三維傳感器節(jié)點定位算法存在一些不足，為了提高三維傳感器節(jié)點的定位性能，提出了一種基于小波支持向量機的于三維無線傳感器網(wǎng)絡(luò)節(jié)點定位算法.經(jīng)過仿真測試并與其他三維定位算法比較，可以得到如下2個結(jié)論.

1) 采用自學(xué)能力強、泛化能力好的支持向量機對三維無線傳感器網(wǎng)絡(luò)節(jié)點定位進行建模，并采用小波核函數(shù)構(gòu)建支持向量機，可以獲得比較高的定位精度.

2) 相對于對比算法，小波支持向量機無論是定位速度，或者定位精度以及定位成本均要高于當(dāng)前經(jīng)典的三維無線傳感器網(wǎng)絡(luò)節(jié)點定位算法.

總之，仿真實驗表明，小波支持向量機的節(jié)點定位結(jié)果比較令人滿意，達到了設(shè)計要求，提高了三維空間節(jié)點定位精度，具有較高的應(yīng)用價值.小波支持向量機在三維傳感器節(jié)點定位的實際應(yīng)用中，還有許多問題有待解決，如參數(shù)的優(yōu)化等，這些不完善之處還需要后續(xù)進一步改進和深入研究.

參考文獻：

[1]陳嘉興，劉志華.三維無線傳感器網(wǎng)絡(luò)節(jié)點的序列重心定位算法[J].計算機工程與應(yīng)用，2011，47(2):81-84.

[2]WEI Nuo，GUO Qiang，SHU Minglei，et al.Three-dimensional localization algorithm of wireless sensor networks base on particle swarm optimization[J].Journal of China Universities of Posts and Telecommunications， 2012，19(2):7-12.

[3]GUO Z，GUO Y，HONG F,et al.Perpendicular intersection: Locating wireless sensors with mobile beacon[J].IEEE Trans Veh Technol，2010，59(7):3501-3509.

[4]OUYANG R，WONG A S，CLEA T.Received signal strength-based wireless localization via semi-definite programming: Non-cooperative and cooperative schemes[J].IEEE Trans Veh Technol，2010，59(3):1307-1318.

[5]楊澤軍，王英龍，黃太波.基于APIT的無線傳感器網(wǎng)絡(luò)三維定位算法[J].單片機與嵌入式系統(tǒng)應(yīng)用，2012，12(5):5-8.

[6]蔣鵬，覃添，陳歲生.基于AOA降維和同心圓定位的三維傳感器網(wǎng)絡(luò)節(jié)點自定位方法[J].傳感技術(shù)學(xué)報，2012，25(7):999-1006.

[7]江禹生，馮硯毫，管芳，等.無線傳感網(wǎng)非測距三維節(jié)點定位算法[J].西安電子科技大學(xué)學(xué)報(自然科學(xué)版)，2012，39(5):140-147.

[8]劉健，沈海斌.無線傳感器網(wǎng)絡(luò)的三維定位算法研究[J].傳感器與微系統(tǒng)，2013，32(9):66-68.

[9]TANG Tao,GUO Qing,YANG Mingchuan.Support vector machine based particle swarm optimization localization algorithm in WSN[J].Journal of Convergence Information Technology,2012,7(1):497-503.

[10]胡志剛，楊廣全，喬現(xiàn)玲.基于小波支持向量機的電梯交通流預(yù)測模型[J].系統(tǒng)仿真學(xué)報，2009，21(19):6321-6324.

[11]沈笑慧，張健，何熊熊.基于接收信號強度指示加權(quán)融合的定位算法[J].華僑大學(xué)學(xué)報(自然科學(xué)版)，2012，33(6):636-639.

[12]李輝，熊盛武，劉毅，等.無線傳感器網(wǎng)絡(luò)DV-Hop定位算法的改進[J].傳感技術(shù)學(xué)報，2011，24(12):1782-1786.

[13]YUN S，LEE J，CHUNG W，et al.A soft computing approach to localization in wireless sensor networks [J].Expert System with Applications，2009，36(4):7552-7561.

[14]胡志剛，楊廣全，喬現(xiàn)玲.基于小波支持向量機的電梯交通流預(yù)測模型[J].系統(tǒng)仿真學(xué)報，2009，21(19):6321-6324.

[15]崔艷，程躍華.小波支持向量機在交通流量預(yù)測中的應(yīng)用[J].計算機仿真，2011，28(7):353-359.

[16]李輝，李臘元，李方云.一種新型的無線傳感器網(wǎng)絡(luò)三維定位機制[J].計算機工程與應(yīng)用，2010，46(14):115-119.

(責(zé)任編輯： 陳志賢英文審校： 吳逢鐵)

A Node Localization for Three-Dimension Wireless Sensor

Network on Wavelet Support Vector Machine

LIANG Juan1，2， WU Yuan1

(1. Department of Computer Science and Technology， Henan Institute of Technology， Xinxiang 453002， China；

2. School of Information Engineering， Wuhan University of Technology， Wuhan 453002， China)

Abstract：Node localization is one of the key technologies in high three-dimension (3D) wireless sensor networks.In order to improve the three dimensional positioning accuracy of wireless sensor networks. This paper proposed a three-dimension location algorithm based on wavelet support vector machine. Firstly, the signal intensity of three-dimension wireless sensor anchor nodes is collected to build a support vector machine (SVM) learning samples. Then, the samples are input into wavelet support vector machine to establish the 3D sensor nodes locolization model. Finally, the simulation experiment is carried out to test the performance of location model. The results show that, compared with the traditional 3D location algorithm, the proposed method uses the wavelet support vector can improve the positioning accuracy for three-dimension wireless sensor network, and got a more stable node localization result, so the proposed method can be widely applied in the actual wireless sensor network system.

Keywords：wireless sensor network； three-dimension localization； adaptive； wavelet support vector machine

基金項目：河南省高等學(xué)校重點科研基金資助項目(15A520064)

通信作者：梁娟(1979-)，女，講師，博士研究生，主要從事計算機應(yīng)用和復(fù)雜系統(tǒng)的建模控制的研究.E-mail:lj.518@sohu.com.

收稿日期：2015-11-13

中圖分類號：TP 393

文獻標志碼：A

doi:10.11830/ISSN.1000-5013.2016.01.0079

文章編號：1000-5013(2016)01-0079-05