基于混沌度量機制的移動傳感網絡節點定位算法研究*

莊緒強

(陜西青年職業學院信息工程系　西安　710068)

?

基于混沌度量機制的移動傳感網絡節點定位算法研究*

莊緒強

(陜西青年職業學院信息工程系西安710068)

摘要為解決移動傳感網絡部署過程中遇到的節點定位困難、精確度低以及控制開銷大等問題，論文提出了基于混沌度量機制的移動傳感網絡節點定位算法。首先通過對信號節點傳感射頻強度進行混沌推斷，減少了直接采取信號強度定位過程中遇到的控制運算復雜等問題，隨后同時采取了高適應糾錯機制，大大改善了定位過程中遇到的精度問題，同時也減少了控制開銷。仿真實驗表明：與DFGA算法相比，論文算法的時間復雜度與網絡控制開銷更低，定位精確度更高，對移動傳感網的部署具有較強的指導意義。

關鍵詞移動傳感網絡; 節點定位; 混沌度量; 傳感射頻強度; 高適應糾錯機制

Class NumberTP393

1引言

隨著移動傳感網技術的不斷發展，基于節點定位的移動傳感網定位技術也不斷得以提高，定位技術是傳感網部署中諸如跟蹤、采集、檢測等應用的基礎技術，成為當前研究領域的重要研究熱點[1]。迄今為止人們提出了許多定位算法，不過由于當前的技術條件及算法本身局限性，使得這些算法在精度、誤差、網絡拓撲、節點性能上均存在諸多限制[2]。由于傳感技術的特點即是通過廣泛部署具有自主管理及射頻信號收發能力的節點所構成，且當節點能量耗盡時隨即失效，使得定位技術需要考慮到當前節點的能量消耗特性[3]。因此如何通過一定的算法降低無線傳感節點能量消耗，減少環境背景噪聲對無線射頻信號的衰減，實現高效及精確的節點定位就成了當前移動傳感網定位算法中的非常重要的組成部分[4]。

為解決當前研究中存在的這些問題，研究者提出了很多具有前瞻性的研究算法。Davide[5]提出可一種利用節點信息線性相關耦合機制，實現了節點在背景噪聲強度低的情況下的精準定位。然而，由于該機制由于未能考慮到人為噪聲強度與節點信號的相關特性，導致出現人為干擾時難以精確進行定位。葉苗等[6]提出一種基于多維定位機制的移動傳感網定位算法，在面臨高強度干擾時能夠有效的實現精確定位。但是，由于該算法沒有考慮到節點分布對定位的影響，導致當節點密度稀疏時定位精度大打折扣。趙雁航[7]等提出了一種基于節點拓撲無射頻定位機制的定位算法，首先通過基于節點間的關聯順序，在已知錨節點的情況下對節點實現精確定位。但是，由于該算法嚴重依賴于錨節點的具體地理位置坐標，一旦錨節點失效則整個算法處于不可用的狀態。

對此，本文提出了基于混沌度量機制的移動傳感網絡節點定位算法，通過對節點信號進行混沌推斷，實現對信號的精確捕獲，同時采取基于迭代的糾錯機制，實現了對信號的精確定位。最后通過NS2仿真平臺對本文算法進行了仿真。

2網絡模型結構及能量傳輸

由于移動傳感網節點具有能量受限的特性，一旦節點能量耗盡就將無法正常工作[8]，據此本文傳感網結構做如下的假設：

1) 拓撲結構不可變更，即網絡節點一旦部署則不能移動位置，其坐標也不會改變[9]；

2) 節點能量受限，即傳感器節點依靠電池提供能源，一旦電池電力耗盡則傳感器節點將整體失效[9]；

3) 傳感器之間通過一定頻率的無線射頻信號進行信息交互，環境噪聲的頻率、強度對無線射頻信號的傳輸及接收具有一定程度的影響[10]；

4) 整個網絡存在一個超級中心sink節點，該節點可以通過人工直接控制，且能量不受限，信息處理能力處于無窮大的狀態[10]；

5) 網絡本身具有一定的抗毀性能，可以針對異常做出自我修復[11]。

從上述假設可知，由于整個網絡信號采取無線傳輸模式，因此電池電力主要用于供給傳感節點進行能量的收發。整個網絡節點(sink節點除外)發送數據的能量E(k)滿足如下的表達式：

E(k)=kPs+R3Pn

(1)

其中Pn為某節點在接收k比特數據時所消耗的功率，Ps為某節點在接收k比特數據并將其轉發出去所消耗的功率值，R為該節點當前最大的信號覆蓋半徑。

當該節點的下一跳節點在接收k比特數據時所消耗的能量滿足如下的表達式：

E′(k)=R3Pn

(2)

從上述模型可以看到，整個移動傳感網在進行定位時需要通過消耗一定的功率，且節點在進行定位過程中的能量消耗與其信號覆蓋半徑呈現一定的立方關系，這是因為節點在進行定位時其信號傳輸是沿著歐式幾何球面進行傳播，因此定位信號在經過一定距離之后的衰減將呈現極為嚴重的下降趨勢。若某個節點在進行定位的同時還需要進行數據傳輸，則其能量的消耗還需要承擔這些比特流的射頻能量消耗，因此若要實現節能定位，就必須考慮到能量消耗因素。

3本文移動傳感網絡節點定位算法

根據上述提出的網絡模型結構及能量傳輸假設，本文提出了基于混沌度量機制的移動傳感網絡節點定位算法(A node localization algorithm for mobile sensor networks based on chaotic measurement mechanism，CMM算法)，整個算法通過信號節點傳感射頻強度混沌推斷和高適應糾錯兩個部分所構成。

3.1信號節點傳感射頻強度混沌推斷

在進行節點定位過程時，該節點與其他節點間的定位及位置關系是極為重要的定位判斷因素。該節點與周圍節點的數據交換關系越密切，則定位的精確程度也就越高，同時該節點的傳感射頻強度越大，則定位精確程度越高。由于定位節點與周圍節點存在強烈的信息交互關系，因此若對一個節點進行充分定位，則其定位主要由該節點與周圍節點的定位連通因子有關，通過綜合考慮周圍節點與該節點的定位連通因子進行基于信號射頻強度的混沌推斷，可以有效的實現對節點的精確定位。

設i為某個待定位的節點，其與之進行數據交換的節點個數為λi，則λi滿足如下的關系：

(3)

其中v為與i相鄰的節點j的集合，與i相鄰的節點數量越多，則λi的權值越大。

不妨設i的初始定位坐標為ηij，則ηij滿足如下的關系：

(4)

相關參數同模型(1)和模型(2)。

模型(4)所示的初始坐標反映了待定位的節點坐標與周圍節點連通程度之間的關系，然而該定位為初步定位，難以在精確度上得到提高，同時由于單純考慮節點坐標與周圍節點連通程度關系無法有效的進行二次定位，故本文引入射頻強度閾值，通過混沌判斷對模型(4)的定位坐標進行二次定位，以便提高精確度。

首先選取能量剩余情況最好的節點作為定位參照節點，待定位節點通過這些節點進行精確定位。待定位節點通過廣播機制與之相連的其他節點的同時，根據其他節點射頻強度閾值大小進行排序，其中射頻強度閾值E(r)計算為

(5)

其中,T為更新周期，r為定位節點進行數據定位的最大周期數，PC為下一個時刻待定位節點能夠進行正常工作的概率，Pr為當前節點坐標精確度，ηij定義同模型(4)。

(6)

相應的ηij也需要進行修正，其相應的表達式如下：

(7)

相應參數同模型(1)、(2)所定義。

綜合模型(6)、(7)可得待定位坐標的精度誤差ωi滿足如下的表達式：

(8)

可見，待定位坐標的精度誤差ωi滿足二次函數關系，與定位輪數有關。

3.2高適應糾錯

由3.1知可知，通過模型(6)可以求得待定位節點的初始坐標，通過模型(8)實現了對初始坐標的誤差精度進行了計算，同時可以知道通過模型求得最佳定位輪數，并通過該輪數直接帶入模型(6)計算，即可得到最佳精度下的定位坐標[12]。

設模型(8)為r的函數，對模型(8)求二階偏導數可得r的二次導數f″(r)滿足：

(9)

(10)

由模型(10)可知，本文算法最多通過2輪定位，即可以將精度縮小到0，有效地改善了算法的收斂性能，從而進一步提高定位精度。

4仿真實驗

本文采用NS2仿真平臺對本文算法進行仿真，為驗證本文算法的有效性，將與當前廣泛使用的DFGA節點定位算法[13～14]視為對照組，并從定位消息傳輸成功率、定位數據存儲時延、定位消息傳輸時延、定位精度四個指標上進行分析。具體仿真參數表1所示。

表1　仿真參數表

4.1定位消息傳輸成功率

圖1顯示了本文算法與對照組算法的消息成功傳輸率測試結果，從圖中可知，三種算法隨著網絡節點數量增加均呈現不斷增加的趨勢，但是本文算法的定位消息傳輸成功率始終要好于對照組算法，這是因為本文算法引入了混沌度量機制，能夠通過多輪度量增加定位精度，因此能夠有效的改善定位消息的傳輸成功率，而對照組算法僅采取一次定位機制，當定位出現錯誤時難以實現實時糾正導致定位消息傳輸成功率低于本文算法。

圖1　定位消息成功傳輸率測試結果

4.2定位數據存儲時延

圖2顯示了三種算法在定位數據存儲時延測試結果，從圖中可知，本文算法與對照組算法都是隨著網絡節點數量的增加均呈現不斷增加的趨勢，但是本文算法的定位數據存儲時延始終要好于對照組算法，這是因為本文算法引入了混沌度量機制，在節點進行數據存儲時可以根據節點當前狀況自主決定數據存儲與否，而對照組采取簡單分發模式，當網絡節點出現數據擁塞現象時難以正常實現數據分發，因此導致數據存儲時延較大。

圖2　各算法的存儲時延測試

4.3定位消息傳輸時延

圖3顯示了三種算法的定位消息傳輸時延測試結果，從圖中可以看到，本文算法的定位消息傳輸時延始終要低于對照組算法，這是因為本文算法通過高效糾錯機制實現了當節點傳輸錯誤時對節點的重新定位，因此能夠有效的改善定位消息傳輸時延，當出現節點傳輸錯誤時，由于對照組無法進行多輪傳輸，因此，導致定位數據出現錯誤時難以將消息順利發出，從而導致定位消息傳輸時延上比本文算法要差。

圖3　定位消息傳輸時延測試

4.4定位精度

圖4顯示了本文算法與對照組算法在定位精度測試結果，依圖可知，本文算法的定位精度始終要高于對照組算法，這是因為本文算法引入了高效糾錯機制當節點定位精度較低時可以通過糾錯及時將節點定位精度提高，且可以通過多輪定位實現節點精度的進一步提高，因此本文算法在定位精度上要好于對照組算法。

圖4　三種算法的定位精度測試

5結語

本文提出了一種基于混沌度量機制的移動傳感網絡節點定位算法，通過對待定位節點與周圍節點間關系的引入，采取基于節點射頻信號強度的混沌判斷，實現對節點定位的初步判斷。隨后分析了節點定位的精度與初步定位時的關系，采取高適應糾錯方式，通過計算二次導數對節點定位的輪數做出了精確的計算，從而提高其定位精度，且僅需要通過不超過3輪定位就可實現對移動傳感網絡節點的精確定位。仿真實驗表明，與DFGA算法相比，本文算法在定位消息傳輸成功率、定位數據存儲時延、定位消息傳輸時延、定位精度上具有明顯的優勢，對實踐具有一定的指導意義。

下一步將著重從實際部署出發，對高移動性的傳感網絡中如何減少定位誤差上進行研究，進一步推動本文算法對各種極端網絡環境的適應性能，有效的實現對復雜網絡環境的全覆蓋。

參 考 文 獻

[1] 武時龍,張萬禮,楊小瑩.RSSI修正的WSN定位算法[J].重慶大學學報,2014,8(3):144-150.

WU Shilong, ZHANG Wanli, YANG Xiaobao. WSN positioning algorithm based on modified RSSI[J]. Journal of Chongqing University,2014,8(3):144-150.

[2] George Fu. WSN subunit interacts with M2 proteins of influenza A and B node[J]. Science China,2012,9(117):1098-1105.

[3] 馬潤澤,余志軍,劉海濤.引入數據融合的WSN定位算法[J].南京郵電大學學報,2012,1(6):21-33.

MA Runze, YU Zhijun, LIU Haitao. WSN location algorithm based on data fusion[J]. Journal of Nanjing University of Posts and Telecommunications,2012,1(6):21-33.

[4] Fackle. Coverage of communication-based sensor nodes deployed location and energy efficient clustering algorithm in WSN[J]. Journal of Systems Engineering and Electronics,2010,4(12):698-704.

[5] Davide. AOD estimation in WSN localization system with synthetic aperture technique[J]. Science China,2012,10(251):2216-2225.

[6] 葉苗,王宇平.基于變方差概率模型和進化計算的WSN定位算法[J].軟件學報,2013,4(21):859-872.

YE Miao, WANG Yunping. WSN localization algorithm based on variable variance probability model and evolutionary computation[J]. Software Journal,2013,4(21):859-872.

[7] 趙雁航,錢志鴻.基于跳距修正粒子群優化的WSN定位算法[J].通信學報,2013,9(8):105-114.

ZHAO Yanhang, QIAN Zhihong. WSN location algorithm based on the optimization of particle swarm optimization with jump distance[J]. Journal of Communication,2013,9(8):105-114.

[8] 顧海軍,王永,崔啟帆.簡易WSN定位算法及其實現[J].吉林大學學報,2013,5(11):443-448.

GU Haijun, WANG Yong, CUI Qihang. Simple WSN positioning algorithm and its implementation[J]. Journal of Jilin University,2013,5(11):443-448.

[9] LI Bin, WANG Wenjie, YIN Qinye. An energy-efficient geographic routing based on cooperative transmission in wireless sensor networks[J]. Science China,2013,7(22):42-51.

[10] CHEN Guangzhu, MENG Qingchun, ZHANG Lei. Chain-type wireless sensor network node scheduling strategy[J]. Journal of Systems Engineering and Electronics,2014,2(48):203-210.

[11] ZENG Xiangxiang, PAN. Small universal simple spiking neural P systems with WSN[J]. Science China,2014,9(16):19-29.

[12] 張浩,呂真.采用入侵雜草優化算法的WSN定位精度提高方法[J].電視技術,2014,3(16):146-162.

ZHANG Hao, LV zhen. WSN positioning accuracy improvement method based on invasive weed optimization algorithm[J]. Video Technology,2014,3(16):146-162.

[13] Lee. Y. D. Fuzzy adaptive Kalmat filter with WSN integrated method[J]. Journal of South University,2015,4(27):1324-1333.

[14] GONG Weibing. An adaptive path selection model for WSN multipath routing inspired by metabolism behaviors[J]. Science China(Information Sciences),2015,10(59):133-147.

收稿日期:2016年1月8日,修回日期:2016年2月13日

作者簡介:莊緒強,男,碩士,講師,研究方向：計算機網絡與網絡安全。

中圖分類號TP393

DOI:10.3969/j.issn.1672-9722.2016.07.021

Research and Simulation of Node Localization Algorithm Based on Chaotic Measurement Mechanism

ZHUANG Xuqiang

(Department of Information Engineering, Shaanxi Youth Vocational College, Xi’an710068)

AbstractIn order to solve the problem of node localization, accuracy and control overhead in mobile sensor network deployment, a new node localization algorithm based on chaos measurement is proposed. By using the chaotic inference of the signal intensity of the signal node, it can reduce the complexity of the control operation in the process of signal intensity. The simulation results show that the proposed algorithm can reduce the time complexity of the localization and improve the accuracy of the localization, and can greatly reduce the network control overhead.

Key Wordsmobile sensor network, node localization, chaos measurement, sensing radio frequency intensity, high adaptive error correction mechanism