融合應(yīng)用網(wǎng)絡(luò)中模糊目標(biāo)計(jì)算機(jī)制的研究?

余 庚

（1.福建工程學(xué)院國(guó)脈信息學(xué)院·互聯(lián)網(wǎng)經(jīng)貿(mào)學(xué)院 福州 350007）（2.福州理工學(xué)院 福州 350506）

1 引言

傳感網(wǎng)作為集計(jì)算機(jī)通信技術(shù)和物聯(lián)網(wǎng)［1］技術(shù)于一體的融合［2］應(yīng)用網(wǎng)絡(luò)在自動(dòng)控制領(lǐng)域的應(yīng)用廣受好評(píng)。尤其是在融合應(yīng)用網(wǎng)絡(luò)中開(kāi)展目標(biāo)搜索的效率更是事半功倍。但在實(shí)際部署網(wǎng)絡(luò)時(shí)出于環(huán)境和成本因素考量，無(wú)法大規(guī)模的部署載有定位裝置的錨節(jié)點(diǎn)。加之節(jié)點(diǎn)之間無(wú)線通信局限性，如高斯噪聲、反射、衍射等對(duì)有效信號(hào)的損傷［3］，使得待測(cè)目標(biāo)節(jié)點(diǎn)在諸多參數(shù)上變得模糊。顯然，融合應(yīng)用網(wǎng)絡(luò)中錨節(jié)點(diǎn)規(guī)模的缺少勢(shì)必對(duì)模糊目標(biāo)的計(jì)算構(gòu)成較大的影響力。

目前在融合應(yīng)用網(wǎng)絡(luò)中關(guān)于改善稀疏錨節(jié)點(diǎn)輔助定位模糊目標(biāo)的算法較多，主流研究有抗差擬合的最小均方預(yù)測(cè)法LMS和投票法。但主要集中在改善測(cè)距、跳數(shù)方面，且討論是建立在錨節(jié)點(diǎn)廣播［4］數(shù)據(jù)絕對(duì)無(wú)誤的前提下。事實(shí)上由于實(shí)際環(huán)境部署的安全漏洞，往往存在許多不可預(yù)估的外界因素促使部分錨節(jié)點(diǎn)向全局廣播了偽數(shù)據(jù)以干擾模糊目標(biāo)的計(jì)算。針對(duì)這樣的情形，有必要思考相應(yīng)對(duì)策來(lái)排除此類異常錨節(jié)點(diǎn)釋放的偽數(shù)據(jù)以緩解對(duì)模糊目標(biāo)計(jì)算的影響力。基于此，本文提出一種融合應(yīng)用網(wǎng)絡(luò)中搜索模糊目標(biāo)的計(jì)算方法。

2 模糊目標(biāo)計(jì)算模型

在融合應(yīng)用網(wǎng)絡(luò)中隨機(jī)［5］撒布一個(gè)模糊未知目標(biāo)節(jié)點(diǎn)u(Xu'Yu)和M個(gè)載有GPS裝置的信標(biāo)節(jié)點(diǎn)，并定義u(Xu'Yu)可接收其周邊m個(gè)信標(biāo)節(jié)點(diǎn)(Xi'Yi)'i=1'2…'m的廣播。信標(biāo)和模糊節(jié)點(diǎn)的實(shí)際間距為L(zhǎng)si、測(cè)距為L(zhǎng)Ei。令η2為噪聲分布參量，σ2為虛假距離的分布參量［6］。則當(dāng)信標(biāo)(Xi'Yi)正常廣播時(shí)，融合應(yīng)用網(wǎng)絡(luò)廣播模型符合LEi=LSi+η2；當(dāng)信標(biāo)(Xi'Yi)異常廣播時(shí)，融合應(yīng)用網(wǎng)絡(luò)廣播模型符合LEi=LSi+η2+σ2。由此可得，當(dāng)噪聲滿足高斯［6］條件，模糊目標(biāo)節(jié)點(diǎn)的函數(shù)為

其中，Ai為信標(biāo)方位，A為模糊目標(biāo)的實(shí)際方位。可進(jìn)一步求得目標(biāo)遵循的函數(shù)：

對(duì)目標(biāo)遵循［7］的函數(shù)展開(kāi)循環(huán)代替計(jì)算，直至第z次循環(huán)疊代獲得最新的模糊目標(biāo)方位計(jì)算值：

其中t(Z)/| t (Z)|為搜索的趨勢(shì)向量，每一次計(jì)算的更新值都越靠近模糊節(jié)點(diǎn)實(shí)際方位值。

在開(kāi)展循環(huán)［8］代替計(jì)算時(shí)會(huì)不斷得到定位計(jì)算偏差度［9］，該計(jì)算偏差度隨著代替計(jì)算的循環(huán)進(jìn)行而不斷地下降直到為零，此時(shí)目標(biāo)函數(shù)即為模糊目標(biāo)的實(shí)際方位值。據(jù)此給出信標(biāo)(Xi'Yi)的計(jì)算偏差度：

其中，[XE(Z)'YE(Z)]為第Z次計(jì)算值。于是在某一次計(jì)算中，將收集［10］到的所有信標(biāo)對(duì)應(yīng)的計(jì)算偏差加權(quán)度記作：

據(jù)此可得，(Xi'Yi)的偏差損壞為

算法在執(zhí)行計(jì)算時(shí)，首先將信標(biāo)(Xi'Yi)對(duì)應(yīng)的 偏 差 損 壞［11］按 照 升 序 排 列 ，如 ：| φ 1|、|φ 2 |…|φMiddle-1|、|φMiddle|、|φMiddle+1|..、|φp|。 保 留前 面 一半的信標(biāo)。對(duì)于后面一半信標(biāo)對(duì)應(yīng)的偏差損壞，以偏差加權(quán)度作為衡量是否要排除后面一半信標(biāo)集合中某些符合＞的信標(biāo)所廣播的信息域。

3 模糊目標(biāo)策略實(shí)施

算法首先初始化［12］全網(wǎng)，對(duì)全網(wǎng)信標(biāo)展開(kāi)疊代計(jì)算求取偏差值。其次判斷循環(huán)計(jì)算是否進(jìn)入LS解。若未進(jìn)入則繼續(xù)計(jì)算直至進(jìn)入LS解；若順利進(jìn)入LS解，則繼續(xù)求得偏差加權(quán)度和偏差損壞度。再分析信標(biāo)(Xi'Yi)偏差損壞度與中值的關(guān)系。如果小于中值，則保留該信標(biāo)結(jié)束疊代循環(huán)計(jì)算；反之就要進(jìn)一步分析，偏差值和加權(quán)度的關(guān)系。要是小于加權(quán)度則將該信標(biāo)節(jié)點(diǎn)廣播的信息域排除；要是大于加權(quán)度，就保留該信標(biāo)結(jié)束疊代循環(huán)計(jì)算。

4 算法測(cè)試

4.1 測(cè)試模型

開(kāi)展測(cè)試［13］前先對(duì)測(cè)試模型和相關(guān)指標(biāo)做如下設(shè)置：1）構(gòu)建100M×100M的待測(cè)模糊傳感網(wǎng)絡(luò)，并分別在全網(wǎng)范圍內(nèi)撒布1個(gè)待測(cè)目標(biāo)節(jié)點(diǎn)和30個(gè)信標(biāo)節(jié)點(diǎn)；2）為避免實(shí)驗(yàn)測(cè)試數(shù)據(jù)偶然性對(duì)算法性能的影響，數(shù)據(jù)在600次仿真測(cè)試后再收集分析；3）噪聲方差置為1m。本次測(cè)試將與傳統(tǒng)的LMS、投票法展開(kāi)定位誤差程度的比較。主要通過(guò)調(diào)整異常錨節(jié)點(diǎn)的呼損距離（即異常信標(biāo)向全局廣播的偽數(shù)據(jù)對(duì)計(jì)算模糊目標(biāo)的距離影響力）和異常錨節(jié)點(diǎn)的規(guī)模來(lái)考察本文研究算法的優(yōu)勢(shì)。

4.2 測(cè)試分析

隨著異常錨節(jié)點(diǎn)規(guī)模增加，全局將有大量節(jié)點(diǎn)接收到偽數(shù)據(jù)。當(dāng)錯(cuò)誤積累到一定程度，對(duì)模糊目標(biāo)的計(jì)算便毫無(wú)意義可言。這樣的特征對(duì)所有算法均具有普遍性。圖1所示為當(dāng)信標(biāo)呼損［14］在15m的條件下，異常信標(biāo)規(guī)模對(duì)三種算法的計(jì)算影響力。從圖中曲線不難看出，三種算法的曲線走勢(shì)均隨著異常錨節(jié)點(diǎn)規(guī)模增加而線性遞增。其中本文提出的模糊目標(biāo)計(jì)算方法綜合了偏差和偏差損壞兩個(gè)考量標(biāo)準(zhǔn)來(lái)篩選異常錨節(jié)點(diǎn)釋放的偽數(shù)據(jù)而在計(jì)算模糊目標(biāo)期間占據(jù)絕對(duì)優(yōu)勢(shì)。

圖1 異常錨節(jié)點(diǎn)規(guī)模對(duì)模糊目標(biāo)計(jì)算影響力

同時(shí)為了考察［15］異常信標(biāo)呼損對(duì)算法計(jì)算影響力，三種算法在異常信標(biāo)規(guī)模均為9個(gè)的前提下接受測(cè)試。如圖2所示，三種算法的計(jì)算精度均和呼損距離呈正比。相對(duì)于傳統(tǒng)的兩種計(jì)算機(jī)制，模糊目標(biāo)計(jì)算方法由于引入了偏差機(jī)制來(lái)隔離偽數(shù)據(jù)，降低了呼損對(duì)模糊目標(biāo)定位的影響力。因此在逐漸惡劣的環(huán)境中，本文研究的計(jì)算機(jī)制凸顯了優(yōu)勢(shì)。

圖2 錨節(jié)點(diǎn)呼損對(duì)模糊目標(biāo)計(jì)算影響力

5 結(jié)語(yǔ)

本文通過(guò)分析傳統(tǒng)算法應(yīng)用于融合網(wǎng)絡(luò)研究中的不足，提出了一種基于融合應(yīng)用網(wǎng)絡(luò)平臺(tái)的目標(biāo)計(jì)算機(jī)制。該機(jī)制運(yùn)用數(shù)學(xué)方法為目標(biāo)建立模糊特征模型，通過(guò)偏差和偏差加權(quán)度等參數(shù)實(shí)施異常QoS信標(biāo)及其偽信息的排查。最后，經(jīng)過(guò)模擬測(cè)試驗(yàn)證了本文研究的模糊目標(biāo)計(jì)算機(jī)制在異常環(huán)境中具有良好的抵御計(jì)算能力。