沈陽理工大學(xué)自動化與電氣工程學(xué)院 黃 月 野瑩瑩 張艷珠 姜 靜
基于粒子群優(yōu)化的無線傳感器網(wǎng)絡(luò)目標(biāo)定位方法
沈陽理工大學(xué)自動化與電氣工程學(xué)院 黃 月 野瑩瑩 張艷珠 姜 靜
提出了一種基于粒子群優(yōu)化算法的無線傳感器網(wǎng)絡(luò)聲源目標(biāo)定位方法。通過測量聲源發(fā)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(shù),利用無線傳感器網(wǎng)絡(luò)節(jié)點采樣數(shù)據(jù),將目標(biāo)定位轉(zhuǎn)換為函數(shù)極值優(yōu)化問題,利用粒子群優(yōu)化算法搜索最優(yōu)解。仿真實驗表明,該算法具有定位精度高,計算復(fù)雜度低的優(yōu)點。
目標(biāo)定位;粒子群優(yōu)化;無線傳感器網(wǎng)絡(luò)
在無線傳感器網(wǎng)絡(luò)的眾多應(yīng)用領(lǐng)域中,目標(biāo)定位是當(dāng)前研究的一個熱點。聲源目標(biāo)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]?;诘竭_時間差定位方法和基于到達方向定位方法都需要發(fā)送大量的數(shù)據(jù),對無線傳感器網(wǎng)絡(luò)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(wǎng)絡(luò)?;诘竭_方向的定位方法中,傳感器節(jié)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(jié)點的位置可以隨意部署,對聲源頻率也沒有要求,節(jié)點需要發(fā)送的數(shù)據(jù)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(jié)省傳感器節(jié)點的能量[6]。本文提出了一種基于粒子群優(yōu)化的目標(biāo)定位算法,該方法基于聲音能量衰減模型對目標(biāo)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(fù)雜度,適合于無線傳感器網(wǎng)絡(luò)聲源目標(biāo)定位。
假設(shè)在一個由N個傳感器節(jié)點組成的無線傳感器網(wǎng)絡(luò)中,全部節(jié)點隨機部署,通過節(jié)點測量某個未知的目標(biāo)源發(fā)射的聲音信號能量,則傳感器節(jié)點接收到的聲音信號能量數(shù)學(xué)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(jié)點本身的噪聲影
響系數(shù);
則Y的概率密度函數(shù)可表示為:
上式是一個非線性函數(shù),其解析解即為目標(biāo)的位置。非線性函數(shù)的解析解不容易求得,本文提出了采用粒子群優(yōu)化方法在尋找最優(yōu)解。
粒子群優(yōu)化算法通常將優(yōu)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(yīng)值,該適應(yīng)值由被優(yōu)化的函數(shù)決定。粒子在整個搜索空間中根據(jù)自身以及其他粒子的飛行經(jīng)驗按一定的速度飛行,跟隨當(dāng)前的最優(yōu)粒子,最后實現(xiàn)從整個搜索空間中尋找最優(yōu)解[7]。
假設(shè)聲源和無線傳感器網(wǎng)絡(luò)節(jié)點分布在二維空間200 ×200m2的方形區(qū)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(jié)點位置隨機產(chǎn)生。每次定位實驗執(zhí)行1000次,定位誤差取其均值。以下數(shù)據(jù)為采用粒子群優(yōu)化方法、窮舉方法和多分辨率搜索方法對聲源目標(biāo)進行定位的結(jié)果。
圖1 節(jié)點數(shù)目與估計誤差的關(guān)系
圖2 信噪比與估計誤差的關(guān)系
由圖1可以看出,三種算法的定位誤差均隨著節(jié)點數(shù)目的增加而減小,粒子群算法的估計誤差最小。當(dāng)無線傳感器節(jié)點數(shù)目逐漸增加時,目標(biāo)定位的誤差逐漸減小。當(dāng)網(wǎng)絡(luò)中的傳感器節(jié)點數(shù)量達到120個時,目標(biāo)定位的誤差明顯降低。但是當(dāng)傳感器節(jié)點數(shù)量達到200個以上后,目標(biāo)定位誤差變化很小。由此可知,當(dāng)傳感器節(jié)點達到一定數(shù)量時,節(jié)點的數(shù)目的增加不再影響目標(biāo)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。
本文提出了一種基于粒子群優(yōu)化方法的聲源目標(biāo)定位算法。仿真結(jié)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(fù)雜度低的優(yōu)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(wèi)超,田玉平. 基于測距的無線傳感器網(wǎng)絡(luò)定位系統(tǒng)[J].工業(yè)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(wǎng)絡(luò)定位算法[J].小型微型計算機系統(tǒng),2009,06:1082-1088.
[7]邢明彥,李臘元.粒子群優(yōu)化在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用[J].計算機工程與應(yīng)用,2009,32:72-74.