莊緒強(qiáng)

(陜西青年職業(yè)學(xué)院信息工程系　西安　710068)

?

基于混沌度量機(jī)制的移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法研究*

莊緒強(qiáng)

(陜西青年職業(yè)學(xué)院信息工程系西安710068)

摘要為解決移動(dòng)傳感網(wǎng)絡(luò)部署過(guò)程中遇到的節(jié)點(diǎn)定位困難、精確度低以及控制開(kāi)銷(xiāo)大等問(wèn)題，論文提出了基于混沌度量機(jī)制的移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法。首先通過(guò)對(duì)信號(hào)節(jié)點(diǎn)傳感射頻強(qiáng)度進(jìn)行混沌推斷，減少了直接采取信號(hào)強(qiáng)度定位過(guò)程中遇到的控制運(yùn)算復(fù)雜等問(wèn)題，隨后同時(shí)采取了高適應(yīng)糾錯(cuò)機(jī)制，大大改善了定位過(guò)程中遇到的精度問(wèn)題，同時(shí)也減少了控制開(kāi)銷(xiāo)。仿真實(shí)驗(yàn)表明：與DFGA算法相比，論文算法的時(shí)間復(fù)雜度與網(wǎng)絡(luò)控制開(kāi)銷(xiāo)更低，定位精確度更高，對(duì)移動(dòng)傳感網(wǎng)的部署具有較強(qiáng)的指導(dǎo)意義。

關(guān)鍵詞移動(dòng)傳感網(wǎng)絡(luò); 節(jié)點(diǎn)定位; 混沌度量; 傳感射頻強(qiáng)度; 高適應(yīng)糾錯(cuò)機(jī)制

Class NumberTP393

1引言

隨著移動(dòng)傳感網(wǎng)技術(shù)的不斷發(fā)展，基于節(jié)點(diǎn)定位的移動(dòng)傳感網(wǎng)定位技術(shù)也不斷得以提高，定位技術(shù)是傳感網(wǎng)部署中諸如跟蹤、采集、檢測(cè)等應(yīng)用的基礎(chǔ)技術(shù)，成為當(dāng)前研究領(lǐng)域的重要研究熱點(diǎn)[1]。迄今為止人們提出了許多定位算法，不過(guò)由于當(dāng)前的技術(shù)條件及算法本身局限性，使得這些算法在精度、誤差、網(wǎng)絡(luò)拓?fù)?、?jié)點(diǎn)性能上均存在諸多限制[2]。由于傳感技術(shù)的特點(diǎn)即是通過(guò)廣泛部署具有自主管理及射頻信號(hào)收發(fā)能力的節(jié)點(diǎn)所構(gòu)成，且當(dāng)節(jié)點(diǎn)能量耗盡時(shí)隨即失效，使得定位技術(shù)需要考慮到當(dāng)前節(jié)點(diǎn)的能量消耗特性[3]。因此如何通過(guò)一定的算法降低無(wú)線傳感節(jié)點(diǎn)能量消耗，減少環(huán)境背景噪聲對(duì)無(wú)線射頻信號(hào)的衰減，實(shí)現(xiàn)高效及精確的節(jié)點(diǎn)定位就成了當(dāng)前移動(dòng)傳感網(wǎng)定位算法中的非常重要的組成部分[4]。

為解決當(dāng)前研究中存在的這些問(wèn)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(jié)點(diǎn)信息線性相關(guān)耦合機(jī)制，實(shí)現(xiàn)了節(jié)點(diǎn)在背景噪聲強(qiáng)度低的情況下的精準(zhǔn)定位。然而，由于該機(jī)制由于未能考慮到人為噪聲強(qiáng)度與節(jié)點(diǎn)信號(hào)的相關(guān)特性，導(dǎo)致出現(xiàn)人為干擾時(shí)難以精確進(jìn)行定位。葉苗等[6]提出一種基于多維定位機(jī)制的移動(dòng)傳感網(wǎng)定位算法，在面臨高強(qiáng)度干擾時(shí)能夠有效的實(shí)現(xiàn)精確定位。但是，由于該算法沒(méi)有考慮到節(jié)點(diǎn)分布對(duì)定位的影響，導(dǎo)致當(dāng)節(jié)點(diǎn)密度稀疏時(shí)定位精度大打折扣。趙雁航[7]等提出了一種基于節(jié)點(diǎn)拓?fù)錈o(wú)射頻定位機(jī)制的定位算法，首先通過(guò)基于節(jié)點(diǎn)間的關(guān)聯(lián)順序，在已知錨節(jié)點(diǎn)的情況下對(duì)節(jié)點(diǎn)實(shí)現(xiàn)精確定位。但是，由于該算法嚴(yán)重依賴(lài)于錨節(jié)點(diǎn)的具體地理位置坐標(biāo)，一旦錨節(jié)點(diǎn)失效則整個(gè)算法處于不可用的狀態(tài)。

對(duì)此，本文提出了基于混沌度量機(jī)制的移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法，通過(guò)對(duì)節(jié)點(diǎn)信號(hào)進(jìn)行混沌推斷，實(shí)現(xiàn)對(duì)信號(hào)的精確捕獲，同時(shí)采取基于迭代的糾錯(cuò)機(jī)制，實(shí)現(xiàn)了對(duì)信號(hào)的精確定位。最后通過(guò)NS2仿真平臺(tái)對(duì)本文算法進(jìn)行了仿真。

2網(wǎng)絡(luò)模型結(jié)構(gòu)及能量傳輸

由于移動(dòng)傳感網(wǎng)節(jié)點(diǎn)具有能量受限的特性，一旦節(jié)點(diǎn)能量耗盡就將無(wú)法正常工作[8]，據(jù)此本文傳感網(wǎng)結(jié)構(gòu)做如下的假設(shè)：

1) 拓?fù)浣Y(jié)構(gòu)不可變更，即網(wǎng)絡(luò)節(jié)點(diǎn)一旦部署則不能移動(dòng)位置，其坐標(biāo)也不會(huì)改變[9]；

2) 節(jié)點(diǎn)能量受限，即傳感器節(jié)點(diǎn)依靠電池提供能源，一旦電池電力耗盡則傳感器節(jié)點(diǎn)將整體失效[9]；

3) 傳感器之間通過(guò)一定頻率的無(wú)線射頻信號(hào)進(jìn)行信息交互，環(huán)境噪聲的頻率、強(qiáng)度對(duì)無(wú)線射頻信號(hào)的傳輸及接收具有一定程度的影響[10]；

4) 整個(gè)網(wǎng)絡(luò)存在一個(gè)超級(jí)中心sink節(jié)點(diǎn)，該節(jié)點(diǎn)可以通過(guò)人工直接控制，且能量不受限，信息處理能力處于無(wú)窮大的狀態(tài)[10]；

5) 網(wǎng)絡(luò)本身具有一定的抗毀性能，可以針對(duì)異常做出自我修復(fù)[11]。

從上述假設(shè)可知，由于整個(gè)網(wǎng)絡(luò)信號(hào)采取無(wú)線傳輸模式，因此電池電力主要用于供給傳感節(jié)點(diǎn)進(jìn)行能量的收發(fā)。整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)(sink節(jié)點(diǎn)除外)發(fā)送數(shù)據(jù)的能量E(k)滿(mǎn)足如下的表達(dá)式：

E(k)=kPs+R3Pn

(1)

其中Pn為某節(jié)點(diǎn)在接收k比特?cái)?shù)據(jù)時(shí)所消耗的功率，Ps為某節(jié)點(diǎn)在接收k比特?cái)?shù)據(jù)并將其轉(zhuǎn)發(fā)出去所消耗的功率值，R為該節(jié)點(diǎn)當(dāng)前最大的信號(hào)覆蓋半徑。

當(dāng)該節(jié)點(diǎn)的下一跳節(jié)點(diǎn)在接收k比特?cái)?shù)據(jù)時(shí)所消耗的能量滿(mǎn)足如下的表達(dá)式：

E′(k)=R3Pn

(2)

從上述模型可以看到，整個(gè)移動(dòng)傳感網(wǎng)在進(jìn)行定位時(shí)需要通過(guò)消耗一定的功率，且節(jié)點(diǎn)在進(jìn)行定位過(guò)程中的能量消耗與其信號(hào)覆蓋半徑呈現(xiàn)一定的立方關(guān)系，這是因?yàn)楣?jié)點(diǎn)在進(jìn)行定位時(shí)其信號(hào)傳輸是沿著歐式幾何球面進(jìn)行傳播，因此定位信號(hào)在經(jīng)過(guò)一定距離之后的衰減將呈現(xiàn)極為嚴(yán)重的下降趨勢(shì)。若某個(gè)節(jié)點(diǎn)在進(jìn)行定位的同時(shí)還需要進(jìn)行數(shù)據(jù)傳輸，則其能量的消耗還需要承擔(dān)這些比特流的射頻能量消耗，因此若要實(shí)現(xiàn)節(jié)能定位，就必須考慮到能量消耗因素。

3本文移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法

根據(jù)上述提出的網(wǎng)絡(luò)模型結(jié)構(gòu)及能量傳輸假設(shè)，本文提出了基于混沌度量機(jī)制的移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法(A node localization algorithm for mobile sensor networks based on chaotic measurement mechanism，CMM算法)，整個(gè)算法通過(guò)信號(hào)節(jié)點(diǎn)傳感射頻強(qiáng)度混沌推斷和高適應(yīng)糾錯(cuò)兩個(gè)部分所構(gòu)成。

3.1信號(hào)節(jié)點(diǎn)傳感射頻強(qiáng)度混沌推斷

在進(jìn)行節(jié)點(diǎn)定位過(guò)程時(shí)，該節(jié)點(diǎn)與其他節(jié)點(diǎn)間的定位及位置關(guān)系是極為重要的定位判斷因素。該節(jié)點(diǎn)與周?chē)?jié)點(diǎn)的數(shù)據(jù)交換關(guān)系越密切，則定位的精確程度也就越高，同時(shí)該節(jié)點(diǎn)的傳感射頻強(qiáng)度越大，則定位精確程度越高。由于定位節(jié)點(diǎn)與周?chē)?jié)點(diǎn)存在強(qiáng)烈的信息交互關(guān)系，因此若對(duì)一個(gè)節(jié)點(diǎn)進(jìn)行充分定位，則其定位主要由該節(jié)點(diǎn)與周?chē)?jié)點(diǎn)的定位連通因子有關(guān)，通過(guò)綜合考慮周?chē)?jié)點(diǎn)與該節(jié)點(diǎn)的定位連通因子進(jìn)行基于信號(hào)射頻強(qiáng)度的混沌推斷，可以有效的實(shí)現(xiàn)對(duì)節(jié)點(diǎn)的精確定位。

設(shè)i為某個(gè)待定位的節(jié)點(diǎn)，其與之進(jìn)行數(shù)據(jù)交換的節(jié)點(diǎn)個(gè)數(shù)為λi，則λi滿(mǎn)足如下的關(guān)系：

(3)

其中v為與i相鄰的節(jié)點(diǎn)j的集合，與i相鄰的節(jié)點(diǎn)數(shù)量越多，則λi的權(quán)值越大。

不妨設(shè)i的初始定位坐標(biāo)為ηij，則ηij滿(mǎn)足如下的關(guān)系：

(4)

相關(guān)參數(shù)同模型(1)和模型(2)。

模型(4)所示的初始坐標(biāo)反映了待定位的節(jié)點(diǎn)坐標(biāo)與周?chē)?jié)點(diǎn)連通程度之間的關(guān)系，然而該定位為初步定位，難以在精確度上得到提高，同時(shí)由于單純考慮節(jié)點(diǎn)坐標(biāo)與周?chē)?jié)點(diǎn)連通程度關(guān)系無(wú)法有效的進(jìn)行二次定位，故本文引入射頻強(qiáng)度閾值，通過(guò)混沌判斷對(duì)模型(4)的定位坐標(biāo)進(jìn)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(jié)點(diǎn)作為定位參照節(jié)點(diǎn)，待定位節(jié)點(diǎn)通過(guò)這些節(jié)點(diǎn)進(jìn)行精確定位。待定位節(jié)點(diǎn)通過(guò)廣播機(jī)制與之相連的其他節(jié)點(diǎn)的同時(shí)，根據(jù)其他節(jié)點(diǎn)射頻強(qiáng)度閾值大小進(jìn)行排序，其中射頻強(qiáng)度閾值E(r)計(jì)算為

(5)

其中,T為更新周期，r為定位節(jié)點(diǎn)進(jìn)行數(shù)據(jù)定位的最大周期數(shù)，PC為下一個(gè)時(shí)刻待定位節(jié)點(diǎn)能夠進(jìn)行正常工作的概率，Pr為當(dāng)前節(jié)點(diǎn)坐標(biāo)精確度，ηij定義同模型(4)。

(6)

相應(yīng)的ηij也需要進(jìn)行修正，其相應(yīng)的表達(dá)式如下：

(7)

相應(yīng)參數(shù)同模型(1)、(2)所定義。

綜合模型(6)、(7)可得待定位坐標(biāo)的精度誤差ωi滿(mǎn)足如下的表達(dá)式：

(8)

可見(jiàn)，待定位坐標(biāo)的精度誤差ωi滿(mǎn)足二次函數(shù)關(guān)系，與定位輪數(shù)有關(guān)。

3.2高適應(yīng)糾錯(cuò)

由3.1知可知，通過(guò)模型(6)可以求得待定位節(jié)點(diǎn)的初始坐標(biāo)，通過(guò)模型(8)實(shí)現(xiàn)了對(duì)初始坐標(biāo)的誤差精度進(jìn)行了計(jì)算，同時(shí)可以知道通過(guò)模型求得最佳定位輪數(shù)，并通過(guò)該輪數(shù)直接帶入模型(6)計(jì)算，即可得到最佳精度下的定位坐標(biāo)[12]。

設(shè)模型(8)為r的函數(shù)，對(duì)模型(8)求二階偏導(dǎo)數(shù)可得r的二次導(dǎo)數(shù)f″(r)滿(mǎn)足：

(9)

(10)

由模型(10)可知，本文算法最多通過(guò)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(jìn)一步提高定位精度。

4仿真實(shí)驗(yàn)

本文采用NS2仿真平臺(tái)對(duì)本文算法進(jìn)行仿真，為驗(yàn)證本文算法的有效性，將與當(dāng)前廣泛使用的DFGA節(jié)點(diǎn)定位算法[13～14]視為對(duì)照組，并從定位消息傳輸成功率、定位數(shù)據(jù)存儲(chǔ)時(shí)延、定位消息傳輸時(shí)延、定位精度四個(gè)指標(biāo)上進(jìn)行分析。具體仿真參數(shù)表1所示。

表1　仿真參數(shù)表

4.1定位消息傳輸成功率

圖1顯示了本文算法與對(duì)照組算法的消息成功傳輸率測(cè)試結(jié)果，從圖中可知，三種算法隨著網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量增加均呈現(xiàn)不斷增加的趨勢(shì)，但是本文算法的定位消息傳輸成功率始終要好于對(duì)照組算法，這是因?yàn)楸疚乃惴ㄒ肓嘶煦缍攘繖C(jī)制，能夠通過(guò)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(duì)照組算法僅采取一次定位機(jī)制，當(dāng)定位出現(xiàn)錯(cuò)誤時(shí)難以實(shí)現(xiàn)實(shí)時(shí)糾正導(dǎo)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(cè)試結(jié)果

4.2定位數(shù)據(jù)存儲(chǔ)時(shí)延

圖2顯示了三種算法在定位數(shù)據(jù)存儲(chǔ)時(shí)延測(cè)試結(jié)果，從圖中可知，本文算法與對(duì)照組算法都是隨著網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量的增加均呈現(xiàn)不斷增加的趨勢(shì)，但是本文算法的定位數(shù)據(jù)存儲(chǔ)時(shí)延始終要好于對(duì)照組算法，這是因?yàn)楸疚乃惴ㄒ肓嘶煦缍攘繖C(jī)制，在節(jié)點(diǎn)進(jìn)行數(shù)據(jù)存儲(chǔ)時(shí)可以根據(jù)節(jié)點(diǎn)當(dāng)前狀況自主決定數(shù)據(jù)存儲(chǔ)與否，而對(duì)照組采取簡(jiǎn)單分發(fā)模式，當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)出現(xiàn)數(shù)據(jù)擁塞現(xiàn)象時(shí)難以正常實(shí)現(xiàn)數(shù)據(jù)分發(fā)，因此導(dǎo)致數(shù)據(jù)存儲(chǔ)時(shí)延較大。

圖2　各算法的存儲(chǔ)時(shí)延測(cè)試

4.3定位消息傳輸時(shí)延

圖3顯示了三種算法的定位消息傳輸時(shí)延測(cè)試結(jié)果，從圖中可以看到，本文算法的定位消息傳輸時(shí)延始終要低于對(duì)照組算法，這是因?yàn)楸疚乃惴ㄍㄟ^(guò)高效糾錯(cuò)機(jī)制實(shí)現(xiàn)了當(dāng)節(jié)點(diǎn)傳輸錯(cuò)誤時(shí)對(duì)節(jié)點(diǎn)的重新定位，因此能夠有效的改善定位消息傳輸時(shí)延，當(dāng)出現(xiàn)節(jié)點(diǎn)傳輸錯(cuò)誤時(shí)，由于對(duì)照組無(wú)法進(jìn)行多輪傳輸，因此，導(dǎo)致定位數(shù)據(jù)出現(xiàn)錯(cuò)誤時(shí)難以將消息順利發(fā)出，從而導(dǎo)致定位消息傳輸時(shí)延上比本文算法要差。

圖3　定位消息傳輸時(shí)延測(cè)試

4.4定位精度

圖4顯示了本文算法與對(duì)照組算法在定位精度測(cè)試結(jié)果，依圖可知，本文算法的定位精度始終要高于對(duì)照組算法，這是因?yàn)楸疚乃惴ㄒ肓烁咝Ъm錯(cuò)機(jī)制當(dāng)節(jié)點(diǎn)定位精度較低時(shí)可以通過(guò)糾錯(cuò)及時(shí)將節(jié)點(diǎn)定位精度提高，且可以通過(guò)多輪定位實(shí)現(xiàn)節(jié)點(diǎn)精度的進(jìn)一步提高，因此本文算法在定位精度上要好于對(duì)照組算法。

圖4　三種算法的定位精度測(cè)試

5結(jié)語(yǔ)

本文提出了一種基于混沌度量機(jī)制的移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位算法，通過(guò)對(duì)待定位節(jié)點(diǎn)與周?chē)?jié)點(diǎn)間關(guān)系的引入，采取基于節(jié)點(diǎn)射頻信號(hào)強(qiáng)度的混沌判斷，實(shí)現(xiàn)對(duì)節(jié)點(diǎn)定位的初步判斷。隨后分析了節(jié)點(diǎn)定位的精度與初步定位時(shí)的關(guān)系，采取高適應(yīng)糾錯(cuò)方式，通過(guò)計(jì)算二次導(dǎo)數(shù)對(duì)節(jié)點(diǎn)定位的輪數(shù)做出了精確的計(jì)算，從而提高其定位精度，且僅需要通過(guò)不超過(guò)3輪定位就可實(shí)現(xiàn)對(duì)移動(dòng)傳感網(wǎng)絡(luò)節(jié)點(diǎn)的精確定位。仿真實(shí)驗(yàn)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(shù)據(jù)存儲(chǔ)時(shí)延、定位消息傳輸時(shí)延、定位精度上具有明顯的優(yōu)勢(shì)，對(duì)實(shí)踐具有一定的指導(dǎo)意義。

下一步將著重從實(shí)際部署出發(fā)，對(duì)高移動(dòng)性的傳感網(wǎng)絡(luò)中如何減少定位誤差上進(jìn)行研究，進(jìn)一步推動(dòng)本文算法對(duì)各種極端網(wǎng)絡(luò)環(huán)境的適應(yīng)性能，有效的實(shí)現(xiàn)對(duì)復(fù)雜網(wǎng)絡(luò)環(huán)境的全覆蓋。

參 考 文 獻(xiàn)

[1] 武時(shí)龍,張萬(wàn)禮,楊小瑩.RSSI修正的WSN定位算法[J].重慶大學(xué)學(xué)報(bào),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(rùn)澤,余志軍,劉海濤.引入數(shù)據(jù)融合的WSN定位算法[J].南京郵電大學(xué)學(xué)報(bào),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(jìn)化計(jì)算的WSN定位算法[J].軟件學(xué)報(bào),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(qián)志鴻.基于跳距修正粒子群優(yōu)化的WSN定位算法[J].通信學(xué)報(bào),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(jiǎn)易WSN定位算法及其實(shí)現(xiàn)[J].吉林大學(xué)學(xué)報(bào),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(yōu)化算法的WSN定位精度提高方法[J].電視技術(shù),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(jiǎn)介:莊緒強(qiáng),男,碩士,講師,研究方向：計(jì)算機(jī)網(wǎng)絡(luò)與網(wǎng)絡(luò)安全。

中圖分類(lèi)號(hào)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