郭世俊, 吳華鋒, 劉 俠, 馬奕葳

(1. 上海海事大學(xué) 商船學(xué)院， 上海 201306； 2. 中國(guó)(上海)自貿(mào)區(qū)供應(yīng)鏈研究院， 上海 201306)

基于自適應(yīng)與軌跡預(yù)測(cè)的移動(dòng)節(jié)點(diǎn)定位

郭世俊1, 吳華鋒1, 劉 俠1, 馬奕葳2

(1. 上海海事大學(xué) 商船學(xué)院， 上海 201306； 2. 中國(guó)(上海)自貿(mào)區(qū)供應(yīng)鏈研究院， 上海 201306)

針對(duì)海上節(jié)點(diǎn)隨海浪運(yùn)動(dòng)的情形，提出一種基于自適應(yīng)與軌跡預(yù)測(cè)的移動(dòng)節(jié)點(diǎn)定位算法(Adaptive and Trajectory Prediction Localization Algorithm, ATPLA)。首先，基于海域信標(biāo)節(jié)點(diǎn)運(yùn)動(dòng)情況求得海域節(jié)點(diǎn)運(yùn)動(dòng)相關(guān)性系數(shù)，并以此建立參數(shù)自適應(yīng)移動(dòng)節(jié)點(diǎn)運(yùn)動(dòng)模型，預(yù)測(cè)未知節(jié)點(diǎn)運(yùn)動(dòng)軌跡；隨后，提出改進(jìn)型蒙特卡羅定位方法，優(yōu)化采樣區(qū)域和樣本點(diǎn)權(quán)重；最后，基于未知節(jié)點(diǎn)與其一跳、兩跳信標(biāo)節(jié)點(diǎn)相對(duì)位置進(jìn)行過濾。仿真結(jié)果表明：ATPLA在信標(biāo)節(jié)點(diǎn)密度低、節(jié)點(diǎn)運(yùn)動(dòng)速度大等情況下具有良好的定位效能，能提高海上動(dòng)態(tài)節(jié)點(diǎn)的定位能力，進(jìn)而提高海上搜救的效率和成功率。

交通信息工程； 無線傳感網(wǎng)； 高斯馬爾科夫定理； 蒙特卡洛方法； 動(dòng)態(tài)定位； 海上搜救

Abstract: The Adaptive and Trajectory Prediction Localization Algorithm (ATPLA) for nodes on sea surface is introduced. As the first step, the motion correlation coefficient related to the notes in an area is obtained according to the motion of beacon nodes in the area, and the parameter adaptive motion model of the nodes is established for predicting the trajectory of interested unknown nodes. The sampling area and the weights of the sampls are refined with Monte Carlo positioning algorithm afterwards. The position of an unknown note can be determined by means of filtering its one hop and two hop distances relative to beacon nodes. Simulation proves that the ATPLA performs well even if in the situation of low beacon density or high node velocity. The use of ATPLA can improve the mobile note positioning efficiency for maritime search and rescue activity.

Keywords: traffic information engineering; wireless sensor network; Gauss Markov theorem; Monte Carlo method; mobile localization; maritime search and rescue

經(jīng)濟(jì)的快速發(fā)展和對(duì)外貿(mào)易的不斷拓展推動(dòng)著海上交通運(yùn)輸?shù)群Ｑ笫聵I(yè)的發(fā)展。我國(guó)海上經(jīng)濟(jì)貿(mào)易發(fā)展迅速，海洋從業(yè)人員數(shù)量急劇增多，海難事故和遇難人數(shù)隨之不斷攀升，導(dǎo)致海上搜救和物標(biāo)跟蹤定位任務(wù)日益繁重。研究表明，落水人員在20 ℃海水中浸泡最長(zhǎng)存活16 h 20 min,而在0 ℃海水中最長(zhǎng)僅存活12 min。因此，搜救時(shí)間極為緊迫，快速獲取被搜救人員的位置顯得尤為重要。

現(xiàn)行的搜救方法主要是出動(dòng)大量搜救船舶和直升機(jī)，利用人眼或機(jī)械設(shè)備進(jìn)行搜索。一些技術(shù)和設(shè)備的應(yīng)用可在一定程度上提高海上搜救時(shí)定位的成功率，但這些搜救設(shè)備僅能提供事故發(fā)生的位置，而當(dāng)展開搜救工作時(shí)落水人員或其他物體已在風(fēng)、流、浪和涌等因素的作用下發(fā)生漂移，遠(yuǎn)離了初始位置。此時(shí)，搜救人員需花費(fèi)大量時(shí)間確定搜救范圍，這會(huì)大大增加搜救難度、降低搜救成功率。若能獲取海上待搜救人員或貨物等隨海浪的運(yùn)動(dòng)軌跡，則搜救機(jī)構(gòu)即可有目的地進(jìn)行搜尋，從而減少搜尋時(shí)間、提高搜救效率。

無線傳感器網(wǎng)絡(luò)是由具有感知、計(jì)算和無線通信能力的傳感器節(jié)點(diǎn)自組織形成的網(wǎng)絡(luò)。該技術(shù)的迅速發(fā)展為海洋信息的實(shí)時(shí)獲取和高效傳輸提供了重要的技術(shù)支撐，為海洋環(huán)境監(jiān)測(cè)、生物跟蹤及海洋物標(biāo)搜救[1]等相關(guān)應(yīng)用和研究帶來了強(qiáng)大的推動(dòng)力，不僅可以用來監(jiān)測(cè)風(fēng)向、波高、潮汐、水溫、光照和水質(zhì)污染等與海洋相關(guān)的信息[2]，而且負(fù)責(zé)水下水聲傳感器網(wǎng)絡(luò)的信息傳輸[3]。然而，海上多惡劣天氣，易出現(xiàn)大風(fēng)大浪情況，使得海上人員或貨物的運(yùn)動(dòng)高度動(dòng)態(tài)，這對(duì)海上無線傳感器網(wǎng)絡(luò)的應(yīng)用，尤其是海上人員或貨物的定位是一個(gè)嚴(yán)峻的考驗(yàn)。

因此，必須對(duì)高度動(dòng)態(tài)的海上移動(dòng)節(jié)點(diǎn)軌跡預(yù)測(cè)進(jìn)行研究?？紤]到動(dòng)態(tài)海況環(huán)境因素的影響，針對(duì)海上移動(dòng)物標(biāo)對(duì)定位算法的要求，將信標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)情況引入到節(jié)點(diǎn)運(yùn)動(dòng)軌跡的預(yù)測(cè)中，提出一種移動(dòng)節(jié)點(diǎn)參數(shù)自適應(yīng)軌跡預(yù)測(cè)算法。在進(jìn)行軌跡預(yù)測(cè)時(shí)，充分考慮對(duì)多變環(huán)境的自適應(yīng)，并對(duì)基于蒙特卡羅方法定位的采樣區(qū)域和樣本點(diǎn)權(quán)重進(jìn)行優(yōu)化。最后，將未知節(jié)點(diǎn)運(yùn)動(dòng)過程中與一跳和兩跳信標(biāo)節(jié)點(diǎn)的相對(duì)位置信息作為過濾條件，提高海上定位的精度。該研究的成果主要有以下幾點(diǎn)。

1) 通過對(duì)海上無線傳感器網(wǎng)絡(luò)移動(dòng)目標(biāo)跟蹤進(jìn)行研究，提高動(dòng)態(tài)環(huán)境下無線傳感網(wǎng)定位的精度和速率。

2) 基于自適應(yīng)與軌跡預(yù)測(cè)的移動(dòng)節(jié)點(diǎn)定位算法(Adaptive and Trajectory Prediction Localization Algorithm, ATPLA),根據(jù)海域信標(biāo)節(jié)點(diǎn)運(yùn)動(dòng)情況構(gòu)建參數(shù)自適應(yīng)運(yùn)動(dòng)模型，對(duì)海域節(jié)點(diǎn)運(yùn)動(dòng)情況預(yù)測(cè)提供算法支撐。

3) 自適應(yīng)運(yùn)動(dòng)模型的應(yīng)用為海上漂移物漂移模型的研究提供理論依據(jù)。

1 WSN定位現(xiàn)有主要技術(shù)

已有的對(duì)無線傳感器網(wǎng)絡(luò)定位算法的研究主要集中在靜態(tài)網(wǎng)絡(luò)環(huán)境方面,而現(xiàn)有的靜態(tài)網(wǎng)絡(luò)環(huán)境下信標(biāo)節(jié)點(diǎn)和未知節(jié)點(diǎn)均固定的情形難以適用于海上信標(biāo)節(jié)點(diǎn)和未知節(jié)點(diǎn)都運(yùn)動(dòng)的環(huán)境。

海上無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)定位一直備受相關(guān)學(xué)者關(guān)注。GUO等[4]和YU等[5]對(duì)海洋傳感器網(wǎng)絡(luò)(Ocean Sensor Networks，OSN)水下三維網(wǎng)絡(luò)的拓?fù)?、路由和定位進(jìn)行綜述，從宏觀上提出幾種可行的定位算法設(shè)計(jì)方案，對(duì)定位算法的設(shè)計(jì)具有一定指導(dǎo)作用。 USMAN等[6]對(duì)三維無線傳感器網(wǎng)絡(luò)的覆蓋范圍和連通性進(jìn)行研究，但未能給出具體的定位算法。YV等[7]使信標(biāo)節(jié)點(diǎn)在未知節(jié)點(diǎn)固定的部署區(qū)域內(nèi)按隨機(jī)路徑移動(dòng)并周期性地廣播自己的位置信息，未知節(jié)點(diǎn)對(duì)接收到的信標(biāo)信號(hào)進(jìn)行處理并計(jì)算自己的位置。 FU等[8]利用蟻群算法優(yōu)化移動(dòng)節(jié)點(diǎn)的運(yùn)動(dòng)路徑，按等邊三角形最優(yōu)覆蓋原則對(duì)上述信標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)軌跡進(jìn)行濾波優(yōu)化，降低能耗、提高定位精度。這類算法適用于搜救過程中落水人員位置不變、搜救直升機(jī)上裝載有信標(biāo)節(jié)點(diǎn)的定位情形。但是，海上事故發(fā)生時(shí)往往伴隨有惡劣天氣，搜救過程中落水人員位置不變的情形是很少的，算法普適性較差。HYOCHANG等[9]對(duì)移動(dòng)未知節(jié)點(diǎn)與信標(biāo)節(jié)點(diǎn)之間接收的信號(hào)強(qiáng)度(Received Signal Strength, RSS)測(cè)值進(jìn)行優(yōu)化，并依據(jù)RSS值設(shè)置一定的加權(quán)方式，提高定位精度。MUZAMMIL等[10]提出基于DV-Distance的APDV定位算法，利用未知節(jié)點(diǎn)運(yùn)動(dòng)時(shí)相對(duì)于固定信標(biāo)節(jié)點(diǎn)向量的變化進(jìn)行輔助定位，降低基于RSSI測(cè)距時(shí)因非視距信號(hào)傳播導(dǎo)致的誤差，提高復(fù)雜環(huán)境下的定位精度。 WU等[11]對(duì)基于RSSI的數(shù)據(jù)傳輸模型進(jìn)行研究，考慮海浪對(duì)信號(hào)傳播的遮蔽影響，建立符合海上信號(hào)傳播的遮蔽模型，并確立符合海上搜救環(huán)境的路徑損耗優(yōu)化模型；同時(shí),對(duì)三角形質(zhì)心算法進(jìn)行優(yōu)化，提出一種基于RSSI加權(quán)的三角質(zhì)心優(yōu)化定位算法，提高海上搜救的定位精度和搜救成功率。這類算法雖然考慮了落水人員在海上運(yùn)動(dòng)的情形，但未對(duì)節(jié)點(diǎn)運(yùn)動(dòng)軌跡進(jìn)行研究，無法確定從事故發(fā)生至開始搜救時(shí)間段內(nèi)節(jié)點(diǎn)的運(yùn)動(dòng)情況。

目前國(guó)內(nèi)外對(duì)海上動(dòng)態(tài)網(wǎng)絡(luò)定位算法的設(shè)計(jì)研究還處于起步階段，研究成果相對(duì)較少。 ZHOU[12]假設(shè)水下物標(biāo)在固定的垂直高度作二維水平運(yùn)動(dòng)，根據(jù)標(biāo)準(zhǔn)的二階常速度運(yùn)動(dòng)模型構(gòu)建運(yùn)動(dòng)狀態(tài)方程，對(duì)節(jié)點(diǎn)進(jìn)行跟蹤和定位。然而，該定位算法僅適用于水下環(huán)境，適用性較差。針對(duì)海上環(huán)境， REN等[13]以牛頓插值多項(xiàng)式構(gòu)建節(jié)點(diǎn)的運(yùn)動(dòng)模型，提出基于蒙特卡羅算法的多維節(jié)點(diǎn)定位算法(Monte Carlo Multidimensional Localization Algorithm, MCMLA)，可在一定程度上解決水下三維定位問題。但是，該算法在進(jìn)行運(yùn)動(dòng)軌跡預(yù)測(cè)時(shí)未考慮對(duì)海上環(huán)境變化作自適應(yīng)調(diào)整，運(yùn)動(dòng)模型自適應(yīng)性較差。此外，在利用蒙特卡洛定位(Monte Carlo Localization，MCL)[14]時(shí)，對(duì)采樣區(qū)域僅在速度方向上基于海浪譜作優(yōu)化，未考慮在遮蔽效應(yīng)影響下確定采樣區(qū)域時(shí)還應(yīng)對(duì)速度大小進(jìn)行優(yōu)化。

上述算法均有各自的優(yōu)勢(shì)，但沒有考慮海上風(fēng)、浪、流的影響，構(gòu)建的運(yùn)動(dòng)模型參數(shù)不能根據(jù)所處海域的變化作出自適應(yīng)調(diào)整，難以達(dá)到所需要的定位精度。根據(jù)對(duì)波浪的理論假設(shè)及處理方法的不同，將海浪運(yùn)動(dòng)分為線性波和非線性波2種[15]。這里基于線性的海浪波進(jìn)行研究。因此，在構(gòu)建移動(dòng)節(jié)點(diǎn)運(yùn)動(dòng)軌跡時(shí)，構(gòu)建一種能自適應(yīng)惡劣海況的模型實(shí)現(xiàn)節(jié)點(diǎn)高精度定位。在研究現(xiàn)有物體運(yùn)動(dòng)模型的基礎(chǔ)上，以提高運(yùn)動(dòng)模型自適應(yīng)為重點(diǎn)，對(duì)高斯-馬爾科夫運(yùn)動(dòng)模型(Gaussian Markov Mobility Model，GMMM)[16]進(jìn)行參數(shù)自適應(yīng)優(yōu)化。

2 移動(dòng)節(jié)點(diǎn)參數(shù)自適應(yīng)軌跡預(yù)測(cè)算法

海難事故發(fā)生后，落水人員和貨物會(huì)在海浪的作用下發(fā)生漂移。這里提出移動(dòng)節(jié)點(diǎn)參數(shù)自適應(yīng)軌跡預(yù)測(cè)算法，根據(jù)海域內(nèi)信標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)情況求得節(jié)點(diǎn)的運(yùn)動(dòng)相關(guān)性系數(shù)，構(gòu)建節(jié)點(diǎn)運(yùn)動(dòng)模型。此外，提出改進(jìn)的蒙特卡洛方法，對(duì)采樣區(qū)域和樣本點(diǎn)權(quán)值進(jìn)行優(yōu)化。算法流程見圖1。

圖1 算法流程

2.1節(jié)點(diǎn)運(yùn)動(dòng)模型

基于線性海浪波構(gòu)建海浪運(yùn)動(dòng)模型，提出參數(shù)自適應(yīng)模型預(yù)測(cè)海浪的運(yùn)動(dòng)趨勢(shì)。發(fā)生海上事故時(shí)，通過船載全球定位系統(tǒng)(Global Positioning System，GPS)、緊急無線電示位標(biāo)(Emergency Position Indication Radio Beacon，EPIRB)及搜救人造衛(wèi)星系統(tǒng)(Search And Rescue Satellite Aided Tracking，SARSAT)等設(shè)備確定節(jié)點(diǎn)落水時(shí)的初始位置及其運(yùn)動(dòng)情況，作為GMMM下節(jié)點(diǎn)運(yùn)動(dòng)的初始速度和方向，節(jié)點(diǎn)后一時(shí)刻的運(yùn)動(dòng)速度和方向根據(jù)節(jié)點(diǎn)之前時(shí)間段內(nèi)的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行更新，公式為

(1)

(2)

1) 當(dāng)α=0時(shí)，有

(3)

(4)

2) 當(dāng)α=1時(shí)，有

dt=dt-1

(5)

st=st-1

(6)

則運(yùn)動(dòng)延續(xù)之前動(dòng)作，為線性運(yùn)動(dòng)。

在一段時(shí)間內(nèi)，同一海域節(jié)點(diǎn)的運(yùn)動(dòng)相關(guān)性系數(shù)α相同。在構(gòu)建海域節(jié)點(diǎn)運(yùn)動(dòng)模型時(shí)，參數(shù)α的自適應(yīng)就是運(yùn)動(dòng)模型的自適應(yīng)，從而使運(yùn)動(dòng)模型的準(zhǔn)確性更高。

2.2節(jié)點(diǎn)運(yùn)動(dòng)參數(shù)

(7)

(8)

同理可得

(9)

受海浪遮蔽效應(yīng)的影響，高斯隨機(jī)標(biāo)量作為環(huán)境噪聲不可避免，導(dǎo)致α值存在誤差βαt-1,此時(shí)

(10)

(11)

(12)

對(duì)運(yùn)動(dòng)參數(shù)進(jìn)行自適應(yīng)更新之后，依據(jù)式(13)和式(14)求得此時(shí)節(jié)點(diǎn)的位置坐標(biāo)為

(13)

(14)

式(13)～式(14)中:φ為dt在所建X-Y坐標(biāo)系內(nèi)X軸方向的夾角;T為取樣的時(shí)間周期。

2.3改進(jìn)型蒙特卡羅采樣區(qū)域

1) 考慮節(jié)點(diǎn)運(yùn)動(dòng)方向的誤差Δθ，以節(jié)點(diǎn)運(yùn)動(dòng)方向dt為中心線、st為半徑，將該中心線順時(shí)針和逆時(shí)針各展開Δθ弧度，提出基于Δθ的扇形加權(quán)區(qū)域。

2) 考慮節(jié)點(diǎn)速度的誤差Δs，在節(jié)點(diǎn)運(yùn)動(dòng)方向dt上對(duì)st以Δs為增量作同心扇形，提出基于Δs的環(huán)形換加權(quán)區(qū)域。

3) 將基于Δθ和基于Δs構(gòu)建的加權(quán)區(qū)域疊加，提出改進(jìn)型蒙特卡羅采樣盒子(見圖2)。

圖2 改進(jìn)型蒙特卡羅采樣盒子采樣圖

初始采樣盒子面積為

s(1)=4nΔθΔs2

(15)

若濾波后符合要求的點(diǎn)不夠N個(gè)，則將Δθ和Δs擴(kuò)大一倍，如圖2中外圍環(huán)形扇形區(qū)域所示，此時(shí)采樣盒子的面積為

s(2)=16nΔθΔs2

(16)

進(jìn)行第i次擴(kuò)張時(shí)，得到的采樣盒子面積為

s(i)=4ni2ΔθΔs2

(17)

而后進(jìn)行重采樣和濾波，直到得到滿足的點(diǎn)。

對(duì)采樣盒子的權(quán)值進(jìn)行設(shè)置時(shí)，靠近運(yùn)動(dòng)模型所確定的位置權(quán)值大，具體設(shè)置為

(18)

將第i個(gè)樣本點(diǎn)的權(quán)重歸一化得

(19)

則所求坐標(biāo)為

(20)

3 仿真結(jié)果分析

利用MATLAB 7.10平臺(tái)進(jìn)行計(jì)算機(jī)仿真。仿真參數(shù)設(shè)置為：仿真區(qū)域?yàn)? 000 m×1 000 m的正方形區(qū)域；測(cè)距模型中n=2.4，Xσ=7.98 dB;節(jié)點(diǎn)運(yùn)動(dòng)以1～10 m/s的速率隨機(jī)運(yùn)動(dòng)；節(jié)點(diǎn)通信半徑為100 m。仿真試驗(yàn)主要是將所提出的算法(ATPLA)與基于蒙特卡羅算法的多維節(jié)點(diǎn)定位算法[9](MCMLA) 和蒙特卡羅定位算法[14](MCL)進(jìn)行比較,主要研究信標(biāo)節(jié)點(diǎn)密度和節(jié)點(diǎn)移動(dòng)速度變化對(duì)平均定位誤差的影響。

圖3為定位誤差隨信標(biāo)節(jié)點(diǎn)密度變化曲線。當(dāng)每平方海里有4個(gè)信標(biāo)節(jié)點(diǎn)時(shí)，MCL，MCMLA和ATPLA的定位誤差率分別為0.44，0.3和0.11；ATPLA的定位誤差率相比前兩者分別降低0.75和0.63。該算法在構(gòu)建節(jié)點(diǎn)運(yùn)動(dòng)模型時(shí)，通過信標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)求得整個(gè)海域的運(yùn)動(dòng)參數(shù)，因此隨著信標(biāo)節(jié)點(diǎn)數(shù)目增加，該研究能更加準(zhǔn)確地確定運(yùn)動(dòng)模型，使定位精度得到較好的提高。

圖3 定位誤差隨信標(biāo)節(jié)點(diǎn)密度變化曲線

圖4為定位誤差隨速度變化曲線。當(dāng)節(jié)點(diǎn)的運(yùn)動(dòng)速度為2 m/s時(shí)，MCL，MCMLA和ATPLA的定位誤差率分別為0.76，0.62和0.5；ATPLA的定位誤差率相比前兩者分別降低0.34和0.19。隨著節(jié)點(diǎn)運(yùn)動(dòng)速度增大，拓?fù)浣Y(jié)構(gòu)變化頻繁，定位的準(zhǔn)確度受到影響。此外，MCL是以一跳通信半徑R和二跳通信半徑2R為過濾條件的，當(dāng)節(jié)點(diǎn)的運(yùn)動(dòng)速度增大至2R時(shí)，采樣粒子數(shù)量不夠，容易造成死循環(huán)；而該算法是基于自身位置實(shí)時(shí)可知的信標(biāo)節(jié)點(diǎn)構(gòu)建的運(yùn)動(dòng)模型，具有自適應(yīng)性，所得的運(yùn)動(dòng)模型更加準(zhǔn)確，能在速度較大的情況下獲得較好的定位精度。

圖4 定位誤差隨速度變化曲線

4 結(jié)束語

針對(duì)海上環(huán)境中節(jié)點(diǎn)隨著海浪運(yùn)動(dòng)的應(yīng)用場(chǎng)景，根據(jù)信標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)情況構(gòu)建符合該海域所有節(jié)點(diǎn)的運(yùn)動(dòng)模型，結(jié)合節(jié)點(diǎn)的歷史運(yùn)動(dòng)軌跡預(yù)測(cè)未知節(jié)點(diǎn)可能的位置；考慮海浪遮蔽效應(yīng)的影響，設(shè)定蒙特卡羅方法定位時(shí)的采樣區(qū)域和權(quán)值；以一跳和二跳信標(biāo)節(jié)點(diǎn)為過濾條件，提高樣本的有效性和動(dòng)態(tài)網(wǎng)絡(luò)的定位精度。該模型能克服采用MCL定位時(shí)采樣容易陷入死循環(huán)的缺點(diǎn)，更符合海上環(huán)境的應(yīng)用。仿真結(jié)果表明：當(dāng)信標(biāo)節(jié)點(diǎn)密度低、節(jié)點(diǎn)運(yùn)動(dòng)速度高時(shí)，所提定位算法的定位效果好于以往的定位算法，能很好地適應(yīng)海上節(jié)點(diǎn)的高度動(dòng)態(tài)性，實(shí)時(shí)獲取精確的位置信息，提高救援成功率，減少生命財(cái)產(chǎn)損失。

[1] KRISHNA C R, YADAV P S. A Hybrid Localization Scheme for Underwater Wireless Sensor Networks [C]. IEEE International Conference on Issues and Challenges in Intelligent Computing Techniques, 2014.

[2] LUO H J, ZHONG Y, LIN F H. Localization for a Hybrid Ocean Wireless Sensor Networks [J]. Springer Berlin Heidelberg Advanced Technologies in Ad Hoc and Sensor Networks, 2014,295： 353-362.

[3] PETRIOLI C, PETROCCIA R, POTTER J R. The SUNSET Framework for Simulation, Emulation and At Sea Testing of Underwater Wireless Sensor Networks [J]. Ad Hoc Networks, 2014,34:224-238.

[4] GUO Z W, LUO H J, HONG F. Current Progress and Research Issues in Underwater Sensor Networks[J]. Journal of Computer Research and Development, 2010, 47(3): 377-389.

[5] YU W, LIU Y J, GUO Z W. Three-Dimensional Ocean Sensor Networks: A Survey[J]. Journal of Ocean University of China, 2012, 11(4): 436-450.

[6] USMAN M, AMMARI H M. Coverage and Connectivity in 3D Wireless Sensor Networks [C]. The Art of Wireless Sensor Networks in Springer Berlin Heidelberg, 2014.

[7] LV J, WANG Y, WEI N, et al. Dynamic Path Planning Method for Anchor Node in Three-Dimensional Wireless Sensor Networks [C]. IEEE International Symposium on Instrumentation and Measurement Sensor Network and Automation, 2013.

[8] FU Q, CHEN W, LIU K Z. Node Localization with a Mobile Beacon Based on Ant Colony Algorithm in Wireless Sensor Networks [C]. IEEE International Conference on Communications and Mobile Computing, 2010.

[9] HYOCHANG A, RHEE S B. Simulation of a RSSI-Based Indoor Localization System Using Wireless Sensor Network [C]. IEEE Proceedings of the 5th International Conference on Ubiquitous Information Technologies and Applications, 2010.

[10] MUZAMMIL H, TRIGONI N. Adaptive Node Placement for Improving Localization Accuracy in Clutter-Prone Environments [C]. IEEE Wireless Communications and Networking Conference, 2013.

[11] WU H F, YANG L, LIU L, et al. Real-Time Localization Algorithm for Maritime Search and Rescue Wireless Sensor Network [J]. International Journal of Distributed Sensor Networks, 2013(3)：188-192.

[12] ZHOU H F. Underwater Sensor Networks Target Tracking Algorithm Research [D]. Hangzhou: Zhejiang University, 2013.

[13] REN K L, HAN J J. Node Localization Algorithm of Wireless Sensor Network in Marine Monitoring [J]. Journal of Computer Applications, 2012, 32(10): 2692-2695.

[14] ALINE B, LANGENDOEN X. Monte Carlo Localization for Mobile Wireless Sensor Networks [J]. Ad Hoc Networks, 2008, 6(5): 718-733.

[15] BANNER M L, BARTHELEMY X, FEDELE F, et al. Linking Reduced Breaking Crest Speeds to Unsteady Nonlinear Water Wave Group Behavior [R]. Physical Review Letters, 2014.

[16] WU W, QIN S, WANG X. A New Integrated Gaussian-Markov Process Model for Precision Shipboard Transfer Alignment [C]. IEEE in Position, Location and Navigation Symposium, 2014.

MobileNodeLocalizationBasedonAdaptiveTrajectoryPrediction

GUOShijun1，WUHuafeng1，LIUXia1,MAYiwei2

(1. Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China; 2. China Institute of FTZ Supply Chain, Shanghai 201306, China)

U644.1

A

2016-03-18

國(guó)家自然科學(xué)基金(51279099)；上海市科學(xué)技術(shù)委員會(huì)基金(12ZR1412500)；上海市教委科研創(chuàng)新基金(13ZZ124)；上海市教育委員會(huì)和上海市教育發(fā)展基金會(huì)“曙光計(jì)劃”基金(12SG40)；交通運(yùn)輸部應(yīng)用基礎(chǔ)研究項(xiàng)目(2013329810300)

郭世俊(1990—),男,湖北潛江人,碩士生,從事無線傳感網(wǎng)研究。E-mail:guoshijun1990@126.com 吳華鋒(1976—)，男，福建浦城人，教授，從事交通信息、無線傳感網(wǎng)研究。E-mail:hfwu@shmtu.edu.cn

1000-4653(2016)02-0001-05