趙麗芬，申 毅，田 波，王 中

(1.銅仁學(xué)院 大數(shù)據(jù)學(xué)院，貴州 銅仁 554300；2.東南大學(xué) 信息科學(xué)與工程學(xué)院，江蘇 南京 211189)

0 引 言

就移動(dòng)無(wú)線傳感網(wǎng)(mobile wireless sensor network，M-WSN)定位技術(shù)而言，可分為直接測(cè)距和間接測(cè)距兩種定位方法[1-4]。直接測(cè)距方法在實(shí)踐中一般利用多普勒位移來(lái)直接計(jì)算定位節(jié)點(diǎn)與基準(zhǔn)節(jié)點(diǎn)的距離及角度，從而獲取節(jié)點(diǎn)的定位坐標(biāo)[5]。但是，直接測(cè)距方法需要頻繁進(jìn)行數(shù)據(jù)定位及頻率測(cè)量。間接測(cè)序方法主要借助DV-Hop機(jī)制來(lái)實(shí)現(xiàn)定位，但也存在因頻繁進(jìn)行鄰域迭代而出現(xiàn)精度不高的問題。

綜合直接測(cè)距和間接測(cè)距方法的特點(diǎn)，當(dāng)前國(guó)內(nèi)外研究者提出了一系列的解決方法。如Li等[6]引入信號(hào)直測(cè)方法來(lái)改善DV-Hop算法的錨節(jié)點(diǎn)定位精度，特別是采取迭代模式來(lái)進(jìn)一步優(yōu)化待測(cè)角度，可將待定位節(jié)點(diǎn)坐標(biāo)精度提升至1跳鄰域內(nèi)。但是，該方法在節(jié)點(diǎn)移動(dòng)速度較高時(shí)，需要頻繁針對(duì)節(jié)點(diǎn)距離進(jìn)行測(cè)量，使得節(jié)點(diǎn)能量消耗較高。Zou等[7]提出通過設(shè)置兩組正交錨節(jié)點(diǎn)來(lái)實(shí)時(shí)捕捉節(jié)點(diǎn)坐標(biāo)。然而，該算法的定位過程中雙源節(jié)點(diǎn)具有定位對(duì)稱效應(yīng)，定位坐標(biāo)存在嚴(yán)重的漂移現(xiàn)象。Jeba等[8]通過sink節(jié)點(diǎn)控制來(lái)建立錨節(jié)點(diǎn)粒子群移動(dòng)模型，使用周期遞歸方法來(lái)消除移動(dòng)過程中的錨節(jié)點(diǎn)移動(dòng)性過高帶來(lái)的頻率及坐標(biāo)抖動(dòng)問題。然而，該算法存在控制機(jī)制復(fù)雜所帶來(lái)的能量消耗較快等難題，運(yùn)行過程中穩(wěn)定性較差。

為此，本文提出了一種基于雙焦點(diǎn)離心測(cè)距機(jī)制的移動(dòng)傳感網(wǎng)高效定位算法。該算法將多跳定位拓?fù)滏溌芬暈榛【€鏈路，通過優(yōu)化最小跳數(shù)及定位拓?fù)浍@取定位橢圓橫向半徑和縱向半徑并計(jì)算離心率，達(dá)到精密化圓周弧線的目的。借助橢圓縱半徑跳數(shù)優(yōu)化方法來(lái)設(shè)計(jì)動(dòng)態(tài)測(cè)距模式，擴(kuò)大定位橢圓的覆蓋范圍，增強(qiáng)對(duì)待定位節(jié)點(diǎn)的覆蓋能力。最后，采用NS2仿真實(shí)驗(yàn)環(huán)境，驗(yàn)證了本文算法的性能。

1 網(wǎng)絡(luò)模型概述

考慮網(wǎng)絡(luò)節(jié)點(diǎn)分布區(qū)域?yàn)榫匦危娣e為m×nm2，區(qū)域內(nèi)按隨機(jī)模式來(lái)分布A個(gè)傳感節(jié)點(diǎn)與B個(gè)錨節(jié)點(diǎn)，如圖1所示。則網(wǎng)絡(luò)net可用如下模型表示

net=G(Ai,Bj,E)

(1)

式中：Ai表示傳感節(jié)點(diǎn)集，Bj表示錨節(jié)點(diǎn)集，E表示節(jié)點(diǎn)間的拓?fù)滏溄渔溌贰?/p>

圖1 傳感節(jié)點(diǎn)分布

若第i個(gè)節(jié)點(diǎn)與第j個(gè)節(jié)點(diǎn)之間拓?fù)渚嚯x小于網(wǎng)絡(luò)節(jié)點(diǎn)最低覆蓋距離l，說明節(jié)點(diǎn)間可以建立數(shù)據(jù)傳輸鏈路。由于各節(jié)點(diǎn)在運(yùn)行過程中覆蓋能力可能存在差異，使得覆蓋距離難以在網(wǎng)絡(luò)中進(jìn)行統(tǒng)一，估計(jì)各傳感節(jié)點(diǎn)坐標(biāo)時(shí)均需要依賴于式(1)所示的拓?fù)滏溄渔溌?，若?jié)點(diǎn)處于錨節(jié)點(diǎn)覆蓋之外，則將會(huì)出現(xiàn)失聯(lián)現(xiàn)象。因此，對(duì)節(jié)點(diǎn)進(jìn)行定位過程中需要關(guān)注失聯(lián)節(jié)點(diǎn)，若某個(gè)節(jié)點(diǎn)在通信過程中發(fā)現(xiàn)自己成為失聯(lián)節(jié)點(diǎn)，需要使用sink節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)進(jìn)行能量補(bǔ)充，以便擴(kuò)大覆蓋范圍，從而降低定位失效現(xiàn)象。

一般而言，無(wú)論直接測(cè)距算法還是間接測(cè)距算法均需要使用圖1所示的錨節(jié)點(diǎn)進(jìn)行定位，其中錨節(jié)點(diǎn)位置已知，待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)進(jìn)行數(shù)據(jù)交互，以便利用待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的鏈路估計(jì)相應(yīng)的拓?fù)涮鴶?shù)，從而實(shí)現(xiàn)定位。

圖2描述了間接測(cè)距算法的實(shí)現(xiàn)過程。待定位節(jié)點(diǎn)獲取網(wǎng)絡(luò)中錨節(jié)點(diǎn)信息，當(dāng)待定位節(jié)點(diǎn)與3個(gè)及以上錨節(jié)點(diǎn)同時(shí)建立起傳輸鏈路。錨節(jié)點(diǎn)B1與錨節(jié)點(diǎn)B2、錨節(jié)點(diǎn)B3之間距離分別為10 m、20 m，相應(yīng)跳數(shù)分別為3跳和6跳，因此錨節(jié)點(diǎn)B1可獲取平均覆蓋距離l1

l1=(10+20)/(3+6)=3.33 m

(2)

圖2 間接測(cè)距

當(dāng)待定位節(jié)點(diǎn)i與錨節(jié)點(diǎn)B1與錨節(jié)點(diǎn)B2、錨節(jié)點(diǎn)B3之間的拓?fù)涮鴶?shù)為1、2、4時(shí)，則該節(jié)點(diǎn)與錨節(jié)點(diǎn)B1與錨節(jié)點(diǎn)B2、錨節(jié)點(diǎn)B3之間的距離d(i,B1)、d(i,B2)、d(i,B3)滿足

d(i,B1)=1×3.33=3.33 m

(3)

d(i,B2)=2×3.33=6.66 m

(4)

d(i,B3)=4×3.33=13.32 m

(5)

由式(2)～式(5)及圖2可知，間接測(cè)距算法需要首先估計(jì)錨節(jié)點(diǎn)的平均覆蓋距離，并利用平均覆蓋距離估計(jì)各錨節(jié)點(diǎn)與待定位節(jié)點(diǎn)之間的拓?fù)溟L(zhǎng)度?？紤]到待定位節(jié)點(diǎn)覆蓋能力與錨節(jié)點(diǎn)相比存在一定的差異，因此需要針對(duì)估計(jì)過程進(jìn)行改進(jìn)，以便提高定位準(zhǔn)確度，修正估計(jì)過程中存在的誤差。對(duì)拓?fù)渎窂竭M(jìn)行估計(jì)時(shí)，應(yīng)考慮多跳情況下路徑析構(gòu)過程中存在的裁彎取直現(xiàn)象，用弧度模型替代直線距離，從而更好匹配實(shí)際距離，提高算法的對(duì)多跳環(huán)境的適應(yīng)能力。

2 本文算法設(shè)計(jì)

由上文可知，間接測(cè)距過程將錨節(jié)點(diǎn)與待定位節(jié)點(diǎn)間距離看作直線拓?fù)?，由于傳輸鏈路?shí)際存在一定的弧度，采用直線拓?fù)錅y(cè)距需要將鏈路弧度進(jìn)行裁彎取直，因此定位過程存在一定的誤差，使得算法定位精度不理想。為此，本文設(shè)計(jì)了基于雙焦點(diǎn)離心測(cè)距機(jī)制的移動(dòng)傳感網(wǎng)高效定位算法(efficient positioning scheme for mobile sensor networks based on double focus centrifugal ranging algorithm)。該算法由兩部分構(gòu)成：①基于弧度路徑析構(gòu)的節(jié)點(diǎn)橢圓定位。通過采用弧線估測(cè)進(jìn)行定位拓?fù)鋬?yōu)化，結(jié)合錨節(jié)點(diǎn)來(lái)增加定位精度。②基于橢圓縱半徑跳數(shù)優(yōu)化的動(dòng)態(tài)測(cè)距。主要針對(duì)移動(dòng)無(wú)線傳感網(wǎng)拓?fù)渥儎?dòng)頻繁的特點(diǎn)進(jìn)一步提升橢圓覆蓋范圍，降低定位漂移現(xiàn)象，從而提高算法定位精度。

2.1 基于弧度路徑析構(gòu)的節(jié)點(diǎn)橢圓定位

由圖2可知，間接測(cè)量方法需要計(jì)算最小跳數(shù)并進(jìn)行距離估計(jì)，但距離估計(jì)過程均依賴直線模型，使其具有較大的定位誤差。此外，傳統(tǒng)的間接測(cè)距方法在最小跳數(shù)計(jì)算過程中也存在一定的弊端，特別是采用待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)交互方式進(jìn)行直接通信，會(huì)導(dǎo)致式(1)所示的拓?fù)滏溄渔溌稥難以建立。因此，本文對(duì)最小跳數(shù)及距離估計(jì)過程進(jìn)行優(yōu)化，設(shè)計(jì)了基于弧度路徑析構(gòu)的橢圓定位方法。

(1)最小跳數(shù)的獲取

首先，錨節(jié)點(diǎn)向sink節(jié)點(diǎn)進(jìn)行數(shù)據(jù)報(bào)文發(fā)送，將與各節(jié)點(diǎn)間的跳數(shù)及自身ID通過sink節(jié)點(diǎn)進(jìn)行全網(wǎng)廣播。網(wǎng)絡(luò)中除錨節(jié)點(diǎn)外的傳感節(jié)點(diǎn)(含待定位節(jié)點(diǎn))在接收到sink節(jié)點(diǎn)發(fā)送的數(shù)據(jù)報(bào)文后，記錄錨節(jié)點(diǎn)的ID并將跳數(shù)加1，如圖3所示。待定位節(jié)點(diǎn)接收到各錨節(jié)點(diǎn)發(fā)送的數(shù)據(jù)報(bào)文后，可獲取各錨節(jié)點(diǎn)的ID及相應(yīng)跳數(shù)，由于一定傳輸周期內(nèi)待定位節(jié)點(diǎn)可能同時(shí)接收到若干個(gè)錨節(jié)點(diǎn)所發(fā)送的分組報(bào)文，因此可從這些分組報(bào)文中過濾出最小跳數(shù)對(duì)應(yīng)的錨節(jié)點(diǎn)，記最小跳數(shù)Hop(min)如下

圖3 最小跳數(shù)的獲取

(6)

式中：Bn表示第n個(gè)錨節(jié)點(diǎn)，hop表示分組報(bào)文中所對(duì)應(yīng)的跳數(shù)。

(2)確定橢圓定位范圍

考慮到網(wǎng)絡(luò)中待定位節(jié)點(diǎn)與各錨節(jié)點(diǎn)間拓?fù)滏溌反嬖诙嗵匦?，由于待定位?jié)點(diǎn)與錨節(jié)點(diǎn)間鏈路可能存在斷裂現(xiàn)象，如圖4所示。為保證鏈路的可用性，對(duì)鏈路中通信能力較強(qiáng)的節(jié)點(diǎn)進(jìn)行能量補(bǔ)充，擴(kuò)大覆蓋范圍，以便鏈路保持暢通狀態(tài)如圖5所示。

圖4 拓?fù)滏溌穲D(斷裂狀態(tài))

圖5 拓?fù)滏溌穲D(覆蓋范圍擴(kuò)大)

節(jié)點(diǎn)覆蓋區(qū)域擴(kuò)大后，顯然鏈路整體長(zhǎng)度與錨節(jié)點(diǎn)-待定位節(jié)點(diǎn)直線距離存在誤差，如圖5所示。為了精確獲取待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)間距離，須對(duì)鏈路整體長(zhǎng)度進(jìn)行優(yōu)化。

首先，建立待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)間的弧度路徑，如圖6所示，且該弧度看作是一個(gè)縱半徑2x和橫半徑2y的定位橢圓，并按如下模型獲取定位橢圓的離心率ε

(7)

據(jù)此，橢圓定位范圍得以確立，如圖6所示。

圖6 橢圓定位

2.2 基于橢圓縱半徑跳數(shù)優(yōu)化的動(dòng)態(tài)測(cè)距

橢圓定位范圍確立后，由于橢圓存在兩個(gè)焦點(diǎn)，因此按式(7)計(jì)算的橢圓離心率，即可按圖6對(duì)橢圓覆蓋范圍進(jìn)行精確劃分。由于定位橢圓的縱半徑2x和橫半徑2y可能存在變動(dòng)，因此需要考慮到路徑變化，以實(shí)現(xiàn)動(dòng)態(tài)測(cè)距，特別是盡量縮減定位橢圓的縱半徑2x，以便能夠?qū)Χㄎ煌負(fù)溥M(jìn)行動(dòng)態(tài)化評(píng)估，以提升測(cè)距結(jié)果的精度。

(8)

式中：hop(Bi,Ci)表示待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間的跳數(shù)，Mj表示待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間的中間節(jié)點(diǎn)。

由式(8)可知，待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間鏈路整體長(zhǎng)度G可由如下公式獲取

G=G×hop(Bi,Ci)

(9)

隨后，利用圖6所示的橢圓定位方法，結(jié)合式(9)及式(7)，即可計(jì)算待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間的距離P

P=G/πx(1-ε2/4)

(10)

式中：ε為式(7)確定的離心率。

聯(lián)立式(7)和式(10)，將待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間的跳數(shù)hop(Bi,Ci)替換式(7)中的2y，令自變量為x，則定位橢圓的縱半徑方程如下

12πx2+πhop(Bi,Ci)2=G

(11)

式中：G為待定位節(jié)點(diǎn)Ci與錨節(jié)點(diǎn)Bi間鏈路整體長(zhǎng)度。

再根據(jù)式(11)來(lái)求取x的最小值為

minx=G/2

(12)

通過式(12)獲取定位橢圓的橫半徑x后，令(x,y)表示待定位節(jié)點(diǎn)的坐標(biāo)，(xj,yj)表示錨節(jié)點(diǎn)坐標(biāo)，并設(shè)待定位節(jié)點(diǎn)坐標(biāo)與各錨節(jié)點(diǎn)坐標(biāo)間距離為dj。則可建立定位方程Q

(13)

再對(duì)式(13)進(jìn)行系數(shù)分離，可得

(14)

(15)

(16)

聯(lián)立式(14)～式(16)可得

TZ=J

(17)

顯然，Z滿足

Z=(TTU)-1TJ

(18)

式中：U表示矩陣轉(zhuǎn)秩。

通過式(18)即可精確獲取待定位節(jié)點(diǎn)坐標(biāo)(x,y)。由于待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)間鏈路整體長(zhǎng)度可通過式(9)來(lái)獲取，其相應(yīng)的最小跳數(shù)可通過式(8)進(jìn)行動(dòng)態(tài)評(píng)估，結(jié)合定位橢圓弧形邊與待定位節(jié)點(diǎn)坐標(biāo)(x,y)之間的對(duì)應(yīng)關(guān)系，即可在定位橢圓上快速通過路徑回溯待定位節(jié)點(diǎn)，從而達(dá)到動(dòng)態(tài)測(cè)距的目的。

3 本文算法的復(fù)雜度分析

本文算法主要由基于弧度路徑析構(gòu)的節(jié)點(diǎn)橢圓定位和基于橢圓縱半徑跳數(shù)優(yōu)化的動(dòng)態(tài)測(cè)距兩部分構(gòu)成。不妨設(shè)網(wǎng)絡(luò)中傳感節(jié)點(diǎn)數(shù)量為m，錨節(jié)點(diǎn)個(gè)數(shù)為n。在基于弧度路徑析構(gòu)的節(jié)點(diǎn)橢圓定位過程中，所提算法首先需要通過逐個(gè)過濾傳感節(jié)計(jì)算獲取最小跳數(shù)，并通過分組報(bào)文中過濾出最小跳數(shù)對(duì)應(yīng)的錨節(jié)點(diǎn)，其復(fù)雜度為o(m)?；跈E圓縱半徑跳數(shù)優(yōu)化的動(dòng)態(tài)測(cè)距機(jī)制在獲取最小跳數(shù)的基礎(chǔ)上，按式(13)建立定位方程組，方程組建立過程中將通過錨節(jié)點(diǎn)逐個(gè)建立定位方程，由于錨節(jié)點(diǎn)個(gè)數(shù)為n，因此復(fù)雜度為o(n)。因此，綜合上述2個(gè)過程，本文算法的復(fù)雜度為o(m)+o(n)。

為了突出所提算法的優(yōu)勢(shì)，將文獻(xiàn)[14]和文獻(xiàn)[15]視為對(duì)照組。文獻(xiàn)[14]算法在遍歷網(wǎng)絡(luò)錨節(jié)點(diǎn)的基礎(chǔ)上，逐項(xiàng)計(jì)算各節(jié)點(diǎn)間的平均跳數(shù)，該過程的復(fù)雜度為o(m)，隨后需要對(duì)符合要求的信標(biāo)節(jié)點(diǎn)進(jìn)行迭代，迭代次數(shù)為n，考慮到匹配信標(biāo)節(jié)點(diǎn)的過程需要遍歷全部傳感節(jié)點(diǎn)，此過程復(fù)雜度為o(m×n)，因此文獻(xiàn)[14]算法復(fù)雜度為o(m)+o(m×n)，顯然要高于本文所提算法。文獻(xiàn)[15]通過構(gòu)建罰函數(shù)模型來(lái)記錄定位過程中性能較差節(jié)點(diǎn)坐標(biāo)，記錄過程中均遍歷全部傳感節(jié)點(diǎn)并得到學(xué)習(xí)樣本，隨后將動(dòng)態(tài)學(xué)習(xí)該樣本，得到樣本獲取過程對(duì)應(yīng)的算法復(fù)雜度為o(m2)，學(xué)習(xí)過程按照水波算法進(jìn)行迭代，迭代次數(shù)為n，該過程復(fù)雜度為o(m×n)。因此，文獻(xiàn)[15]算法復(fù)雜度為o(m2)+o(m×n)。考慮到傳感網(wǎng)絡(luò)中錨節(jié)點(diǎn)個(gè)數(shù)一般要少于傳感節(jié)點(diǎn)個(gè)數(shù)，因此，文獻(xiàn)[15]算法的算法復(fù)雜度亦要遠(yuǎn)遠(yuǎn)高于本文算法。綜上所述，本文算法在復(fù)雜度方面具有一定的優(yōu)勢(shì)，具有定位過程較為簡(jiǎn)單的特點(diǎn)，能夠以較快的速度獲取待定位節(jié)點(diǎn)的坐標(biāo)。

4 仿真實(shí)驗(yàn)

為便于驗(yàn)證本文算法性能，采取NS2平臺(tái)(network simulator version 2)進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)區(qū)域?yàn)榫匦螀^(qū)域，面積為1000×1000 m2。由于移動(dòng)無(wú)線傳感網(wǎng)具有拓?fù)渥儎?dòng)較快的特性，針對(duì)待定位節(jié)點(diǎn)均將重復(fù)進(jìn)行10次定位過程，將10次定位結(jié)束后獲取的坐標(biāo)平均值視為標(biāo)準(zhǔn)結(jié)果，以便降低網(wǎng)絡(luò)拓?fù)漕l繁變動(dòng)所造成的定位誤差。傳感節(jié)點(diǎn)制式采用5G移動(dòng)通信模型，使用64ASP調(diào)制方式，其余實(shí)驗(yàn)參數(shù)見表1。另外，為了突出所提算法的先進(jìn)性，將當(dāng)前移動(dòng)無(wú)線傳感網(wǎng)領(lǐng)域中常用的基于跳數(shù)修正和改進(jìn)粒子群優(yōu)化DV-Hop定位算法[14](DV-Hop localization algorithm based on hop number modification and improved particle swarm optimization，HNM-IPS算法)、基于罰函數(shù)與水波優(yōu)化的WSN定位算法[15](WSN location algorithm based on penalty function and water wave optimization，PF-WWO算法)和基于三維離散混沌映射的無(wú)線傳感器網(wǎng)絡(luò)定位算法[16](A WSN positioning algorithm based on 3D discrete chaotic mapping，3D-DCM算法)作為對(duì)照組。

表1 仿真參數(shù)

實(shí)驗(yàn)開始后，通過統(tǒng)計(jì)各算法的定位精度及定位次數(shù)來(lái)客觀評(píng)價(jià)。定位精度測(cè)試過程中，考慮到多個(gè)待定位節(jié)點(diǎn)坐標(biāo)記錄在不同周期內(nèi)存在一定的變動(dòng)，因此將待定位節(jié)點(diǎn)設(shè)置為靜止?fàn)顟B(tài)，sink節(jié)點(diǎn)作為測(cè)量節(jié)點(diǎn)，沿矩形分布區(qū)域周圍以10 m/s的速度移動(dòng)并捕捉待定位節(jié)點(diǎn)坐標(biāo)，最終形成定位精度仿真記錄圖，其中錨節(jié)點(diǎn)保持靜止?fàn)顟B(tài)。定位次數(shù)測(cè)試過程中，sink節(jié)點(diǎn)和錨節(jié)點(diǎn)均保持靜止，待定位節(jié)點(diǎn)按不同速度進(jìn)行游走，達(dá)到某定位精度后即記錄其定位次數(shù)。

4.1 定位精度測(cè)試

圖7(a)為待定位節(jié)點(diǎn)實(shí)際分布，圖7(b)～圖7(d)為本文算法、HNM-IPS算法、PF-WWO算法在進(jìn)行10次定位后所測(cè)的坐標(biāo)分布結(jié)果。由圖可知，本文算法所測(cè)坐標(biāo)分布與待定位節(jié)點(diǎn)的實(shí)際分布契合度最高，而HNM-IPS算法、PF-WWO算法的所測(cè)坐標(biāo)分布均與待定位節(jié)點(diǎn)實(shí)際分布存在較大的偏離。這是由于本文算法設(shè)計(jì)了橢圓定位機(jī)制，將定位過程中的直線跳距進(jìn)行橢圓曲線化處理，可將直線架構(gòu)拓?fù)湫拚秊榫雀叩幕《然€拓?fù)?，特別是在處理過程中基于離心模式對(duì)橢圓弧邊進(jìn)行精度修正，可有效平滑待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)間所測(cè)拓?fù)滏溌?，降低測(cè)序過程中因弧度誤差而導(dǎo)致定位漂移現(xiàn)象的發(fā)生概率，因此具有較高的定位精度。HNM-IPS算法主要通過計(jì)算錨節(jié)點(diǎn)之間平均拓?fù)涠ㄎ惶鴶?shù)，并利用該跳數(shù)修正定位過程中出現(xiàn)的鄰域裁定誤差，沒有考慮所測(cè)距離存在的直線拓?fù)錅y(cè)距誤差，雖然采用粒子群方法來(lái)修正進(jìn)行定位誤差，但難以消除多跳環(huán)境中的測(cè)距誤差，特別是拓?fù)涓l繁時(shí)期誤差將更為明顯，因此其定位精度較低。PF-WWO算法采用動(dòng)態(tài)學(xué)習(xí)策略來(lái)優(yōu)化定位過程，并設(shè)計(jì)罰函數(shù)來(lái)記錄定位過程中性能較差節(jié)點(diǎn)坐標(biāo)，從而獲取信號(hào)強(qiáng)度較高的錨節(jié)點(diǎn)，然而該算法亦對(duì)移動(dòng)無(wú)線傳感環(huán)境存在的拓?fù)渥儎?dòng)考慮不夠，迭代過程中需要預(yù)設(shè)次數(shù)，難以對(duì)節(jié)點(diǎn)坐標(biāo)進(jìn)行精確匹配，因此所測(cè)鏈路在拓?fù)渥儎?dòng)頻繁時(shí)存在較高的劇烈變動(dòng)概率，導(dǎo)致直線拓?fù)渑c實(shí)際所測(cè)鏈路出現(xiàn)匹配困難的問題，因此定位精度難以進(jìn)一步提升，使得該算法定位精度亦要低于本文方法。3D-DCM算法主要采取最小二乘估計(jì)模式估測(cè)坐標(biāo)，從通信半徑及拓?fù)浣Y(jié)構(gòu)兩個(gè)方面優(yōu)化節(jié)點(diǎn)定位精度，且構(gòu)造三維離散混沌映射，將混沌優(yōu)化算法引入到定位誤差精度提高之中，一定程度上解決了節(jié)點(diǎn)移動(dòng)過程中出現(xiàn)的定位漂移現(xiàn)象。然而，該算法對(duì)節(jié)點(diǎn)運(yùn)動(dòng)速度方面限制性較高，特別是在三維離散混沌映射過程中嚴(yán)重依賴線性映射方法，使其僅能針對(duì)已定路徑上的節(jié)點(diǎn)進(jìn)行精度估計(jì)，因此，在拓?fù)涑霈F(xiàn)變動(dòng)時(shí)將因映射失效而導(dǎo)致精度會(huì)出現(xiàn)較大幅度下降，降低了節(jié)點(diǎn)坐標(biāo)匹配程度。

4.2 定位次數(shù)測(cè)試

圖8為本文算法與HNM-IPS算法、PF-WWO算法在達(dá)成相同定位精度時(shí)所花費(fèi)的定位次數(shù)的測(cè)試結(jié)果，其中，定位誤差數(shù)值越低說明定位精度也就越高。由圖可知，所提算法在達(dá)成相同定位精度條件下所耗費(fèi)的定位次數(shù)更短，說明本文算法具有很強(qiáng)的定位能力，對(duì)移動(dòng)無(wú)線傳感網(wǎng)高拓?fù)淞鲃?dòng)特性適應(yīng)能力更強(qiáng)。這是由于本文算法在弧度路徑析構(gòu)的基礎(chǔ)上，針對(duì)定位橢圓存在的半徑抖動(dòng)情形，設(shè)計(jì)了基于橢圓縱半徑跳數(shù)優(yōu)化的動(dòng)態(tài)測(cè)距機(jī)制，可迅速捕捉待定位節(jié)點(diǎn)，算法運(yùn)行過程中僅需要針對(duì)錨節(jié)點(diǎn)與傳感節(jié)點(diǎn)進(jìn)行遍歷并解析最小跳數(shù)，無(wú)需采用粒子群模式進(jìn)行多次迭代，因此具有定位次數(shù)較低的特點(diǎn)。HNM-IPS算法采用粒子群模式逐次迭代定位坐標(biāo)，迭代次數(shù)與定位精度具有顯著的正相關(guān)特性，當(dāng)定位精度難以滿足需求時(shí)需要頻繁迭代坐標(biāo)，因此達(dá)到相同定位精度所耗次數(shù)較高。PF-WWO算法所提罰函數(shù)機(jī)制雖然能夠增強(qiáng)待定位節(jié)點(diǎn)在定位過程中對(duì)錨節(jié)點(diǎn)的搜尋能力，然而由于該算法并未對(duì)移動(dòng)無(wú)線傳感環(huán)境中存在的多跳路徑進(jìn)行弧形優(yōu)化，因此對(duì)路徑適應(yīng)能力較低，使得達(dá)到相同定位精度所耗的次數(shù)要高于本文算法。3D-DCM算法從通信半徑及拓?fù)浣Y(jié)構(gòu)兩個(gè)方面對(duì)節(jié)點(diǎn)定位精度進(jìn)行提升，并采取最小二乘估計(jì)模式對(duì)坐標(biāo)進(jìn)行進(jìn)一步優(yōu)化。然而，該算法進(jìn)行定位過程中需要采集的樣本數(shù)較多，在拓?fù)浣Y(jié)構(gòu)變動(dòng)頻繁的情況下樣本精確度易出現(xiàn)下降，此外，該算法對(duì)網(wǎng)絡(luò)資源進(jìn)行優(yōu)化時(shí)單純依賴于能量因素，頻繁進(jìn)行映射過程中容易導(dǎo)致定位節(jié)點(diǎn)出現(xiàn)能量受限，致使出現(xiàn)重定位現(xiàn)象較為突出，使得在定位次數(shù)上要高于本文算法。

圖7 不同算法的定位精度

圖8 定位次數(shù)

5 結(jié)束語(yǔ)

為解決移動(dòng)傳感網(wǎng)在拓?fù)淞鲃?dòng)性較高情形下存在的定位精度不高、數(shù)據(jù)傳輸能力較差、抗干擾性較弱等不足，提出了一種基于雙焦點(diǎn)離心測(cè)距機(jī)制的移動(dòng)傳感網(wǎng)高效定位算法。通過設(shè)計(jì)橢圓定位機(jī)制，對(duì)直線拓?fù)溥M(jìn)行橢圓弧形優(yōu)化處理，提高測(cè)距過程中的首次定位精度。隨后，通過橢圓覆蓋范圍來(lái)應(yīng)對(duì)網(wǎng)絡(luò)拓?fù)渥儎?dòng)頻繁的情形，從而解決因拓?fù)錅y(cè)距失真而導(dǎo)致定位精度下降的問題，提高節(jié)點(diǎn)頻繁移動(dòng)情形下的定位效率。

下一步，將針對(duì)本文算法對(duì)立體傳感網(wǎng)絡(luò)適應(yīng)性不足的問題，擬引入超流體拓?fù)湓u(píng)估方式，將定位橢圓擴(kuò)充為基于三維曲面機(jī)制的立體定位橢球，以便能夠適用于諸如無(wú)人機(jī)、戰(zhàn)術(shù)數(shù)據(jù)鏈組網(wǎng)等實(shí)際應(yīng)用場(chǎng)景，進(jìn)一步提高本文算法的部署價(jià)值。