一種鯨魚優(yōu)化算法改進的加權質(zhì)心定位算法

馬宏光 曾國輝 韋鈺

摘 要：針對加權質(zhì)心定位算法受RSSI測距誤差影響導致定位結(jié)果不理想的問題，提出一種鯨魚優(yōu)化算法改進的加權質(zhì)心算法，利用鯨魚優(yōu)化算法的快速收斂、不易陷入局部最優(yōu)等優(yōu)勢對加權質(zhì)心算法定位結(jié)果進行優(yōu)化。首先，通過加權質(zhì)心算法計算待測點位置;其次，根據(jù)錨節(jié)點位置信息、RSSI測距信息及待測點位置信息建立適應度函數(shù);最后，利用鯨魚優(yōu)化算法不斷迭代尋優(yōu)，對待測點定位結(jié)果進行優(yōu)化，以提高定位精度。在通信半徑相同、錨節(jié)點數(shù)為30的條件下，改進后的定位算法定位精度為0.58m，而粒子群加權質(zhì)心算法與人工魚群加權質(zhì)心算法定位精度分別為0.64m和0.62m，且隨著錨節(jié)點個數(shù)的增加或通信半徑的增大，改進后的定位算法仍能獲得更高的定位精度。因此，改進后的定位算法精度更高，具有一定可行性。

關鍵詞：室內(nèi)定位;RSSI;加權質(zhì)心;鯨魚優(yōu)化算法;定位誤差

DOI：10. 11907/rjdk. 191833 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP312文獻標識碼：A 文章編號：1672-7800（2020）005-0061-04

0 引言

隨著Wi-Fi的逐漸普及，Wi-Fi定位系統(tǒng)在室內(nèi)環(huán)境中也得到了廣泛應用?；诮邮招盘枏姸鹊亩ㄎ环椒ǎ≧SSI）已成為室內(nèi)主流定位方法[1]，其具有成本低、覆蓋范圍廣、算法簡單且無需添加或修改硬件等優(yōu)勢[2-4]。該方法利用信號強度與距離的關系進行測距，計算待測點與錨節(jié)點間的距離。通常情況下需要3個錨節(jié)點，利用3個錨節(jié)點圓形成的相交區(qū)域，采用加權質(zhì)心算法進行定位即可得到待測點位置信息。但其缺點在于信號傳輸極易受室內(nèi)環(huán)境影響，導致RSSI測量誤差大，從而使加權質(zhì)心定位算法定位誤差隨著測距誤差的增大而增大[5-7]。

近年來，學者們提出不同方法以解決定位精度問題，但并沒有形成統(tǒng)一方案。如文獻[8]提出一種將粒子群與引力搜索相結(jié)合的改進加權質(zhì)心算法，有效提高了定位精度;文獻[9]提出一種基于人工魚群的改進加權質(zhì)心算法，定位結(jié)果穩(wěn)定性好、精度高?？梢姡弥悄芩惴梢蕴岣呒訖噘|(zhì)心算法定位精度，但這些智能算法都存在易陷入局部極小的缺陷。

因此，本文提出一種鯨魚優(yōu)化算法對加權質(zhì)心算法進行優(yōu)化，用加權質(zhì)心定位算法得出的結(jié)果約束鯨魚優(yōu)化算法的種群初始范圍和迭代過程，利用鯨魚優(yōu)化算法的快速收斂與易跳出局部最優(yōu)的特性對定位結(jié)果進行迭代尋優(yōu)，并通過仿真得出優(yōu)化后的結(jié)果，驗證所提出方法的可行性。

1 RSSI測距原理

RSSI表示無線通信中，接收端節(jié)點接收到從傳輸節(jié)點發(fā)送信號強度的對數(shù)，以dBm計量，通常情況下RSSI為負值[10]。

當無線設備天線向各個方向均勻發(fā)射無線電波時，距離D米處無線電波功率密度與半徑球表面積成反比。因此，當無線電波傳輸功率為P時，距離D處的接收功率[PD]表示如下：

其中，D為距離（m），RSSI為實測RSSI（dBm），[RSSI0]為單位RSSI（dBm），N為RSSI衰減常數(shù)。當3個或多個錨節(jié)點接收到無線電波時，可根據(jù)每個RSSI值計算距離估計其相對位置。從RSSI到錨節(jié)點a1、a2、a3的距離分別用r1、r2、r3表示。在理想情況下，三圓必交于一點，但在實際情況下，由于環(huán)境干擾、測量誤差等因素，三圓相交于一個公共區(qū)域，待測點即處在其中某一位置，利用相應算法進行計算，即可得出較為精確的估計位置[11]。目前最常用的算法為加權質(zhì)心算法[12-14]。RSSI位置估計原理如圖1所示。

2 加權質(zhì)心算法

質(zhì)心算法原理是將3個錨節(jié)點圓重疊部分的質(zhì)心作為估計位置，具體做法為根據(jù)3個錨節(jié)點位置及對應錨節(jié)點圓聯(lián)立方程，可解得3個圓重疊部分的3個交點坐標，3個交點連線形成的三角形質(zhì)心即為估計位置[15]。由于距離錨節(jié)點越近，所受到環(huán)境干擾越小，得出的結(jié)果也越精確，因此傳統(tǒng)加權質(zhì)心常采用距離和的倒數(shù)作為權重對估計位置坐標進行加權，使得結(jié)果更加精確[16]。具體方法如下：假設3個圓交點坐標分別為A（x1，y1）、B（x2，y2）、C（x3，y3），則加權質(zhì)心估計位置（x，y）計算公式如式（6）、式（7）所示。

3 本文定位算法

3.1 基于鯨魚優(yōu)化算法改進加權質(zhì)心算法

鯨魚優(yōu)化算法（Whale Optimization Algorithm，WOA）是通過模擬自然界鯨魚捕食行為而開發(fā)出的一種尋優(yōu)算法[17-18]，主要分為搜索獵物、包圍獵物與捕食獵物3種行為，分別對應3種不同的位置更新方程。具體位置更新過程如下：

（1）搜索獵物。在該過程中，鯨魚隨機覓食，即從鯨魚種群中隨機選擇個體進行位置更新，具體更新方程如式（8）、式（9）所示。

3.2 鯨魚優(yōu)化加權質(zhì)心算法

WOA算法具有跳出局部最優(yōu)的能力，且調(diào)節(jié)參數(shù)較少、易于實現(xiàn) [19-21]。在精度與收斂速度優(yōu)化方面，WOA 算法明顯優(yōu)于粒子群優(yōu)化算法與引力搜索算法等一些群體智能算法[22-24]。因此，本文將WOA算法用于優(yōu)化加權質(zhì)心算法。

假設待測點一共可以收到m個錨節(jié)點的RSSI值，根據(jù)公式（5）可以得出m個距離，記為d1，d2，[？]，dm。利用式（6）、式（7）可計算出待測點坐標。由于從實際環(huán)境中獲取的信標與RSSI存在誤差，但在定位過程中，誤差是不可避免的[25]，因此可將定位看作尋找最小誤差的過程，最小誤差如式（17）所示。

4 算法仿真分析

4.1 仿真環(huán)境與參數(shù)

通過MATLAB R2016b在100m×100m區(qū)域內(nèi)隨機分布錨節(jié)點與待測節(jié)點，設總節(jié)點數(shù)為80個。采用粒子群算法（PSO）、人工魚群算法（AFSA）與鯨魚優(yōu)化算法（WOA）分別對加權質(zhì)心定位算法進行優(yōu)化。

3種算法總迭代次數(shù)均為100次，種群數(shù)均為50，種群范圍限制在式（6）、式（7）計算出的待測點坐標附近一定范圍內(nèi)。選取整數(shù)[μ]作為調(diào)節(jié)因子以調(diào)節(jié)范圍，則種群坐標范圍[x∈（x-μ，x+μ），y∈（y-μ，y+μ）]。粒子群算法與人工魚群算法按照文獻[8]、[9]進行相關參數(shù)設置。

4.2 結(jié)果分析

設通信半徑為30m，如圖3所示，隨著錨節(jié)點數(shù)量增多，3種算法定位誤差均有所降低，但基于WOA算法優(yōu)化的質(zhì)心定位算法定位誤差更低。即與另外兩種定位算法相比，在通信半徑相同時，基于WOA算法優(yōu)化的質(zhì)心定位算法可在錨節(jié)點數(shù)量更少的情況下得到相同的定位效果，從而節(jié)約硬件成本。

5 結(jié)語

本文通過鯨魚優(yōu)化算法優(yōu)化加權質(zhì)心算法，并將提出的改進算法與傳統(tǒng)粒子群質(zhì)心定位算法及魚群質(zhì)心定位算法進行對比。仿真結(jié)果表明，本文提出的改進算法是有效、可行的，且精度更高。但改進算法的計算量相對較大，在實際應用中還需要對其作進一步優(yōu)化。

參考文獻：

[1] 鄧昶，官洪運，張慧，等. 基于RSSI測距補償室內(nèi)定位技術[J]. 電子科技，2015，28（7）：108-110，114.

[2] 王樂，劉萬青，黃觀文，等. RSSI測距在藍牙室內(nèi)定位抗差算法中的應用[J]. 導航定位與授時，2019，6（3）：82-87.

[3] 陶佳峰，楊曉洪，王劍平， 等. 基于RSSI的室內(nèi)測距模型優(yōu)化技術[J]. 傳感器與微系統(tǒng)，2017，36（1）：24-26，30.

[4] 裴凌，劉東輝，錢久超. 室內(nèi)定位技術與應用綜述[J]. 導航定位與授時，2017，4（3）：1-10.

[5] 路澤忠，盧小平，付睢寧，等. 一種改進的RSSI加權質(zhì)心定位算法[J]. 測繪科學，2019，44（1）：26-31.

[6] 鄒勝男. 基于RSSI測距的室內(nèi)定位算法研究與實現(xiàn)[D]. 南京：南京信息工程大學，2017.

[7] ZHAO C，WANG B. A MLE-PSO indoor localization algorithm based on RSSI[C]. ?2017 36th Chinese Control Conference （CCC），2017： 6011-6015.

[8] 謝國民，劉葉，付華，等. 基于PSO-GSA優(yōu)化的井下加權質(zhì)心人員定位算法[J]. 計算機應用研究，2017，34（3）：710-713.

[9] 汪晨，張玲華. 基于人工魚群算法的改進質(zhì)心定位算法[J]. 計算機技術與發(fā)展，2018，28（5）：103-106.

[10] 姜穆元，汪毓鐸. 基于RSSI無線傳感器網(wǎng)絡改進加權質(zhì)心算法[J]. 科技通報，2018，34（10）：144-148.

[11] RU L，ZHANG L. A weighted centroid localization algorithm for wireless sensor ?networks based on weight correction[C]. 2017 9th International Conference on Advanced Infocomm Technology （ICAIT）， 2017：165-169.

[12] 陳燕，楊永雙. 無線傳感器網(wǎng)絡加權質(zhì)心定位算法改進研究[J]. 軟件導刊，2017，16（4）：41-43.

[13] 賈銀山，曾帥斌，王璟. 一種基于優(yōu)化RSSI精度的加權質(zhì)心定位算法[J]. 計算機應用與軟件，2017，34（11）：162-165.

[14] 艾華，李艷. 基于RSSI測距濾波優(yōu)化的加權質(zhì)心定位算法[J]. 計算機工程與設計，2017，38（10）：2631-2635.

[15] 王春. 基于RSSI測距的室內(nèi)無線定位技術的研究[D]. 淮南：安徽理工大學，2017.

[16] 白夢如，徐釗，鄭紅黨. 基于RSSI修正加權質(zhì)心的定位算法[J]. 計算機系統(tǒng)應用，2017，26（2）：124-128.

[17] 褚鼎立，陳紅，王旭光. 基于自適應權重和模擬退火的鯨魚優(yōu)化算法[J]. 電子學報，2019，47（5）：992-999.

[18] MIRJALILI S，LEWIS A. The whale optimization algorithm[J]. Advances in Engineering Software， 2016， 95：51-67.

[19] 張倩云. 基于鯨魚優(yōu)化算法的港口吞吐量預測及其模糊評價[D]. 蘭州：蘭州大學，2018.

[20] AHMED A S. Comparison between genetic algorithm and whale optimization algorithm in fault location estimation in power systems[C]. ?2017 Nineteenth International Middle East Power Systems Conference （MEPCON）， 2017：631-637.

[21] 凌穎. ?鯨魚優(yōu)化算法及其應用研究[D]. ?南寧：廣西民族大學，2018.

[22] ZHENG Y. A novel hybrid algorithm for feature selection based on whale optimization algorithm[J]. IEEE Access，2019，7：14908-14923.

[23] 滕德云，滕歡，潘晨， 等. 基于鯨魚優(yōu)化算法的無功優(yōu)化調(diào)度[J]. 電測與儀表，2018，55（24）：51-58.

[24] ZHANG Q，LIU L. Whale optimization algorithm based on lamarckian learning for global optimization problems[J]. IEEE Access， 2019，7：36642-36666.

[25] 王儉，張軒雄. 基于RSSI測距模型優(yōu)化算法研究[J]. 軟件導刊，2017，16（10）：64-67.

（責任編輯：黃 ?。?/p>