王偉萍

關(guān)鍵詞：無(wú)線(xiàn)傳感網(wǎng)絡(luò)；節(jié)點(diǎn)定位；遺傳算法；通信半徑

0引言

在無(wú)線(xiàn)通信技術(shù)不斷革新的進(jìn)程中，科技飛速發(fā)展，近距離無(wú)線(xiàn)組網(wǎng)及低功耗技術(shù)發(fā)揮的作用越來(lái)越大，推動(dòng)了社會(huì)經(jīng)濟(jì)發(fā)展。在定位節(jié)點(diǎn)時(shí)，根據(jù)是否需要進(jìn)行節(jié)點(diǎn)距離測(cè)試，定位算法被劃分為兩種：無(wú)距離測(cè)試和有距離測(cè)試。在完成定位運(yùn)算的過(guò)程中，硬件性能需要達(dá)到一定標(biāo)準(zhǔn)，但這樣會(huì)導(dǎo)致成本大幅增加，因此有必要探究如何高效率完成定位運(yùn)算。

由于通信半徑每跳距離的偏差過(guò)大，因此選取不定形（Amorphous）算法對(duì)定位誤差的差異性進(jìn)行重點(diǎn)探討。為保證Amorphous算法定位狀態(tài)的精確度更高，依次處理并優(yōu)化了節(jié)點(diǎn)總數(shù)、通信半徑及錨節(jié)點(diǎn)數(shù)量等參數(shù)。通過(guò)Amorphous算法可降低定位誤差，但實(shí)用性不高。胡偉等提出基于Amorphous算法的遺傳一禁忌搜索算法（improvedamorphous genetic-algorithm tabu-search location，IAmorphous-GATS），利用遺傳禁忌搜索算法優(yōu)化初始解得到未知節(jié)點(diǎn)的最優(yōu)位置，提高了未知節(jié)點(diǎn)的定位精度。宋海聲等在利用Amorphous算法離線(xiàn)計(jì)算網(wǎng)絡(luò)平均連通度的基礎(chǔ)上，建立了閾值模型來(lái)降低Amorphous算法在不同通信模型下的定位誤差。

本文在遺傳算法（genetic algorithm，GA）搜索定位基礎(chǔ)上結(jié)合AmorDhous算法，設(shè)計(jì)了一種無(wú)線(xiàn)傳感網(wǎng)絡(luò)節(jié)點(diǎn)Amorphous-GA搜索定位算法，并對(duì)其開(kāi)展性能分析。

1Amorphous-GA搜索定位算法

1.1Amorphous算法改進(jìn)

在應(yīng)用Amorphous算法的過(guò)程中無(wú)須測(cè)試距離，未知節(jié)點(diǎn)方位可通過(guò)節(jié)點(diǎn)之間的最低跳數(shù)進(jìn)行估算。具體操作流程為：先計(jì)算節(jié)點(diǎn)與未知節(jié)點(diǎn)間的最小跳數(shù)，之后通過(guò)錨節(jié)點(diǎn)向無(wú)線(xiàn)傳感網(wǎng)絡(luò)的鄰居節(jié)點(diǎn)傳輸跳數(shù)。

在應(yīng)用Amorphous算法時(shí)，以節(jié)點(diǎn)距離為計(jì)算結(jié)果，在運(yùn)算未知節(jié)點(diǎn)間位置的過(guò)程中容易產(chǎn)生較大誤差。例如，0節(jié)點(diǎn)通信范圍內(nèi)同時(shí)存在P、Q兩個(gè)節(jié)點(diǎn)，同時(shí)QO與PO不同，兩個(gè)節(jié)點(diǎn)距O節(jié)點(diǎn)的距離差距較大。這種情況下通常會(huì)作為一跳完成計(jì)算，默認(rèn)QO與PO的數(shù)值相等。在無(wú)線(xiàn)傳感網(wǎng)絡(luò)運(yùn)行中也會(huì)產(chǎn)生此類(lèi)問(wèn)題。本文對(duì)Amorphous算法進(jìn)行了改進(jìn)。按照強(qiáng)度不同將信號(hào)劃分為多個(gè)區(qū)間，然后對(duì)特定節(jié)點(diǎn)信號(hào)強(qiáng)度進(jìn)行測(cè)試。該過(guò)程需要在40～80dBm內(nèi)劃分信號(hào)強(qiáng)度區(qū)間，然后分別用0.8、1設(shè)定40～50dBm、50～60dBm內(nèi)的跳數(shù)，該方法同樣適用于其他情況。

1.2Amorphous-GA搜索定位算法

搜索優(yōu)化時(shí)采取GA方式，同時(shí)按照兩個(gè)流程實(shí)施Amorphous算法：先計(jì)算未知節(jié)點(diǎn)的初始值；按照人工智能算法優(yōu)化前期獲取的初始解。Amorphous-GA搜索定位算法流程如圖1所示。首先，利用Amorphous算法并結(jié)合錨節(jié)點(diǎn)坐標(biāo)獲取未知節(jié)點(diǎn)坐標(biāo)，節(jié)點(diǎn)數(shù)據(jù)為GA最初輸入值。其次，GA是否終止通過(guò)初始坐標(biāo)適應(yīng)度進(jìn)行判斷。滿(mǎn)足終止條件后立即輸出結(jié)果，不符合則按后續(xù)處理流程對(duì)結(jié)果進(jìn)行選擇與交叉操作。最后，根據(jù)輸出結(jié)果形成候選集，分析藐視準(zhǔn)則是否符合情況。在滿(mǎn)足藐視準(zhǔn)則的情況下，禁忌表立即完成更新，用當(dāng)前解代替最優(yōu)解；若不滿(mǎn)足則需細(xì)致分析候選解的屬性，同時(shí)將當(dāng)前解用包含非禁忌對(duì)象的解代替，更新禁忌表。按上述流程完成處理后，再判斷結(jié)果是否滿(mǎn)足GA終止條件。若滿(mǎn)足則返回到上一步；若不滿(mǎn)足則采取循環(huán)處理方式，直至滿(mǎn)足終止條件。

2仿真分析

2.1仿真環(huán)境

為了驗(yàn)證本文算法在實(shí)際操作中的應(yīng)用效果，利用MATLAB軟件對(duì)本文算法在實(shí)際操作過(guò)程中的運(yùn)行效果進(jìn)行驗(yàn)證，重點(diǎn)仿真測(cè)試Amorphous-GA搜索定位算法。迭代運(yùn)算次數(shù)共100次，禁忌表長(zhǎng)度與交叉概率的數(shù)值分別為10和0.6。使用歸一化定位誤差比較不同算法的定位性能。

2.2仿真實(shí)驗(yàn)與分析

在不同錨節(jié)點(diǎn)比例的條件下，對(duì)不同算法的性能展開(kāi)測(cè)試，控制節(jié)點(diǎn)總數(shù)為100個(gè)，覆蓋的通信半徑為30mo不同通信半徑下的算法性能變化如圖2所示，在錨節(jié)點(diǎn)比例增加后定位誤差大幅降低，定位精度得到顯著提升。設(shè)置錨節(jié)點(diǎn)比例大于30%時(shí)，能夠獲得較小的定位誤差，之后趨于穩(wěn)定。在錨節(jié)點(diǎn)比例增長(zhǎng)的條件下，未知節(jié)點(diǎn)與錨節(jié)點(diǎn)間的跳數(shù)降低，導(dǎo)致不同節(jié)點(diǎn)間的距離差持續(xù)降低，整體誤差得到有效控制。分析對(duì)比仿真測(cè)試結(jié)果得出，在錨節(jié)點(diǎn)比例達(dá)到30%時(shí)，采取Amorphous-GA搜索定位算法得到的定位誤差穩(wěn)定性更高。相較于移動(dòng)錨節(jié)點(diǎn)（moving anchor node，MAN）定位算法和Amorphous定位算法，優(yōu)化未知節(jié)點(diǎn)信息的速率可通過(guò)Amorphous-GA搜索定位算法得到有效提升，搜索定位效果更佳，定位誤差也更小。

2.3算法復(fù)雜度分析

離線(xiàn)網(wǎng)絡(luò)連通度主要通過(guò)Amorphous算法獲取，進(jìn)而完成閾值分析模型的設(shè)置，并分析每個(gè)通信模型的定位誤差，這個(gè)過(guò)程有利于定位誤差的大幅下降，然而實(shí)現(xiàn)過(guò)程相對(duì)復(fù)雜。為了有效控制本文算法在運(yùn)行過(guò)程中占用的資源，分析了不同算法運(yùn)行時(shí)間和定位精度誤差。如表1所示，3種算法的運(yùn)行時(shí)間差異不明顯，但Amorphous-GA搜索定位算法精度誤差最小，即使受到了通信半徑的影響。可見(jiàn)具有很大的應(yīng)用準(zhǔn)確性和適應(yīng)范圍。

3結(jié)論

本文研究了無(wú)線(xiàn)傳感網(wǎng)絡(luò)節(jié)點(diǎn)Amorphous-GA搜索定位算法的性能，結(jié)果如下。

（1）定位精度在錨節(jié)點(diǎn)比例增加后得到顯著提升，定位誤差大幅降低，設(shè)置錨節(jié)點(diǎn)比例大于30%能夠獲得較小的定位誤差。

（2）在錨節(jié)點(diǎn)比例為30%時(shí)，采取Amorphous-GA搜索定位算法得到的定位誤差的穩(wěn)定性更高。相較于傳統(tǒng)定位算法，Amorphous-GA的搜索定位效果更佳，定位誤差也更小。

該研究有助于提高網(wǎng)絡(luò)信號(hào)控制精度，但異常數(shù)據(jù)處理方面仍存在計(jì)算冗長(zhǎng)問(wèn)題，未來(lái)可引入深度學(xué)習(xí)算法進(jìn)行深入研究。