文摘gydF4y2Ba

定位技术是构建一个智能建筑的基本要求和智能城市。这是最重要的一个无线传感器网络技术(网络)。然而,当网络部署在恶劣的室内环境中,障碍会导致视线范围(仿真结果)传播。此外,仿真结果传播会严重降低定位精度。在本文中,我们提出一个基于残留分析的仿真结果定位方法来减少仿真结果误差的影响。到达时间(TOA)测量模型用于估算的距离。然后,仿真结果测量是通过残留分析方法确定的。最后,本文运用《测量建立本地化的目标函数,提出了收缩因子的粒子群优化(PSO-C)方法来计算未知节点的位置。仿真结果表明,该方法不仅有效地识别洛杉矶/仿真结果传播条件,还减少了仿真结果误差的影响。gydF4y2Ba

1。介绍gydF4y2Ba

微机电系统(MEMS)技术的快速发展,传感器技术、无线通信、低功耗嵌入式技术的进步和发展无线传感器网络(网络)。网络由大量廉价的微传感器节点部署在监测区域。传感器节点通过自组织和多次反射通信连接到对方(gydF4y2Ba1gydF4y2Ba]。传感器节点由传感器、数字处理单元、无线通信模块和电源模块。他们可以合作意义上,收集和处理信息的感知对象在监控区域,然后将信息发送到汇聚节点。网络广泛应用于交通管理、环境监测、医疗保健网络,物流管理等领域和人们的社会生活产生深远的影响gydF4y2Ba2gydF4y2Ba]。gydF4y2Ba

轮为最重要的一个问题是定位技术(gydF4y2Ba3gydF4y2Ba]。定位技术是构建一个智能建筑的基本要求和智能城市。WSN-based定位方法可分为基于范围定位方法和range-free定位方法。在基于范围的定位方法,不同的定位测量技术可分为到达时间(TOA),到达时差(辐射源脉冲),接收信号强度(RSS),到达角(AOA)。range-free定位方法不需要测量节点间的距离或角度(gydF4y2Ba4gydF4y2Ba]。这些方法可以估计位置基于网络连接和历史的分布测量。range-free定位方法可分为多次反射estimation-based定位和模式matching-based本地化。gydF4y2Ba

对于TOA-based定位方法,信号速度是提前知道。测量信号的旅行时间从信标节点对未知节点,两个节点之间的距离等于信号速度和旅行时间的乘积。然而,这种方法需要两个节点之间的高精度时间同步。作为光同步误差可以显著影响测距误差。因此,TOA方法需要额外的硬件,确保时间同步。目标辐射源的方法需要两个不同的接收器在一个节点,节点可以与不同的速度传输两个信号在同一时间。估计通过测量两个信号的到达时间的距离信标节点和未知节点之间的区别。辐射源脉冲方法的时间精度的要求低于TOA方法,但它仍然具有较高的硬件要求。RSS的方法是最便宜的方法之一来定位一个未知节点,因为它不需要额外的硬件。RSS方法测量信号功率损耗值从一个信标节点到未知节点,它将功率损耗值转换为通过信号传播模型的距离。 The AOA method measures and calculates the angles between beacon nodes and an unknown node and then estimates the position of the unknown node based on the angle between two nodes.

在本文中,我们探讨TOA-based定位法在室内环境。障碍会导致仿真结果传播在恶劣的室内环境中,和定位的准确性将大幅下降。我们首先提出一种基于残留分析的仿真结果识别方法。传播条件可以被识别。然后,建立了定位目标函数使用《测量。此外,收缩因子的粒子群优化方法,提出了寻找定位函数的最优解。最优解是未知节点的估计位置。给出了本文的主要贡献如下:gydF4y2Ba(1)gydF4y2Ba仿真结果证明方法不需要先验知识的仿真结果错误。此外,它可以识别仿真结果测量当洛测量的数量大于仿真结果测量的数量。gydF4y2Ba(2)gydF4y2Ba该仿真结果修正方法可以减轻仿真结果误差的影响。gydF4y2Ba(3)gydF4y2Ba该方法不仅使用TOA测量但也使用其他信号辐射源和RSS容易等特性。因此,它不受制于不同的物理测量技术。gydF4y2Ba

剩下的纸是组织如下。部分gydF4y2Ba2gydF4y2Ba分析了网络仿真结果定位技术。部分gydF4y2Ba3gydF4y2Ba介绍了仿真结果提出了识别方法基于残留分析和基于智能优化算法的定位方法。节gydF4y2Ba4gydF4y2Ba,并给出了该算法的仿真结果,并分析了算法的性能。中给出的结论部分gydF4y2Ba5gydF4y2Ba。gydF4y2Ba

与传统的定位系统相比,WSN-based定位系统可以快速部署和能适应各种恶劣的环境条件。他们有低功耗的特点,低成本,强大的可扩展性。此外,全球定位系统(GPS)技术,是目前广泛使用的,具有高能源消耗的特点,高成本,大量与网络(gydF4y2Ba5gydF4y2Ba]。因此,WSN-based定位系统具有广泛的应用前景,可以应用于环境监测、医疗保健网络,军事应用,目标跟踪,智能交通管理等领域。WSN-based定位技术的发展促进了工业革命,影响人们的社会生活。gydF4y2Ba

因为WSN定位技术的显著优势,研究人员和设计师都更关注和投入更多的努力来提高定位精度。在[gydF4y2Ba6gydF4y2Ba),剩余的测试方法提出了确定数量的洛杉矶和识别同步传播条件。这种方法可以识别与高精度的仿真结果。在[gydF4y2Ba7gydF4y2Ba),作者提出了一种路由算法,广泛应用于集中基于范围定位方案。实验结果表明,该算法提供了较低的估算距离估计误差。然而,该算法需要大量的计算。小说定位算法基于一个近似凸分解(ACDL)提出了gydF4y2Ba8gydF4y2Ba]。它只依赖于网络连接信息。节点之间的跳数距离可以提供一个好的近似欧氏距离。在[gydF4y2Ba9gydF4y2Ba),作者设计一个与孤立点检测的定位方法,和范围大的错误可以被淘汰之前明确计算的位置。然而,该方法必须定义可核查的图中所有边都应该可核查。获得一个低复杂度,作者提出了一个修改的梯度下降法和准确multilateration为无线传感器网络定位算法(gydF4y2Ba10gydF4y2Ba]。只有当利用RSSI估计节点之间的距离,该算法可以获得更好的收敛性能和较低的计算负载的存在显著误差范围。gydF4y2Ba

在实际的室内环境中仿真结果传播无处不在。仿真结果传播贡献积极的额外的过度延迟测量值。仿真结果错误定位误差的主要来源。提高定位精度在实际条件下,仿真结果识别和缓解的方法被广泛研究。剩余权重算法(Rwgh)提出了gydF4y2Ba11gydF4y2Ba]。最小二乘估计的残差平方和作为指示器显示节点坐标计算的准确性。最小二乘多点位置是应用于所有可能的组合测量的距离。然后,作者计算估计位置和使用它的加权组合这些中间的估计。RANSAC算法是一种迭代方法来估计测量的位置从一组包含仿真结果误差(gydF4y2Ba12gydF4y2Ba]。产生合理的结果只有一个特定的概率,所以RANSAC在这个意义上是一种不确定算法。概率可以增加更多的迭代。在[gydF4y2Ba13gydF4y2Ba),作者提出了一个分布式多模估计同步定位和跟踪(百叶)仿真结果缓解。指数增长的条款进行集中多模估计的困难是可以克服的,如果融合在一个分布式的方式进行。一个仿真结果缓解技术提出了基于凸优化SDP (gydF4y2Ba14gydF4y2Ba]。尤其是在严重的仿真结果环境,提出的SDP估计量明显优于其他算法。在[gydF4y2Ba15gydF4y2Ba),一种新颖的算法,作者解决仿真结果传播。该算法只取决于从接收到的波形中提取的特性。此外,不需要制定一个明确的统计模型的特性。gydF4y2Ba

3所示。系统和测距模型描述gydF4y2Ba

在本节中,我们首先分析了TOA测量模型在洛杉矶和仿真结果传播条件下,分别。然后,我们提出一种基于残留分析的仿真结果识别方法,根据仿真结果误差的特点。最后,我们改进现有的仿真结果定位方法通过使用收缩因子的粒子群优化。gydF4y2Ba

3.1。TOA测量模型gydF4y2Ba

TOA方法测量信号的旅行时间从信标节点对未知节点。的真实距离TOA建模如下:gydF4y2Ba 在哪里gydF4y2Ba 的速度信号,gydF4y2Ba 两个节点之间的距离,gydF4y2Ba 的旅行时间是两个节点之间的信号。gydF4y2Ba

因为旅行时间gydF4y2Ba 不能完全同步在LOS传播条件,它包括测量误差。时间TOA估计如下(gydF4y2Ba16gydF4y2Ba]:gydF4y2Ba 在哪里gydF4y2Ba 是真正的旅行时间的两个节点之间的信号;gydF4y2Ba 是测量误差和方差建模为零均值白高斯过程吗gydF4y2Ba 。gydF4y2Ba之间的距离gydF4y2Ba th信标节点和未知节点在LOS传播条件如下gydF4y2Ba17gydF4y2Ba]:gydF4y2Ba 在哪里gydF4y2Ba 是真正的两个节点之间的距离;gydF4y2Ba 是测量误差和方差建模为零均值白高斯过程吗gydF4y2Ba 。gydF4y2Ba

在实际条件下,障碍物的存在会导致仿真结果的条件。这些障碍会承认的正误差分量估计距离。考虑到仿真结果错误,之间的距离gydF4y2Ba th信标节点和未知节点在建模仿真结果传播条件如下gydF4y2Ba18gydF4y2Ba,gydF4y2Ba19gydF4y2Ba]:gydF4y2Ba 在哪里gydF4y2Ba 是仿真结果错误,它是积极的偏移误差,然后呢gydF4y2Ba 均匀分布(gydF4y2Ba )。因为仿真结果误差和测量误差的原因是不同的,仿真结果误差被认为是独立的测量误差gydF4y2Ba20.gydF4y2Ba]。gydF4y2Ba

图gydF4y2Ba1gydF4y2Ba显示了累积分布函数(CDF)的测量噪声和仿真结果错误。测量噪声gydF4y2Ba 服从高斯分布,即gydF4y2Ba 。仿真结果误差均匀分布和高斯分布,也就是说,gydF4y2Ba 和gydF4y2Ba 。gydF4y2Ba


图1gydF4y2Ba
提供的测量噪声和仿真结果错误。gydF4y2Ba
3.2。一个基于残留分析仿真结果的识别方法gydF4y2Ba

仿真结果传播无处不在在实际条件和对测量有很大影响。获得更精确的测量,方法减少的影响,仿真结果错误承认必须考虑定位精度。仿真结果误差与测量误差相比具有明显的特点:(1)仿真结果误差总是正的。(2)仿真结果的标准差的距离测量传播条件比在美国传播的条件。(3)仿真结果误差展品高随机性。gydF4y2Ba

考虑到仿真结果误差的特点,仿真结果识别方法基于残留分析可以用来确定和消除仿真结果的测量。残留分析方法的基本方法可以表示如下:gydF4y2Ba

步骤1。gydF4y2Ba有gydF4y2Ba 不同信标节点。结合这些信标节点提供的测量。gydF4y2Ba 距离测量的不同组合可以获得。gydF4y2Ba

步骤2。gydF4y2Ba使用最大似然方法来计算每个组合的估计位置。的估计位置gydF4y2Ba th组合是gydF4y2Ba 。gydF4y2Ba最大似然法的细节如附件所示。计算每个测量的残余如下:gydF4y2Ba 在哪里gydF4y2Ba 未知节点的距离吗gydF4y2Ba th信标节点gydF4y2Ba 的坐标吗gydF4y2Ba 信标节点。gydF4y2Ba

步骤3。gydF4y2Ba积累的残差测量如下:gydF4y2Ba

我们可以获得gydF4y2Ba 累积的残差gydF4y2Ba 。gydF4y2Ba

步骤4。gydF4y2Ba这种累积残差由大变小;最大残余的测量可以被视为仿真结果测量。gydF4y2Ba

通过以上步骤,我们可以确定仿真结果的测量,其余的测量可以被看作是测量在LOS传播条件。gydF4y2Ba

3.3。PSO与收缩的因素定位方法gydF4y2Ba

测量的概率密度函数在一个洛杉矶条件可以表示如下(gydF4y2Ba21gydF4y2Ba]:gydF4y2Ba 在哪里gydF4y2Ba 是衡量一个信标节点的距离未知节点,gydF4y2Ba 是真正的距离gydF4y2Ba th信标节点和未知节点,gydF4y2Ba 的坐标吗gydF4y2Ba th信标节点gydF4y2Ba 是真正的未知节点的位置。我们使用《测量建立目标函数如下:gydF4y2Ba 在哪里gydF4y2Ba 是洛杉矶的数量测量。gydF4y2Ba

直接解决位置功能,不仅需要大量的计算,但找到一个解析解也遇到了困难。因此,我们使用一个收缩因子的粒子群优化(PSO-C)方法来确定最优的解决方案。算法是基于模拟社会互动的简化模型。算法很容易实现,不需要梯度信息,所以它广泛应用于科学研究和工程实践。gydF4y2Ba

该算法的基本原理如下:假设一群包括gydF4y2Ba 粒子。搜索空间是一个gydF4y2Ba - - - - - -gydF4y2Ba维向量。的位置gydF4y2Ba 粒子群中gydF4y2Ba 。速度是gydF4y2Ba 。有经验的最好一个粒子的位置gydF4y2Ba ,在那里gydF4y2Ba 。群中的所有粒子的经验的最佳位置gydF4y2Ba 。粒子的位置和速度变化根据方程如下:gydF4y2Ba

是一个收缩因素的函数吗gydF4y2Ba 和gydF4y2Ba 。gydF4y2Ba 在哪里gydF4y2Ba 和gydF4y2Ba 正在学习因素,在哪里gydF4y2Ba 。gydF4y2Ba 和gydF4y2Ba 是两个均匀随机数在[0,1],也就是说,gydF4y2Ba 。粒子的速度最大范围是有限的gydF4y2Ba 。gydF4y2Ba 决定了粒子在搜索空间的搜索能力。gydF4y2Ba

PSO-C策略的伪代码如下所示:gydF4y2Ba

1。初始化PSO-C的基本参数gydF4y2Ba
2。生成初始种群gydF4y2Ba 和它的速度gydF4y2Ba 随机gydF4y2Ba
3所示。计算适应度值的人口gydF4y2Ba
4所示。年代的gydF4y2Ba 为每个粒子gydF4y2Ba
5。设置粒子与最好的健身gydF4y2BapggydF4y2Ba
6。为gydF4y2Ba 做gydF4y2Ba
7所示。为gydF4y2Ba我gydF4y2Ba= 1,gydF4y2Ba米gydF4y2Ba做gydF4y2Ba
8。更新粒子的速度gydF4y2Ba习gydF4y2Ba使用方程(gydF4y2Ba10gydF4y2Ba)gydF4y2Ba
9。更新粒子的位置gydF4y2Ba习gydF4y2Ba使用方程(gydF4y2Ba11gydF4y2Ba)gydF4y2Ba
10。计算新粒子的适应度值gydF4y2Ba习gydF4y2Ba
11。如果的健身价值gydF4y2Ba习gydF4y2Ba比的健身价值gydF4y2BapbigydF4y2Ba
12。然后,设置gydF4y2Ba习gydF4y2Ba是gydF4y2BaπgydF4y2Ba
13。如果gydF4y2Ba
14。如果的健身价值gydF4y2Ba习gydF4y2Ba比的健身价值gydF4y2BapgydF4y2BaggydF4y2Ba
15。然后,设置gydF4y2Ba习gydF4y2Ba是gydF4y2BapgydF4y2BaggydF4y2Ba
16。如果gydF4y2Ba
17所示。结束了gydF4y2Ba
18岁。结束了gydF4y2Ba
伪代码1gydF4y2Ba

的gydF4y2Ba 是一个未知节点的估计位置。gydF4y2Ba

4所示。仿真和实验结果gydF4y2Ba

在本节中,我们评估我们的仿真结果提出了定位算法的性能。我们比较该方法与RANSAC (gydF4y2Ba12gydF4y2Ba),毫升(gydF4y2Ba22gydF4y2Ba],Rwgh [gydF4y2Ba11gydF4y2Ba)方法。的gydF4y2Ba 信标节点和一个未知节点随机部署在一个30 m×30 m广场空间。一个障碍是随机部署在该领域。传感器节点的通信范围50米。的测量误差gydF4y2Ba 被建模为零均值高斯白和方差过程吗gydF4y2Ba 。gydF4y2Ba仿真结果的错误gydF4y2Ba 服从均匀分布(gydF4y2Ba )。仿真结果得到了到1000年蒙特卡洛。默认参数值的模拟表所示gydF4y2Ba1gydF4y2Ba。我们考虑平均定位误差(ALE)作为性能指标。gydF4y2Ba 在哪里gydF4y2Ba ,gydF4y2Ba 是真正的移动节点的位置,gydF4y2Ba 的估计位置吗gydF4y2Ba 蒙特卡罗运行。gydF4y2Ba

表1gydF4y2Ba
默认的参数值。gydF4y2Ba

首先,该方法的识别成功率是评估。图gydF4y2Ba2gydF4y2Ba显示了识别成功率与信标节点的数量。在这个仿真,测量噪声的标准方差在洛杉矶的条件gydF4y2Ba 是不同的从0.1到0.5,信标节点的数量从5到10多种多样。结果表明,随着信标节点数量的增加,该方法的成功率增加。此外,作为的价值gydF4y2Ba 增加时,该方法的成功率降低,因为的价值gydF4y2Ba 增加,测量将被测量噪声更严重。gydF4y2Ba


图2gydF4y2Ba
识别成功率与信标节点的数量。gydF4y2Ba

当仿真结果误差服从均匀分布(gydF4y2Ba ),识别成功率和仿真结果的最大偏差错误gydF4y2Ba 确定如图gydF4y2Ba3gydF4y2Ba。在这个仿真,测量噪声的标准方差在洛杉矶的条件gydF4y2Ba 是1。结果表明,当在仿真结果的测量条件的数量是相等的,成功率的影响较小gydF4y2Ba 。gydF4y2Ba然而,在仿真结果的测量条件的数量增加时,该方法的成功率降低。gydF4y2Ba


图3gydF4y2Ba
识别成功率和gydF4y2Ba 。gydF4y2Ba

在图gydF4y2Ba4gydF4y2Ba我们评估的影响上的信标节点数量定位错误。结果表明,定位误差减小为信标节点数量的增加。此外,毫升方法最大定位误差。当信标节点的数量相对较少,如8、Rwgh方法效果最好。当信标节点的数量是9,Rwgh定位错误的方法,RANSAC方法,该方法是差不多的。然而,该方法的定位误差下降更快,和该方法的定位精度最高,信标节点数量的增加。gydF4y2Ba


图4gydF4y2Ba
定位误差与信标节点的数量。gydF4y2Ba

图gydF4y2Ba5gydF4y2Ba显示之间的关系定位误差和测量噪声的标准方差gydF4y2Ba 。gydF4y2Ba 是不同的从1到5。结果表明,作为的价值gydF4y2Ba 增加,定位误差增加。此外,该方法定位最高精度较其他方法。相比,毫升,RANSAC和Rwgh方法,该方法的定位精度提高到29.36%,33.05%,和20.37%,分别。gydF4y2Ba


图5gydF4y2Ba
定位误差和gydF4y2Ba 。gydF4y2Ba

图gydF4y2Ba6gydF4y2Ba显示了它的定位误差时,仿真结果误差服从均匀分布gydF4y2Ba 。我们可以看到,80%的该方法的定位误差小于7.122米,和提供趋势与定位误差小于22.7米。与80%相比Rwgh的定位误差,ML,和RANSAC方法,7.2米,8.1米,分别和6.1实现。gydF4y2Ba


图6gydF4y2Ba
提供的定位错误。gydF4y2Ba

图gydF4y2Ba7gydF4y2Ba显示参数的影响gydF4y2Ba 定位误差。的价值gydF4y2Ba 增加,所有算法的定位误差增加。然而,毫升方法严重影响gydF4y2Ba 。gydF4y2Ba该方法达到最低的定位错误。相比,毫升,RANSAC和Rwgh方法,该方法的定位精度提高到30.46%,11.68%,和5.64%,分别。gydF4y2Ba


图7gydF4y2Ba
定位误差和gydF4y2Ba 。gydF4y2Ba

为了验证提出的有效的定位方法,我们执行实际的实验室内环境。如图gydF4y2Ba8gydF4y2Ba,八个信标节点和一个未知节点部署在房间里。信标节点和未知节点安装离地面1.7米。实验设备是线性调频扩频(CSS)定位系统。gydF4y2Ba


图8gydF4y2Ba
试验台的平面图。gydF4y2Ba

图gydF4y2Ba9gydF4y2Ba显示了CDF实验组的现实定位误差的实验。可以看出,80%的该方法的定位误差小于1.879米。CDF实验组的趋势有一个定位误差小于2.559米。该方法的平均定位误差是1.0205米。RANSAC的平均定位误差、Rwgh毫升是1.3491米,1.2603米,1.5036米,分别。gydF4y2Ba


图9gydF4y2Ba
定位错误的提供现实的实验。gydF4y2Ba

5。结论gydF4y2Ba

仿真结果的问题是无线传感器网络最具挑战性的问题之一。它会严重降低定位精度。本文首次引入TOA测量模型。然后,我们提出了一个基于残留分析的仿真结果识别方法来解决这个问题造成的仿真结果错误。此外,收缩因子的粒子群优化算法寻找最优解的一个未知节点的估计位置。仿真结果表明,该方法可以减少的影响仿真结果的误差,提高定位精度,特别是当信标节点的数量相对较大。在未来的工作中,该方法可以扩展到分布式的定位方法。与此同时,我们将修改残留分析方法,并将其应用到移动本地化改进粒子滤波的有效性。gydF4y2Ba

附录gydF4y2Ba

在本节中,我们介绍了最大似然定位方法。我们假设信标节点的位置表示gydF4y2Ba 。未知节点的位置gydF4y2Ba 。gydF4y2Ba 测量距离的吗gydF4y2Ba 信标节点。gydF4y2Ba

上述方程可以表示为一个线性方程gydF4y2Ba ,在那里gydF4y2Ba 和gydF4y2Ba 是由gydF4y2Ba

我们可以获得未知节点的估计位置如下:gydF4y2Ba

数据可用性gydF4y2Ba

使用的数据来支持本研究的发现可以从相应的作者。gydF4y2Ba

的利益冲突gydF4y2Ba

作者宣称没有利益冲突有关的出版gydF4y2Ba

确认gydF4y2Ba

这项工作是由中国国家自然科学基金支持下批准号61803077,下的河北省自然科学基金批准号F2016501080,中央大学的基础研究基金资助下。N172304024 N152302001。gydF4y2Ba