文摘

水下无线传感器网络中传感器节点(UWSNs)是在一个三维的空间中,在水中和水的流动性不断改变定位,水下节点的时钟同步是具有挑战性的,和测距算法受水流产生大的错误。三维UWSN定位算法提出了基于RSSI值修改地址的问题UWSN定位算法容易受到水的影响,倾向于不稳定的定位和大型定位错误。unlocated节点屏幕锚节点接收到的信号强度,然后进行加权修正,以减少水环境的影响,提高测距精度。职位评估模型,结合三维水下模型和最小二乘方法来推断unlocated节点的位置的基础上unlocated节点与锚节点之间的距离。该算法有效地减少了水环境的影响范围算法的准确性和提高水下三维定位算法的性能。仿真结果表明,该算法可以有效地减少水下环境的影响定位算法。

1。介绍

传感器节点定位是无线传感器网络的关键技术。随着陆地无线传感器网络应用的发展,水下无线传感器网络应用程序吸引了越来越多的关注。然而,复杂的水下环境阻碍了水下无线传感器网络的位置(UWSNs) [1]。它还需要考虑所有影响因素的定位性能。传感器在水中通常部署在区域不能被人类或者轻松地访问这些很少有基础设施;与此同时,常见的传感器节点是随机安排(2]。的水下信号传输影响因素评估时必须考虑传感器节点的位置相对于锚节点利用接收信号强度。结果确定了影响因素在实际环境中传播。UWSNs包括传感器节点分布不均,稀疏节点,节点很容易受到水的流动性的影响。协助定位的锚节点可以提高传感器网络的定位精度3- - - - - -5]。李等人。6等)提出了一种加权质心算法基于接收信号强度指示器(RSSIs)和到达时间差(辐射源脉冲);该算法利用锚节点之间的距离参数和信号强度作为参考,正确估计unlocated节点与锚节点之间的距离。它也减少了传统RSSI定位错误相对于质心。定位算法(7)减少定位误差在一个不均匀的节点分布利用RSSI值优化中的单跳值DV-Hop算法。呈现出一个三面RSSI质心定位算法(8],它能够正确路径损耗因子在实际的环境中,降低测距算法错误造成的环境,和提高定位算法的准确性。张,黄9)旨在正确的RSSI值通过动态获取路径损耗因子和减少环境影响相结合三面质心定位算法。然而,经常需要调整定位模型,并获得了路径损耗因素影响的误差范围定位算法。尽管现有的算法提高定位精度,测距算法的准确性需要改进(10];还需要一个增强设计定位算法以节点不能同步准确地在水下环境中,他们往往会影响定位算法。

总之,水下定位算法在UWSNs容易大错误,他们容易受到水的流动性。此外,节点由UWSNs很难同步。收到的信号强度测距算法非常简单,低成本,需要技术和最小的硬件。然而,水下传感器节点是难以取代,他们易受水下环境,他们的能量是有限的,和他们的成本是相对较高的。因此,一个三维UWSN定位算法提出了基于RSSI值修改工作。加权和修改RSSI值减少等错误。结合三维水下定位模型,该算法可以估计unlocated节点位置在三维空间中利用最小二乘方法。该算法显示改进的健壮性,降低了水下流动性对测距的影响,并提高网络节点定位的准确性。

2。距离转换模型

2.1。接收信号强度的算法

基于接收信号强度的测距算法可以将接收到的信号强度由unlocated锚节点发送的节点和在一定距离。具体来说,一个移动锚节点发送信号。在传播过程中,某些损失发生,因为外部环境的影响。传输距离越长,信号损失会越大,越小的RSSI值由unlocated节点接收。在传输过程中丢失可以被转换成一个RSSI值通过路径损耗模型。在一个实际的测距过程中,损失模型使用对数正态分布分布模型。模型中的参数可以通过锚节点之间的实际距离计算和测量距离的算法11]。

在当前的工作,信号传输衰减模型使用对数正态分布分布模型:

通过简化公式(1),每一方的对数,得到以下结果: 在哪里 之间的接收功率是 节点, 是 收到单位距离的强度路径损耗, 可以通过测量节点间的实际距离, 通道衰减指数,其价值取决于应用程序环境中,通常范围从2到5,然后呢 指的是高斯分布噪声和表达的往往是一个正态分布。

的距离 节点之间可以从公式推导(2): 在哪里 节点之间的通信距离吗 和节点 。 。UWSN中的节点发送的信号强度随传输距离的增加而减小。此外,信号从传感器节点在一定程度上遭受损失。unlocated节点获得N与锚节点RSSI值,和unlocated节点和多个锚节点之间的距离值可以通过公式(3)。

2.2。加权修正RSSI

信号强度测距算法很容易受应用程序环境的影响,从而导致各种错误(12]。在实践中,温度,盐度,障碍,和密度的水环境造成信号损失和信号强度下降。水的流动性导致水稍微移动对象(13]。因此,传感器节点接收到的信号强度的不同,最终影响节点之间距离估计14]。因此,平均和高斯滤波器方法综合权衡和修改RSSI值。修改后的RSSI值UWSNs提高测距精度和定位精度。

移动锚节点广播信号经常在其运动。锚节点释放信号N次在同一个地方提高测距精度。每个传感器节点的列表移动锚节点在不同位置的ID数字。后unlocated节点接收信息从一个移动锚节点,平均Φ和方差α收到的RSSI值相同的ID可以通过以下公式计算:

根据公式(4),相同的ID筛选收到unlocated节点RSSI值。的米外的RSSI值(Φ−α和Φ+α)间隔取消,平均价值 区间内的重新计算。区间内的RSSI值的加权公式如下:

根据公式(5),加权和RSSI值可以得到修改。然后,unlocated节点与锚节点之间的距离可以用获得的RSSI值计算公式(3)。

2.3。位置估计模型

随着锚节点通过网络和广播信号环境,从锚节点和普通节点接收信息使用的距离转换模型来计算节点之间的距离。在本节中,提出了一种位置估计模型获得unlocated节点的位置信息的基础上,节点之间的距离。

2.4。水下三维模型

陆地无线传感器网络通常需要二维平面定位,而UWSNs需要特殊的水下环境中三维定位(15- - - - - -17]。这样的需求无法满足传统定位算法。因此,研究应该考虑锚和正常节点发送和接收信号的三维水下环境(18]。

无线传感器网络的定位要求在陆地上一般是二维平面定位,而特殊的水下环境需要UWSN采用三维定位。传统的定位算法无法满足水下传感器节点定位的要求。有必要考虑锚节点和普通节点发送和接收信号的三维水下环境。

如图1,信号在一个UWSN发散在球形节点通信。锚节点广播信号unlocated节点的通信范围内。信号传输的三维空间,其覆盖范围是一个球体和沟通直径是半径。


图1
传感器节点发送和接收信号。

在三维水下环境中,unlocated节点接收的信息n锚节点的最强信号。如图2,传感器节点在这个模型中配有压力传感器来获取自己的深度信息。可以直接转化为节点深度Z设在节点的坐标。unlocated节点的坐标是(x,y,z),三个锚节点的坐标一个(z1,y1,z1),B(z2,y2,z2),C(x3,y3,z3)、…N(xn,yn,锌)。的基础上unlocated节点和之间的距离n锚节点,可以得到以下方程:


图2
传感器节点发送和接收信号。

三个传感器节点形成一个平面。unlocated节点在水下节点定位需要三个锚节点,和四个节点形成一个多面体。四个节点需要将一个水平面达到相对定位。三个锚节点映射到同一平面的unlocated节点。坐标Zunlocated节点可以通过自己的压力传感器。映射的公式如下:

从公式(6)和(7),三个锚节点的坐标相同的二维平面上可以推断 , ,和 。

2.5。最小二乘估计位置

的坐标N锚节点在unlocated节点D是(x1,y1,z1),(x2,y2,z2),(x3,y3,z3),…(xn,yn,锌)。从这些锚节点到节点的距离D可以计算的距离转换模型d1,d2,…dn。unlocated节点D通过压力传感器可以获得自己的深度。三维水下定位模型可以获得坐标转换成二维坐标。转换后的坐标是(x1,y1),(x2,y2),…(xn,yn)。假设节点的二维坐标D是(x,y),可以得到以下公式

公式(9)是通过减去最后方程从第一个方程公式(8):

公式(9)转化为线性方程 ,如以下公式所示:

最后,估计unlocated传感器节点的位置坐标D确定是 通过使用最小二乘方法。

2.6。三维UWSN定位算法基于RSSI值修改

水和陆地环境之间存在的差异(19]。因此,在UWSN定位,该算法采用必须考虑水下特征(20.),比如水的流动性,复杂的物质在水中,实际信号损失不同锚节点的运动通过不同的水域,信号强度变化与不同的障碍在水21]。测距算法基于信号强度产生大范围错误,因为不稳定的水下环境。测距误差的增加增加相应的定位错误。在本节中,加权和纠正RSSI值是用于提高测距算法的准确性。结合三维水下定位的价值提高水下节点定位精度的方法。

如图3UWSN的三维定位算法基于修正后的RSSI值涉及到两个阶段:包括(1)阶段和节点定位(阶段2)。在阶段1中,UWSN移动锚节点广播信息通过移动通信周围的节点。unlocated节点接收到RSSI值本身和锚节点之间的关系。此外,每个锚节点接收到的信号强度unlocated节点转化成unlocated节点之间的距离和每个锚节点的距离转换模型。在阶段2中,UWSN unlocated节点的相对位置可以与传感器节点之间的距离计算在第一阶段通过使用位置估计模型。然后,传感器节点所在的基础上的实际位置锚节点。


图3
算法模型图。

提出的三维定位算法的流程如图4。详细的步骤如下:步骤1:移动锚节点遍历网络根据计划的路线,到达指定位置时,广播信号N次,发送自己的信息列表包含ID号和三维坐标(X我,Y我,Z我)的位置。步骤2:unlocated节点接收到移动锚节点的信息和记录的信息和信号强度的信息列表。相同的位置对应的ID号N信号强度。第三步:获得的节点处理数据信息列表。获得的一份独特的RSSI值校正信号强度在同一位置通过加权修正RSSI值模型。信息更新列表。一个未知的ID对应于一个信号强度。第四步:根据距离转换模型,只有输入RSSI值节点之间的距离。第五步:unlocated节点重复步骤2、3、4,获取相应的距离的三个位置ID和三维空间ID转换成一个二维空间ID使用三维定位模型。第六步:最大似然估计法用于计算二维定位节点的坐标。节点的深度信息,三维反向转换,和二维坐标转换为三维网络坐标。unlocated节点的估计位置,从而完成网络定位。


图4
算法流程图。

3所示。实验仿真

3.1。实验环境设置和评价指标

MATLAB仿真软件应用于2016测试提出的定位算法。共有50个普通传感器节点随机安排;锚节点的比例是20%,普通节点的通信半径为20米。普通传感器节点随机部署后不能删除。每个锚节点知道自己的位置信息。对数衰减模型中使用的信号传播衰减模型实验。该算法与传统的RSSI定位算法相比,平均RSSI定位算法,和基于RSSI值DV-Hop位置算法优化(22- - - - - -24]。模拟区域是一个立方体的地区测量100×100×100。水下无线传感器节点的分布仿真实验数据所示5和6。


图5
三维分布UWSN节点图。

图6
三维节点分布的顶视图。

这个工作的定位算法的评价指标如下。

平均测量距离: 代表平均测量之间的距离我thunlocated节点和jth锚节点。Dij代表了测量距离我thunlocated节点和jth锚节点。米代表锚节点的数量,n代表了unlocated节点可以测量距离。一个锚节点之间的平均距离测量和定位节点可以通过以下公式:

节点平均定位误差:区别unlocated估计位置和实际位置的传感器节点我节点定位错误标记为错误吗我。N代表unlocated传感器节点的总数。所有节点的定位误差的总和除以定位节点的数目是节点的平均定位误差。

节点平均定位误差越小,定位精度越高,定位算法的性能就越好,followingformula如图所示:

平均最大定位误差:在公式(14),Merro我代表了Kth节点的最大定位误差PMeero代表节点的平均最大定位误差:

实验参数设置如表所示1。

表1
实验参数设置。
3.2。实验结果和分析

考虑到20米共同节点的通信半径和不同通信范围内的锚节点,节点之间的实际距离,传统的RSSI距离,中间RSSI距离,和修改RSSI距离比较(表在这工作2)。实际的锚节点之间的距离才是真正的距离和unlocated节点。作为测距精度的参考价值的测距算法,距离之差的绝对值测量基于测距算法和评价指标的实际距离测距算法的准确性。更大的不同之处在于,测距算法的准确性越低,反之亦然。当锚节点的通信半径是相同的,得到的距离之间的绝对差值修改RSSI测距算法和实际距离是最小的。此外,距离之间的绝对差值通过传统的RSSI测距算法和实际距离是最大的。随着锚节点的通信半径的增加,三种测距算法的绝对差值降低,但修改后的RSSI测距算法的绝对值仍然是最小的。因此,修改后的RSSI测距算法比其他测距算法更准确。

表2
平均测量节点之间的距离。

鉴于20米通信范围内的普通节点和锚节点的通信范围不同,这个工作比较传统的平均节点定位错误RSSI定位算法,DV-Hop-based定位算法和三维UWSN定位算法基于RSSI值修正。见图进行了比较7。给予不同的锚节点的通信范围,修改RSSI定位算法的平均定位误差低于传统的RSSI算法和DV-Hop算法。此外,平均定位误差减小稳步增加锚节点的通信半径。给定一个小半径,DV-Hop算法产生定位误差低于传统的RSSI算法;修改的错误是接近RSSI算法。通过多个啤酒花DV-Hop算法实现定位,从而达到更高的定位精度比传统的RSSI算法在网络和稀疏的锚节点通信半径小。然而,随着锚节点的通信半径的增加,信息和计算节点的增加,从而导致不断增加的错误。修改后的RSSI算法不需要执行多个数据转发和数据计算,从而达到减少定位误差。它也有高精度测距阶段,从而生成低定位网络中的错误。


图7
节点的平均定位误差。

图8提出了一种比较图平均最大定位误差之间的关系和锚节点的通信半径的基础上传统的RSSI定位算法,DV-Hop定位算法,和三维UWSN定位算法基于RSSI值修改。修改后的RSSI算法的平均最大定位误差低于传统的RSSI算法和DV-Hop算法(图8)。当锚节点的通信半径是25米,DV-Hop算法平均定位误差低于传统的RSSI算法和接近的RSSI算法修改。然而,其平均最大定位误差高于传统的RSSI算法和修改的RSSI算法。此外,它的定位稳定性不高。增加锚节点的通信半径、平均最大定位误差修正RSSI定位算法的稳步下降,仍低于传统的RSSI算法。新算法的定位精度达到稳定提高。水下网络定位很容易受到水的影响,一个稳定的定位算法是至关重要的。


图8
平均最大定位误差。

4所示。结论

三维UWSN定位算法提出了基于RSSI值修改地址的问题UWSN定位算法容易受到水的影响,倾向于不稳定的定位和大型定位错误。屏幕unlocated节点接收到的信号强度的锚节点,然后进行加权修正减少水环境的影响,提高测距精度。结合三维水下环境中,定位算法的准确性和稳定性提高,和水下定位算法的误差降低。该算法通过实验模拟与其他相关的定位算法。结果表明,该三维UWSN定位算法基于RSSI值保持稳定,修改显示提高测距精度,降低了定位误差。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由广西自然科学基金(2019 gxnsfaa245053),广西科技重大项目(AA19254016/2019AA06002),北海科技计划项目(202082023),和北海科技计划项目(202082033)。