采用WSVM的三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位

梁娟， 吳媛

(1. 河南工學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系， 河南 新鄉(xiāng) 453002；

2. 武漢理工大學(xué) 信息工程學(xué)院， 湖北 武漢 430070)

?

采用WSVM的三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位

梁娟1，2， 吳媛1

(1. 河南工學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系， 河南 新鄉(xiāng) 453002；

2. 武漢理工大學(xué) 信息工程學(xué)院， 湖北 武漢 430070)

摘要：為了提高無(wú)線傳感器網(wǎng)絡(luò)三維節(jié)點(diǎn)的定位精度，針對(duì)SVM的核函數(shù)構(gòu)建問(wèn)題，提出一種基于小波支持向量機(jī)(WSVM)的定位算法.首先，收集三維傳感器錨節(jié)點(diǎn)信號(hào)強(qiáng)度，構(gòu)建支持向量機(jī)學(xué)習(xí)樣本；然后，將其輸入到小波支持向量機(jī)進(jìn)行學(xué)習(xí)，建立三維傳感器節(jié)點(diǎn)定位模型；最后，采用仿真實(shí)驗(yàn)對(duì)模型性能進(jìn)行測(cè)試.研究結(jié)果表明：與傳統(tǒng)三維定位算法對(duì)比，使用小波支持向量機(jī)中的三維傳感器節(jié)點(diǎn)進(jìn)行定位時(shí)，精度水平得到有效提升，獲得更加穩(wěn)定的節(jié)點(diǎn)定位結(jié)果，可以廣泛應(yīng)用于實(shí)際無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)中.

關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)； 三維定位； 自適應(yīng)； 小波支持向量機(jī)

三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位問(wèn)題引起了人們的廣泛關(guān)注，許多研究人員投入了大量時(shí)間和精力展開(kāi)了相關(guān)研究，提出許多有效的三維傳感器節(jié)點(diǎn)定位算法[1-3].當(dāng)前三維網(wǎng)絡(luò)傳感器節(jié)點(diǎn)定位算法大多數(shù)從二維節(jié)點(diǎn)發(fā)展而來(lái)，主要有基于測(cè)距[4-6]和非測(cè)距[7-10]兩種.前者算法簡(jiǎn)單易行，具有較高的定位精度，但存在錨節(jié)點(diǎn)利用效率較低、測(cè)量誤差不可控[7]等缺點(diǎn)；而后者算法定位精度低，定位結(jié)果不可靠.近年來(lái)，隨著機(jī)器學(xué)習(xí)算法的出現(xiàn)，人們發(fā)明了一種全新的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法.這種算法最主要的特征就是支持向量機(jī)(support vector machine，SVM)，它可以在一定程度上彌補(bǔ)傳統(tǒng)節(jié)點(diǎn)定位算法存在的缺陷，為無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位提供了一種新的研究工具[10-12].然而，人們通過(guò)對(duì)SVM實(shí)踐應(yīng)用研究發(fā)現(xiàn)，核函數(shù)會(huì)對(duì)這種算法的定位性能造成巨大的影響.所以如果要提高定位結(jié)果精度的話，一定要慎重對(duì)待核函數(shù)的選擇問(wèn)題[13-14].鑒于此，本文提出一種基于小波支持向量機(jī)的定位算法，通過(guò)計(jì)算,找到三維無(wú)線傳感器網(wǎng)絡(luò)里面的不確定節(jié)點(diǎn)，并對(duì)算法的定位表現(xiàn)展開(kāi)驗(yàn)證.

1三維傳感器節(jié)點(diǎn)的定位思路

基于接收信號(hào)強(qiáng)度指示(RSSI)值測(cè)距的四邊測(cè)距定位法，如圖1所示.

圖1　四邊測(cè)距定位法Fig.1　Locating method of four side

式(1)中:d0為參考距離；p(d0)為d0的RSSI值；ξσ為一正態(tài)隨機(jī)變量；n為路徑損耗指數(shù).

由式(1)，求出di后，未知節(jié)點(diǎn)的坐標(biāo)為

(2)

圖2　極大似然估計(jì)法Fig.2　Maximum likelihood estimation

然而，極大似然估計(jì)法定位存在誤差比較高的缺陷，為此采用小波支持向量機(jī)對(duì)三維無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行定位，以提高定位精度.

2三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位模型

2.1　支持向量機(jī)

式(4)中:ω表示權(quán)值；b表示偏置項(xiàng)[9].

采用極限最低估計(jì)對(duì)等式(2)進(jìn)行處理，從而計(jì)算出ω及b的具體值.將Lagrange乘子吸納進(jìn)來(lái)，那么就能夠得到等式(2)的決策函數(shù)，即

支持向量機(jī)分類(lèi)算法的關(guān)鍵是核函數(shù)的確定，雖然從理論的角度來(lái)看，核函數(shù)的唯一選擇標(biāo)準(zhǔn)即為達(dá)到了Mercer條件，不過(guò)核函數(shù)和相應(yīng)的參數(shù)會(huì)給算法結(jié)果的精度造成直接作用，原因在于支持向量機(jī)的很多特征都和核函數(shù)有關(guān)，后者的選擇一直是支持向量機(jī)研究的一個(gè)難點(diǎn).

2.2　小波核函數(shù)

當(dāng)獲取了母小波函數(shù)φ(x)后，對(duì)其進(jìn)行平移或拉伸處理，就能夠獲取到很多小波函數(shù).將這些小波函數(shù)疊加在一起，就是小波分析，即

式(6)中:α為垂直方向上的伸縮比例，即伸縮因子；b為水平方向上的移動(dòng)單位，即平移因子[10].

根據(jù)母小波基構(gòu)造滿足Mercer條件核函數(shù)，即

當(dāng)全部f∈L2(Rd)成立，就可以將k(xi，xj)轉(zhuǎn)換成高維特征空間的點(diǎn)積形式.對(duì)于一個(gè)平移不變核k(xi，xj)=k(xi-xj)進(jìn)行傅里葉變換，有

設(shè)母小波函數(shù)為ψ(x)，則滿足平移不變核定理的小波核函數(shù)為

對(duì)于節(jié)點(diǎn)定位問(wèn)題，采用Morlet小波，即

因此，可以得到相應(yīng)的小波核函數(shù)，即

綜合上述可知，小波支持向量機(jī)(WSVM)回歸函數(shù)為

2.3　WSVM的結(jié)構(gòu)

WSVM的結(jié)構(gòu)如圖3所示，主要有如下3層：1) 第1層為輸入數(shù)據(jù){x1，x2，…，xn}；2) 第2層為輸入數(shù)據(jù)向量和SVM核函數(shù)計(jì)算；3) 第3層為WSM的輸出結(jié)果.

圖3　WSVM 的結(jié)構(gòu)Fig.3　Structure of WSVM

2.4　網(wǎng)絡(luò)節(jié)點(diǎn)定位工作流程

WSVM的三維傳感器節(jié)點(diǎn)定位模型的工作流程如圖4所示.主要有如下7個(gè)步驟.

圖4　三維傳感器節(jié)點(diǎn)定位模型的工作流程Fig.4　Work flow of three-dimension sensornodelocalization model

步驟1將測(cè)量點(diǎn)所測(cè)得錨節(jié)點(diǎn)信號(hào)強(qiáng)度及對(duì)應(yīng)的錨節(jié)點(diǎn)坐標(biāo)信息存入數(shù)據(jù)庫(kù).

步驟2在數(shù)據(jù)庫(kù)中每個(gè)測(cè)量點(diǎn)選取信號(hào)強(qiáng)度最強(qiáng)的3組錨節(jié)點(diǎn)數(shù)據(jù)作為樣本，數(shù)據(jù)包括3個(gè)錨節(jié)點(diǎn)的三維坐標(biāo)(xa，ya，za)及信號(hào)強(qiáng)度(d1，d2，d3).將這6組數(shù)據(jù)作為小波支持向量機(jī)的輸入層，測(cè)量點(diǎn)的三維坐標(biāo)(xn，yn，zn)作為小波支持向量機(jī)的輸出.

步驟3對(duì)WSVM參數(shù)進(jìn)行初始化處理，得到αi，α，b的初始值.

步驟6通過(guò)計(jì)算得到測(cè)試集的定位值和實(shí)際值之間的差異.若這一差異符合最初閾值，說(shuō)明創(chuàng)建的三維傳感器節(jié)點(diǎn)定位模型達(dá)到了最優(yōu)化的目的；如果不符合，返回步驟4，直到符合最初閾值.

步驟7通過(guò)步驟6得到最優(yōu)三維傳感器節(jié)點(diǎn)定位模型對(duì)未知節(jié)點(diǎn)進(jìn)行定位.

3仿真實(shí)驗(yàn)與分析

3.1　仿真環(huán)境

仿真測(cè)試所需的軟硬件環(huán)境為：2.8 GHz的CPU，Intel酷睿4核或以上；4 GB的RAM；Windows XP系統(tǒng)平臺(tái).仿真實(shí)驗(yàn)通過(guò)Matlab 2012完成.50個(gè)未知節(jié)點(diǎn)隨機(jī)分布于200 m×200 m×200 m的空間內(nèi)，10個(gè)信標(biāo)節(jié)點(diǎn)，節(jié)點(diǎn)的通信半徑為50 m，節(jié)點(diǎn)初始能量為200 J.采用四邊測(cè)距定位法、極大似然估計(jì)法進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果為500次的平均值.

3.2　結(jié)果與分析

3.2.1錨節(jié)點(diǎn)密度對(duì)定位誤差的影響在不同錨節(jié)點(diǎn)密度變化條件下，所有定位算法的定位誤變化曲線如圖5所示.圖5中：Δ為定位誤差；η為錨節(jié)點(diǎn)比例.由圖5可知：對(duì)于小波支持向量機(jī)，錨節(jié)點(diǎn)密度幾乎沒(méi)有什么太大的影響，定位誤差變化比較平緩，而且低于對(duì)比算法的定位誤差.研究結(jié)果表明：用較好的錨節(jié)點(diǎn)，小波支持向量機(jī)定位算法可以獲得較高的定位精度，有效降低了定位的成本，適應(yīng)范圍更加廣泛.

3.2.2測(cè)距誤差對(duì)定位誤差影響在錨節(jié)點(diǎn)密度為10%的條件下，測(cè)距誤差與定位誤差之間的變化關(guān)系如圖6所示.圖6中：s為測(cè)量誤差.由圖6可知：隨著測(cè)距誤差的增加，所有算法的定位誤差變大.但是在相同條件下，相對(duì)于對(duì)比算法，小波支持向量機(jī)的定位誤差變化比較平穩(wěn)，增加的幅度較小，具有一定的優(yōu)勢(shì).

圖5　錨節(jié)點(diǎn)密度對(duì)定位誤差影響 圖6　測(cè)距誤差對(duì)定位誤差影響Fig.5　Influence of anchor node density on position error Fig.6　Influence of range error on positioning error

3.2.3通信半徑對(duì)定位誤差的影響通信半徑與定位誤差之間的變化，如圖7所示.圖7中：r為通信半徑.由圖7可知：在通信范圍并不大的情況下，考慮到錨節(jié)點(diǎn)通信距離有限，所有算法的定位誤差較大；隨著通信半徑不斷增，區(qū)域中的錨節(jié)點(diǎn)數(shù)量變多，定位誤差慢慢變小.在相同通信半徑條件下，小波支持向量機(jī)定位算法有較高的精度，具有比較明顯的優(yōu)勢(shì).

圖7　通信半徑對(duì)定位誤差影響Fig.7　Influence of communicationradius on the positioning error

3.2.4定位速度對(duì)比[15-16]仿真結(jié)果表明：四邊測(cè)距定位法、極大似然估計(jì)法、小波支持向量機(jī)等3種算法的平均定位時(shí)間分別為2.85，3.91，2.24 s.由此可知，在相同條件下，小波支持向量機(jī)平均定位時(shí)間最短，建模效率最高，加快了訓(xùn)練速度，更符合定位實(shí)時(shí)性、在線的要求.

4結(jié)論

針對(duì)當(dāng)前三維傳感器節(jié)點(diǎn)定位算法存在一些不足，為了提高三維傳感器節(jié)點(diǎn)的定位性能，提出了一種基于小波支持向量機(jī)的于三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法.經(jīng)過(guò)仿真測(cè)試并與其他三維定位算法比較，可以得到如下2個(gè)結(jié)論.

1) 采用自學(xué)能力強(qiáng)、泛化能力好的支持向量機(jī)對(duì)三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位進(jìn)行建模，并采用小波核函數(shù)構(gòu)建支持向量機(jī)，可以獲得比較高的定位精度.

2) 相對(duì)于對(duì)比算法，小波支持向量機(jī)無(wú)論是定位速度，或者定位精度以及定位成本均要高于當(dāng)前經(jīng)典的三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法.

總之，仿真實(shí)驗(yàn)表明，小波支持向量機(jī)的節(jié)點(diǎn)定位結(jié)果比較令人滿意，達(dá)到了設(shè)計(jì)要求，提高了三維空間節(jié)點(diǎn)定位精度，具有較高的應(yīng)用價(jià)值.小波支持向量機(jī)在三維傳感器節(jié)點(diǎn)定位的實(shí)際應(yīng)用中，還有許多問(wèn)題有待解決，如參數(shù)的優(yōu)化等，這些不完善之處還需要后續(xù)進(jìn)一步改進(jìn)和深入研究.

參考文獻(xiàn)：

[1]陳嘉興，劉志華.三維無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的序列重心定位算法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(2):81-84.

[2]WEI Nuo，GUO Qiang，SHU Minglei，et al.Three-dimensional localization algorithm of wireless sensor networks base on particle swarm optimization[J].Journal of China Universities of Posts and Telecommunications， 2012，19(2):7-12.

[3]GUO Z，GUO Y，HONG F,et al.Perpendicular intersection: Locating wireless sensors with mobile beacon[J].IEEE Trans Veh Technol，2010，59(7):3501-3509.

[4]OUYANG R，WONG A S，CLEA T.Received signal strength-based wireless localization via semi-definite programming: Non-cooperative and cooperative schemes[J].IEEE Trans Veh Technol，2010，59(3):1307-1318.

[5]楊澤軍，王英龍，黃太波.基于APIT的無(wú)線傳感器網(wǎng)絡(luò)三維定位算法[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2012，12(5):5-8.

[6]蔣鵬，覃添，陳歲生.基于AOA降維和同心圓定位的三維傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位方法[J].傳感技術(shù)學(xué)報(bào)，2012，25(7):999-1006.

[7]江禹生，馮硯毫，管芳，等.無(wú)線傳感網(wǎng)非測(cè)距三維節(jié)點(diǎn)定位算法[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，39(5):140-147.

[8]劉健，沈海斌.無(wú)線傳感器網(wǎng)絡(luò)的三維定位算法研究[J].傳感器與微系統(tǒng)，2013，32(9):66-68.

[9]TANG Tao,GUO Qing,YANG Mingchuan.Support vector machine based particle swarm optimization localization algorithm in WSN[J].Journal of Convergence Information Technology,2012,7(1):497-503.

[10]胡志剛，楊廣全，喬現(xiàn)玲.基于小波支持向量機(jī)的電梯交通流預(yù)測(cè)模型[J].系統(tǒng)仿真學(xué)報(bào)，2009，21(19):6321-6324.

[11]沈笑慧，張健，何熊熊.基于接收信號(hào)強(qiáng)度指示加權(quán)融合的定位算法[J].華僑大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，33(6):636-639.

[12]李輝，熊盛武，劉毅，等.無(wú)線傳感器網(wǎng)絡(luò)DV-Hop定位算法的改進(jìn)[J].傳感技術(shù)學(xué)報(bào)，2011，24(12):1782-1786.

[13]YUN S，LEE J，CHUNG W，et al.A soft computing approach to localization in wireless sensor networks [J].Expert System with Applications，2009，36(4):7552-7561.

[14]胡志剛，楊廣全，喬現(xiàn)玲.基于小波支持向量機(jī)的電梯交通流預(yù)測(cè)模型[J].系統(tǒng)仿真學(xué)報(bào)，2009，21(19):6321-6324.

[15]崔艷，程躍華.小波支持向量機(jī)在交通流量預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)仿真，2011，28(7):353-359.

[16]李輝，李臘元，李方云.一種新型的無(wú)線傳感器網(wǎng)絡(luò)三維定位機(jī)制[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(14):115-119.

(責(zé)任編輯： 陳志賢英文審校： 吳逢鐵)

A Node Localization for Three-Dimension Wireless Sensor

Network on Wavelet Support Vector Machine

LIANG Juan1，2， WU Yuan1

(1. Department of Computer Science and Technology， Henan Institute of Technology， Xinxiang 453002， China；

2. School of Information Engineering， Wuhan University of Technology， Wuhan 453002， China)

Abstract：Node localization is one of the key technologies in high three-dimension (3D) wireless sensor networks.In order to improve the three dimensional positioning accuracy of wireless sensor networks. This paper proposed a three-dimension location algorithm based on wavelet support vector machine. Firstly, the signal intensity of three-dimension wireless sensor anchor nodes is collected to build a support vector machine (SVM) learning samples. Then, the samples are input into wavelet support vector machine to establish the 3D sensor nodes locolization model. Finally, the simulation experiment is carried out to test the performance of location model. The results show that, compared with the traditional 3D location algorithm, the proposed method uses the wavelet support vector can improve the positioning accuracy for three-dimension wireless sensor network, and got a more stable node localization result, so the proposed method can be widely applied in the actual wireless sensor network system.

Keywords：wireless sensor network； three-dimension localization； adaptive； wavelet support vector machine

基金項(xiàng)目：河南省高等學(xué)校重點(diǎn)科研基金資助項(xiàng)目(15A520064)

通信作者：梁娟(1979-)，女，講師，博士研究生，主要從事計(jì)算機(jī)應(yīng)用和復(fù)雜系統(tǒng)的建模控制的研究.E-mail:lj.518@sohu.com.

收稿日期：2015-11-13

中圖分類(lèi)號(hào)：TP 393

文獻(xiàn)標(biāo)志碼：A

doi:10.11830/ISSN.1000-5013.2016.01.0079

文章編號(hào)：1000-5013(2016)01-0079-05