基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)定位算法

晉澤炎， 呂偉杰， 劉麗萍

(天津大學(xué) 電氣與自動(dòng)化工程學(xué)院，天津 300072)

基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)定位算法

晉澤炎， 呂偉杰， 劉麗萍

(天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津300072)

針對(duì)近海監(jiān)控領(lǐng)域內(nèi)水下傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)隨著海洋運(yùn)動(dòng)具有流動(dòng)性的問題，提出了基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)定位算法(RTLC)。利用洋流模型表示節(jié)點(diǎn)的運(yùn)動(dòng)模型消除流動(dòng)性對(duì)定位造成的影響，成功模擬了節(jié)點(diǎn)在水中的移動(dòng)速度。通過卡爾曼預(yù)測(cè)方法結(jié)合觀測(cè)值與估計(jì)值優(yōu)化運(yùn)動(dòng)模型，使其更貼近節(jié)點(diǎn)運(yùn)動(dòng)規(guī)律。采用信息記錄機(jī)制及列表更新機(jī)制保證信息的時(shí)效性從而提高了定位準(zhǔn)確度。通過仿真分析，RTLC算法性能優(yōu)于基于移動(dòng)預(yù)測(cè)的大規(guī)模水下傳感器網(wǎng)絡(luò)可擴(kuò)展定位算法(SLMP)，具有較高的定位覆蓋度，較低的平均定位誤差及平均通信能耗。

水下傳感器網(wǎng)絡(luò)； 洋流模型； 卡爾曼預(yù)測(cè)； 實(shí)時(shí)定位

0 引 言

隨著世界各國(guó)對(duì)海洋開發(fā)、海洋信息采集越來越重視，水下無線傳感器網(wǎng)絡(luò)(underwater wireless sensor networks,UWSNs)已經(jīng)成為重點(diǎn)研究方向[1]。水下無線傳感器網(wǎng)絡(luò)由大量微型傳感器節(jié)點(diǎn)組成，具有自組織性、可靠性高等特點(diǎn)[2～4]，在水環(huán)境監(jiān)測(cè)中海洋已經(jīng)成為各個(gè)領(lǐng)域研究的重點(diǎn)。水下節(jié)點(diǎn)定位是利用水下無線傳感器網(wǎng)絡(luò)進(jìn)行海洋環(huán)境研究和探索的基礎(chǔ)[5,6]。不同于地面?zhèn)鞲衅骶W(wǎng)絡(luò)，水下節(jié)點(diǎn)定位要面臨兩種因素的挑戰(zhàn)[7]：水下傳感器網(wǎng)絡(luò)只能通過聲波傳輸；水下傳感器受到水流的作用產(chǎn)生移動(dòng)。

目前，大多數(shù)定位方法主要分為靜態(tài)水下傳感器網(wǎng)絡(luò)定位和動(dòng)態(tài)水下傳感器網(wǎng)絡(luò)定位。文獻(xiàn)[8]提出了在水下環(huán)境中利用多次變迭代方法實(shí)現(xiàn)了適用于小規(guī)模靜態(tài)水下網(wǎng)絡(luò)的分布式節(jié)點(diǎn)定位，但是對(duì)于大規(guī)模動(dòng)態(tài)水下網(wǎng)絡(luò)環(huán)境，該方法會(huì)造成較高的通信能耗。對(duì)于動(dòng)態(tài)水下傳感器網(wǎng)絡(luò)，由于存在節(jié)點(diǎn)移動(dòng)性，靜態(tài)定位方法不能保證節(jié)點(diǎn)定位的實(shí)時(shí)性。文獻(xiàn)[9]提出了基于移動(dòng)預(yù)測(cè)的水下傳感器網(wǎng)絡(luò)可擴(kuò)展定位方法(scalable localization with mobliity prediction,SLMP)用于水下大規(guī)模動(dòng)態(tài)網(wǎng)絡(luò)，利用節(jié)點(diǎn)運(yùn)動(dòng)的時(shí)間與空間關(guān)系預(yù)測(cè)節(jié)點(diǎn)的速度實(shí)現(xiàn)定位。但是該方法采用了線性簡(jiǎn)單參數(shù)模型逼近節(jié)點(diǎn)的運(yùn)動(dòng)模型，無法準(zhǔn)確地描述復(fù)雜的水下節(jié)點(diǎn)運(yùn)動(dòng)。因此，構(gòu)造符合移動(dòng)特性的節(jié)點(diǎn)運(yùn)動(dòng)模型是水下節(jié)點(diǎn)定位的關(guān)鍵。

本文提出了基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)定位方法(real-time localization algorithm based on current model,RTLC)。利用洋流模型表示節(jié)點(diǎn)的運(yùn)動(dòng)模型，解決了水的流動(dòng)性對(duì)節(jié)點(diǎn)產(chǎn)生的影響。采用卡爾曼預(yù)測(cè)方法優(yōu)化運(yùn)動(dòng)模型實(shí)現(xiàn)了近海領(lǐng)域內(nèi)，水下移動(dòng)環(huán)境的高精度節(jié)點(diǎn)定位。

采用信息記錄機(jī)制及信息更新機(jī)制保證信息的時(shí)效性。仿真結(jié)果表明：RTLC算法在各方面定位性能均達(dá)到了良好的效果。

1 網(wǎng)絡(luò)模型

在近海無線傳感器網(wǎng)絡(luò)中，水下傳感器節(jié)點(diǎn)會(huì)隨洋流一起運(yùn)動(dòng)，影響定位的準(zhǔn)確度。海洋洋流具有持續(xù)變化的移動(dòng)速度和半周期性運(yùn)動(dòng)的特征，其運(yùn)動(dòng)特征在空間和時(shí)間上呈現(xiàn)相關(guān)性，如圖1所示。因此，本文考慮利用洋流模型描述節(jié)點(diǎn)的運(yùn)動(dòng)情況。

圖1 近海岸速度與時(shí)間的關(guān)系

1.1 洋流模型

在近海監(jiān)控網(wǎng)絡(luò)環(huán)境中，考慮到潮汐是導(dǎo)致近海洋流速度不確定性的主要因素，且潮汐可以分解成不同頻率的潮汐成分，本文用一系列具有潮汐成分頻率的正弦函數(shù)和余弦函數(shù)作為時(shí)間基函數(shù)表示潮汐[10]，如式(1)所示

=1Nhixsinωit

(1)

式中N為研究海域內(nèi)潮汐成分的個(gè)數(shù)；x為節(jié)點(diǎn)的位置；y0(x)為在觀察采樣時(shí)間段內(nèi)洋流速度的平均值。

在近海環(huán)境中，洋流模型可以針對(duì)時(shí)間和空間提供高精度的洋流速度估計(jì)。為了更好地描述位置與速度的關(guān)系，本文用高斯徑向函數(shù)作為空間基函數(shù)，可得洋流模型

(2)

(3)

式中θi,j為洋流模型高斯徑向基函數(shù)的系數(shù);ω為潮汐成分的角頻率;x為洋流模型的輸入位置;輸出y為t時(shí)刻該位置的洋流速度的估計(jì)值。洋流模型的建立是實(shí)時(shí)定位算法的基礎(chǔ)。

1.2 網(wǎng)絡(luò)模型

在近海監(jiān)控環(huán)境中，水下無線傳感器網(wǎng)絡(luò)是由浮標(biāo)節(jié)點(diǎn)、錨節(jié)點(diǎn)以及普通節(jié)點(diǎn)組成的異構(gòu)網(wǎng)絡(luò)，如圖2，其主要特征為:1)浮標(biāo)節(jié)點(diǎn)：水面，自身攜帶全球定位系統(tǒng)(global positioning system,GPS)裝置;2)錨節(jié)點(diǎn)具有較強(qiáng)的通信能力、存儲(chǔ)能力和計(jì)算能力，可直接與水面浮標(biāo)節(jié)點(diǎn)進(jìn)行通信;3)普通節(jié)點(diǎn)可以接收通信范圍內(nèi)鄰居節(jié)點(diǎn)廣播的信息，但不能與水面浮標(biāo)節(jié)點(diǎn)直接通信。

圖2 水下無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)

在水下無線傳感器網(wǎng)絡(luò)中，浮標(biāo)節(jié)點(diǎn)通過自身GPS裝置獲取位置，錨節(jié)點(diǎn)直接與浮標(biāo)節(jié)點(diǎn)通信實(shí)現(xiàn)自定位。不能直接與浮標(biāo)節(jié)點(diǎn)通信的普通節(jié)點(diǎn)只能與通信范圍內(nèi)的錨節(jié)點(diǎn)通信獲取相關(guān)的位置信息實(shí)現(xiàn)定位。因此，普通節(jié)點(diǎn)定位具有一定的挑戰(zhàn)性，實(shí)現(xiàn)水下普通節(jié)點(diǎn)的定位是本文研究的目的。

2 基于洋流模型的實(shí)時(shí)定位方法

利用水下物體運(yùn)動(dòng)的內(nèi)在特征構(gòu)建節(jié)點(diǎn)的運(yùn)動(dòng)模型，采用卡爾曼預(yù)測(cè)方法實(shí)時(shí)更新錨節(jié)點(diǎn)的運(yùn)動(dòng)模型，使其更符合錨節(jié)點(diǎn)的移動(dòng)特性，普通節(jié)點(diǎn)通過與錨節(jié)點(diǎn)通信獲取模型參數(shù)信息，合成符合自身移動(dòng)特性的運(yùn)動(dòng)模型計(jì)算速度，以實(shí)現(xiàn)自定位。包括錨節(jié)點(diǎn)定位和普通節(jié)點(diǎn)定位。

2.1 錨節(jié)點(diǎn)定位

整個(gè)過程分為3部分：狀態(tài)方程的構(gòu)造，觀察方程的構(gòu)造以及位置計(jì)算。

1)狀態(tài)方程的構(gòu)造

在近海無線傳感器網(wǎng)絡(luò)環(huán)境中，假設(shè)定位周期為Tl，在t=kTl時(shí)刻，式(3)離散化為

(4)

由于錨節(jié)點(diǎn)定位頻率遠(yuǎn)遠(yuǎn)高于潮汐成分的頻率，進(jìn)行泰勒一次展開后，定義

(5)

且αk=α(kTl)=[α1(kTl),α1(kTl),…,α1(kTl)]T，可得卡爾曼預(yù)測(cè)的狀態(tài)方程

(6)

式中w(k)=[w1(k),w2(k),…,wM(k)]T為第k時(shí)刻的過程噪聲。假定w(k)為高斯白噪聲，均值為零且協(xié)方差矩陣Q(k)已知。

2)觀測(cè)方程的構(gòu)造

在近海環(huán)境中，將錨節(jié)點(diǎn)通過浮標(biāo)節(jié)點(diǎn)實(shí)時(shí)獲取到的自身位置信息作為觀測(cè)值，卡爾曼預(yù)測(cè)的觀測(cè)方程為

z(k)=H(k)αk+v(k)

(7)

式中H(k)=[Φ1(k),…,ΦM(k)]為洋流模型的空間基函數(shù);v(k)=[v1(k),…,vM(k)]T為第k時(shí)刻錨節(jié)點(diǎn)的測(cè)量噪聲。假設(shè)v(k)符合均值為零，協(xié)方差矩陣為R(k)的高斯分布?？柭A(yù)測(cè)可由式(6)和式(7)實(shí)現(xiàn)，得到最優(yōu)狀態(tài)估計(jì)。利用遞歸最小二乘法(RLMS)將最優(yōu)狀態(tài)估計(jì)轉(zhuǎn)換成錨節(jié)點(diǎn)模型參數(shù)。

3)位置計(jì)算

考慮到節(jié)點(diǎn)運(yùn)動(dòng)具有半周期性，將整個(gè)定位過程的時(shí)間劃分成多個(gè)預(yù)測(cè)窗口，窗口長(zhǎng)度為Tw且Tw=kTl。假設(shè)相鄰預(yù)測(cè)窗口節(jié)點(diǎn)的移動(dòng)行為不會(huì)發(fā)生改變。在第k個(gè)定位周期，錨節(jié)點(diǎn)獲取自身的實(shí)際位置Lr_a(k)，并根據(jù)運(yùn)動(dòng)模型得出速度估計(jì)值ve_a(k)計(jì)算其估計(jì)位置及位置誤差

Le_a(k)=Lr_a(k-1)+Tl×ve_a(k)

(8)

e(k)=Le_a(k)-Lr_a(k-1)

(9)

定義位置誤差閾值為e0。如果e(k)≤e0，則運(yùn)動(dòng)模型的參數(shù)不需要更新，錨節(jié)點(diǎn)前一定位周期的運(yùn)動(dòng)模型可以在本次定位周期中繼續(xù)使用；如果e(k)≥e0，則運(yùn)動(dòng)模型的參數(shù)不再適用，錨節(jié)點(diǎn)需要通過卡爾曼預(yù)測(cè)更新參數(shù)獲取新的運(yùn)動(dòng)模型，并在網(wǎng)絡(luò)中廣播當(dāng)前位置以及新的運(yùn)動(dòng)模型參數(shù)。

2.2 普通節(jié)點(diǎn)的定位算法

在近海監(jiān)控網(wǎng)絡(luò)中，考慮到普通節(jié)點(diǎn)的內(nèi)存和計(jì)算能力有限，為了有效獲取普通節(jié)點(diǎn)的位置，利用水下運(yùn)動(dòng)物體之間的空間相關(guān)性，采用迭代定位的方法將普通節(jié)點(diǎn)接收的錨節(jié)點(diǎn)運(yùn)動(dòng)模型信息合成普通節(jié)點(diǎn)自身的運(yùn)動(dòng)模型，實(shí)現(xiàn)移動(dòng)預(yù)測(cè)從而自定位。整個(gè)定位過程分為普通節(jié)點(diǎn)定位和參考列表更新。

1)普通節(jié)點(diǎn)定位

引入信息記錄機(jī)制，便于普通節(jié)點(diǎn)能夠獲取到盡可能多的錨節(jié)點(diǎn)信息實(shí)現(xiàn)定位。置信度表示在定位周期過程中，一個(gè)節(jié)點(diǎn)的信息對(duì)于另一個(gè)節(jié)點(diǎn)的可信程度。在初始階段，錨節(jié)點(diǎn)的置信度均為1，通過式(10)計(jì)算在定位過程中錨節(jié)點(diǎn)的置信度

(10)

式中tc為當(dāng)前時(shí)間;tr為節(jié)點(diǎn)信息的最新接收時(shí)間；η(k-1)為第k-1個(gè)定位周期節(jié)點(diǎn)的置信度。

定義位置已知且置信度高于置信度閾值的節(jié)點(diǎn)為參考節(jié)點(diǎn)，每個(gè)普通節(jié)點(diǎn)攜帶參考節(jié)點(diǎn)信息列表記錄通信的參考節(jié)點(diǎn)。起初，所有錨節(jié)點(diǎn)均為參考節(jié)點(diǎn)。參考節(jié)點(diǎn)列表包括：參考節(jié)點(diǎn)的ID，最新到達(dá)時(shí)間，位置坐標(biāo)，運(yùn)動(dòng)模型系數(shù)以及參考節(jié)點(diǎn)的置信度。根據(jù)參考節(jié)點(diǎn)列表，普通節(jié)點(diǎn)利用參考節(jié)點(diǎn)的運(yùn)動(dòng)模型系數(shù)合成自身運(yùn)動(dòng)模型系數(shù)

(11)

(12)

式中θ(i)和θ(p)分別為普通節(jié)點(diǎn)i和參考節(jié)點(diǎn)p運(yùn)動(dòng)模型的系數(shù);m為普通節(jié)點(diǎn)i的參考節(jié)點(diǎn)列表中參考節(jié)點(diǎn)的個(gè)數(shù);ξip為系數(shù)的權(quán)值;rip為普通節(jié)點(diǎn)i與參考節(jié)點(diǎn)p之間的距離。根據(jù)普通節(jié)點(diǎn)的運(yùn)動(dòng)模型計(jì)算出速度估計(jì)值后，計(jì)算普通節(jié)點(diǎn)的估計(jì)位置

Le_o(k)=Le_o(k-1)+Tl×ve_o(k)

(13)

式中Le_o(k-1)為第k-1個(gè)定位周期中普通節(jié)點(diǎn)的估計(jì)位置;ve_o(k)為第k個(gè)定位周期中普通節(jié)點(diǎn)的估計(jì)速度。

2)更新參考列表

考慮到參考節(jié)點(diǎn)列表內(nèi)參考節(jié)點(diǎn)置信度的實(shí)時(shí)性會(huì)影響普通節(jié)點(diǎn)定位精度，在定位過程中引入?yún)⒖脊?jié)點(diǎn)置信度實(shí)時(shí)更新機(jī)制。參考列表更新過程的主要步驟包括：

a.更新并檢查每個(gè)參考節(jié)點(diǎn)定位信息的最新到達(dá)時(shí)間,若最新到達(dá)時(shí)間與當(dāng)前時(shí)間的差值大于k0個(gè)定位周期(k0為定位周期閾值)，則該參考節(jié)點(diǎn)信息實(shí)時(shí)性較差，從列表中刪除該參考節(jié)點(diǎn)。

b.更新參考節(jié)點(diǎn)的位置，通過式(8)計(jì)算。

c.更新參考節(jié)點(diǎn)的置信度,如果參考節(jié)點(diǎn)信息未更新，那么其置信度會(huì)隨著時(shí)間的推移而減小，當(dāng)參考節(jié)點(diǎn)的置信度小于置信度閾值η0，說明參考節(jié)點(diǎn)的信息不具有可信度并將該參考節(jié)點(diǎn)從列表中刪除。

3 仿真分析

利用Matlab模擬近海監(jiān)控環(huán)境的水下無線傳感器網(wǎng)絡(luò)，實(shí)現(xiàn)基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)節(jié)點(diǎn)定位方法。從定位覆蓋度、平均定位誤差以及平均通信能耗三方面對(duì)本文算法與SLMP算法進(jìn)行比較。

3.1 仿真環(huán)境

在100×100×100的區(qū)域內(nèi)隨機(jī)分布500只傳感器節(jié)點(diǎn)。定義節(jié)點(diǎn)密度為鄰居節(jié)點(diǎn)的平均數(shù)量。通過改變節(jié)點(diǎn)的通信范圍控制節(jié)點(diǎn)密度，便于研究節(jié)點(diǎn)密度對(duì)水下節(jié)點(diǎn)定位的影響。由現(xiàn)存水下測(cè)距技術(shù)可知，節(jié)點(diǎn)間測(cè)量距離服從平均值為實(shí)際距離，標(biāo)準(zhǔn)差為實(shí)際距離的2 %的正態(tài)分布是合理的[11]。考慮到近海岸領(lǐng)域內(nèi)節(jié)點(diǎn)的深度變化不明顯，本文假設(shè)節(jié)點(diǎn)的深度在小范圍內(nèi)波動(dòng)，不考慮深度對(duì)節(jié)點(diǎn)定位的影響，將三維空間定位轉(zhuǎn)化為二維平面定位，其仿真參數(shù)如表1所示。

表1 仿真參數(shù)

3.2 性能分析

本文從定位覆蓋度、平均定位誤差以及平均通信能耗三方面評(píng)價(jià)算法性能。

1)定位覆蓋度指已定位節(jié)點(diǎn)占全部節(jié)點(diǎn)的比例

(14)

式中nloc為已定位的普通節(jié)點(diǎn)的數(shù)量；n為全部普通節(jié)點(diǎn)的數(shù)量。

2)平均定位誤差指節(jié)點(diǎn)的估計(jì)位置與真實(shí)位置之間的平均差值，本文將定位誤差歸一化到節(jié)點(diǎn)的通信半徑

(15)

3)平均通信能耗指定位過程中節(jié)點(diǎn)發(fā)送數(shù)據(jù)與接收數(shù)據(jù)的平均能耗

(16)

式中ET為節(jié)點(diǎn)發(fā)送數(shù)據(jù)的能耗；ER為接收數(shù)據(jù)的能耗；N為被定位的節(jié)點(diǎn)個(gè)數(shù)；nt和nr分別為節(jié)點(diǎn)發(fā)送和接收數(shù)據(jù)的次數(shù)。

圖3 定位覆蓋度與節(jié)點(diǎn)密度的關(guān)系

由圖3可知，隨著無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)密度的增加，定位覆蓋度呈現(xiàn)單調(diào)遞增趨勢(shì)，且RTLC算法的定位覆蓋率要高于SLMP算法。這是由于RTLC算法將移動(dòng)信息與移動(dòng)預(yù)測(cè)相結(jié)合，使原本不能定位的普通節(jié)點(diǎn)實(shí)現(xiàn)自定位。當(dāng)普通節(jié)點(diǎn)在預(yù)測(cè)窗口內(nèi)接收到2個(gè)參考信息時(shí)，RTLC算法可以實(shí)現(xiàn)定位，但是SLMP算法需要接收4個(gè)或4個(gè)以上的參考節(jié)點(diǎn)信息才能定位普通節(jié)點(diǎn)。在節(jié)點(diǎn)密度較少的情況下，RTLC算法定位覆蓋度更好。

圖4 平均定位誤差與節(jié)點(diǎn)密度的關(guān)系

由圖4可知：隨著無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)密度的增加，平均定位誤差呈現(xiàn)遞減趨勢(shì)。當(dāng)節(jié)點(diǎn)密度較低時(shí)，RTLC算法的平均定位誤差低于SLMP算法，這是由于RTLC算法的定位覆蓋度較高，一些普通節(jié)點(diǎn)接收的參考節(jié)點(diǎn)數(shù)量較少導(dǎo)致了定位精度下降。但隨著節(jié)點(diǎn)密度增加，普通節(jié)點(diǎn)能夠接收到更多的參考節(jié)點(diǎn)信息用于定位，從而降低了定位誤差。當(dāng)節(jié)點(diǎn)密度增加到一定程度后，RTLC算法的平均定位誤差低于SLMP算法。相比于SLMP算法利用線性模型逼近節(jié)點(diǎn)運(yùn)動(dòng)模型，RTLC算法采用洋流模型作為節(jié)點(diǎn)的運(yùn)動(dòng)模型，更符合節(jié)點(diǎn)在近海領(lǐng)域內(nèi)的運(yùn)動(dòng)特性，故RTLC算法的定位精度更高。

圖5 平均通信能耗與節(jié)點(diǎn)密度的關(guān)系

由圖5可知：隨著無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)密度的增加，平均通信能耗先迅速降低，這是由于隨著節(jié)點(diǎn)密度的增長(zhǎng)，定位覆蓋度會(huì)快速增長(zhǎng)。當(dāng)節(jié)點(diǎn)密度增加到一定程度，平均通信能耗漸漸趨于平穩(wěn)。而且RTLC算法的平均通信能耗較SLMP算法低，這是因?yàn)镽TLC算法采用洋流模型符合節(jié)點(diǎn)的運(yùn)動(dòng)規(guī)律，參考節(jié)點(diǎn)的定位準(zhǔn)確度較高，減少了參考節(jié)點(diǎn)更新運(yùn)動(dòng)模型的次數(shù)，從而降低了節(jié)點(diǎn)間的通信能耗。因此，RTLC算法平均通信能耗更低。

4 結(jié) 論

提出了基于洋流模型的水下傳感器網(wǎng)絡(luò)實(shí)時(shí)定位算法。在RTLC算法中，用洋流模型表示水下節(jié)點(diǎn)的運(yùn)動(dòng)模型，真實(shí)地模擬了節(jié)點(diǎn)的運(yùn)動(dòng)速度。利用卡爾曼預(yù)測(cè)方法更新運(yùn)動(dòng)模型，使其更貼近節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)。采用參考列表更新機(jī)制保證了參考信息的時(shí)效性。通過大量仿真比較RTLC算法與SLMP算法，結(jié)果表明：RTLC算法在各方面性能均優(yōu)于SLMP算法。因此，在近海領(lǐng)域監(jiān)控網(wǎng)絡(luò)環(huán)境中RTLC算法能達(dá)到更好的定位效果。

[1] Heidemann J,Ye W,Wills J.Research challenges and applications for underwater sensor networking[C]∥Wireless Communications and Networking Conference(WCNC),Las Vegas:IEEE,2006:228-235.

[2] 睿 智,王 玲.水下無線傳感器網(wǎng)絡(luò)協(xié)作式節(jié)點(diǎn)定位方法[J].傳感器與微系統(tǒng),2010,29(10):141-144.

[3] Akyildiz I F,Pompili D,Melodia T.Underwater acoustic sensor networks:Research challenges[J].Ad Hoc Networks,2005,3(3):257-279.

[4] 常 帥,李 晶,高 寒，等.AUV輔助的水下傳感器網(wǎng)絡(luò)時(shí)鐘同步算法[J].傳感器與微系統(tǒng),2015,34(10):137-140.

[5] Han G,Jiang J,Shu L.Localization algorithms of underwater wireless sensor networks:A survey[J].Sensors,2012,12(2):2419-2436.

[6] 楊 海,李 凱,閆 鑫.水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位信號(hào)檢測(cè)的設(shè)計(jì)[J].傳感器與微系統(tǒng),2011,30(6):79-81.

[7] Tan H P,Diamant R,Seah W K G.A survey of techniques and challenges in underwater localization[J].Ocean Engineering,2011,38(14):1663-1676.

[8] Zhang Yuecheng,Cheng Liang.A distributed protocol for multi-hop underwater robot positioning[C]∥International Conference on Robotics and Biomimetics(ROBIO),Shenyang:IEEE,2004:480-484.

[9] Zhou Z,Cui J H,Bagtzoglou A.Scalable localization with mobility prediction for underwater sensor networks[J].IEEE Transactions on Mobile Computing,2010,10(3):335-348.

[10] Pawlowicz R,Beardsley B,Lentz S.Classical tidal harmonic analysis including error estimates in Matlab using T-TIDE ☆[J].Computers & Geosciences,2002,28(8):929-937.

[11] Blough D M,Leoncini M,Resta G.The K-neigh protocol for symmetric topology control in Ad Hoc networks[C]∥Interational Symposium on Mobile Ad Hoc Networking and Computing(MOBIHOC),Annapolis,Maryland,USA:ACM,2003:141-152.

Real-timelocalizationalgorithmbasedoncurrentmodelforunderwatersensornetworks

JIN Ze-yan， Lü Wei-jie， LIU Li-ping

(SchoolofElectricalEngineering&Automation，TianjinUniversity，Tianjin300072,China)

To solve the problem that nodes move with ocean currents in underwater wireless sensor networks(UWSNs),a real-time localization algorithm based on current model(RTLC)is proposed.Using current model to represent mobility model of nodes eliminates the influence of fluidity on positioning and the speed of nodes underwater is simulated precisely.The mobility model is optimized by Kalman prediction combined observed values with theoretical values.Besides these,the recording and updating mechanism ensure information efficiency,so as to increase positioning accuracy.The simulation analysis shows that the performance of RTLC algorithm is prior to scalable localization with mobility prediction(SLMP) algorithm with low communication costs,high localization coverage rate and average positioning error.

underwater wireless sensor networks(UWSNs); current model; Kalman prediction; real-time localization

10.13873/J.1000—9787(2017)12—0149—04

TP 393

A

1000—9787(2017)12—0149—04

2016—11—23

晉澤炎(1992-)，女，滿族，碩士研究生，主要研究方向?yàn)樗聜鞲衅骶W(wǎng)絡(luò)定位研究，E—mail:kimmutou@163.com。呂偉杰(1975-)，女，副教授，碩士研究生導(dǎo)師，主要研究領(lǐng)域?yàn)榫W(wǎng)絡(luò)控制系統(tǒng)，小波網(wǎng)絡(luò)，多模型控制理論等。