模糊推理下多模型融合的異步測(cè)距定位算法

向英杰，魏連鎖，謝思雅，馬敬云，孫明

模糊推理下多模型融合的異步測(cè)距定位算法

向英杰，魏連鎖，謝思雅，馬敬云，孫明

（齊齊哈爾大學(xué) 計(jì)算機(jī)與控制工程學(xué)院，黑龍江 齊齊哈爾 161006）

針對(duì)水下節(jié)點(diǎn)隨著洋流運(yùn)動(dòng)具有移動(dòng)性特性，導(dǎo)致現(xiàn)有水下測(cè)距定位算法存在定位精度低、抗干擾能力差等問題．對(duì)此，提出一種模糊推理下多模型融合的異步定位算法．首先采用深海拉格朗日洋流模型描述水下節(jié)點(diǎn)運(yùn)動(dòng)規(guī)律，模擬節(jié)點(diǎn)運(yùn)動(dòng)速度，構(gòu)建錨節(jié)點(diǎn)與待定位節(jié)點(diǎn)信息動(dòng)態(tài)交互模型．在此基礎(chǔ)上，構(gòu)建基于信號(hào)傳播時(shí)延（Round-trip Time，RTT）與接收信號(hào)強(qiáng)度（Received Signal Strength Indication，RSSI）動(dòng)態(tài)定位模型，再引入波動(dòng)系數(shù)作為調(diào)節(jié)因子，利用模糊推理規(guī)則建立RTT與RSSI相融合的動(dòng)態(tài)定位模型，提出模糊推理下多模型融合的異步測(cè)距定位算法．仿真實(shí)驗(yàn)表明，改進(jìn)算法與對(duì)比算法相比，考慮了水下節(jié)點(diǎn)的移動(dòng)性，降低了水聲信道的不穩(wěn)定性對(duì)定位精度的影響，定位誤差降低了25.58%，抗干擾能力顯著提高．

水下傳感器網(wǎng)絡(luò)；模糊推理；多模型融合；異步定位

海洋是21世紀(jì)最具有探索意義的領(lǐng)域，也是未來世界各國競爭的核心地方[1]，它擁有大量的資源，可以為人類提供生存與發(fā)展的新空間．對(duì)海洋資源的開發(fā)與利用離不開水下無線傳感器網(wǎng)絡(luò)（Underwater Wireless Sensor Networks，UWSNs），UWSNs是由各種各樣的傳感器節(jié)點(diǎn)組成，具有自組織性、可靠性高等特點(diǎn)[2]．人類對(duì)海洋資源的探索也是依靠這個(gè)網(wǎng)絡(luò)，在UWSNs基礎(chǔ)研究中，水下節(jié)點(diǎn)定位起著舉足輕重的作用，不但為節(jié)點(diǎn)感知數(shù)據(jù)提供重要的位置信息，也為水下目標(biāo)跟蹤提供位置依據(jù)[3]．和地面?zhèn)鞲衅骶W(wǎng)絡(luò)相比，水下節(jié)點(diǎn)定位主要面臨２方面的挑戰(zhàn)[4]：（1）水下傳感器節(jié)點(diǎn)會(huì)隨著洋流移動(dòng)，若定位算法未考慮節(jié)點(diǎn)的移動(dòng)性則會(huì)增加定位誤差；（2）水下傳感器節(jié)點(diǎn)間只能通過水聲信道進(jìn)行數(shù)據(jù)傳輸，因此，水下傳感器節(jié)點(diǎn)間的通信時(shí)延較大，且受海洋復(fù)雜環(huán)境的影響，定位的精度和可靠性會(huì)降低．

現(xiàn)有UWSNs節(jié)點(diǎn)定位算法中，根據(jù)距離測(cè)量可分為基于免測(cè)距定位[5-6]和測(cè)距定位[7-11]算法，免測(cè)距與測(cè)距結(jié)合的定位算法[12]，而水下異步定位是測(cè)距定位算法研究的熱點(diǎn)．Yeredor[13]提出了使用協(xié)作節(jié)點(diǎn)進(jìn)行節(jié)點(diǎn)定位，該方法解決了異步時(shí)鐘下精度差的問題，但其魯棒性較差，復(fù)雜度高，容易受海洋復(fù)雜環(huán)境的影響．Canclini[14]等為了解決上述問題，提出為每個(gè)傳感器節(jié)點(diǎn)選擇可行的到達(dá)時(shí)間差關(guān)系，利用幾何考慮和總體廣義互相關(guān)系（GCC）形狀的表征，設(shè)計(jì)了一種復(fù)雜度低和魯棒性強(qiáng)的算法．Carroll[15]等又針對(duì)其能量消耗大的問題，提出了按需請(qǐng)求的異步定位算法，但其抗干擾的能力差．孫彥龍[16]基于文獻(xiàn)[15]的算法提出了具有抗干擾能力的異步定位算法．該算法變相使用了RTT與RSSI測(cè)距技術(shù)，消除了節(jié)點(diǎn)間時(shí)鐘異步的影響，但其未考慮節(jié)點(diǎn)的移動(dòng)性對(duì)定位誤差的影響，且抗干擾能力較差．

因此，本文采用拉格朗日洋流模型描述節(jié)點(diǎn)運(yùn)動(dòng)規(guī)律，模擬節(jié)點(diǎn)運(yùn)動(dòng)速度，構(gòu)建錨節(jié)點(diǎn)與待定位節(jié)點(diǎn)信息動(dòng)態(tài)交互模型，對(duì)基于信號(hào)傳播時(shí)延與信號(hào)強(qiáng)度2個(gè)定位算法進(jìn)行動(dòng)態(tài)修正，再引入波動(dòng)系數(shù)作為調(diào)節(jié)因子，利用三角棣屬度函數(shù)，構(gòu)建模糊推理下RTT與RSSI融合定位模型，從而設(shè)計(jì)出一個(gè)定位精度高，抗干擾能力強(qiáng)的水下傳感器網(wǎng)絡(luò)異步定位算法．

1 模型構(gòu)建

1.1 洋流模型

雖然水下環(huán)境十分復(fù)雜，但水下物體運(yùn)動(dòng)并不是完全無規(guī)律的，而是呈現(xiàn)出半周期的運(yùn)動(dòng)特性，在水下無線傳感器網(wǎng)絡(luò)中，水下傳感器節(jié)點(diǎn)會(huì)隨著洋流一起運(yùn)動(dòng)，其運(yùn)動(dòng)特征在時(shí)間與空間上呈現(xiàn)相關(guān)性．因此，本文考慮利用洋流模型來描述節(jié)點(diǎn)的運(yùn)動(dòng)情況．

在文獻(xiàn)[17]中提出一種權(quán)威的洋流模型，本文用此模型模擬節(jié)點(diǎn)的運(yùn)動(dòng)態(tài)勢(shì)

1.2 移動(dòng)節(jié)點(diǎn)位置信息交互過程

圖1 待定位節(jié)點(diǎn)位置變化

圖2 定位過程中的信息交互過程

1.3 基于傳播時(shí)延（RTT）的動(dòng)態(tài)定位模型

基于信號(hào)傳播時(shí)延的定位算法中水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)使用的異步時(shí)鐘模型為

1.4 基于接收信號(hào)強(qiáng)度（RSSI）的動(dòng)態(tài)定位模型

式中：右側(cè)第1項(xiàng)為傳播損失，柱面?zhèn)鞑r(shí)為2，球面?zhèn)鞑r(shí)為1；右側(cè)第2項(xiàng)為衰減損失；右側(cè)第3項(xiàng)是其他原因引起的傳播損耗，如多徑傳播損耗，這個(gè)值可以認(rèn)為是5～10 dB的一個(gè)常數(shù)．

則使所有誤差值之和最小的待定位傳感器節(jié)點(diǎn)位置最優(yōu)估計(jì)函數(shù)為

2 模糊推理下TDOA與RSSI融合定位模型

基于信號(hào)傳播時(shí)延與基于接收信號(hào)強(qiáng)度的測(cè)量方法可分別得到一個(gè)估算位置，在一般情況下基于信號(hào)傳播時(shí)延的方法得到的估算位置精度較高，基于接收信號(hào)強(qiáng)度的方法得到的估算位置精度較低．但在實(shí)際的測(cè)量場(chǎng)景中，人為的攻擊，環(huán)境的強(qiáng)干擾，設(shè)備時(shí)鐘的不穩(wěn)定都會(huì)造成時(shí)間測(cè)量出現(xiàn)錯(cuò)誤[18]，從而造成水下待定位傳感器節(jié)點(diǎn)使用基于信號(hào)傳播時(shí)延的算法定位結(jié)果出現(xiàn)較大誤差．由于接收信號(hào)強(qiáng)度值的獲取方法是對(duì)一個(gè)時(shí)間段內(nèi)的信號(hào)強(qiáng)度進(jìn)行連續(xù)采樣后取均值，因此，通過權(quán)重系數(shù)將２種算法得到的估算位置進(jìn)行融合就能增強(qiáng)定位算法的魯棒性．根據(jù)洋流模型可知水下傳感器節(jié)點(diǎn)的速率變化規(guī)律，本文提出了一種自適應(yīng)的權(quán)重動(dòng)態(tài)調(diào)整算法．

圖3 模糊推理下RTT與RSSI融合定位模型

模糊推理下RTT與RSSI融合定位模型見圖3．主要包括3個(gè)步驟：

（1）模糊化：利用輸入棣屬度函數(shù)將清晰的數(shù)字輸入轉(zhuǎn)換為模糊集的過程．本文采用三角棣屬度函數(shù)

式（16）為其三角函數(shù)式，其中：代表三角函數(shù)曲線與橫坐標(biāo)的2個(gè)交點(diǎn)值；代表曲線頂點(diǎn)的橫坐標(biāo)對(duì)應(yīng)的值．和分別有各自的三角棣屬度函數(shù)（見圖4），這些棣屬度函數(shù)儲(chǔ)存在知識(shí)庫中．輸入與輸出的模糊集都使用小?。⊿mall Small，SS），?。⊿mall，S），中（Middle，M），大（Large，L），大大（Large Large，LL）5個(gè)語言變量來標(biāo)記．和的論域均為[0，1]．

（2）模糊推理：在模糊化后，模糊推理使用知識(shí)庫和規(guī)則庫將輸入模糊集映射到輸出模糊集．規(guī)則庫是基于實(shí)驗(yàn)與經(jīng)驗(yàn)建立的規(guī)則表，自適應(yīng)權(quán)重因子調(diào)整算法的規(guī)則見表1．模糊推理的過程有２步，第１步蘊(yùn)涵，從規(guī)則表中找到與輸入的模糊集對(duì)應(yīng)的所有規(guī)則；第２步聚合，通過取最大值的方法將所有選擇的輸出模糊集聚合成一個(gè)輸出模糊集．

表1 模糊推理規(guī)則表

3 模糊推理下多模型融合的異步定位算法

本文提出的模糊推理下多模型融合的異步定位算法（Localization of Multi-Model Fusion under Fuzzy Reasoning，F(xiàn)R-LOMMF）分為3個(gè)步驟：

4 仿真分析

4.1 算法時(shí)間復(fù)雜度分析

4.2 定位誤差分析

截取不同信號(hào)傳播時(shí)延噪聲方差下相同10個(gè)時(shí)間點(diǎn)上的定位數(shù)據(jù)（見圖5），RTT隨方差增大定位誤差逐漸增大，RSSI誤差則相對(duì)穩(wěn)定在4 m上下波動(dòng)，而ABWF與FR-LOMMF介于2種算法之間，且FR-LOMMF更接近于RTT，誤差更?。纱丝芍?，在沒有出現(xiàn)時(shí)間測(cè)量錯(cuò)誤的情況下，4種算法都能很好地完成10次定位任務(wù)，說明了４種定位算法的有效性，也能直觀地展現(xiàn)出４種算法的定位精度．且由于FR-LOMMF每次定位均獨(dú)立進(jìn)行，由RTT與RSSI動(dòng)態(tài)融合所得，所以不會(huì)出現(xiàn)誤差積累，誤差不會(huì)隨時(shí)間出現(xiàn)變大現(xiàn)象．

圖5 不同信號(hào)傳播時(shí)延噪聲方差下的定位誤差

4.3 抗干擾性分析

截取相同的10個(gè)時(shí)間點(diǎn)（見圖6），在截取的第3個(gè)和第8個(gè)時(shí)間點(diǎn)上加入了錯(cuò)誤的時(shí)間測(cè)量．RTT在這２處時(shí)間點(diǎn)上都出現(xiàn)了大的偏差，也就是如果在出現(xiàn)大偏差時(shí)權(quán)重值選取不當(dāng)將存在較大的風(fēng)險(xiǎn)，在圖6中，F(xiàn)R-LOMMF展現(xiàn)出了更強(qiáng)的抗干擾能力．

時(shí)間測(cè)量錯(cuò)誤時(shí)（見圖7），在第3個(gè)時(shí)間點(diǎn)和第8個(gè)時(shí)間點(diǎn)RTT分別出現(xiàn)了13 m和17 m的定位誤差，而RSSI使用的是一段時(shí)間內(nèi)的信號(hào)強(qiáng)度連續(xù)采樣后的平均值，因此該算法定位表現(xiàn)不受影響．FR-LOMMF在RTT出現(xiàn)較大誤差時(shí)依然能維持在一個(gè)較低的誤差范圍，相較之下，比ABWF的抗干擾能力有極大的提高．

圖6 時(shí)間測(cè)量出現(xiàn)錯(cuò)誤４種算法的定位情況

圖7 時(shí)間測(cè)量出現(xiàn)錯(cuò)誤的情況下水下節(jié)點(diǎn)的定位誤差

4.4 定位精度隨錨節(jié)點(diǎn)密度變化分析

圖8 定位精度隨錨節(jié)點(diǎn)密度變化分析

5 結(jié)語

針對(duì)現(xiàn)有水下節(jié)點(diǎn)異步定位算法未考慮節(jié)點(diǎn)的移動(dòng)性導(dǎo)致定位誤差大，抗干擾能力差等問題，在深海拉格朗日洋流模型基礎(chǔ)上，利用模糊推理規(guī)則，構(gòu)建了RTT與RSSI融合動(dòng)態(tài)定位模型，進(jìn)而提出了一種模糊推理下多模型融合的異步測(cè)距定位算法（FR-LOMMF）．仿真實(shí)驗(yàn)表明，本文提出的算法比傳統(tǒng)的算法定位誤差更低，且在時(shí)間測(cè)量出現(xiàn)錯(cuò)誤時(shí)具有較好的抗干擾能力．

雖然該算法降低了定位誤差，提高了抗干擾能力，但由于水下環(huán)境復(fù)雜，聲速和錨節(jié)點(diǎn)速度是變化的，本文只考慮了存在誤差的情況下如何進(jìn)行求解，并沒有對(duì)誤差進(jìn)行建模得到較好的估算．因此，后續(xù)的工作將著眼于誤差建模研究．

[1] 李晉，姜曉軼．助力海洋強(qiáng)國建設(shè)：海洋信息互聯(lián)互通、深度融合、智慧應(yīng)用：2018中國海洋信息技術(shù)高端論壇會(huì)議綜述[J]．海洋信息，2018，33（3）：5．

[2] Tuna G．A survey on deployment techniques，localization algorithms，and research challenges for underwater acoustic sensor networks[J]．International Journal of Communication Systems，2017，30（17）：12-13．

[3] ErolKantarci M，Mouftah HT，Oktug S．A survey of architectures and localization techniques for underwater acoustic sensor networks[J]．IEEE Communications Surveys and Tutorials，2011，13（3）：487-502．

[4] Tan H P，DiamantＲ，Seah WKG．A survey of techniques and challenges in underwater localization[J]．Ocean Engineering，2011，38（14）：1663-1676．

[5] HAN G，JIANG J，ZHANG C，et al．A survey on mobile anchor node assisted localization in wireless sensor networks[J]．IEEE Communications Surveys and Tutorials，2016，18（3）：2220-2243．

[6] 王采薇，杜秀娟．水下無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的定點(diǎn)神經(jīng)網(wǎng)絡(luò)算法研究[J]．信息技術(shù)與信息化，2020（5）：231-233．

[7] Le TK，Ono N．Closed-form and near closed-form solutions for TDOA-based joint source and sensor localization[J]．IEEE Transactions on Signal Processing，2017，65（5）：1207-1221．

[8] HU Y，Leus G．Robust differential received signal strength-based localization[J]．IEEE Transactions on Signal Processing，2017，65（12）：3261-3276．

[9] WANG Y，HO D．Unified near-field and far-field localization for AOA and hybrid AOA-TDOA positionings[J]．IEEE Transactions on Wireless Communications，2017，17（2）：1242-1254．

[10] ZHANG B，WANG H，ZHENG L，et al．Joint synchronization and localization for underwater sensor networks considering stratification effect[J]．IEEE Access，2017，5：26932-26943．

[11] YANG M，Jackson D R，CHEN J，et al．A TDOA localization method for non-line-of-sight scenarios[J]．IEEE Transactions on Wireless Communications，2019，67（4）：2666-2676．

[12] 王鑫，田藝，蔣華，等．基于錨節(jié)點(diǎn)移動(dòng)路徑動(dòng)態(tài)規(guī)劃的定位算法[J]．計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（8）：6．

[13] Yeredor A．Cooperative self-localization in asynchronous sensors networks based on TOA from transmission at unknown locations//[C]．InProceedings of IEEE International Conference on Acoustic，Speech and SignalProcessing，Brisbane，QLD，Australia，2015：2844-2848．

[14] Canclini A，Bestagini P，Antonacci F，et al．A robust and low-complexity source localization algorithm for asynchronous distributed microphone networks[J]．IEEE/ACM Transactions onAudio，Speech，and Language Processing，2015，23（10）： 1563-1575．

[15] Carroll P，Mahmood K，Zhou S，et al．On-demand asynchronous localization for underwater sensor networks[J]．IEEE Transac-tions on Signal Processing，2014，62（13）：3337-3348．

[16] 孫彥龍．水下無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)定位與目標(biāo)跟蹤算法研究[D]．秦皇島：燕山大學(xué)，2019．

[17] Leif E A，F(xiàn)rancesco S，Lars I．An iceberg forecast approach based on a statistical ocean current model[J]．Cold Regions Science and Technology，2018：5-9．

[18] WANG Y，MA X，Leus G．Robust time-based localization for asynchronous networks[J]．IEEE Transactions on Signal Processing，2011，59（9）：4397-4410．

Multi-model fusion clock asynchronous range location algorithm based on fuzzy reasoning

XIANG Yingjie，WEI Liansuo，XIE Siya，MA Jingyun，SUN Ming

（School of Computer and Control Engineering，Qiqihar University，Qiqihar 161006，China）

Due to the mobile characteristics of underwater nodes moving with ocean currents，the existing underwater ranging and positioning algorithms have some problems such as low positioning accuracy and poor anti-jamming ability．To solve these problems，proposes an multi-model fusion clock asynchronous range location algorithm based on fuzzy reasoning．Firstly，use the deep sea Lagrange current model to describe the motion law of underwater nodes，simulate the motion speed of nodes．Then，build the dynamic interaction model of anchor nodes and unlocated nodes．On this basis，build a dynamic positioning model based on round-trip time（RTT）and received signal strength indentation（RSSI），and then import the fluctuation coefficient as the regulating factor．Based on fuzzy reasoning rules，the dynamic clock location model of RTT and RSSI fusion is established，and then propose the multi-model fusion clock asynchronous range location algorithm based on fuzzy reasoning．Simulation experiments show，compared with the comparison algorithm，the improved algorithm proposed takes the mobility of underwater nodes into consideration，reduces the influence of the instability of underwater acoustic channel on the positioning accuracy，reduces the positioning error by 25.58% and significantly improves the anti-interference ability．

underwater sensor network；fuzzy reasoning；multi-model fusion；asynchronous positioning

1007-9831（2022）10-0036-08

TP393

A

10.3969/j.issn.1007-9831.2022.10.008

2022-05-17

向英杰（1997-），男，四川南充人，在讀碩士研究生，從事水下傳感器研究．E-mail：790135337@qq.com

魏連鎖（1975-），男，黑龍江齊齊哈爾人，教授，從事水下傳感器研究．E-mail：451118227@qq.com