基于擴(kuò)散模型和粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位

曹昕鷙，韓 玨

(1．浙江機(jī)電職業(yè)技術(shù)學(xué)院 智慧交通學(xué)院，浙江 杭州 310053；2．浙江理工大學(xué) 機(jī)械與自動(dòng)控制學(xué)院，浙江 杭州 310018)

0 引言

無(wú)線傳感網(wǎng)絡(luò)由眾多節(jié)點(diǎn)通過(guò)自組織方式構(gòu)成，這些節(jié)點(diǎn)靈活性強(qiáng)，隨機(jī)分布于某一區(qū)域，依據(jù)參數(shù)對(duì)控制對(duì)象信息進(jìn)行采集，幫助管理者及時(shí)獲取所需信息[1-2]。無(wú)線傳感器網(wǎng)絡(luò)通常處于開放式環(huán)境中，各節(jié)點(diǎn)之間動(dòng)態(tài)且獨(dú)立分布，無(wú)中心節(jié)點(diǎn)監(jiān)控，因此節(jié)點(diǎn)定位非常重要，是無(wú)線傳感網(wǎng)絡(luò)運(yùn)行的基礎(chǔ)。準(zhǔn)確、快速的節(jié)點(diǎn)定位能夠使無(wú)線傳感網(wǎng)絡(luò)更加高效完成對(duì)象控制等處理，節(jié)點(diǎn)定位也成為該領(lǐng)域相關(guān)研究的重要內(nèi)容之一[3-4]。

眾多學(xué)者對(duì)于無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位方法進(jìn)行了相關(guān)研究，并取得一定成果。文獻(xiàn)[5]通過(guò)使用移動(dòng)接收節(jié)點(diǎn)來(lái)優(yōu)化傳感器節(jié)點(diǎn)的能量，設(shè)計(jì)了基于質(zhì)心的路由協(xié)議，該協(xié)議中傳感器節(jié)點(diǎn)形成了各自的集群，每個(gè)集群分配一個(gè)集群頭節(jié)點(diǎn)，用于收集數(shù)據(jù)，該方法通過(guò)路由協(xié)議的設(shè)計(jì)，更好地發(fā)揮了傳感節(jié)點(diǎn)的數(shù)據(jù)采集能力，但存在精度不高的問(wèn)題。文獻(xiàn)[6]在保證數(shù)據(jù)傳輸成功率高的同時(shí)，通過(guò)優(yōu)化具有不同能量采集率節(jié)點(diǎn)的網(wǎng)絡(luò)，提高網(wǎng)絡(luò)連通性效率，該方法根據(jù)能量收集能力計(jì)算每個(gè)節(jié)點(diǎn)的權(quán)重，然后利用其計(jì)算邊緣權(quán)重，創(chuàng)建一個(gè)最小生成樹完成節(jié)點(diǎn)部署，提高節(jié)點(diǎn)利用效果，但測(cè)距誤差較大。文獻(xiàn)[7]對(duì)無(wú)線傳感網(wǎng)絡(luò)中誤差估計(jì)條件下的無(wú)距離定位技術(shù)進(jìn)行研究，建立一個(gè)定位框架，定義不確定性參數(shù)，提出了一種計(jì)數(shù)定位和計(jì)數(shù)錨的2階段估計(jì)算法，計(jì)算局部傳感器節(jié)點(diǎn)的數(shù)量以及位置，實(shí)現(xiàn)定位分析，但容易出現(xiàn)局部最優(yōu)的問(wèn)題。文獻(xiàn)[8]主要分析移動(dòng)無(wú)線傳感網(wǎng)絡(luò)中的匯聚節(jié)點(diǎn)，提出了移動(dòng)感知占空比循環(huán)和動(dòng)態(tài)前置混合算法，在移動(dòng)接收節(jié)點(diǎn)上的移動(dòng)節(jié)點(diǎn)和靜態(tài)節(jié)點(diǎn)之間建立通信閾值，解決傳感網(wǎng)移動(dòng)感知問(wèn)題，該方法對(duì)移動(dòng)節(jié)點(diǎn)做出了詳細(xì)的分析，然而復(fù)雜度高導(dǎo)致耗時(shí)長(zhǎng)。文獻(xiàn)[9]使用改進(jìn)鯨魚算法進(jìn)行無(wú)線傳感器網(wǎng)絡(luò)定位優(yōu)化分析，建立節(jié)點(diǎn)定位目標(biāo)函數(shù)并求取最優(yōu)值，定位效果較好，然而召回率相對(duì)較低。

在現(xiàn)有研究成果的基礎(chǔ)上，本文提出一種基于擴(kuò)散模型和粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位方法，期望獲取優(yōu)化無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位方法，提高定位效果，為無(wú)線傳感相關(guān)領(lǐng)域研究提供理論支持。實(shí)驗(yàn)測(cè)試證明，所提方法能夠有效提升無(wú)線網(wǎng)節(jié)點(diǎn)定位效果，在不同密度、節(jié)點(diǎn)數(shù)量和占參考節(jié)點(diǎn)比例條件下，定位誤差和方差均低于其他方法，精度高達(dá)95%左右，召回率始終在95%以上，平均耗時(shí)僅13.8 s，性能優(yōu)越。本研究主要貢獻(xiàn)如下：

① 通過(guò)模擬信息擴(kuò)散過(guò)程獲取了無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)，并提取節(jié)點(diǎn)特征，為節(jié)點(diǎn)定位奠定了基礎(chǔ)。

② 對(duì)節(jié)點(diǎn)定位過(guò)程進(jìn)行了詳細(xì)操作，首先初步定位，然后側(cè)重考慮節(jié)點(diǎn)測(cè)距誤差問(wèn)題，采用改進(jìn)粒子群算法修正誤差，提高了定位結(jié)果的準(zhǔn)確度。

③ 采用多組實(shí)驗(yàn)進(jìn)行了仿真測(cè)試，驗(yàn)證了本文所提方法的有效性。

1 基于擴(kuò)散模型的無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)特征提取

無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)特征提取框架如圖1所示。

圖1 無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)特征提取框架Fig.1 Feature extraction framework for key nodes of wireless network

對(duì)無(wú)線傳感網(wǎng)絡(luò)中的全部節(jié)點(diǎn)進(jìn)行歸一化處理，共計(jì)包含N個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，具體計(jì)算如下：

(1)

式中，DCi為某一節(jié)點(diǎn)鄰近節(jié)點(diǎn)的數(shù)量；Γ(i)代表節(jié)點(diǎn)i的全部鄰近節(jié)點(diǎn)集合；j為第j個(gè)節(jié)點(diǎn)。

1.1 信息擴(kuò)散模型建立

根據(jù)上述無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)特征提取框架可知，需要首先提取無(wú)線網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，將節(jié)點(diǎn)設(shè)定為信息擴(kuò)散的種子節(jié)點(diǎn)，同時(shí)借助SEIR(Susceptible Exposed Infectious Recovered)模型對(duì)無(wú)線網(wǎng)節(jié)點(diǎn)信息擴(kuò)散情況進(jìn)行模擬分析，建立信息擴(kuò)散模型[10]。SEIR模型網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。圖中，綠色、紫色、紅色、藍(lán)色分別代表SEIR模型中的易感態(tài)、潛伏態(tài)、 感染態(tài)、恢復(fù)態(tài)4種狀態(tài)，可對(duì)應(yīng)看作無(wú)線網(wǎng)中的不同狀態(tài)節(jié)點(diǎn)，不同節(jié)點(diǎn)之間建立鏈接。

圖2 SEIR模型網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Network structure of the SEIR model

對(duì)鏈接的評(píng)價(jià)是進(jìn)行擴(kuò)散模擬的重要依據(jù)，優(yōu)先需要獲取鏈接的重要排序，同時(shí)識(shí)別關(guān)鍵鏈接，最終獲取無(wú)線網(wǎng)的關(guān)鍵節(jié)點(diǎn)。SEIR模型的設(shè)定條件為：

① 無(wú)線網(wǎng)絡(luò)中全部節(jié)點(diǎn)都可以被激活。

② 無(wú)線網(wǎng)絡(luò)中單一節(jié)點(diǎn)被激活之后將一直處于激活狀態(tài)。

在SEIR模型中，假設(shè)待激活節(jié)點(diǎn)周圍有一個(gè)或者多個(gè)激活節(jié)點(diǎn)，則待激活節(jié)點(diǎn)將會(huì)以一定的概率被激活。設(shè)定與節(jié)點(diǎn)i相連的2個(gè)節(jié)點(diǎn)分別為j和k，鏈接(i,j)和鏈接(i,k)的權(quán)重分別表示為wij和wik，則節(jié)點(diǎn)i在2條鏈接上被激活的概率pij和pik為：

(2)

式中，p為節(jié)點(diǎn)信息的初始擴(kuò)散概率。

(3)

式中，t為模擬實(shí)驗(yàn)次數(shù)；T為模擬次數(shù)最大值；δt為第t次模擬的權(quán)重。通過(guò)式(3)，在無(wú)線網(wǎng)絡(luò)節(jié)點(diǎn)情況下進(jìn)行計(jì)算，能夠獲取由鏈接擴(kuò)散而導(dǎo)致的激活節(jié)點(diǎn)數(shù)量，進(jìn)而得到對(duì)應(yīng)鏈接在網(wǎng)絡(luò)中的重要程度，獲取對(duì)應(yīng)評(píng)估的關(guān)鍵指標(biāo)。通過(guò)關(guān)鍵指標(biāo)，能夠得到鏈接的重要排序，獲取關(guān)鍵節(jié)點(diǎn)，為后續(xù)無(wú)線網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的特征提取提供重要的理論依據(jù)。

1.2 關(guān)鍵節(jié)點(diǎn)特征提取

根據(jù)上面獲取的評(píng)估指標(biāo)，可以對(duì)關(guān)鍵鏈接進(jìn)行排序獲取所需節(jié)點(diǎn)，進(jìn)而提取無(wú)線網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的特征信息。以下主要通過(guò)最小生成樹方法[11]進(jìn)行特征提取，詳細(xì)的操作步驟如下：

① 優(yōu)先組建一個(gè)無(wú)向加權(quán)網(wǎng)絡(luò)G：

G={V,E,W}，

(4)

式中，V為無(wú)線網(wǎng)絡(luò)下的節(jié)點(diǎn)集；E為邊集；W為權(quán)值的集合。

② 對(duì)G進(jìn)行初始化處理。

③ 重復(fù)上述操作步驟，直至集合中的值全部完成遍歷。

④ 將G中全部邊的權(quán)值按照從小到大的順序進(jìn)行排列，假設(shè)生成樹無(wú)法形成圈，則將其加入到對(duì)應(yīng)的集合中；反之，則直接將其刪除。

⑤ 通過(guò)點(diǎn)集V和邊集Esub構(gòu)建無(wú)向加權(quán)網(wǎng)絡(luò)G的一個(gè)最小生成樹。

⑥ 輸入關(guān)鍵節(jié)點(diǎn)信息，利用最小生成樹提取關(guān)鍵節(jié)點(diǎn)特征，此處主要提取無(wú)線節(jié)點(diǎn)的通信時(shí)間和速度特征，以便后續(xù)無(wú)線網(wǎng)節(jié)點(diǎn)定位分析中對(duì)于節(jié)點(diǎn)位置的計(jì)算和修正。

2 基于粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位

2.1 無(wú)線網(wǎng)節(jié)點(diǎn)初步定位

以上述獲取的無(wú)線網(wǎng)關(guān)鍵節(jié)點(diǎn)為對(duì)象，采用最大似然估計(jì)方法[12],對(duì)無(wú)線網(wǎng)節(jié)點(diǎn)進(jìn)行初步定位，對(duì)關(guān)鍵節(jié)點(diǎn)的估計(jì)值進(jìn)行計(jì)算，以最大估計(jì)值為依據(jù)，初步完成無(wú)線網(wǎng)節(jié)點(diǎn)定位。

(5)

式中，P(Gns)為在真實(shí)源節(jié)點(diǎn)s下獲取的Gn概率。

在無(wú)線網(wǎng)節(jié)點(diǎn)定位的過(guò)程中，需要借助最優(yōu)最大似然估計(jì)結(jié)果檢測(cè)單一信息源[13]。網(wǎng)絡(luò)隨機(jī)節(jié)點(diǎn)的向心性可表示為：

(6)

Gn對(duì)應(yīng)的極大似然估計(jì)可以表示為：

(7)

在無(wú)線網(wǎng)絡(luò)下，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)為一般圖時(shí)，無(wú)法直接使用式(7)進(jìn)行計(jì)算，但是從直觀角度，能夠借助廣度優(yōu)先搜索方法構(gòu)建一個(gè)擴(kuò)散樹，在上述情況下，能夠獲取如下的最優(yōu)似然估計(jì)：

(8)

式中，Tbfs(s)為以s為根節(jié)點(diǎn)的廣度優(yōu)先擴(kuò)散樹。

通過(guò)計(jì)算得到的最優(yōu)似然估計(jì)進(jìn)行無(wú)線網(wǎng)節(jié)點(diǎn)初步定位，設(shè)定真實(shí)源節(jié)點(diǎn)s被干擾的時(shí)間為t*，首先設(shè)定一個(gè)參考節(jié)點(diǎn)ot，則觀察點(diǎn)接收到鄰近節(jié)點(diǎn)的時(shí)間可以表示為：

(9)

式中，θi為觀察點(diǎn)集合。

在無(wú)線網(wǎng)信息傳遞過(guò)程中，信息源s是否對(duì)其他鄰近節(jié)點(diǎn)進(jìn)行干擾是未知的[14]。因此，在計(jì)算過(guò)程中，通過(guò)該節(jié)點(diǎn)獲取無(wú)線網(wǎng)通信信息的傳遞時(shí)間和速度，相應(yīng)的傳遞延遲dk表示為：

(10)

針對(duì)全部延遲向量，可以通過(guò)下式表示：

(11)

式中，[Cs]k,l代表一個(gè)規(guī)格為k×l的矩陣。

(12)

采用上述步驟計(jì)算無(wú)線網(wǎng)絡(luò)中全部關(guān)鍵節(jié)點(diǎn)的估計(jì)值，選取其中的最大估計(jì)值進(jìn)行無(wú)線網(wǎng)節(jié)點(diǎn)定位描述，實(shí)現(xiàn)節(jié)點(diǎn)的初步定位。

2.2 采用粒子群優(yōu)化算法修正節(jié)點(diǎn)測(cè)距

為進(jìn)一步提高無(wú)線網(wǎng)節(jié)點(diǎn)定位效果，在初步定位實(shí)現(xiàn)的基礎(chǔ)上，采用粒子群優(yōu)化算法修正節(jié)點(diǎn)之間的測(cè)距，進(jìn)而實(shí)現(xiàn)節(jié)點(diǎn)的精準(zhǔn)定位。

經(jīng)典的粒子群算法容易出現(xiàn)局部最優(yōu)的問(wèn)題，為此，本文對(duì)粒子的位置進(jìn)行變換處理，避免局部最優(yōu)問(wèn)題出現(xiàn)[15-16]。建立混沌系統(tǒng)，公式如下：

zi+1=ξzi(1-zi)，

(13)

式中，zi為粒子位置；ξ為混沌系數(shù)。根據(jù)混沌系統(tǒng)能夠得到粒子的新位置zi+1，對(duì)新位置zi+1進(jìn)行混沌擾動(dòng)處理，得到z′i+1，對(duì)比z′i+1與zi+1，選取較優(yōu)的數(shù)值替換另一數(shù)值作為新位置，反復(fù)迭代得到最優(yōu)解。

從信息擴(kuò)散模型可知，存在潛伏態(tài)的節(jié)點(diǎn)，在上述優(yōu)化完成的粒子群算法基礎(chǔ)上，引入距離誤差修正系數(shù)τ，對(duì)無(wú)線網(wǎng)潛伏節(jié)點(diǎn)移動(dòng)形成的潛在區(qū)域進(jìn)行約束，提高距離計(jì)算的準(zhǔn)確度[17-18]。距離誤差修正系數(shù)τ的計(jì)算如下：

(14)

式中，ei為距離誤差；d為節(jié)點(diǎn)之間的距離。

無(wú)線網(wǎng)節(jié)點(diǎn)移動(dòng)的潛在區(qū)域約束條件為：

(15)

式中，(ai,bi)，(a′i,b′i)分別為錨節(jié)點(diǎn)和潛在區(qū)域節(jié)點(diǎn)的位置坐標(biāo)。

在上述約束條件下，構(gòu)建無(wú)線網(wǎng)節(jié)點(diǎn)精準(zhǔn)定位的目標(biāo)函數(shù)，如下：

f(ai,bi,η)=f(ai,bi)+

(16)

式中，η為誤差懲罰因子。

綜合上述分析，給出基于擴(kuò)散模型和粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位實(shí)現(xiàn)流程如圖3所示。

圖3 無(wú)線網(wǎng)節(jié)點(diǎn)定位實(shí)現(xiàn)流程Fig.3 Flow chart of wireless network node positioning implementation

3 仿真實(shí)驗(yàn)

為了驗(yàn)證所提基于擴(kuò)散模型和粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位方法的綜合有效性，進(jìn)行仿真實(shí)驗(yàn)?zāi)M算法定位過(guò)程。實(shí)驗(yàn)?zāi)M系統(tǒng)在Windows 10操作系統(tǒng)下開發(fā)，CPU為Intel Core i7，內(nèi)存為6 GB，利用VC++6.0進(jìn)行編程實(shí)現(xiàn)無(wú)線網(wǎng)節(jié)點(diǎn)定位。

3.1 實(shí)驗(yàn)數(shù)據(jù)及細(xì)節(jié)

實(shí)驗(yàn)選取6個(gè)無(wú)線傳感器網(wǎng)絡(luò)作為測(cè)試對(duì)象，分別從每個(gè)無(wú)線網(wǎng)中采集1 000個(gè)數(shù)據(jù)，平均劃分為樣本數(shù)據(jù)和測(cè)試數(shù)據(jù)2類，可以獲取3 000個(gè)樣本數(shù)據(jù)和3 000個(gè)測(cè)試數(shù)據(jù)。

6個(gè)無(wú)線傳感器網(wǎng)絡(luò)測(cè)試場(chǎng)景及無(wú)線網(wǎng)節(jié)點(diǎn)分布各異，詳細(xì)參數(shù)如表1所示。

表1 實(shí)驗(yàn)參數(shù)設(shè)置Tab.1 Experimental parameter settings

將1 000個(gè)傳感節(jié)點(diǎn)按照5∶5的比例均勻地劃分為參考節(jié)點(diǎn)和待定位節(jié)點(diǎn)，即參考節(jié)點(diǎn)500個(gè)、待定位節(jié)點(diǎn)500個(gè)。

由于每個(gè)無(wú)線傳感器網(wǎng)絡(luò)測(cè)試場(chǎng)景不同，采集得到的數(shù)據(jù)形態(tài)等各不相同，為便于后續(xù)數(shù)據(jù)處理，對(duì)采集得到的數(shù)據(jù)集進(jìn)行預(yù)處理。首先，將實(shí)驗(yàn)數(shù)據(jù)集統(tǒng)一轉(zhuǎn)換為同樣的格式；然后，對(duì)數(shù)據(jù)集的每個(gè)特征進(jìn)行合并，并處理形成數(shù)據(jù)串，使用標(biāo)簽分別標(biāo)記好不同數(shù)據(jù)串，從而更好地實(shí)現(xiàn)節(jié)點(diǎn)定位分析，減少算法運(yùn)行復(fù)雜度。

3.2 實(shí)驗(yàn)指標(biāo)

(1) 節(jié)點(diǎn)定位效果：在不同網(wǎng)絡(luò)密度、節(jié)點(diǎn)數(shù)量和占參考節(jié)點(diǎn)比例條件下，計(jì)算不同方法的誤差和方差，驗(yàn)證本文方法節(jié)點(diǎn)定位效果。

(2) 定位精度：為了驗(yàn)證所提方法的優(yōu)越性，將無(wú)線網(wǎng)節(jié)點(diǎn)定位的精度作為測(cè)試指標(biāo)，定位精度越高，說(shuō)明定位結(jié)果越好。精度計(jì)算如下：

(17)

式中，Psim為利用算法計(jì)算得到的節(jié)點(diǎn)位置；Prea為節(jié)點(diǎn)的實(shí)際位置。

(3)定位召回率：召回率又指查全率，是衡量計(jì)算結(jié)果全面性的指標(biāo)，適用于無(wú)線網(wǎng)節(jié)點(diǎn)定位結(jié)果驗(yàn)證，計(jì)算如下：

(18)

式中，P′為利用算法計(jì)算得到的節(jié)點(diǎn)位置與實(shí)際位置一致的節(jié)點(diǎn)數(shù)量；Ptot為所有定位的節(jié)點(diǎn)數(shù)量。

(4) 定位時(shí)間：對(duì)比本文方法與文獻(xiàn)[5-9]方法的實(shí)際定位運(yùn)行時(shí)間。

3.3 實(shí)驗(yàn)結(jié)果分析

3.3.1 節(jié)點(diǎn)定位效果

將6個(gè)無(wú)線傳感器網(wǎng)絡(luò)均劃分為二分網(wǎng)絡(luò)，設(shè)定每個(gè)傳感結(jié)構(gòu)下的節(jié)點(diǎn)密度分別為網(wǎng)絡(luò)密度分別為1，0.5，0.4，0.3，0.2，0.1。為驗(yàn)證本文方法的節(jié)點(diǎn)定位性能，在不同密度、節(jié)點(diǎn)數(shù)量和占參考節(jié)點(diǎn)比例條件下，計(jì)算不同方法的誤差和方差，結(jié)果如表2和表3所示。

表2 不同密度下節(jié)點(diǎn)定位誤差和方差對(duì)比Tab.2 Comparison of node positioning error and variance at different densities

表3 不同節(jié)點(diǎn)數(shù)量和占參考節(jié)點(diǎn)比例下節(jié)點(diǎn) 定位誤差和方差對(duì)比Tab.3 Comparison of node positioning error and variance under different numbers of nodes and different proportions of reference nodes

由表2和表3可以看出，本文方法的平均定位誤差僅為0.125和0.122，平均定位方差僅為2.45和2.20。在不同網(wǎng)絡(luò)密度、節(jié)點(diǎn)數(shù)量和占參考節(jié)點(diǎn)比例條件下，本文方法的定位誤差均小于其他幾種文獻(xiàn)方法，且定位計(jì)算結(jié)果的方差相對(duì)其他文獻(xiàn)方法明顯較低，表明本文方法對(duì)于節(jié)點(diǎn)定位的準(zhǔn)確率較高，且運(yùn)行更為穩(wěn)定。這是因?yàn)楸疚姆椒▽?duì)測(cè)距誤差進(jìn)行了修正，為定位準(zhǔn)確率的提高奠定了基礎(chǔ)。同時(shí)，采用信息擴(kuò)散模型模擬節(jié)點(diǎn)移動(dòng)過(guò)程，獲取了更為全面的節(jié)點(diǎn)信息，提高了分析過(guò)程的穩(wěn)定性。

3.3.2 定位精度

不同方法的定位精度測(cè)試結(jié)果如圖4所示。

圖4 不同方法的定位精度測(cè)試結(jié)果Fig.4 Positioning accuracy test results for different methods

由圖4可以看出，隨著實(shí)驗(yàn)測(cè)試次數(shù)的持續(xù)增加，各方法的定位精度開始發(fā)生明顯的變化。相比另外5種方法，本文所提方法的定位精度明顯更高，達(dá)到95%左右，而其他方法的最高精度均未達(dá)到90%，充分證明所提方法能夠獲取精度較高的定位結(jié)果。這是因?yàn)楸疚姆椒ㄏ葘?duì)無(wú)線網(wǎng)的關(guān)鍵節(jié)點(diǎn)進(jìn)行識(shí)別，并提取關(guān)鍵節(jié)點(diǎn)的特征，為定位精度的提高奠定了基礎(chǔ)。

3.3.3 定位召回率

不同方法的召回率測(cè)試結(jié)果如圖5所示。

圖5 不同方法的召回率測(cè)試結(jié)果Fig.5 Recall rate test results for different methods

由圖5可以看出，相比另外5種定位方法，所提方法的召回率明顯更高一些。其中，本文方法的召回率在多次迭代中均在95%以上，文獻(xiàn)[5]方法的召回率在85%～90%，文獻(xiàn)[6]的召回率在85%左右，文獻(xiàn)[7]的召回率波動(dòng)較大，但最高也不超過(guò)90%，文獻(xiàn)[8-9]的最高召回率在92%左右，仍低于本文方法且測(cè)試結(jié)果不穩(wěn)定。由此可見，所提方法具有更好的定位性能。原因是本文對(duì)無(wú)線網(wǎng)的信息擴(kuò)散過(guò)程進(jìn)行了模擬，充分獲取了每個(gè)節(jié)點(diǎn)的變化情況，使得分析結(jié)果更為全面。

3.3.4 定位時(shí)間

為進(jìn)一步驗(yàn)證本文方法的性能，分析不同傳感器網(wǎng)絡(luò)測(cè)試下，各定位方法的定位時(shí)間變化情況，如表4所示。

表4 定位時(shí)間對(duì)比結(jié)果Tab.4 Comparison of positioning time 單位：s

由表4可以看出，本文方法的無(wú)線網(wǎng)節(jié)點(diǎn)定位平均時(shí)間僅為13.8 s，而文獻(xiàn)[5-9]的定位耗時(shí)均在20 s以上，遠(yuǎn)遠(yuǎn)高于本文方法，尤其是文獻(xiàn)[7]方法的定位耗時(shí)高達(dá)25.3 s。這是由于本文方法運(yùn)行初期對(duì)無(wú)線網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)特征進(jìn)行提取，以特征提取結(jié)果為依據(jù)能夠更好地完成定位，降低了運(yùn)行復(fù)雜度，有效優(yōu)化了操作流程，進(jìn)而減少定位時(shí)間，提高運(yùn)行效率。

4 結(jié)束語(yǔ)

為有效提高無(wú)線網(wǎng)節(jié)點(diǎn)定位效果，本文提出一種基于擴(kuò)散模型和粒子群優(yōu)化的無(wú)線網(wǎng)節(jié)點(diǎn)定位方法，通過(guò)構(gòu)建信息擴(kuò)散源模型識(shí)別并提取關(guān)鍵節(jié)點(diǎn)的特征，以特征信息為基礎(chǔ)進(jìn)行節(jié)點(diǎn)定位分析，且引入了改進(jìn)粒子群算法修正節(jié)點(diǎn)測(cè)距誤差，優(yōu)化定位效果。實(shí)驗(yàn)測(cè)試證明，所提方法定位效果較好，具有較高的定位精度和召回率，且定位時(shí)間較短。

然而，本研究仍存在許多不足，在下一步的工作中，將針對(duì)無(wú)線網(wǎng)節(jié)點(diǎn)類型以及狀態(tài)進(jìn)行詳細(xì)分析，為節(jié)點(diǎn)定位及無(wú)線網(wǎng)節(jié)點(diǎn)的深入分析提供更具價(jià)值的參考數(shù)據(jù)。