基于FOA改進(jìn)MCB算法的無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位精度分析

張海霞

關(guān)鍵詞：FOA 改進(jìn)MCB 算法；無(wú)線傳感器；網(wǎng)絡(luò)節(jié)點(diǎn)；定位精度

中圖分類號(hào)：TP212.9 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

現(xiàn)階段，為確保現(xiàn)場(chǎng)監(jiān)測(cè)高效率和靈活性，需將移動(dòng)節(jié)點(diǎn)加入無(wú)線傳感網(wǎng)絡(luò)（wireless sensornetwork，WSN）應(yīng)用系統(tǒng)中，對(duì)于研究人員而言，目前亟須解決的問題是怎樣利用WSN 節(jié)點(diǎn)在動(dòng)態(tài)過程中完成高精度及低能耗定位[1-2]。同時(shí)針對(duì)移動(dòng)節(jié)點(diǎn)定位算法，需要提前判斷移動(dòng)節(jié)點(diǎn)定位分析時(shí)應(yīng)用的定位算法是否具有現(xiàn)有靜態(tài)節(jié)點(diǎn)[3]。

應(yīng)用廣泛的優(yōu)化算法包括各類群智能優(yōu)化算法，可明顯提高定位精度[4-5]。自適應(yīng)蒙特卡洛定位（adaptive Monte Carlo localization，AMCL） 算法的主要特征體現(xiàn)為二維碼信息的高度融合。里程計(jì)模型誤差修正主要參考絕對(duì)位置信息，由二維碼提供，在此基礎(chǔ)上完成采樣工作，下次迭代所需粒子數(shù)量以狀態(tài)空間粒子分布狀態(tài)作為確定的依據(jù)，實(shí)現(xiàn)粒子數(shù)量的自適應(yīng)調(diào)整[6]。大多數(shù)學(xué)者均十分關(guān)注上述各類算法的優(yōu)勢(shì)和特點(diǎn)，其可顯著促進(jìn)智能優(yōu)化領(lǐng)域算法改進(jìn)。

關(guān)于算法有效性的測(cè)試分析，已被應(yīng)用于工業(yè)控制、智能汽車與資金管理等領(lǐng)域[7-8]，但目前尚未出現(xiàn)將上述算法用于WSN 移動(dòng)節(jié)點(diǎn)定位的文獻(xiàn)報(bào)道。本文為了提高無(wú)線傳感網(wǎng)絡(luò)定位精度，應(yīng)用果蠅優(yōu)化算法（fruit fly optimization algorithm，F(xiàn)OA）-蒙特卡洛錨盒（Monte Carlo anchor box，MCB）算法（簡(jiǎn)稱“FOA 改進(jìn)MCB 算法”）對(duì)無(wú)線傳感網(wǎng)絡(luò)系統(tǒng)中移動(dòng)節(jié)點(diǎn)進(jìn)行定位建模，分析了移動(dòng)速度、錨節(jié)點(diǎn)密度和樣本數(shù)對(duì)定位精度的影響。

1 FOA改進(jìn)MCB算法

收斂快速及操作簡(jiǎn)單等均為FOA 算法的優(yōu)勢(shì)。FOA 改進(jìn)MCB 算法的主要流程包括：針對(duì)模型未知節(jié)點(diǎn)坐標(biāo)應(yīng)用MCB 算法進(jìn)行計(jì)算，理論預(yù)估距離的計(jì)算需參考距離表達(dá)式，然后再對(duì)錨節(jié)點(diǎn)與定位節(jié)點(diǎn)間距進(jìn)行測(cè)試，進(jìn)行差異對(duì)比后修正位置，節(jié)點(diǎn)坐標(biāo)最優(yōu)值通過選用迭代處理方式獲取。

根據(jù)最適應(yīng)度函數(shù)找出果蠅群體內(nèi)對(duì)應(yīng)的果蠅個(gè)體。針對(duì)個(gè)體及適應(yīng)度值確定對(duì)應(yīng)最優(yōu)和最佳位置坐標(biāo)。

2 FOA改進(jìn)MCB算法實(shí)現(xiàn)過程

FOA 改進(jìn)MCB 算法對(duì)應(yīng)的具體流程如圖1 所示。下面將詳細(xì)介紹實(shí)現(xiàn)該算法的流程。

步驟1：初始化參數(shù)。果蠅速度及位置移動(dòng)情況需參考式（1）獲取。

步驟2：根據(jù)MCB 算法完成移動(dòng)節(jié)點(diǎn)坐標(biāo)計(jì)算。

（1）在WSN 內(nèi)通過錨節(jié)點(diǎn)發(fā)送位置坐標(biāo)，錨節(jié)點(diǎn)數(shù)量表示為j，取值1，2，…，m。

（2）錨節(jié)點(diǎn)位置由移動(dòng)節(jié)點(diǎn)i 測(cè)試得出，錨盒由兩個(gè)錨節(jié)點(diǎn)構(gòu)成。

（3）對(duì)計(jì)算錨節(jié)點(diǎn)與樣本個(gè)體之間得到歐式距離，將未滿足條件的樣本去除，參考過濾模式采用MCB 算法進(jìn)行設(shè)定，賦權(quán)值給有效樣本。

（4）最終錨節(jié)點(diǎn)需重復(fù)步驟（3）才可獲取。

（5）移動(dòng)節(jié)點(diǎn)在t 時(shí)刻對(duì)應(yīng)的坐標(biāo)需通過加權(quán)平均方式對(duì)樣本點(diǎn)進(jìn)行計(jì)算獲取。

步驟3：計(jì)算求解錨節(jié)點(diǎn)j 與各果蠅個(gè)體i 之間的距離D_ij，然后采用適應(yīng)度函數(shù)計(jì)算各果蠅適應(yīng)度。

步驟4：獲取各果蠅對(duì)應(yīng)的最佳坐標(biāo)。

步驟5：比較各果蠅上一代與這一代的適應(yīng)度值，根據(jù)差異大小判斷適應(yīng)度值優(yōu)劣情況。

步驟6：在未滿足迭代終止條件下，需進(jìn)行后續(xù)循環(huán)，跳轉(zhuǎn)至步驟3 重新按相關(guān)要求執(zhí)行，若滿足相應(yīng)條件，以當(dāng)前個(gè)體位置為移動(dòng)最佳節(jié)點(diǎn)。

對(duì)每次迭代前后的味道濃度值進(jìn)行判斷對(duì)比，若數(shù)值更優(yōu)返回步驟6 執(zhí)行，若數(shù)值無(wú)明顯變化循環(huán)迭代則需重新進(jìn)行，整個(gè)算法結(jié)束需達(dá)到終止條件。

3 實(shí)驗(yàn)仿真

FOA 改進(jìn)MCB算法的精確度主要利用MATLAB軟件仿真進(jìn)行驗(yàn)證，對(duì)比MCB 算法及FOA 改進(jìn)MCB 算法獲取的結(jié)果，具體如下。

3.1 測(cè)試環(huán)境

仿真測(cè)試環(huán)節(jié)的各項(xiàng)參數(shù)設(shè)定主要參考表1 數(shù)據(jù)。設(shè)定20 m 為節(jié)點(diǎn)通信半徑，按隨機(jī)方式選取60 個(gè)節(jié)點(diǎn)并在100 m×100 m 范圍內(nèi)完成部署，節(jié)點(diǎn)分布如圖2 所示。

適應(yīng)度變化結(jié)果如圖3 所示。選取的迭代方式以FOA 算法為主，穩(wěn)定適應(yīng)度函數(shù)在進(jìn)化至第15代后逐漸趨于穩(wěn)定，有利于降低能量消耗及簡(jiǎn)化計(jì)算流程。

3.2 移動(dòng)速度對(duì)定位精度的影響

節(jié)點(diǎn)移動(dòng)速度對(duì)定位誤差的影響結(jié)果如圖4 所示。與MCB 算法相比，F(xiàn)OA 改進(jìn)MCB 算法表現(xiàn)出的定位效果更佳，精度更高，同時(shí)還發(fā)現(xiàn)定位誤差隨著節(jié)點(diǎn)移動(dòng)速度增大而逐漸增大。這種情況出現(xiàn)的主要因素是在移動(dòng)速度較慢的情況下節(jié)點(diǎn)位置的不確定性更大，影響定位精度。

3.3 錨節(jié)點(diǎn)數(shù)量對(duì)定位精度的影響

被定位節(jié)點(diǎn)隨著錨節(jié)點(diǎn)數(shù)量增加而不斷增加，獲取的信息數(shù)據(jù)也更多，位置可靠度進(jìn)一步得到提高。移動(dòng)節(jié)點(diǎn)定位誤差和錨節(jié)點(diǎn)數(shù)量在移動(dòng)速度為10 m/s 的條件下變化曲線如圖5 所示。經(jīng)觀察對(duì)比得出，隨著錨節(jié)點(diǎn)數(shù)量的增加，定位誤差表現(xiàn)為降低的趨勢(shì)。這是因?yàn)橐苿?dòng)節(jié)點(diǎn)在定位期間獲取的錨節(jié)點(diǎn)信息極少，定位節(jié)點(diǎn)獲取的信息隨著錨節(jié)點(diǎn)數(shù)量增大而增多，有利于定位誤差的減少。在錨節(jié)點(diǎn)數(shù)量相同的情況下，經(jīng)對(duì)比得出FOA 改進(jìn)MCB 算法的定位精度更高，所以MCB 算法效率可通過結(jié)合FOA 算法得到進(jìn)一步提高。

4 結(jié)論

本文開展基于FOA 改進(jìn)MCB 算法的無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位精度分析，得到如下結(jié)論。

（1）相較于MCB 算法，F(xiàn)OA 改進(jìn)MCB 算法具有更優(yōu)的定位精度，且定位誤差隨著節(jié)點(diǎn)移動(dòng)速度的增加而增大。

（2）定位誤差隨著錨節(jié)點(diǎn)數(shù)量的增加而下降。

該研究可以提高無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位精度，但在應(yīng)對(duì)異常數(shù)據(jù)時(shí)存在收斂效率低的問題，期待后續(xù)引入智能算法進(jìn)行加強(qiáng)。