改進(jìn)神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器節(jié)點(diǎn)定位?

魯華棟 馬世歡

（河南工業(yè)職業(yè)技術(shù)學(xué)院電子信息工程系 南陽(yáng) 473000）

1 引言

無(wú)線傳感器網(wǎng)絡(luò)是多種技術(shù)的融合，主要包括物理、無(wú)線、通信等技術(shù)，由許多廉價(jià)、具有感知功能的節(jié)點(diǎn)組成，這些節(jié)點(diǎn)通過(guò)單跳或者多跳的方式進(jìn)行通信，在軍事、醫(yī)療、環(huán)境、工業(yè)等領(lǐng)域具有重要實(shí)際應(yīng)用價(jià)值［1～3］。在無(wú)線傳感器網(wǎng)絡(luò)的實(shí)際中，節(jié)點(diǎn)位置信息十分關(guān)鍵，因此節(jié)點(diǎn)定位研究成為當(dāng)前一個(gè)重要課題［4］。

根據(jù)有無(wú)距離測(cè)量，當(dāng)前主要有兩類節(jié)點(diǎn)定位模型：基于測(cè)距的節(jié)點(diǎn)定位模型和非測(cè)距的節(jié)點(diǎn)定位模型［5］，基于測(cè)距的節(jié)點(diǎn)定位模型首先對(duì)節(jié)點(diǎn)之間的距離進(jìn)行測(cè)量，節(jié)點(diǎn)定位精度高［6］，但由于要進(jìn)行節(jié)點(diǎn)之間距離的測(cè)量，節(jié)點(diǎn)定位過(guò)程比較復(fù)雜，無(wú)線傳感器網(wǎng)絡(luò)的定位成本高，實(shí)際應(yīng)用范圍窄［7］。基于非測(cè)距的節(jié)點(diǎn)定位模型不要測(cè)量節(jié)點(diǎn)之間的距離，節(jié)點(diǎn)定位過(guò)程簡(jiǎn)單，但定位精度低，是當(dāng)前主要的無(wú)線傳感器定位模型［8］。基于非測(cè)距的節(jié)點(diǎn)定位模型常采用錨節(jié)點(diǎn)和待定位節(jié)點(diǎn)之間的關(guān)系進(jìn)行節(jié)點(diǎn)位置估計(jì)。節(jié)點(diǎn)采用隨機(jī)方式進(jìn)行部署，在初始階段每一個(gè)節(jié)點(diǎn)位置信息很難確定，主要通過(guò)GPS系統(tǒng)對(duì)節(jié)點(diǎn)位置進(jìn)行確定，但每一個(gè)節(jié)點(diǎn)安裝一個(gè)GPS系統(tǒng)，定位成本高，而且在室內(nèi)環(huán)境中，GPS無(wú)法正常開展工作，因此常采用一些算法實(shí)現(xiàn)節(jié)點(diǎn)自身的定位［9］。通常情況下，隨機(jī)部署一些錨節(jié)點(diǎn)，錨節(jié)點(diǎn)的位置已經(jīng)知道，對(duì)于待定位節(jié)點(diǎn)，通過(guò)測(cè)量其與錨節(jié)點(diǎn)之間的距離，得到它們的位置關(guān)系，然后采用三邊定位算法或者最小二乘算法實(shí)現(xiàn)節(jié)點(diǎn)位置信息的估計(jì)［10］。但當(dāng)錨節(jié)點(diǎn)數(shù)過(guò)少時(shí)，很難實(shí)現(xiàn)節(jié)點(diǎn)精確定位。為此有學(xué)者提出了基于神經(jīng)網(wǎng)絡(luò)的傳感器節(jié)點(diǎn)定位模型，但神經(jīng)網(wǎng)絡(luò)自身存在一定的不足，影響傳感器節(jié)點(diǎn)的定位效果［11］。

為了提高無(wú)線傳感器節(jié)點(diǎn)的定位精度，提出了改進(jìn)神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器節(jié)點(diǎn)定位模型，并通過(guò)仿真實(shí)驗(yàn)測(cè)試模型的性能，結(jié)果表明，改進(jìn)神經(jīng)網(wǎng)絡(luò)不僅提高了傳感器節(jié)點(diǎn)定位的精度，而且傳感器節(jié)點(diǎn)定位的實(shí)時(shí)性較好。

2 相關(guān)理論

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種具有誤差反饋的神經(jīng)網(wǎng)絡(luò)的，通常為3層，那么基本結(jié)構(gòu)如圖1所示，隱含層采用Sigmoid函數(shù)。

圖1 神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)輸入層的輸出可以表示：

隱含層節(jié)點(diǎn)的輸入和輸出計(jì)算公式為

神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的輸入和輸出計(jì)算公式為

式中，wij和為wli分別表示隱含層和輸出層的權(quán)值。

設(shè)神經(jīng)網(wǎng)絡(luò)的輸出層的誤差為

采和梯度下降算法對(duì)權(quán)值進(jìn)行不斷的調(diào)整權(quán)值，使輸出誤差E（k）朝更小的方向進(jìn)行搜索，并引入一個(gè)加快搜索速度的的慣性項(xiàng)。li

式中，η表示學(xué)習(xí)速率；α表示慣性系數(shù)。

輸出層權(quán)值的學(xué)習(xí)算法為

那么同樣可以知道，隱含層權(quán)值的學(xué)習(xí)算法為

2.2 粒子群算法

粒子群算法通過(guò)粒子間的協(xié)作和信息共享尋找問(wèn)題的最優(yōu)解，粒子代表問(wèn)題的一個(gè)可行解，每一個(gè)粒子均包括位置、速度，同時(shí)采用適應(yīng)度值描述其好壞。設(shè)在L維的搜索空間中，有m個(gè)粒子的粒子群位置向量為Z=( Z1,Z2,…,Zm)，第i個(gè)粒子位置可以表示Zi=( zi1,zi2,…,ziL)，其速度為Vi=( vi1,vi2,…,viL)，粒子和粒子群的個(gè)體極值分別為Pbesti=( Pi1,Pi2,…,PiL)和Gbest=(G1,G2,…,GL)，通過(guò)跟蹤它們的值更新粒子速度和位置，具體為

式中，iter為當(dāng)前迭代次數(shù)；c1和c2為加速度因子；r1和r2是隨機(jī)數(shù)。

3 改進(jìn)神經(jīng)網(wǎng)絡(luò)的傳感器節(jié)點(diǎn)定位模型

設(shè)一個(gè)二維空間中，共有n個(gè)傳感器節(jié)點(diǎn)，它們通信能力相同，采用隨機(jī)方式進(jìn)行部署，共有k個(gè)錨節(jié)點(diǎn)，這些錨節(jié)點(diǎn)的位置信息通過(guò)GPS系統(tǒng)已經(jīng)知道，相鄰傳感器節(jié)點(diǎn)可以通過(guò)單跳方式進(jìn)行直接通信，而不相鄰傳感器節(jié)點(diǎn)可以通過(guò)多跳方式進(jìn)行間接通信，統(tǒng)計(jì)每一個(gè)節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的最小跳數(shù)，設(shè)節(jié)點(diǎn)i和錨節(jié)點(diǎn)的最小跳數(shù)為g(si,sj)，那么節(jié)點(diǎn)i與全部錨節(jié)點(diǎn)的最小跳數(shù)組成的向量為

設(shè)3個(gè)錨節(jié)點(diǎn)A、B和C的位置為(xA,yA)、(xB,yB)、(xC,yC)，待定位節(jié)點(diǎn)D位置為(x,y)，(x,y)與3個(gè)錨節(jié)點(diǎn)間的距離分別為dAD、dBD、dCD，那么D位置的計(jì)算公式為

從式（16）可以看出，要得到高精度的節(jié)點(diǎn)D位置信息，其與錨節(jié)點(diǎn)之間的距離十分關(guān)鍵。當(dāng)前距離測(cè)量一般采用信號(hào)達(dá)到時(shí)間差實(shí)現(xiàn)，設(shè)兩個(gè)節(jié)點(diǎn)的信號(hào)傳播速度分別為v1和v2，它們達(dá)到的時(shí)間分別為t1和t2，那么節(jié)點(diǎn)之間的距離計(jì)算公式為

4 仿真實(shí)驗(yàn)

式中，p(d)表示信號(hào)衰減，其定義如下：

式中，α表示路徑衰減因子。

設(shè)b=[ p(d1),p(d2),…,p(dn)]，X=[ p(d0),α,xξ]，xξ表示置信系數(shù)，那么可以建立如下方程：

通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)式（19）進(jìn)行求解，確定距離測(cè)量值、誤差方差、位置信息之間的關(guān)系，并通過(guò)粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值。基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位模型工作步驟如下。

Step1：確定錨節(jié)點(diǎn)的位置信息，每一個(gè)錨節(jié)點(diǎn)廣播自身位置信息。

Step2：待定位節(jié)點(diǎn)接收錨節(jié)點(diǎn)的位置信息，并計(jì)算它們之間的最小跳數(shù)。

Step3：采用所有位置信息構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。

Step4：初始化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及相關(guān)參數(shù)。

Step5：采用粒子群優(yōu)化算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進(jìn)行確定。

Step6：采用BP神經(jīng)網(wǎng)絡(luò)對(duì)傳感器節(jié)點(diǎn)定位訓(xùn)練樣本進(jìn)行學(xué)習(xí)，并計(jì)算輸出層的誤差。

Step7：如果誤差沒有達(dá)到實(shí)際要求，返回Step5繼續(xù)學(xué)習(xí)。

Step8：建立最優(yōu)的無(wú)線傳感器節(jié)點(diǎn)定位模型。

傳感器節(jié)點(diǎn)定位模型的結(jié)構(gòu)如圖2所示。

圖2 無(wú)線傳感器節(jié)點(diǎn)定位模型的結(jié)構(gòu)

4.1 仿真環(huán)境

為了分析改進(jìn)神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器節(jié)點(diǎn)定位性能，選擇文獻(xiàn)［12］的傳感器節(jié)點(diǎn)定位模型進(jìn)行對(duì)比實(shí)驗(yàn)。將100個(gè)傳感器節(jié)點(diǎn)隨機(jī)部署于100m×100m的空間中，錨節(jié)點(diǎn)數(shù)量為20個(gè)，采用傳感器節(jié)點(diǎn)定位誤差對(duì)定位結(jié)果進(jìn)行評(píng)價(jià)。

4.2 結(jié)果與分析

兩種無(wú)線傳感器節(jié)點(diǎn)定位模型的定位誤差變化如圖3所示。對(duì)圖3的實(shí)驗(yàn)結(jié)果進(jìn)行分析可以發(fā)現(xiàn)，本文模型的無(wú)線傳感器節(jié)點(diǎn)定位誤差小，而且變化范圍很小，說(shuō)明傳感器節(jié)點(diǎn)定位結(jié)果可靠，而對(duì)比模型的傳感器節(jié)點(diǎn)定位誤差大，波動(dòng)十分劇烈，無(wú)法有效實(shí)現(xiàn)傳感器節(jié)點(diǎn)的定位，本文模型的傳感器節(jié)點(diǎn)定位結(jié)果具有明顯的優(yōu)越性。

錨節(jié)點(diǎn)數(shù)量與定位誤差之間的變化關(guān)系如圖4所示，從圖4可知，錨節(jié)點(diǎn)數(shù)量越多，傳感器節(jié)點(diǎn)的定位誤差越小，這是由于錨節(jié)點(diǎn)越多，可以更加準(zhǔn)確地對(duì)定位節(jié)點(diǎn)的信息進(jìn)行采集，而在相同錨節(jié)節(jié)點(diǎn)數(shù)量下，本文模型通過(guò)改進(jìn)神經(jīng)網(wǎng)絡(luò)對(duì)模型參數(shù)進(jìn)行擬合，傳感器節(jié)點(diǎn)定位性能更優(yōu)，說(shuō)明傳感器節(jié)點(diǎn)定位成本越低，在無(wú)線感器網(wǎng)絡(luò)的實(shí)際應(yīng)用價(jià)值越高。

圖4 定位誤差與錨節(jié)點(diǎn)之間的變化關(guān)系

5 結(jié)語(yǔ)

節(jié)點(diǎn)定位是無(wú)線傳感器應(yīng)用中最為關(guān)鍵的技術(shù)之一，在分析當(dāng)前無(wú)線傳感器節(jié)點(diǎn)定位模型基礎(chǔ)上，提出改進(jìn)神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位模型，通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)模型參數(shù)進(jìn)行擬合，并采用粒子群算法優(yōu)化對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，仿真測(cè)試結(jié)果表明，改進(jìn)神經(jīng)網(wǎng)絡(luò)可以對(duì)誤差進(jìn)行精確擬合，建立了更優(yōu)的無(wú)線傳感器節(jié)點(diǎn)定位模型，獲得高精度的傳感器節(jié)點(diǎn)定位結(jié)果，而且沒有降低無(wú)線傳感器節(jié)點(diǎn)的定位速度，能夠滿足實(shí)時(shí)性要求，傳感器節(jié)點(diǎn)定位結(jié)果可靠。