基于優化算法的無線傳感器網絡節點定位分析

摘要：無線傳感器網絡（Wireless"Sensor"Networks，WSNs）節點定位是WSNs的重點，節點定位更加精準，有利于提升無線網絡的應用效果。為了提升網絡節點定位精度，提出了一種基于優化算法的WSNs節點定位技術。該算法在定位中應用非常簡單方便，無需多次調整參數，即可以實現節點定位數據的多次迭代，最終使定位精度更高。為驗證該算法，開展試驗仿真，最終確認以優化算法為基礎的WSNs節點定位非常精準與穩定，適合在當前網絡建設中應用。

關鍵詞：優化算法"WSNs節點"定位"PSO算法

WSNs"Node"Location"Analysis"Based"on"Optimization"Algorithm

FU"Chun

（Changsha"Civil"Affairs"Vocational"and"Technical"College，Changsha，Hunan"Province"410004"China）

Abstract："Wireless"Sensor"Networks（WSNs）"node"location"is"the"focus"of"WSNs，"and"node"location"is"more"accurate"and"beneficial"for"improving"the"application"effect"of"wireless"network."In"order"to"improve"the"accuracy"of"network"nodes"location，"this"paper"proposes"a"WSNs"node"location"technology"based"on"the"optimization"algorithm，"which"is"verynbsp;simple"and"convenient"to"apply"in"location，"without"the"need"to"adjust"the"parameters"many"times，"and"can"realize"multiple"iterations"of"node"location"data，"and"finally"make"the"location"accuracy"higher."In"order"to"validate"the"algorithm，"experimental"simulation"is"carried"out"to"confirm"that"the"WSNs"node"location"based"on"the"optimization"algorithm"is"highly"accurate"and"stable，"which"is"suitable"for"application"in"the"current"network"construction.

Keywords："Optimization"algorithm;"WSNs"nodes;"Positioning;"PSO"algorithm

在現代社會發展背景下，無線傳感器網絡（Wireless"Sensor"Networks，"WSNs）的作用無可取代，該網絡已經在軍事、環境保護、居家網絡等領域等到廣泛應用。WSNs之所以應用廣泛，主要原因在于該網絡建設具有便利、穩定、成本低等優勢。WSNs的構建簡單，以部署大量傳感器節點為關鍵，并且在嵌入式、分布式技術集成應用后實現各項功能。根據WSNs的組網原理，傳感器節點是極為關鍵的結構，關系到建設成本以及網絡穩定性。無線傳感器網絡構建之時，節點定位精度越高，網絡愈發穩定，所以關于節點定位技術的研究中，開始重點研究節點定位精度控制。本文為提升節點定位精度，針對性提出一種以優化算法為基礎的節點定位。最后，為驗證該節點定位技術的精度效果，采用Matlab仿真方法進行模擬仿真。

1"WSNs節點的定位機制分析

1.1"WSNs節點

WSNs節點構成了無線傳感器網絡的基礎，同時也是網絡的核心設備。這些節點設備配備了感知、處理和通信的功能。一旦WSNs節點構建完成，可以對周邊環境信息（包括對溫度、濕度、光照、聲音等）進行檢測。（1）WSNs節點具有數據采集和處理能力，可以對節點相應數據進行過濾和融合計算。（2）WSNs節點具有基本通信能力，可以實現兩節點間的數據傳輸，將數據直接傳輸到相鄰節點。（3）WSN節點具備自動組網的功能優勢，適合在多跳網絡結構設計中應用，從而保證數據傳輸的有效。（4）WSNs節點還具有可擴展特性，能夠按照應用需求增加或減少控制節點數量。

1.2"WSNs節點的定位機制

WSNs節點是構建WSNs的關鍵。節點定位布置是創建網絡的重要途徑，具體是指根據網絡構建需求對空間區域內的節點進行位置布置，并且構建區域內所有節點的空間關系。

節點定位可以分為錨節點和未知節點。錨節點數量相對較少，一般可采用全球定位系統（Global"Positioning"System，GPS）定位技術進行精準定位。未知節點的數量較多、分布范圍較廣，因此，需要根據鄰近錨節點位置完成優化布置，其中包括利用定位算法計算未知節點與錨節點之間的距離，最后實施精準定位。

1.3定位方法研究

本文結合相關資料研究發現，"在WSNs節點應用過程中，比較常見的測量方法為三邊測量法和極大似然估算法。

1.3.1三邊測量法

已知A、B、C這3個錨節點的坐標及它們到未知節點D的距離，分別以A、B、C這3個錨節點為圓心、以它們到未知節點D的距離為半徑作3個圓，則這3個圓的公共交點即為未知節點。

1.3.2極大似然估計法

實際測距中，由于測距誤差的存在，3個圓常不交于一點。采用極大似然估計法獲得節點D的坐標。已知N（Ngt;3）個錨節點的坐標及它們到未知節點D的距離，并且這N個距離存在測距誤差。由這N個距離公式可以得出矩陣方程：

X=a-BN"（1）

式（1）中：X表示x-1維隨機向量產生的誤差；N代表在最小二乘原理下錨節點坐標。研究發現，X=a-BN為誤差最小值，在此種情況下，未知節點的極大似然估算值達到最小。

2針對優化算法進行解析

2.1優化算法的基本定義

以上兩方法是WSNs節點定位應用的常見方案，長期應用中存在一定誤差，嚴重影響定位測量。所以，在優化算法后，一定要做好相應服務，保證優化算法應用高效開展。本文結合相關資料提出一種粒子群優化算法（Particle"Swarm"Optimization，"PSO）。該算法在1995被提出，具有智能化特點，能夠智能估算節點運動，構建非線性連續優化措施，解決優化算法中的主要問題，確保節點設計優化高效開展，可切實提升優化結算設計效果，為后續的節點優化設計奠定基礎[1]。

在應用的過程中，PSO算法具有良好的優化措施，可以提升優化結果，保證優化高效開展。實際上，優化算法在應用時，可以創建離子群優化算法。

2.2基本算法的基本描述

在進行數學描述時，PSO算法構建假設空間目標。構建D維目標，在空間象限中構成潛在問題的粒子組成群，并且以i粒子表示一個D維向量，其粒子群可以表示為Xi=[Xi1+Xi2+Xi3，…XiD]。在D維空間組中，i個粒子的空間位置為XiD，粒子的飛行速度為Vi=[Vi1+Vi2+Vi3，…，ViD]。在整個空間中，速度和位置在不斷變化，所以，其距離也在變化，被記錄為Pg，Pg=[Pg1+Pg2+Pg3，…，PgD]。根據上述粒子群位置、速度與距離空間向量研究，在經過公式迭代計算后，破解Pg最優解，就可以實現精準定位。在最優解的過程中，速度和位置都在不斷變化，因此，一定要構建控制更新速度與位置的變量數據，將迭代次數、加權因子與學習因子加入其中，繼而可以在數據不斷變化的情況下確定位置的最優解，實現精度計算[2]。

2.3"PSO算法參數改進

通過研究發現，PSO算法在應用時，可能出現粒子原理搜索空間的情況，從而導致粒子的位置和飛行速度不受加權因子和學習因子控制，其計算相對困難。因此，為解決此問題，本文在研究中提出優化參數改進方法。該方法是指在粒子群構建后，對加權因子進行增強，當加權因子增強后，PSO算法的全局搜索能力得以增強，最優解振蕩現象減少。在此種情況之下，粒子群的迭代計算更加精準，線性誤差降到最低，如此一來，粒子群的定位精度更高。

通過以上研究可知，PSO算法在通過改進后，可以計算空間范圍內距離和位置不斷變化的未知點數據，獲取數據信息，了解基本參數，可以實現粒子群位置信息的有效改進，繼而保證PSO算法高效開展，也能夠使其在WSNs節點計算中精準定位于應用[3]。

3基于優化算法的WSNs節點定位及其精度驗證

本文為驗證WSNs節點定位方法，針對性提出實驗驗證方法，設計一種WSNs節點定位模擬實驗，通過實驗確定WSNs節點定位和傳統算法的區別。

3.1實驗設計

本次實驗研究的主要目的是確認PSO算法在WSNs節點定位中的精度。為確保驗證具有有效性，采用Matlab仿真平臺對節點定位與創建進行模擬與仿真，確認平臺的應用效果，繼而保證平臺設計高效開展。Matlab仿真平臺是一種被廣泛應用于工程計算、控制設計、信號處理和數據分析的軟件環境，它提供了豐富的工具箱和函數庫，可以幫助用戶高效地進行算法開發、數據分析和模型仿真。在Matlab中，用戶可以通過編寫腳本或使用圖形化工具來創建和模擬各種系統。

在具體實驗開展的過程中，整個節點范圍步驟為100×100"m的區域范圍。此種區域范圍內，節點設計合理，更符合設計的基本要求，可以提升設計效果。另外，節點范圍內可以創建明確目標。在整個實驗開展時，要求必須創建明確的目標，保證設計高效開展。區域PSO算法可以全局搜索。在初期實驗布置時，構建5個節點，將前4個設置為鉚接點，其坐標分別為A（38.512"0，45.124"1）、B（-3.514"4，36.682"8）、C（15.828"8，-2.314"5）、D（40.825"0，20.828"2）；剩下的一個節點作為未知節點，其真實坐標為E（25.123"0，30.852"0）。

另外，在本次實驗設計時，構建POS的基本參數，其中主要包括加速因子、粒子群的種群大小、最小慣性權重等。表1為本次實驗中PSO相關參數[4]。

3.2實驗過程與統計

測量距離是WSNs節點定位布置過程中的重要環節，控制測量距離的誤差是研究定位方案的核心。本次實驗中提出的PSO算法就是控制測距誤差的先進技術。傳統實驗方法為機器學習（Machine"Learning，ML）算法，該算法在最初網絡傳感器定位中非常常見，在定位應用時，可以創建一種新型定位技術方法。本次實驗中，為驗證PSO算法與ML算法的差距，針對性開展100次定位測算，對模擬測算結果進行統計，并在最后測算相鄰定位誤差和測距誤差，對比測距誤差的效果，最終確認兩個方法的應用效果。在整個實驗開展時，先用Matlab仿真平臺構建虛擬仿真實驗，同時將PSO參數與ML算法融入其中，最后統計相應數據，其中包括測距誤差、POS算法和ML算法比較、相對誤差等，通過統計相應誤差，對具體數據進行分析，最終確定兩個方法應用的精準性。表2為POS算法和ML算法的絕對多數投票法（Majority"Voting，MV）比較與相對誤差[5]。

4結語

綜上所述，本文提出了一種基于優化算法的WSNs節點定位技術，重點探討了PSO算法在節點定位中的應用。實驗結果表明，與傳統ML算法相比，PSO算法在WSNs節點定位中表現出更高的精度和穩定性，對提升WSNs的應用效果具有重要意義，尤其是在對定位精度要求較高的場景中。雖然本研究取得了一定的成果，但仍存在一些局限性和挑戰，如PSO算法在復雜環境下的性能優化、大規模WSNs中的節點定位效率等問題仍有待進一步探索。未來的研究工作可以圍繞這些方面展開，以期提出更加高效、準確的WSNs節點定位算法，進一步推動WSNs技術的發展和應用。

參考文獻

[1]趙晴，徐震.基于割圓術的DV-Hop全局優化WSNs節點定位算法改進研究[J].河南理工大學學報（自然科學版），2023，42（2）：127-133.

[2]吳英浩，石元博，黃越洋.基于簇頭節點能量均衡選擇的LEACH優化算法[J].遼寧石油化工大學學報，2023，43（6）：82-88.

[3]楊雅頌，胡杰.WSNs中基于占空比間隔優化的延遲約束路由算法[J].計算機測量與控制，2023，31（12）：330-337.

[4]張浩，覃濤，徐凌樺，等.改進多目標蟻獅算法的WSNs節點部署策略[J].西安電子科技大學學報，2022，49（5）：47-59.

[5]蘭婭勛，蔡娟，李振坤.基于全神經網絡增強算法的WSNs故障預警與檢測[J].計算機測量與控制，2023，31（11）：81-87.