基于粒子群优化的无线传感器网络目标定位方法

沈阳理工大学自动化与电气工程学院 黄 月 野莹莹 张艳珠 姜 静

基于粒子群优化的无线传感器网络目标定位方法

沈阳理工大学自动化与电气工程学院 黄 月 野莹莹 张艳珠 姜 静

提出了一种基于粒子群优化算法的无线传感器网络声源目标定位方法。通过测量声源发出的能量建立声音能量模型，估计出模型中的声音能量和声音位置等参数，利用无线传感器网络节点采样数据，将目标定位转换为函数极值优化问题，利用粒子群优化算法搜索最优解。仿真实验表明，该算法具有定位精度高，计算复杂度低的优点。

目标定位；粒子群优化；无线传感器网络

引言

在无线传感器网络的众多应用领域中，目标定位是当前研究的一个热点。声源目标定位主要有3种方法,基于到达时间差方法TDOA，基于到达方向定位DOA和能量法[1,2]。基于到达时间差定位方法和基于到达方向定位方法都需要发送大量的数据，对无线传感器网络的时间同步要求也比较高，因此不适用于能量有限的无线传感器网络。基于到达方向的定位方法中，传感器节点需要部署成为间隔相同的阵列，并且不能使用与宽频信号[3-5]。与基于到达时间差和基于到达方向这两种定位方法相比，能量法对时间同步的要求不高，传感器节点的位置可以随意部署，对声源频率也没有要求，节点需要发送的数据也少于基于到达时间差和基于到达方向这两种定位方法，且该方法计算方法简单，能够有效节省传感器节点的能量[6]。本文提出了一种基于粒子群优化的目标定位算法，该方法基于声音能量衰减模型对目标源进行定位。通过仿真实验证明该定位方法具有较高的定位精度和较低的计算复杂度,适合于无线传感器网络声源目标定位。

1 能量模型的建立

假设在一个由N个传感器节点组成的无线传感器网络中，全部节点随机部署，通过节点测量某个未知的目标源发射的声音信号能量，则传感器节点接收到的声音信号能量数学模型为：

将式（1）改写为矩阵形式可表示为：

其中：

为无线传感器节点本身的噪声影

响系数；

则Y的概率密度函数可表示为：

上式是一个非线性函数，其解析解即为目标的位置。非线性函数的解析解不容易求得，本文提出了采用粒子群优化方法在寻找最优解。

2 粒子群优化算法

粒子群优化算法通常将优化问题中的每个可能解作为整个搜索空间中的一个“粒子”, 所有的粒子都有一个适应值，该适应值由被优化的函数决定。粒子在整个搜索空间中根据自身以及其他粒子的飞行经验按一定的速度飞行,跟随当前的最优粒子,最后实现从整个搜索空间中寻找最优解[7]。

3 仿真实验

假设声源和无线传感器网络节点分布在二维空间200 ×200m2的方形区域。仿真工具使用Matlab7.0，在进行每次定位仿真时声源及各传感器节点位置随机产生。每次定位实验执行1000次，定位误差取其均值。以下数据为采用粒子群优化方法、穷举方法和多分辨率搜索方法对声源目标进行定位的结果。

图1 节点数目与估计误差的关系

图2 信噪比与估计误差的关系

由图1可以看出，三种算法的定位误差均随着节点数目的增加而减小，粒子群算法的估计误差最小。当无线传感器节点数目逐渐增加时，目标定位的误差逐渐减小。当网络中的传感器节点数量达到120个时，目标定位的误差明显降低。但是当传感器节点数量达到200个以上后，目标定位误差变化很小。由此可知，当传感器节点达到一定数量时，节点的数目的增加不再影响目标定位的精度。

由图2可以看出，随着信噪比的增大，三种定位算法的平均估计误差均明显下降，粒子群算法的定位误差最小且下降速度最快。通过此图可以看出粒子群算法有更强的抗干扰能力。

4 结束语

本文提出了一种基于粒子群优化方法的声源目标定位算法。仿真结果表明，通过与多分辨率搜索算法、穷举算法相比较，本文提出的基于粒子群的声源定位方法具有定位精度较高，计算复杂度低的优点。

[1]S．Kumar．Sensor Networks:Evolution, Opportunities,and Challenges,Proceedings of the IEEE Trans on Computers[J]．2003 ,91:1247-1256．

[2]B．Sun and L．Osborne．Intrusion detection techniques in mobile ad hoc and wireless sensor networks[J]．IEEE Wireless Communications,2007,14 :56-63．

[3]]翟卫超,田玉平． 基于测距的无线传感器网络定位系统[J]．工业控制计算机,2014,05:19-20．

[4]K．Romer,F．Mattern,and E．Zurich,The design space of wireless sensor networks[J]．IEEE Wireless Communications,2004,91: 54-61．

[5]X．H．Sheng and Y．H．Hu,“Maximum likelihood multiple source localization using acoustic energy measurements with wireless sensor networks[J]．IEEE Transactions on Signal Processing,2005,53: 44-53．

[6]王沁,于锋,张晓彤,王建国．一种基于能量衰减特征的无线传感器网络定位算法[J]．小型微型计算机系统,2009,06:1082-1088．

[7]邢明彦,李腊元．粒子群优化在无线传感器网络定位中的应用[J]．计算机工程与应用,2009,32:72-74．