基于关键数字特征递归机制的无线传感网关键点搜索算法

田文利



基于关键数字特征递归机制的无线传感网关键点搜索算法

田文利

摘 要：为解决当前无线传感网关键点搜寻算法因无法规避背景噪声干扰而导致其定位精度不高，且搜索效率不佳等问题。提出了基于关键数字特征递归机制的无线传感网关键点搜索算法，首先通过关键数字特征递归机制对关键点的能量状态进行估计，然后采取递归关键点射频信息的能量对无线传感网关键点进行搜索；随后对关键数字特征值进行了指纹鉴定，完成对关键点的精确估计与定位。仿真实验表明:与WSN-Div算法相比。所提出的算法具有较高的关键点搜索成功率，以及更低的数据定位开销及搜索误差度。

关键词：无线传感网络；关键点搜索；射频信息；数字特征递归；指纹鉴定

0 引言

随着互联网3.0节奏的不断推进，特别是互联网在无线传感领域的不断运用，各种基于无线技术的传感网关键点搜索算法也层出不穷［1］。采用一定的关键点搜索算法实现对网络中节点的精确定位，成为了当前无线传感网定位领域的一大热点［2］。然而无线传感网在进行关键点搜索过程中需要传感节点能够通过射频信号来进行关键点的搜索，该过程往往需要消耗大量的能量，一旦该节点的能量因耗尽而难以正常工作时，整个网络的正常运转也将受到极大的影响［3］。因此使用合适的措施降低搜索过程中的能量损耗，就成为该领域的非常重要的研究方向［4］。如Georges［5］等提出了一种基于强度递归思想的传感网关键点搜索算法，采用关键信号能量递归的机制，大大降低了搜索过程中因关键点信号强度较弱而导致的定位精度不高的问题，实践意义很强。然而，由于该算法递归的时间复杂度较高，当关键点分布不均衡时，其搜索成本较大。LI Bin等提出了基于立体映射定位模型的关键点搜索算法，通过将无线传感网拓扑结构映射为球面，将关键点映射为球体结构的重心，降低了搜索过程中的时间复杂度。但是该算法需要将拓扑结构由平面映射为球面结构，当关键点比较集中时，该算法会导致各个关键点在球面结构上出现重叠，降低了关键点搜索的准确度。朱烜璋［6］等提出了一种基于水波扩散机制的关键点搜索精度提升算法，采用邻居节点扩散的方式，实现了对网络中各个关键点的搜索与归纳。但是由于水波扩散机制属于间接搜索机制，整个算法的精度会随着网络拓扑结构的变化呈现剧烈变化的态势，从而削弱了本算法的适用范围。

对此，本文提出了一种基于关键数字特征递归机制的无线传感网关键点搜索算法。首先通过对关键点射频信息进行关键数字特征搜索，对关键点实现初步定位。随后通过对该数字特征进行指纹鉴定，从而实现了对关键点定位的进一步精确估计。最后采取NS2仿真平台对本文算法进行了仿真验证，证实了本文算法的有效性。

1 本文无线传感网络关键点搜索算法

1.1 关键数字特征的递归

由于在进行关键点搜索过程中需要通过对关键点的射频信号进行递归，而对于任意关键点而言。其能量发射强度较之其他节点将具有显著的能量强度优势［7］，此外对于sink节点而言，其接收到的关键点能量发射强度（CPEE）与两点间的距离具有明显的反比例关系，即sink节点与关键点之间的距离越大，则sink节点接收到的关键点能量发射强度（CPEE）将越弱［8 ］。因此，可以通过将CPEE指标作为关键数字特征，以便实现对关键点的搜索。

其中，公式（2）的参数同公式（1），显然为了降低搜索的误差程度，可以通过调节关键点能量发射强度（CPEE）的方式，降低公式（2）所得到的搜索误差。

上述两个模型反映了无线传感网在进行关键点搜索过程中，待搜索的关键点能量发射强度与搜索误差之间的数值关系。通过公式（2）可以看到，显然关键点能量发射强度（CPEE）越大，则定位误差越低。但是由于传感网节点具有能量受限特性，因此需要综合考虑节点性能与坐标误差两个因素，以便得到最佳的定位精度。

根据公式（1）所示，计算出覆盖区域内全部的关键点，得到这些关键点的全部坐标，并取其平均值，可以得到关键点的平均坐标满足如下的表达式如公式（3）：

由于各个关键点在进行信号发射时，最终其能量将收敛于0［10］，因此公式（3）可以写成如下的形式如公式（4）：

公式（6）和公式（7）的参数同公式（1）和公式（2）

整个递归过程如下所示：

Step 1：首先在网络中搜寻任意一个节点，统计CPEE并按照公式（1）、（2）所示计算出相关的坐标和误差；

1.2 坐标精度提升

在进行完关键数字特征的递归之后，可以计算出某个关键点精确的坐标及相应的误差，然而由于关键点搜索过程中往往仅能够依据接收带宽B进行搜寻，因此通过公式（7）计算得到的误差可以根据接收带宽B进行精度提升：

对公式（7）进行微分处理可得公式（8）：

从公式（9）可知对于关键点能量发射强度（CPEE）而言，当某个关键点与其周围关键点的发射功率与接收功率处于相等状态时，该关键点的定位精度也将越高，且接收带宽B在数值上与CPEE相同时，公式（7）取最小值，整个网络搜寻过程中消耗能量最少，取得的关键点坐标及相关误差也最为精确。整个算法的流程如图1所示：

图1 算法流程图

2 仿真实验

本文采用NS2仿真平台对本文算法进行仿真，为验证本文算法的有效性，将其与当前广泛使用的WSN-Div关键点搜寻算法［10］进行对比，在关键点搜索成功率、定位开销、搜索误差度、搜索时间四个指标上进行对比。具体仿真参数如表1所示：

表1 仿真参数表

（1）关键点搜索成功率

本文算法与WSN-Div算法的关键点搜索成功率测试结果如图2所示：

图2 各算法的关键点搜索成功率测试

从图2可知，随着节点初始能量的不断增加，本文算法与WSN-Div算法的关键点搜索成功率均呈现增加的态势，但是本文算法的关键点搜索成功率始终高于对照组算法。这是因为随着节点初始能量增加，关键点的射频信号覆盖范围也呈现增加的态势，因此被成功搜索到的可能性也大大增加。然而本文算法将关键点的射频信号作为数字特征，采取了坐标精度提升的方式，能够在同等条件下更为精确的搜寻到关键点。而WSN-Div算法由于仅采用一次搜索机制，导致精度不够，使得搜索关键点的成功率上要低于本文算法。

（2）定位开销

本文算法与WSN-Div算法的定位开销上测试数据如图3所示：

图3 两种算法的定位开销测试

由图3易知，随着节点信号通信半径的不断增加，本文算法与WSN-Div算法的定位开销均出现上升的情况，这是由于随着节点信号通信半径的不断增大，关键点的射频信号覆盖范围也不断增大，覆盖范围内的节点个数也随之增多，关键点为了获取准确的定位坐标需要尽量对全部节点进行定位，因此定位开销也随之增大。然而本文算法由于能够对具体节点的数字特征进行递归，因此仅需要对数字特征强烈的节点进行定位，因此本文算法的定位开销比WSN-Div算法具有一定的优势。

（3）搜索误差度

本文算法与WSN-Div算法的搜索误差度测试，如图4所示：

图4 两种算法的搜索误差度

由图4易知，随着节点缓存大小的不断增加，本文算法与WSN-Div算法均出现了搜索误差度下降的现象。这是由于随着节点缓存大小的不断增加，节点进行计算时可用的计算资源也随之增加，能够将更多的节点定位数据存储在内存中进行运算，因此降低了搜索误差度。但是对照组算法在进行搜索之后，得到的关键点坐标无法根据新的数据进行更新。而本文算法由于采用了精度提升机制，能够对关键点坐标进行实时更新，且可以降低坐标误差精度，因此本文算法在搜索误差度上要好于WSN-Div算法。

（4）搜索时间

本文算法与WSN-Div算法在搜索时间上的对比如图5所示：

图5 两种算法的搜索时耗测试

从图5中可以看到，本文算法与WSN-Div算法在搜索时间上均随着节点布设密度的增加而增加，这是由于随着节

点布设密度的增加，关键点数量也随之增加。由于其他节点的数量增长速度要高于关键点的增长速度，因此增加了无线传感网对关键点的搜索难度。但是由于本文算法能够针对各个关键点的数字特征不同实现高精度搜索，无需对背景节点逐一甄别，因此本文算法的搜索时间要大大低于对照组算法，具有明显的优势。

3 总结

为解决无线传感网关键点搜索中难以实现关键点精确搜索且搜索效率较低的问题，本文提出了基于关键数字特征递归机制的无线传感网关键点搜索算法，引入了关键点的数字特征递归机制。通过计算能量与坐标之间的关系，实现了对关键点坐标的准确获取，随后通过精度提升机制，计算得到了关键点精度最佳情况下的CPEE取值，从而大大提高了关键点的坐标精度。仿真实验表明：与当前广泛运用到的WSN-Div算法相比，本文算法在关键点搜索成功率、定位开销、搜索误差度、搜索时间上具有明显的优势，具有很强的实际部署价值。

参考文献

［1］ LI Bin， WANG WenJie， YIN QinYe. A distributed localization in w ireless sensor networks utilizing AOD estimation and synthetically uniform circular array ［J］. Science China （Information Sciences）.2015， 06（17）:105-115.

［2］ Jack. An Efficient Algorithm for Mobile Localization in Sensor Networks ［J］.International Journal of Automation and Computing.2012， 06（78）:594-599.

［3］ 张源峰， 程恩. 基于可控制粒子群优化的无线传感网关键点定位技术［J］.厦门大学学报， 2013， 06（32）: 739-743.

［4］ 欧阳丹彤，何金胜，白洪涛.一种约束粒子群优化的无线传感器网络节点定位算法［J］.计算机科学， 2011， 07（16）: 46-50.

［5］ Georges M. Arnaout， Shannon Bow ling. A Progressive Deployment Strategy for Cooperative Adaptive Cruise Control to Improve Traffic Dynam ics ［J］. International Journal of Automation and Computing， 2014， 01（11）:10-18.

［6］ 朱烜璋. 基于水波扩散机制的关键点搜索精度提升算法［J］.计算机工程与应用， 2013， 14（35）:88-91.

［7］ 徐彤阳. NLOS误差模型下的无线传感网定位方法与仿真［J］.计算机工程与设计， 2013， 08（118）: 2680-2684.

［8］ Guo-Jin Feng， James Gu， Dong Zhen. Implementation of Envelope Analysis on a Wireless Condition Monitoring System for Bearing Fault Diagnosis ［J］. International Journal of Automation and Computing， 2015， 01（21）:14-24.

［9］ ChenLee. An Efficient A lgorithm for Mobile Localization in Sensor Networks ［J］. International Journal of Automation and Computing， 2012， 06（32）:594-599.

［10］ Yang Guoning， Feng Xiufang， Fan Liujuan. A multi sensor data fusion algorithm based on optimal fusion ［J］. Journal of software， 2012， 23（11）: 134-140.

Research on Key Point Searching Algorithm of W ireless Sensor Networks Based on Key Digital Feature Recursion M echanism

Tian Wenli
（Shanxi Vocational College of Finance and Economics， Xianyang 712000， China）

Abstract:The unavoidable background noise jamm ing results in the poor positional accuracy and search efficiency in the current key searching algorithm of the wireless sensor networks. In order to solve these problems， this paper proposes a point searching algorithm of wireless sensor network based on key digital feature recursion mechanism. Firstly， it evaluates the energy state of the key point by using the key digital feature recursion mechanism， and then collects the energy of the recursion key points' radio frequency information to search for the key point of w ireless sensor network. After that， it makes the fingerprint identification to the key digital feature value， and completes the precise estimation and positioning to the key points. The simulation results show that compared with the existing WSN-Div algorithm， the algorithm proposed in this paper has a high search success rate of the key points， as well as lower data location overhead and search error.

Key words:Wireless Sensor Networks； Key Point Search； Radio Frequency Information； Digital Feature Recursion； Fingerprint Identification

中图分类号：TP393

文献标志码：A

文章编号：1007-757X（2016）05-0065-03

作者简介：田文利（1980-），女，宝鸡人，陕西财经职业技术学院，讲师，硕士，研究方向：计算机网络与应用、网络信息安全，咸阳，712000

收稿日期:（2016.01.26）