物联网中异常通信情形下目标跟踪算法的设计∗

余 庚 张 洁

（1福建工程学院国脉信息学院·互联网经贸学院 福州 350007）

（2.福州理工学院 福州 350506）（3.福建农业职业技术学院 福州 350007）

1 引言

传感网作为一种高效的模糊物联网络［1］，因网中节点间信息关联性带来的定位评估优势而广受欢迎。目前关于该网络［2］的各类研究也多数是围绕定位评估精度来开展。就目前而言，常见的研究有两大类，分别是测距/非测距算法。关于测距的应用研究中，算法要求事先精确地评估出已知节点和未知目标节点之间的间距方可计算出待测目标的信息域。而关于非测距的研究方案，则仅需通过GPS装置广播出已知节点自身的方位即可分析出待测目标的信息域。相比之下，无论从能耗、时效、计算复杂度而言，后者非测距研究方案更能引起人们的关注。

当前，有关非测距的评估研究主旨思想［3］是通过将跳数范围内跳距做平均处理，然后将该平均跳距和跳数相乘值直接写入信息域作为已知节点和待测目标节点的实际距离。再由此获得待测目标节点的方位信息。然而这样的研究对已知节点的规模、网络节点密度均衡［4］度等网络状态依赖程度较高。并且在一定程度上精确度和通信范围内的跳数呈反比。显然这样的情形在现实网络布局中具有较大偶然性。基于此，本文构思在全局节点分布和通信半径范围内跳数无法预测的模糊物联网络中，开展异常目标节点评估的跟踪算法。

2 非测距评估的局限性

实施非测距评估方案的目的是通过向全网其他节点广播［5］彼此的信息域来获得跳数值，并求得平均跳距。以此推算出锚节点和待测目标节点的长度，进而跟踪锁定异常目标的方位。

整个评估方案的实施过程如下：1）初始化全网。为锚节点i分配含有方位和跳数的信息域，并将Ti初始为零；2）将信息域广播至全网，使全网节点存储最优信息域。对于每一个接收节点而言，每收到上游节点广播的信息域计数器均需为Ti执行一次加1操作。当该节点收到相同的上游节点广播来的信息域时，首先判断新信息域和旧信息域中的Ti值。如果新信息域中的Ti更大，新信息域被丢弃；反之，新信息域将覆盖该节点内存中的旧信息域。随后将信息域再次广播至下游站。3）测算信标节点跳距均值。其中tij表示两个信标节点之间的跳数。4）测算待测目标和信标间距。获取目标的信息域。

根据上述分析，非测距评估过程对于信标比例和信标分布［6］的偏好度较高。若要显著提高待测目标和信标间距的准确度，无疑要求信标数量不但要多且部署的密度务必要均衡。然而在实际应用中，由于成本和环境等因素局限使得所部署的节点只有少部分载有GPS装置，且分布毫无规律可言。为了进一步提高评估在模糊物联网络中的实用性和可行性，需建立一个目标跟踪评估算法。

3 目标跟踪算法思想

3.1 优化信息域

鉴于节点分布不均衡引发了被广播的信息域中，跳数误差较大的问题。目标跟踪评估［7］算法通过分布式扩大广播区域的方式来优化信息域。广播信息域之前先将广播的最大半径R分为m个层次，锚节点依次按照1/m，2/m，...，m/m的半径向信宿广播信息域，并记录信宿节点和信源节点的跳数1/m，2/m，...，m/m。在结束第一次广播并开始第二次广播时，信宿节点读取内存确认是否曾经保存过该信源信标信息域的跳数。如果保存过，则丢弃该信息域，并将内存中既有的信息域转发给下游站。反之，保存将该信息域并记录跳数2/m。依次循环直至第z次（1＜z≤m）广播，使得所有信宿节点均精确地获得与信标间的最小跳数t，进而优化信息域。令锚节点i和周边节点n的物理长度为Lin，广播过程中信息域内的跳数模型［8］遵循：

可知，所求得信息域中的最小跳数值不再取整。显然优化［9］后的信息域在一定程度上精确地量化了信标与目标间的重要参数。

3.2 优化间距

非测距研究方案对全局网络节点的密度［10］均衡性较为依赖。这不利于客观地评估未知节点和信标节点的间距。假设待测模糊物联网络现有两个GPS装置的锚节点m1和m2。m1和m2连线的物 理［11］长 度LWm1-m2为 36m，其 他 未 知 节 点uk(k≤5)间的物理间距依次是：LWm1-u1=2m，LWu1-u2=4m，LWu2-u3=6m，LWu3-u4=8m，LWu4-u5=10m，LWu5-m2=12m；当m1的广播半径为36m时，可知m1和m2仅一跳。此时算法将这一跳所对应的36m直接视为m1和u1的评估距离，然而事实上LWm1-u1=2m；当m1的广播半径为3m时，由于通信范围太小使得m1必须先广播信息域至m2，再由m2广播给下一站，以此类推直至广播到m2。广播过程共发生6跳。此时算法将记录的42m平均化，算得每跳的评估距离为7m，这也就作为m1和u1的评估距离来使用。相对于m1和u1的实际距离2m，该评估距离误差较小。根据上述描述可知，此类评估间距的精度［12］随模糊物联网络节点密度复杂性增加而急剧下降。

为优化间距评估方案，目标跟踪评估算法在权衡间距时做加权处理。权值指数σi表征为进而估算［13］出权值间距：

同时为了消除模糊物联网络节点部署的随机性给目标跟踪评估算法带来的干扰，增设一个随机因子，表征为

据此计算出锚节点和待测目标的评估距离：

4 目标跟踪算法实施

根据目标跟踪算法思想描述可知，目标能否被精确地跟踪评估的关键在于跳数和节点间距的权衡。为使评估更加客观地接近物理参数值，本文构思的算法在计算跳数和间距期间分别引入多层次广播、权值、随机因子等环节。算法实施于模糊网络中开展分布式过程如下：

1）全局初始化。将载有GPS的已知节点信息域初始化为D(Xi，Yi，Ti)，并赋跳数零值。

2）广播信息域。已经节点首次向周边节点发起广播，信宿节点将信息域写入内存。随后发起第二次全局广播，若信宿节点已接收过信息域，将跳数记作1；若没有接收过，则保持1/m。以此类推，发起第m次全局广播，若信宿节点已接收过信息域，将跳数记作3/m...1；若没有接收过，则保持原跳数参数不变。直至全局信宿均获得包含与信标节点间最小跳数在内的最优信息域D'(Xi，Yi，t)。

3）优化权值间距。通过计算每个已知节点跳距均值、权值指数σi求取权值间距。

4）优化已知节点和待测目标的距离。通过计算随机因子Siu，进一步算得评估距离Liu'。

5）获得目标方位。

5 目标跟踪算法测试

5.1 测试模型

为了客观地测评［14］所设计的目标跟踪算法，本次借助仿真平台搭建模糊物联网络模拟环境展开相关指标测试。测试模型［15］部署如下：1）在面积为100m×100m的待测区域内随机撒布25个载有GPS装置的锚节点和75个普通节点；2）测试过程通过变换节点广播半径来评价通信范围与目标跟踪算法的关联度；3）为使模拟环境高度接近模糊物联网络特征，测试在每一次结束后均需重新随机撒布这个25个锚节点和75个普通节点；4）为了避免测试数据的偶然性，每组测试均在300次仿真［16］后开展数据收集和对比。5）假设全局节点规模为N个，其中待测目标节点的实际方位和算法评估方位分别为 (Xs，Ys)，(Xp，Yp)。本次测试引入偏差因子用于分析目标跟踪算法的可行性，表示为

5.2 测试分析

在Matlab平台上将100个已经/未知节点随机部署在如图1所示的网络中，预置广播半径25m。灰色星号和深黑色三角形分别代表锚节点和普通节点。图中可见，两种类型的节点分布毫无规律。同时存在锚节点附近密度很低以及目标节点附近未有锚节点的情形。对于非测距评估研究方案而言，这样的情形也恰恰造成了评估的严重偏差。

图1 模糊物联网络布局

图2 锚节点规模对算法的影响力

由非测距评估的局限性和目标跟踪算法思想的描述可知，目标节点方位的评估在很大程度上依赖于载有GPS的已知节点规模。当已知节点规模越大，向全局节点广播的信息域越精确，计算所得数据越可靠，则评估结果也就越客观。这样的特征在图2所示的两种算法曲线走势图中均有所体现。该图描述了在预置的25m广播半径内锚节点规模对算法的影响力。图中不难看出，两种算法均随着锚节点数量不断增加，算法评估目标方位的偏差［17］因子总体显著下降。但受限于非测距评估方案对全局节点密度的偏好，而本文所设计的目标跟踪算法在通信机制上采用分布式广播，且将模糊物联网络随机特征对计算的干扰纳入考虑范围，同时目标节点可提取到较为可靠的最小跳数信息。因此相对于前者，目标跟踪算法在评估偏差因子方面的表现较有优势。

图3 分布式广播对算法的贡献度

目标跟踪算法的优势之一是采用分布式广播机制。通过在通信半径范围内开展分布式广播有助于全网节点接收到优化信息域，尤其是跳数参数的最小化对目标方位计算具有良好的贡献度。这样的优势在图3所示的分布式广播对算法贡献度中同样得到了诠释。图3所示为在预置的25m广播半径内，变换不同的半径层次m来考察目标跟踪算法的分布式广播对算法的贡献度。显而易见，半径层次越多，分布式广播越频繁，越有益于净化［18］全网节点收集到的信息域，尤其是优化的跳数参数对评估的精度起了至关重要的影响，可显著降低算法的偏差因子。正如图3中的第四条曲线1/5，所对应的偏差因子最低。

如目标跟踪算法思想所述，通信半径的扩大将伴随着跳数和跳距的模糊化。这是由于在锚节点规模固定的前提下，当广播半径范围增加，通信范围内锚节点比例下降，节点布局越加随机化。由此带来权值间距和随机因子计算的波动，不可避免地降低算法的精度。为了验证广播半径变化和目标跟踪算法计算偏差的关联度，本项测试统一选用5个层次的广播机制。如图4所示的曲线走势图表明，在相同数量锚节点的前提下，偏差因子和半径呈现正比关系。当半径从25m增至30m，目标跟踪算法的偏差因子总体呈现上升趋势。

图4 广播半径和目标跟踪算法偏差的关联度

6 结语

本文通过分析非测距评估方案在复杂网络中应用的局限性，提出一种在节点布局随机和信标比例较低的模糊物联网络中开展目标跟踪评估的算法。该算法运用分布式广播机制为全局节点传播可靠的跳数和跳距信息，进而推测出QoS异常的目标节点方位。同时，通过一系列指标考察算法实施的性能。最终验证了目标评估算法在模糊物联网络中具备可行性。