柴军
（北京市数字教育中心（北京电化教育馆），北京 100089）
无线网络除了应用于人们日常生活外，还能应用于灾难救助领域中，这样的工作模式对无线网络的精准定位提出了高标准需求。如何在无线网络中快速发现异常通信节点，成为当前人们研究的重点。然而，传统的集中式定位算法只选取一个网络节点作为参考节点，整个网络内的所有异常节点都要通过基准节点传送，从而导致系统对基准节点的依赖性过大。在大规模网络中，由于有大量的异常节点需要进行定位，因此必须接收各个节点之间的通信信息，从而造成了数据传输负荷过大的问题，无法迅速找到异常节点。为此，诸多学者进行了相关研究，文献[1]提出了基于加权质心算法的定位方法，在网络坐标系统中引入标准方程，得到了该模型的坐标，并根据误差的倒数进行加权，利用形心算法模拟定位点的位置坐标；
文献[2]提出了基于跳距修正的WSNs 定位方法，根据共线度的概念选择合适的锚点，并用无偏量估算出异常节点。结合构造的定位目标函数，利用Java 算法对异常节点进行定位。但由于无线网络容易受到外界干扰影响，导致定位结果不精准。为此，提出了基于目标追踪的无线网络异常通信节点定位方法。
在无线网络中，由于采用了低成本、自组织协作模式的通信协议，因此易受外界电磁干扰，而且随着通信距离的增大，传感器节点间的数据会发生衰减，从而导致数据丢失[3]。因此，在一个特定的位置上，可以确定无线网络中的通信节点异常范围。
在无线网络中，基站的主要节点将群集信息传送给每个节点，然后按照簇首的分布密度对节点进行聚类，从而达到优化能耗的目的[4]。簇首在簇的边缘处，其网络能耗大于簇中央，因此在簇首处于集群边缘的情况下，通过确定通信节点异常范围，可以实现簇群内部成员节点的直接通信[5-7]。同时，新一轮的簇首选择是将簇头中剩余的能量最多的节点作为新的簇头，经过多次通信，可以显著降低剩余的能量损失，并随着簇头数量的增加，选择节点的概率也会相应增加，从而改善整个网络的功率和负载均衡，进而有效延长网络的寿命[8-10]。
根据上述分析的无线网络通信节点容易出现异常的位置，设计了无线网络通信节点异常范围划分流程，如图1 所示。
图1 无线网络通信节点异常范围划分流程
当簇首聚集在集群的中央时，由成员节点根据生成树的最小路径将数据反向传送给簇首，簇首接收到的信息会被压缩，然后用相同的方法与无线网络通信基地台的主节点进行通信[11]。
2.1 异常通信节点定位目标追踪流程设计
针对无线网络容易受到外界干扰影响，导致出现不确定性结果的问题，为了克服不确定因素对跟踪性能的负面影响，提出了基于区域划分和目标感知的方法。同时，利用不确定度作为额外信息，可以有效改善跟踪的精准度[12]。异常通信节点定位目标追踪流程如图2 所示。
图2 异常通信节点定位目标追踪流程
对每个参与位置的节点，在不同时间段内，若两个节点的感知结果是相反的，则将异常通信节点指派为0；
若两个节点在同一次序上，则按其递增或递减的次序，将异常通信节点指派为1 或-1[13]。将节点ID 从小到大依次列举，并排列出所有节点对应的值，从而获得了感知矢量。根据群体感知所生成的感知矢量，将各目标的位置与各划分区域上的特征矢量进行比较，确定了正常节点与异常目标之间的相对位置关系，由此进行目标跟踪[14]。
2.2 异常通信节点定位
为了有效捕获目标追踪过程中的感知向量，提高目标追踪结果的可靠性，构建感知向量[15]。假设追踪区域内部署了多个传感器节点，在短时间内，各个传感器节点几乎同时对目标节点进行k次采样，这些感知结果为一个分组感知，可用如下矩阵表示：
式中，rN,tm-1表示任意节点不同时刻的采样结果集合。对于任意一个节点对及感知结果，存在三种情况：如果r1中所有参数均大于r2，则定义r1＞r2；
如果r1中所有参数均小于r2，则定义r1＜r2；
如果r1中并非所有参数均大于或小于r2，则定义r1≈r2。充分考虑上述存在的三种情况，将感知结果引入目标追踪过程中，结合历史定位信息，使每次定位都能在短时间内完成，大大降低跟踪复杂程度[16]。
通过对感测节点的指派，对已部署的通信节点进行赋值，从而构成感知矢量，并将其与目标追踪相关的信息结合起来。使用基于目标跟踪的无线网络异常通信节点定位技术，在监测区域内设置若干检测节点，并利用其与周边节点的通信来获得位置测量数据。在此基础上，利用测得的数据和定位技术，估算出异常节点的相对位置，从而精确确定异常节点位置。
异常通信节点的详细定位步骤如下。
步骤一：在监测区域内标定一定比例的感应节点，使其在监控范围内形成一个无线感应网，方便后续的定位；
步骤二：将异常节点和网络中的节点进行通信，从各个节点之间的通信中抽取出网络信息，得到了相应的信息：
式中，m表示无线网络异常通信线路上的信息；
h(gj)表示节点gj上的信息；
h(gi)表示节点gi上的信息。
步骤三：利用提取的节点间通信信息，对异常通信节点最终位置进行定位，公式为：
根据式（3）的计算结果就能得到网络异常通信节点的最终定位结果。
2.3 异常通信节点定位结果优化
无线网络异常通信节点容易受到相邻节点影响，出现定位结果不精准的问题[17-18]。为了解决这个问题，需要优化异常通信节点定位结果。若运营商发现的报文数目及邻近节点接收的报文数目小于设定的阈值，则在报文发现报文数目不足时，向邻近节点传送信息，选取最合适的通信节点。利用估计算法获取节点初始位置，并在此基础上划分各个监测区的交集范围，如图3 所示。
图3 通信节点交集
图3中顶点坐标分别为(a1,b1)、(a2,b2)、(a3,b3)、(a4,b4)，由此得到的定位节点估计位置信息为：
结果位元在搜索过程中会出现起伏的情况，且其变化幅度一般都是在自适应函数的数值范围。这种方法似乎只能在局部区域上获得最好的结果，而非最优。对所获得的结果进行优化，使其能够达到最优定位值，具体优化的公式为：
式中，X表示异常通信节点最终定位结果，ηj表示定位效率最大值，ηi表示定位效率最小值，T表示定位周期。
利用上述公式，对邻近节点的通信估算位置信息进行了优化，得到了最优的节点位置信息。若该节点与邻近节点的通信估算出的位置值并非全域最佳，则该迭代法由式（5）继续进行。在此基础上，采用逐次迭代的方法，将各相邻节点的位置信息逐步逼近，从而获得最精确的定位信息。优化异常通信节点定位结果，可以有效避免传统基于基准节点的过分依赖而造成的网络定位问题。
3.1 实验平台
在实验区域部署了六个传感器节点，感知分辨率为1，分组感知采样次数为五次。该平台的无线网络通信主要有单、双频工制的两种工作方式，前者干扰大，后者干扰小。为了避免其他方面的干扰，使用双频工作方式。在这种工作方式下，最易出现的异常通信节点主要包括四个光谱空洞节点和两个频谱节点。
3.2 定位轨迹分析
通过实验对基于加权质心算法的定位方法、基于跳距修正的WSNs 的定位方法和基于目标追踪的定位方法的定位结果进行了比较。三种方法的网络异常通信节点定位结果轨迹绘制，如图4 所示。
由图4 可知，使用加权质心算法的定位方法轨迹粗糙，与理想轨迹不重合，随着横向运动轨迹的增加，纵向与理想轨迹最大相差16 mm；
使用基于跳距修正的WSNs 的定位方法轨迹虽然比使用加权质心算法的定位方法光滑，但轨迹与理想轨迹不完全重合，随着横向的增加，纵向与理想轨迹最大相差14 mm；
使用基于目标追踪的定位方法轨迹光滑，且与理想轨迹完全重合，随着横向运动轨迹的增加，纵向与理想轨迹最大误差为0 mm。
图4 三种方法节点定位结果轨迹绘制
3.3 可定位节点比例分析
三种方法的可定位节点比例对比结果如表1所示。
由表1 可知，使用基于加权质心算法的定位方法最高可定位节点比例为0.71，比基于目标追踪的最高可定位节点比例低0.22；
使用基于跳距修正的WSNs 的定位方法最高可定位节点比例为0.88，比基于目标追踪的最高可定位节点比例低0.05。通过上述分析结果可知，使用基于目标追踪的定位方法定位效果更好，可定位节点比例最高可达到0.93。
表1 三种方法可定位节点比例对比结果
将成对节点的不确定区域和边界进行分区，并在节点多次取样下，有效地减少了不可靠感知对目标跟踪性能的影响。通过把跟踪过程转换成矢量匹配，减少环境因素的影响，提高跟踪准确性。实验结果表明，当目标跟踪环境存在不确定性时，基于目标追踪的定位方法体现出更好的跟踪性能。
猜你喜欢无线网络轨迹定位《导航定位与授时》征稿简则导航定位与授时(2020年5期)2020-09-23轨迹读友·少年文学(清雅版)(2020年4期)2020-08-24轨迹读友·少年文学(清雅版)(2020年3期)2020-07-24滤波器对无线网络中干扰问题的作用探讨铁道通信信号(2020年12期)2020-03-29Smartrail4.0定位和控制铁道通信信号(2020年9期)2020-02-06轨迹现代装饰(2018年5期)2018-05-26找准定位 砥砺前行知识经济·中国直销(2018年3期)2018-04-12进化的轨迹（一）——进化，无尽的适应中国三峡(2017年2期)2017-06-09无线网络的中间人攻击研究信息安全研究(2016年4期)2016-12-01TD-LTE无线网络高层建筑覆盖技术研究与应用移动通信(2015年17期)2015-08-24
