基于MDS技術(shù)與MCL方法的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )移動(dòng)節點(diǎn)定位算法

無(wú)線(xiàn)傳感器網(wǎng)絡(luò )WSN(Wireless Sensor Networks)綜合了無(wú)線(xiàn)通信技術(shù)、傳感器技術(shù)、嵌入式計算技術(shù)和分布式信息處理技術(shù)，已經(jīng)成為當前國際上備受關(guān)注的、多學(xué)科高度交叉、知識高度集成的前沿研究領(lǐng)域[1]。通過(guò)部署大量傳感器節點(diǎn)至目標區域，WSN將改變人們與客觀(guān)世界的交互方式，其在環(huán)境監測方面的應用尤其具有廣泛前景[2]。
鑒于WSN的應用背景，定位技術(shù)成為實(shí)現其功能的關(guān)鍵技術(shù)之一，如何使定位指標達到最優(yōu)始終是WSN定位算法的研究目標。
近年來(lái)，對WSN定位問(wèn)題有了許多新穎的思想和解決方案，但多是針對解決固定節點(diǎn)的定位問(wèn)題。若將這些算法應用于移動(dòng)節點(diǎn)的定位，雖然也可以通過(guò)每隔一段時(shí)間的更新來(lái)進(jìn)行定位，但節點(diǎn)的移動(dòng)性會(huì )導致算法的定位精度降低。雖然移動(dòng)性給節點(diǎn)定位帶來(lái)了困難，但也可以利用其來(lái)提高定位精度。參考文獻[3]提出了一種基于MCL（Monte Carlo Localization）的移動(dòng)節點(diǎn)定位算法，其核心思想是在貝葉斯濾波位置估計基礎上，用若干個(gè)帶權重的采樣點(diǎn)來(lái)描述移動(dòng)節點(diǎn)在布置區域的可能位置分布。
多維定標技術(shù)MDS（Multidimensional Scaling）是一種運用于心理學(xué)領(lǐng)域的技術(shù)，后由Shang等人引入WSN定位技術(shù)中[4]?；?a class="contentlabel" href="http://dyxdggzs.com/news/listbylabel/label/MDS">MDS技術(shù)的定位算法在不需要知道節點(diǎn)間測量距離的情況下，可以充分利用節點(diǎn)間連通性信息，在即使沒(méi)有錨節點(diǎn)的情況下也可以得到節點(diǎn)的相對位置坐標。
本文提出一種MDS-MCL定位算法，通過(guò)結合MCL和MDS-RC[5]兩種方法，得到一種新的移動(dòng)節點(diǎn)定位算法。通過(guò)將MDS-RC定位算法引入MCL算法，在定位過(guò)程中利用MDS-RC定位算法給出的定位位置作為新的限定條件進(jìn)行濾波，保留更接近節點(diǎn)真實(shí)位置的預測樣本，提高節點(diǎn)定位精度。
1 MDS-MCL定位算法
本文提出的MDS-MCL算法，主要是通過(guò)在過(guò)濾階段利用MDS-RC算法給出的定位結果作為新的限定條件，濾除預測樣本，以達到提高精度的目的。
1.1 引入新的濾波條件
MDS-RC定位算法是一種應用在大規模固定節點(diǎn)定位問(wèn)題中的算法，通過(guò)對節點(diǎn)間最小路徑賦予權值的方法來(lái)提高算法的整體定位精度。在大規模的網(wǎng)絡(luò )中使用時(shí)，該算法的整體定位效果較好，但不排除出現個(gè)別節點(diǎn)誤差較大的情況。在大規模網(wǎng)絡(luò )中，由于整體定位精度較高，所以即使個(gè)別節點(diǎn)的定位誤差較大，也不會(huì )影響算法整體的定位效果。但將這種算法應用于單一節點(diǎn)的定位時(shí)，這種偶然出現的較大誤差對于最終定位結果的影響較大，必須進(jìn)行處理。
在MDS-MCL定位算法中，會(huì )對MDS-RC得到的定位結果進(jìn)行判斷，根據不同的情況采取不同的濾波方式，從而避免偶然出現的大誤差對最終結果造成影響。算法的具體流程如圖1所示。

算法的初始化主要是進(jìn)行循環(huán)次數k和預測樣本總數N的設定。
如圖1所示，在每一時(shí)刻的定位過(guò)程中，首先根據周?chē)惶秶鷥鹊男艠斯濣c(diǎn)信息，根據MDS-RC算法，得到初步定位位置ot。然后根據ot是否在最大移動(dòng)速度范圍內對預測樣本進(jìn)行處理。

過(guò)濾階段的詳細處理方法如下：
第一種情況：如果算法的定位位置ot在最大移動(dòng)速度范圍內，則根據ot進(jìn)行濾波。在生成的N個(gè)預測位置中，計算其與ot的距離，將這些距離與前一次保留的預測樣本進(jìn)行比較，保留N個(gè)與ot最近的樣本，然后進(jìn)行下一次循環(huán)。
第二種情況：如果算法的定位位置ot在最大移動(dòng)速度范圍外，用另一種方法對位置進(jìn)行修正。在使用MDS-RC算法進(jìn)行定位時(shí)，會(huì )利用到周?chē)惶秶鷥鹊男艠斯濣c(diǎn)。對預測樣本中的每一個(gè)位置，統計在其通信范圍的本次定位中利用到的信標節點(diǎn)數，然后與前一次保留的預測樣本進(jìn)行比較，保留N個(gè)信標節點(diǎn)數最多的樣本，然后進(jìn)入下一次循環(huán)。
通過(guò)結合MDS-RC與MCL方法對移動(dòng)節點(diǎn)進(jìn)行定位，可以避免單一方法中偶然出現的較大誤差。
另外，MDS-MCL算法與MCL算法另一點(diǎn)不同的是，在每一次濾波中保留N個(gè)最符合要求的預測樣本，而不是嚴格刪除所有不符合要求樣本。通過(guò)這一點(diǎn)修改，可以保證算法在規定次數的循環(huán)內得到足夠數量的預測樣本，從而將算法的計算時(shí)間控制在一定范圍內。
1.2 參數與算法表現的關(guān)系
在MDS-MCL算法中，有兩個(gè)初始參數：循環(huán)次數和預測樣本數。為了使算法的性能達到最優(yōu)，下面通過(guò)仿真實(shí)驗考察這兩個(gè)參數對定位誤差和計算時(shí)間的影響。