无线传感器网络中的自身定位系统和算
摘要：无线传感器网络由于具有网络设置灵活、位置随时更改、能够与互联网有线或无线连接等特征而被广泛应用在了环境监测、医疗护理、国防军事、目标跟踪等领域，有力地推动了社会进步。然而，随着互联网技术的快速发展，无线传感器网络中的自身定位系统也得到了长足的进步，原有的定位系统和算法逐渐暴露出了一系列的不足，使得无线传感器网络应用范围受到不同程度影响。基于此背景，文章就现有技术条件下无线传感器网络中的自身定位系统和算法展开深入研究，旨在探索最前沿的应用技术，以为其推广使用提供帮助。
关键词：无线传感器网络；定位系统；算法
中图分类号：TN925 文献标识码：A 文章编号：1673-1131（2015）10-0036-02.
0 引言
鉴于无线传感器网络在国计民生方面所具有的重要应用价值，对其定位系统与算法进行研究无论是在理论研究还是在实践应用方面均具有重要的研究价值及社会意义。因此，针对无线传感器网络中的自身定位系统和算法所展开的研究，本文首先从现有的无线传感器网络定位系统和算法着手，对其进行一个横向比较，总结存在的各种问题，之后以此为依据对 Hop-Euelidean 算法展开重点分析，评价该算法所具有的应用优势，以为其进一步推广应用积累经验。
1 现有无线传感器网络自身定位系统和算法以及存在的不足分析1.1 现有无线传感器网络自身定位系统和算法
（1）Active Badge 定位系统及算法。Active Badge 定位系统是无线传感器网络（Wireless Sensor Networks，WSN）最早的一种定位系统，也是上个世纪末、本世纪初符号定位、粗粒度定位以及接近度定位三者合一的典型代表 [1]。该定位系统应用的前提在于部署在一个精度明确的房间之内，通过以太网与房间内部预先架设的红外传感器节点来构成系统网络。当存在定位需求时，只需要在被定位的人或者物体上面放置一个 Badge （徽章）的装置，来作为整个 Active Badge 定位系统未知的节点。Badge 每隔 15s 会向外界发射一个 0.1s 持续时间的红外信号[2]。一旦该信号被系统红外传感器所采集到，则会将收集到的感应信息传递至中央处理器，利用高速率计算机来进行定位分析工作。用户可以通过外设端口与该系统相连接，从而获得准确的定位数据。
（2）RADAR系统。RADAR（Radio Detection and Ranging）系统是由美国微软公司基于 IEEE 802.11 无线网络技术自主开发的一种室内空间定位系统，根据用户的差异性使用需求，RADAR 系统可通过场景分析以及三边测量两种途径实现[3]。
场景分析下通过在多个测量地点架设无线网络设备，对固定建筑物之内的可探测红外装置所发射出来的红外信号进行采集。利用中央控制系统根据各个测量点位传输的红外信号强度以及信噪比来构建出一个信号强度数据库。通过数据库内相应数据的比对分析来选择一个可能性最大的点位信息实施定位工作。此种定位方式下其定位精度在 50%概率可达到 3m误差[4]。三边测量之下，通过采用系统自带的三边测量定位方法对收集到的未知节点信号进行计算，同时参照多个测量基站获得的数据给出最终定位位置信息。此种定位系统测量可 以获得 50%概率下的 4.3m 误差精度。
（3）N-hop multilaterationprimitive 定位算法。美国加州大学洛杉矶分校的 Andreas Savvides 等人在前人既有的研究成果基础上结合自身学科知识提出了N-hop multilaterationprimitive定位算法，基于最大最小值法通过折线运算来估计出未知节点的位置。此外，该学者还采用了卡尔曼滤波技术实施循环定位，以进一步降低估算误差带来的影响。该算法主要分为三个步骤：首先，自动生成协作子树，根据定位系统内预设的判断条件，在互联网络中生成多个未知节点以及已知的测量锚节点位置组成条件完整的结构形状，在该协作子树中每个未知节点的坐标信息均拥有唯一解[5]，其次，针对未知节点进行初始位置估算，利用定位系统对每个锚节点位置信息进行计算，确定节点之间的空间距离，并且根据网络节点之间的连通性特征对未知点位空间信息进行初始的估算，第三，定位位置求精，使用卡尔曼滤波技术针对协作子树内的未知节点位置唯一解进行循环计算以得出最精确、最接近的计算结果。
1.2 现有无线传感器网络自身定位系统和算法存在的不足就现有的无线传感器网络自身定位系统和算法，本文在详细分析后认为存在着以下几个问题：
首先，限制条件过于严格。所有未知节点的位置必须与锚节点直接相邻，否则无法做出有效的估算，而在实际运用中该限制条件显然过于严格，不符合实际应用。
其次，定位精度过度依赖实际网络部署条件。未知节点布置范围并不是无限大，其必须满足空间距离≤网络部署范围，一旦超出，则无法根据锚节点提供的信息对其实施定位与计算。
第三，测量误差缺乏抑制措施。现有的定位系统与算法在未知点位定位上均存在着不同程度的测量误差，即使N-hopmultilaterationprimitive 定位算法实施了卡尔曼滤波技术循环测量，但是在无形之间增加了测量成本以及定位工作的不确定性，因而测量误差并没有得到有效的抑制。
2 Hop-Euelidean 定位算法
Hop-Euelidean定位算法是将当前较为新颖的距离矢量路由技术与 Euelidean 定位算法相结合，从而克服现有定位系统和算法存在的缺点及不足，并利用循环迭代思想提高未知节点定位覆盖率与精度，继而形成的一种定位算法。
该定位算法的应用首先需要设定以下假设条件：
（1）二维无线传感器网络 3 个锚节点空间位置信息，或者三维无线传感器网络 4 个锚节点空间位置信息； （2）未知节点必须具有红外传感器测距能力，并且测量存在的误差能够服从正态分布；（3）节点之间通信畅通性良好，不存在信号传输障碍；（4）节点之间存在着对称通信能力，所有的空间定位信息都能够被系统终端接收到；（5）节点具有维护两个链表，实现分别存储相邻未知节点以及锚节点信息的能力。
其具体的算法计算步骤分别如下：
（1）初始化阶段。无线传感器网络部署完成之后，向整个网络中播放HELLO信息，在该信息中含有与之相对应的空间位置信息，以检测网络中各个节点之间的信号传输是否畅通。
如果未知节点周围缺少 3 个以上（含 3 个）的节点链表，则定位系统自动将其标记为真，意味着下一阶段邻居节点的信息无法通过该节点传输[6]。
（2）定位阶段。当信标信息被无线传感器网络广播后，其TTL 阈值将会变为 2（该信标信息自身的初始值为 1）。
（3）迭代循环阶段。当上述两个阶段均各自完成之后，已 经获得了准确定位信息的未知节点将自动升级为锚节点，并将其信息向邻接节点传送，以协助其他的未知节点位置定位。
3 结语
综上所述，Hop-Euelidean 定位算法通过融入距离矢量路由技术，有效地解决了未知节点定位所存在的测量误差问题，并且在无线传感器网络部署方面不需要过多的投入，因而具有良好的经济性。与现有的无线传感器网络自身定位系统和算法相比较应用价值更高，值得在今后被各个领域所广泛采用。
参考文献：
[1] 王景珲.一种基于DV-Hop的无线传感器网络节点定位算法[J].计算机工程,2015,24(1)82-86.
[2] 姚英彪,姜男澜. 无线传感器网络定位的分布式求精算法[J].通信学报,2015,33(1):183-192.
[3] 任子晖,顾靓雨,周萌萌.基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统设计[J].煤矿开采,2015,18(3):136-139.
