无线传感器网络定位与覆盖技术分析

熊亮 李祥 蒲媛媛 王辉茹 买合木提·吐尼牙孜

作者简介：熊亮（1982— ），男，四川蓬溪人，高级工程师，本科；研究方向：电力通信。

摘要：为了使无线传感器网络在现代社会发展中发挥出最大的作用，必须要采取更加良好的无线传感器网络定位算法。基于此，文章提出了一种基于直推支持向量机的网络定位算法，并通过实验分析及实际测试的方式，对该算法应用效果进行了验证。验证结果表明，文章研究的算法精度较高，符合需求，可将其应用到实际当中。

关键词：无线传感器网络；定位；覆盖；直推支持向量机

中图分类号：TP212.9；TN929.5  文献标志码：A

0  引言

无线传感器网络是现代通信领域中的重要组成部分，具有节点密度高、節点移动性弱等特点，使其被广泛应用到现代通信领域。但需要注意的是，该网络也存在一些缺陷，如因体积较小而导致处理能力差等，尤其是在应用数量较多的工况下，影响数据信息正常传输。此外，在同一时间点时，若全部节点均正常运行，可能会出现同一条信息由多个节点传输，不仅造成资源浪费，而且还会出现数据冲突的问题。所以，为了提升无线传感器网络的运行效果，必须采用合理的方式对无线传感器网络节点进行定位，并在此基础上，提升无线网络的覆盖效果。

1  问题描述

在一个二维区域［0，D］×［0，D］内，存在m个无线传感器网络节点S1，S2，…，Sm。之后，将整个区域进行划分，得到多个网格，以此对各节点的坐标予以计算。设置2个类集合，各集合当中，均由T个类构成：在X轴方向上，T个类分别是{TSVMx1，TSVMx2，…，TSVMxT}，各TSVMxT内，都含有当X≥iD/T时的全部节点；在Y轴方向上，T个类分别是{TSVMy1，TSVMy2，…，TSVMyT}，各TSVMyT内，都含有当Y≥iD/T时的全部节点［1］。

同时，作出下述定义：ss（Sj，S）（j=1，2，…，m），为节Sj节点发出信号的强度（RSS），信号的向量为：si=（ss（S1，Sj），ss（S2，Sj），…，ss（Sm，Sj）），yi表示各类所对应的类别标记。对于移动信标而言，包含相应的GPS设备，因而在移动信标Sb当中，能够自动获取各节点Shi的信息，并分析出相应的信号箱梁，推导出类TSVMxt的类别标记ybi（ybi∈{1，2，…，T}），以此当做已标识样本。而对于未标识样本而言，选择的则是sj（sj=ss（S1，Sj），ss（S2，Sj），…，ss（Sm，Sj）），及其对应的标签y*i［2］。上述未知固定节点间的信号向量及其对应的标签均作为向量机的无标签数据样本。整体来看，本次无线网络节点定位的规划路径如图1所示。

每个环节训练时，均可推导出相应的决策函数，并以此为基础，进一步获得未标识样本的决策函数。之后，利用公式（1），赋予全新的正标签，并利用公式（2），赋予全新的负标签。

Max（f（x*i）），s.t.0

Min（f（x*i）），s.t.-1

若训练结果不符合式（1）的要求，则无需赋予正标签；若训练结果不符合式（2）的要求，则无需赋予负标签。反复进行迭代训练，直到两标签均不符合要求为止，即得到了最优解，并利用已获得的决策函数，对剩余的样本分类，赋予相应的标签，指导输出最终结果［3］。

2  无线传感器网络定位与覆盖算法研究

2.1  基于直推支持向量机的网络定位算法（MTSVM）

由上述分析可知，无线传感器网络节点定位是一种多类分类问题，因而设计了一种多类对多类算法，并以此为基础，设置了T个分类机，其分类策略主要为：

首先作出假设：存在一个训练集：P=｛（x1，y1），…，（xn，yn）｝，式中，xi=Sbi∈Rm，yi∈{1，2，…，T}，i=1，2，…，n。

然后，按照上述介绍的方式，对TSVMxt进行分类，其中，右侧的为正样本，左侧的为负样本。之后，利用决策函数（3），分析x是否在TSVMxt范围内。

fk（x）=sgn（gk（x））=sgn（∑ni=1αkiyiK（x，xi）+bk）（3）

针对TSVM运算原理，可将其进一步描述为［4］：

（1）确定出TSVM训练数据后，设置参数C及C*，进而启动TSVM训练程序，以此推导出各类TSVMx的α*与b*，之后，将其传输到网络中的各个节点，进而确定相应的决策函数。

（2）辅助移动标签退出网络，未知节点数据共享，以此获取相应的信号向量sj（sj=ss（S1，Sj），ss（S2，Sj），…，ss（Sm，Sj）），并利用公式（11）予以运算，从而推导出具体的分类结果，同时赋予相应的标签。之后，利用标注法的方式，分别对无标签样本赋予新的正标签及新的负标签。

（3）重新进行样本训练，推导出所有无标签样本的判别函数输出，若发现推导结果与原标签值存在差异，则通过标签重置的方式，清除这一样本的标注。

（4）通过承兑标注法的方式，确定满足新加标注条件的未标注无标签样本。如有这类样本，则添加相应标注，并跳转到步骤（3）；若没有这类样本，则通过上述决策函数，对这些标签予以计算分析，确定样本类型，同时添加标签，进而输出相应结果。

（5）对于未知节点Sj，若其在TSVMxT范围内，而不在TSVMxT-1范围内，则能够推导出相应的横坐标值：k+12D/T，同理，也可推导出纵坐标值。

2.2  基于静电场部署方法的无线覆盖算法

为提升本次研究的无线覆盖能力，本文基于静电场部署方法模拟电场中带电粒子从高电势点向低电势点移动的规律，把网络中每个传感器节点看作一个虚拟的电荷，将目标和障碍分别视为低电势点和高电势点，利用势场对节点的作用力使节点向目标移动，同时能避免移动过程中的各种障碍。具体来看，在该分析模式下，随机部署的每个节点均受到节点之间作用力、障碍物排斥力和区域边界排斥力的作用。设节点所受的最终合力为F，则有：

F=F1+F2+F3-μv（4）

在该表达式中，F1、F2和F3则分别表示节点之间作用力、障碍物排斥力和区域边界排斥力，μv则表示节点所受的阻尼力。

在此基础上，为进一步确定给定区域需要布置的传感器节点数量，参考已有文献，提出“覆盖率”的概念，并确定“覆盖率”的计算方法如下：

C（dth，dbth）=πR2s×NA，dth≥2Rs，dbth≥Rs（5）

C（dth，dbth）=πR2s×N-I（dth）-B（dbth）A，dth≤2Rs，dbth≤Rs（6）

在上述表达式中，N表示节点的总数；A表示部署区域的面积；Idth表示节点间重复的覆盖面积；B（dbth）表示超出边界的覆盖面积。据此即可代入上述已知条件对覆盖率进行计算，以此实现覆盖率的优化。

根據上述研究，确定本次算法流程如下：（1）根据预期覆盖率值和区域面积，对所需节点个数进行估算；（2）将所有节点均置于初始位置；（3）计算感知半径范围内所有邻居节点的合力、所受障碍物的合力和所受边界的合力；（4）计算节点所受的阻尼力；（5）计算节点所受的合力，并以此计算节点在特定时刻的速度与加速度；（6）判断加速度与速度同阈值之间的关系，并做相应处理；（7）判断节点在该时刻的位置，并判断其是否处于平衡态，是则停止移动，否则继续进行下一轮循环，直至满足预期要求。

3  实验测试

3.1  仿真实验

仿真实验时，先作出以下设置：二维区域R2（60m×60m）当中，共包含m个未知固定节点（S1，S2，…，Sm），分别将m设置成500与300，通信半径设置r设置成60m。将该区域分割为多个T×T的网格，其中，T分别为6、8、10、12、15与20；将迭代计算次数设置为20，之后利用MATLAB仿真软件，按照上述算法对该区域进行模拟分析。通过模拟分析能够发现，类数目越多，定位误差越小，但需要注意的是当T超过15后，定位误差的变化则并不是很大，则是因为分类错误导致的。与此同时，相对于m=300，m=500的定位误差更小一些，但整体小差并不是很大。由此表明，节点越稠密，定位精度会越高。即无线传感器网络节点较为稠密时，可获得更加精确的定位结果。此外，相对于传统SVM算法而言，MTSVM定位误差更低。

另一方面，研究人员同时对该二维区域的覆盖率进行分析，通过改变部署节点数进行测试，得到测试结果如图2所示。

如图2所示，随着节点数的增加，覆盖率也相应增加，且达成预期覆盖率的时间也相应缩短，这对提升实验效率较为有利。但节点数增加对于部署的时间和资金成本也存在不利影响，因此综合分析后，确定在该区域内布置40个节点，其能够在6.6s内对目标区域进行全面覆盖。

3.2  实际测试

为了进一步验证上述定位算法的应用效果，本文在某实验室中的10m×10m的区域中，再次对本算法进行了测试。在测试过程中，考虑到两种网络拓扑（规则部署与随机部署）的特点，采用研究人员手持节点移动方式，模拟移动信标节点。传感器节点中心频率设置为2.4 GHz，使用宽带直接序列扩频通信模式，对每个RSSI值均进行10次测量，其中每个节点各收发5次。

通过上述测试流程后，使用MATLAB对原始数据进行处理，以此得到如表1所示结果。由表1可知，相对于SVM算法，MTSVM算法的定位精度更高，且在节点数量保持稳定时，该算法对节点分布并不是很敏感。在此种情况下，选择规则部署或随机部署模式对于算法的定位误差也不产生显著影响。

4  结语

综上所述，本文以直推支持向量机为依托，提出了一种无线传感器网络节点定位算法。该算法的应用可较为精确地对网络节点进行定位，有利于提升信息通信效率，避免资源浪费，以此为现代军事、医疗、环境监测等领域更好地发展提供支持。

参考文献

［1］牛龙生，张瑞，郭瑛.面向无线传感器网络节点定位的移动锚节点路径规划［J］.青岛科技大学学报（自然科学版），2023（3）：102-109.

［2］屈爱艳，李建国，赵琦，等.基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位［J］.电气自动化，2023（1）：86-88.

［3］徐友洪，童根树.一种高覆盖率和安全性的动态传感器网络部署策略［J］.电子器件，2022（2）：460-467.

［4］刘国辉.基于DV-HOP的分布式无线传感器网络定位算法研究［J］.淮阴工学院学报，2020（5）：23-26.

（编辑  王雪芬）

Analysis of wireless sensor network positioning and coverage technology

Xiong  Liang， Li  Xiang， Pu  Yuanyuan， Wang  Huiru， Beiheimuti  Tuniyaz

（State Grid Aksu Power Supply Company， Aksu 843000， China）

Abstract： In order to maximize the role of wireless sensor networks in the development of modern society， it is necessary to adopt a better wireless sensor network localization algorithm. Based on this， this paper proposes a network localization algorithm based on direct push support vector machine through the formulation of the problem， and verifies the application effect of this algorithm by means of experimental analysis and actual testing. Through the verification， it can be found that this algorithm has high accuracy， meets the demand， and can be applied into practice.

Key words： wireless sensor network; localization; coverage; direct push support vector machine