基于人工神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器定位算法研究

基于人工神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器定位算法研究

傳統(tǒng)的gps-key-wlangrid算法存在許多缺陷，包括高檢測(cè)成本、高檢測(cè)時(shí)間和低檢測(cè)精度。因此，在這項(xiàng)工作中，我們研究了一種基于人工神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器檢測(cè)算法。1無(wú)線網(wǎng)絡(luò)技術(shù)的應(yīng)用無(wú)線傳感器網(wǎng)絡(luò)的整體結(jié)構(gòu)呈現(xiàn)分布式，主要由監(jiān)控區(qū)域周圍的小型傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)構(gòu)成，其系統(tǒng)結(jié)構(gòu)依賴于無(wú)線網(wǎng)絡(luò)技術(shù)，呈現(xiàn)出自組織特性與多跳性。在無(wú)線傳感器網(wǎng)絡(luò)覆蓋的區(qū)域，該網(wǎng)絡(luò)能夠采集并處理多種網(wǎng)絡(luò)信息，然后傳遞給觀察方2基于人工神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器定位算法的分析2.1rbf-cow定位算法的分析2.1.1rbf神經(jīng)網(wǎng)絡(luò)的非線性映射RBF的意思是指徑向基函數(shù)，而RBF神經(jīng)網(wǎng)絡(luò)就是指基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，這種神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)相比有著較大區(qū)別，主要是前向傳播中的拓?fù)浣Y(jié)構(gòu)不同，RBF神經(jīng)網(wǎng)絡(luò)的靜態(tài)前饋部分總共有三層，分別是輸入層、隱藏層以及輸出層總的來(lái)說(shuō)就是，神經(jīng)網(wǎng)絡(luò)從輸入層映射到輸出層的這一過(guò)程是非線性的，而加權(quán)和中的權(quán)，即網(wǎng)絡(luò)可調(diào)整的參數(shù)則是線性的，因此，在這樣的條件下，RBF神經(jīng)網(wǎng)絡(luò)的權(quán)是可以通過(guò)遞推計(jì)算來(lái)大大加快了其學(xué)習(xí)速度，同時(shí)還能夠有效避免出現(xiàn)局部極小的問(wèn)題，這也是RBF神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)之間最大的差別，不管是在學(xué)習(xí)的速度還是能力方面，RBF神經(jīng)網(wǎng)絡(luò)都要優(yōu)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)在函數(shù)激活時(shí)，所選取的激活自變量主要是權(quán)向量的內(nèi)積與輸入模式，激活后的函數(shù)主要采用Sigmoid函數(shù)，而RBF神經(jīng)網(wǎng)絡(luò)的輸出受到網(wǎng)絡(luò)可調(diào)參數(shù)的影響，各參數(shù)的影響效果相同，因而也可以認(rèn)為RBF神經(jīng)網(wǎng)絡(luò)是逐漸逼近于非線性映射的；RBF神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)函數(shù)的自變量，主要選擇中心向量距離和輸入模式，同時(shí)在這一過(guò)程中，激活函數(shù)用徑向基函數(shù)表示，當(dāng)神經(jīng)元的輸入離徑與徑向基函數(shù)中心距離較近時(shí)，則神經(jīng)元的激活程度會(huì)較高，反之則較低2.1.2定位節(jié)點(diǎn)的優(yōu)先選擇在無(wú)線傳感器網(wǎng)絡(luò)當(dāng)中，節(jié)點(diǎn)的定位主要是由其與周圍節(jié)點(diǎn)連接的情況決定的，若周圍連接的節(jié)點(diǎn)越多，則說(shuō)明該節(jié)點(diǎn)的限制較多，其活動(dòng)的區(qū)域范圍就較小，且若存在未知節(jié)點(diǎn)，則未知節(jié)點(diǎn)的活動(dòng)區(qū)域也較小，那么對(duì)未知節(jié)點(diǎn)的定位估計(jì)也就會(huì)更加準(zhǔn)確當(dāng)選取錨節(jié)點(diǎn)的通信半徑是已知時(shí)，通信半徑通常也比輻射區(qū)域半徑要小，在這種情況下，幾個(gè)錨節(jié)點(diǎn)的大圓（區(qū)域半徑范圍）交集會(huì)囊括小圓（通信半徑范圍）交集，而取兩者的交集范圍，即為小圓交集區(qū)域，未知節(jié)點(diǎn)的可行區(qū)域進(jìn)一步縮小到小圓交集區(qū)，這個(gè)區(qū)域就是節(jié)點(diǎn)的定位區(qū)域，定位的精度也會(huì)出現(xiàn)較大提升使用虛擬節(jié)點(diǎn)來(lái)進(jìn)行深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練，在訓(xùn)練結(jié)束后網(wǎng)絡(luò)就會(huì)自動(dòng)記憶節(jié)點(diǎn)的特征，就可以使用記憶功能來(lái)開展未知節(jié)點(diǎn)的定位工作，再根據(jù)上述分析的節(jié)點(diǎn)定位理論，可以了解到在對(duì)定位節(jié)點(diǎn)進(jìn)行優(yōu)先選擇的過(guò)程中，應(yīng)當(dāng)盡量選擇離各個(gè)錨節(jié)點(diǎn)距離最近的未知節(jié)點(diǎn)，可以根據(jù)錨節(jié)點(diǎn)與未知節(jié)點(diǎn)之間的跳數(shù)矩陣來(lái)決定，即跳數(shù)值達(dá)到最小時(shí)，該范圍內(nèi)的錨節(jié)點(diǎn)最多，有利于準(zhǔn)確定位未知節(jié)點(diǎn)2.2rbf-cow定位算法的分析2.2.1節(jié)點(diǎn)跳數(shù)的獲取本文中采取的定位算法模式為集中式，這種模式的集中算法主要是將無(wú)線傳感器網(wǎng)絡(luò)中各未知節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的跳數(shù)信息傳遞到某一控制服務(wù)處理中心，再經(jīng)由這個(gè)處理中心對(duì)各未知節(jié)點(diǎn)的具體位置進(jìn)行分析并確定，這種方式對(duì)無(wú)線傳感器的硬件要求不高，且在定位的過(guò)程中還能夠適當(dāng)降低無(wú)線傳感器節(jié)點(diǎn)處理的能量消耗，但這種計(jì)算方式需要在知曉無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)之間的最小跳數(shù)數(shù)值，其定位計(jì)算的過(guò)程主要分為以下幾點(diǎn)：一是先將各錨節(jié)點(diǎn)的跳數(shù)調(diào)整歸0，即調(diào)整到初始化位置，這樣才能夠進(jìn)一步進(jìn)行計(jì)算；二是在確定好錨節(jié)點(diǎn)后，讓錨節(jié)點(diǎn)向其周圍相鄰節(jié)點(diǎn)發(fā)送自己的具體位置的信息分組；三是對(duì)周圍相鄰每一個(gè)接收到信息分組的節(jié)點(diǎn)，都要將跳數(shù)更新到錨節(jié)點(diǎn)的跳數(shù)，然后在這個(gè)跳數(shù)的基礎(chǔ)上再增加1，加完后再進(jìn)行信息分組的傳播，傳播到下一個(gè)相鄰節(jié)點(diǎn)；下一個(gè)節(jié)點(diǎn)在接收到上一個(gè)節(jié)點(diǎn)的跳數(shù)信息后，基于將節(jié)點(diǎn)跳數(shù)進(jìn)行更新，讓各節(jié)點(diǎn)的跳數(shù)都達(dá)到最小值，然后再進(jìn)行下一次的跳數(shù)信息傳播，傳播給其他節(jié)點(diǎn)；五是不斷重復(fù)前面的更新節(jié)點(diǎn)跳數(shù)操作，直到節(jié)點(diǎn)跳數(shù)信息不再改變。例如，當(dāng)傳感器有n個(gè)節(jié)點(diǎn)在整個(gè)無(wú)線傳感器網(wǎng)絡(luò)中，其中，有m個(gè)錨節(jié)點(diǎn)在網(wǎng)絡(luò)中（m<n），那么就可以得知無(wú)線傳感器網(wǎng)格中未知節(jié)點(diǎn)的數(shù)量為n-m，則這m個(gè)錨節(jié)點(diǎn)當(dāng)中，第t個(gè)節(jié)點(diǎn)的平面位置坐標(biāo)可表示為m2.2.2跳數(shù)矩陣提取RBF神經(jīng)網(wǎng)絡(luò)在經(jīng)過(guò)節(jié)點(diǎn)的輸入訓(xùn)練后就有了記憶，可以利用自身的記憶功能來(lái)模擬無(wú)線傳感器網(wǎng)絡(luò)中的跳數(shù)特征和位置關(guān)系。每個(gè)未知節(jié)點(diǎn)到錨節(jié)點(diǎn)之間都有著矩陣跳數(shù)，因而在選擇優(yōu)先定位節(jié)點(diǎn)的過(guò)程中，也可以選擇跳數(shù)矩陣。比如，當(dāng)錨節(jié)點(diǎn)的跳數(shù)矩陣為nm2.3法內(nèi)部的誤差在對(duì)RBF-HOP定位算法分析完成后，就要對(duì)該算法進(jìn)行驗(yàn)證，可以將RBF-HOP定位算法與DV-HOP定位算法進(jìn)行仿真分析對(duì)比，可使用Matlab平臺(tái)來(lái)完成，設(shè)置仿真對(duì)比的區(qū)域范圍為100*100，在這個(gè)范圍內(nèi)，對(duì)兩種定位算法作用下的同一組數(shù)據(jù)進(jìn)行對(duì)比，以便于判斷分析BF-HOP定位算法的可靠性，獲得兩者定位的數(shù)差，將數(shù)差進(jìn)行對(duì)比，判斷兩者定位的準(zhǔn)確度。采用分析核算法來(lái)完成仿真分析，為了提高分析核算法的性能，對(duì)RBF-HOP定位算法與DV-HOP定位算法的核算可以從以下幾個(gè)方面來(lái)進(jìn)行：一是對(duì)一次節(jié)點(diǎn)位置的定位仿真分析，在特定的區(qū)域范圍內(nèi)預(yù)先生成10個(gè)已定位的節(jié)點(diǎn)作為錨節(jié)點(diǎn)，再生成100個(gè)未知節(jié)點(diǎn)，設(shè)置每個(gè)節(jié)點(diǎn)的通信半徑都為20，然后運(yùn)用兩種定位算法對(duì)未知節(jié)點(diǎn)進(jìn)行定位，得出仿真分析的結(jié)果，可繪制出仿真定位圖像，圖像中應(yīng)當(dāng)包含錨節(jié)點(diǎn)的具體位置，兩種算法對(duì)未知節(jié)點(diǎn)的定位位置，以及未知節(jié)點(diǎn)的實(shí)際位置，圖像中的定位誤差即可清晰可見，也能夠分析出兩種定位算法之間的誤差，如圖1所示。通過(guò)仿真對(duì)比分析法可知，相比于DV-HOP定位算法，RBF-HOP定位算法的定位準(zhǔn)確度明顯更高，RBF-HOP定位算法的定位誤差較小，定位位置也基本在仿真的區(qū)域內(nèi)，而RBF-HOP定位算法則會(huì)有部分定位位置超出仿真的區(qū)域，因而RBF-HOP定位算法更加有效。具體的分析結(jié)果為：DV-HOP定位算法所定位節(jié)點(diǎn)位置產(chǎn)生的誤差平均值為0.60205；而RBF-HOP定位算法所定位節(jié)點(diǎn)位置產(chǎn)生的誤差平均值為0.31092，兩者進(jìn)行比較，RBF-HOP定位算法比DV-HOP定位算法的準(zhǔn)確度要高出29.11%。二是對(duì)比分析通信半徑不同時(shí)的誤差值，采用仿真分析法對(duì)不同通信半徑仿真過(guò)程中，在特定的區(qū)域內(nèi)預(yù)先生成10個(gè)錨節(jié)點(diǎn)，再隨機(jī)生成100個(gè)未知節(jié)點(diǎn)，再使用RBF-HOP定位算法與DV-HOP定位算法對(duì)不同通信半徑節(jié)點(diǎn)進(jìn)行仿真對(duì)比分析，得出兩者定位的誤差圖像，分析圖像上節(jié)點(diǎn)定位位置和實(shí)際定位位置可知，當(dāng)對(duì)通信半徑相同且半徑較小節(jié)點(diǎn)進(jìn)行定位時(shí)，RBF-HOP定位算法與DV-HOP定位算法相比，RBF-HOP定位算法所定位的平均誤差相對(duì)較小，而兩種算法之間的最大誤差值為0.2129，而隨著定位節(jié)點(diǎn)的通信半徑不斷增大，DV-HOP定位算法的定位誤差沒(méi)有出現(xiàn)較大變化，誤差值波動(dòng)維持在0.25-0.45之間，而RBF-HOP定位算法則不同，其誤差隨著通信半徑的增大而逐漸減小，在通信半徑較小時(shí)，其定位平均誤差為0.3654，隨后逐漸縮小到0.0827，因此可以判斷RBF-HOP定位算法的定位會(huì)隨著通信半徑的增大而越來(lái)越精準(zhǔn)，在這一點(diǎn)上要優(yōu)于DV-HOP定位算法。三是對(duì)比分析錨節(jié)點(diǎn)比例不同時(shí)的誤差值，同樣采用仿真分析法對(duì)不同比例的錨節(jié)點(diǎn)進(jìn)行仿真，在特定的區(qū)域內(nèi)隨機(jī)生成100個(gè)未知節(jié)點(diǎn)，設(shè)置所有錨節(jié)點(diǎn)的通信半徑為20，然后使用兩種定位算法進(jìn)行仿真對(duì)比分析，得出兩種的定位誤差圖像。分析圖2可知，當(dāng)錨節(jié)點(diǎn)的比例較小時(shí)，兩種算法的定位誤差較大，但隨著錨節(jié)點(diǎn)的比例逐漸增大，兩種算法的定位誤差也會(huì)逐漸減小，但變化的幅度較小，而對(duì)比例相同錨節(jié)點(diǎn)進(jìn)行分析時(shí)，發(fā)現(xiàn)DV-HOP定位算法的誤差較大，而RBF-HOP定位算法的誤差較小，當(dāng)錨節(jié)點(diǎn)的比例小于1時(shí)，兩種算法之間的定位誤差差距不是很大，但RBF-HOP定位算法始終更為準(zhǔn)確。四是對(duì)比分析未知節(jié)點(diǎn)數(shù)量不同時(shí)的誤差值，在特定的區(qū)域內(nèi)隨機(jī)生成若干個(gè)未知節(jié)點(diǎn)，而生成的錨節(jié)點(diǎn)數(shù)量始終保持在未知節(jié)點(diǎn)的十分之一，同樣設(shè)置節(jié)點(diǎn)通信半徑為20，然后使用兩種定位算法進(jìn)行仿真對(duì)比分析，得出誤差值圖像。分析圖像可知，未知節(jié)點(diǎn)的數(shù)量越多，兩種定位算法的平均誤差值則越小，當(dāng)未知節(jié)點(diǎn)的數(shù)量為50時(shí)，兩種定位算法的平均誤差相近，但RBF-HOP定位算法始終比DV-HOP定位算法的平均誤差值小，因而可以判斷，無(wú)論未知節(jié)點(diǎn)的