改进的无线传感器网络DV-Hop节点定位算法
无线传感器网络WSN(Wireless Sensor Network)是由大量安放在监测区域内的无线传感器节点组成[1]。具有低成本、体积小、传输距离远等优势,广泛应用于军事、医疗环境监测等方面[2]。
在无线传感器网络的应用中,传感器节点的位置信息至关重要,无论是环境监测、地震实时监控或者矿井危险监测等应用场合都需要传感器节点提供精确的位置信息[3]。无线传感器网络节点定位算法根据是否测量节点间距可以分为两大类:基于测距(Range-Based)的定位技术和无需测距(Range-Free)的定位技术[4]。测距技术有RSSI、TOA、TDOA[5]等,无需测距的定位算法有质心算法、APIT算法、DV-Hop算法和凸规划算法等[5]。本文在文献[6]的基础上,利用粒子群(PSO,Particle Swarm Optimization)优化算法对定位结果进行优化处理,以得到良好的定位精度。
今天,公众能轻易学会修改数码图片内容的后期技术,将客观现实主观化,而且可以构建虚拟实景,把已经消失的或根本不存在的物像重构或虚构出来,将主观意识客观化。这种客体和主体双重反转对社会既有观念具有极大的破坏力,它可能把我们扔向虚拟现实和虚拟社会的深渊。那么,我们还能拥有真实吗?数码摄影能否代替我们人类智能?后资本主义时代数码文化工业是否开启望远镜将人类智能置入数码摄影之中?当真理成为漂浮的能指之时,量子—数码世界观将会把我们带向怎样的未来?
1 DV-Hop定位算法
DV-Hop算法[7]的基本原理是距离向量路由机制[8],主要通过距离矢量和跳数信息来估测未知节点到锚节点的距离。
DV-Hop算法主要由以下3个步骤组成[9]:
式中,c1和c2为学习因子,作用是引导群体内所有粒子不断朝着自身历史最优值和群体历史最优值靠近。r1和r2为值域在[0,1]的相互独立的随机函数,t代表的是粒子群的迭代次数,选择粒子群的最佳满意解作为最最大迭代次数。
(1)网络中所有的锚节点以洪泛的方式将自身的位置信息以及跳数信息传播给相邻节点,其中跳数信息初始值为0。接收节点只保留到每个锚节点的最小跳数,忽略同一个锚节点发送的较大的跳数信息。然后将跳数值加1并继续转发给邻居节点,最终整个网络中所有节点都能保留自身到每个锚节点的最小跳数;
关于《洪范五行传》的文本形态,目前学术界依据的主要是清人陈寿祺据《汉书·五行志》《续汉书·五行志》及刘昭注、《开元占经》《太平御览》《仪礼经传通解续》《通鉴前编》《文献通考》《六艺流别》等文献辑佚而成的《尚书大传·洪范五行传》,其中辑自黄佐《六艺流别》的部分已经陈侃理考定为伪,故目前可信者约千字。就内容而言,可分为“六沴”与“五行”两大部分,但这两部分之间关系如何,以及“五行”内部次序如何,学界仍存在不同看法。由于这一问题是我们讨论《洪范传》理论特色的基础,故不可不辨。
![width=272,height=70,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/4f10d29409394dbe196ee0dd6e664c76.png)
(1)
(3)使用最小二乘法计算未知节点坐标[11]。对于未知节点M,根据第一阶段和第二阶段所得可计算出其与n个锚节点的距离分别为(d1,d2,d3,…,dn),最后根据坐标关系可得到方程组
![width=155,height=96,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/bf6dfd7a8b8f5f0427da9ba0b436ff9b.png)
(2)
其中,
![width=308,height=126,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/eaf05db9162a5c7daf042be13118551e.png)
(3)
式(3)可化为
AX=B
(4)
将上式变换可得
(2)每个锚节点记录了其他锚节点的位置信息和跳数信息后,此时可以利用式(1)来估算锚节点之间的平均每跳距离,然后将此平均跳距广播到整个网络。网络中未知节点接收到该信息后,将其与到各锚节点的跳数的乘积作为未知节点到各锚节点距离的估算量[10]。最后,锚节点将计算得到的HopSizei用带有生存周期的字段已洪泛的方式广播到整个网络中。
![width=275,height=96,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/12660d5322de409b597c3887db164239.png)
![width=202,height=101,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/541aee04655537327f783e2d4bd92f49.png)
令则粒子的目标函数如下
则最终的平均跳距公式为
X=(ATA)-1ATB
(5)
2 改进的DV-Hop定位算法
2.1 跳数改进
本文的改进算法主要是针对DV-Hop算法中的第一阶段和第三阶段,主要从以下几方面进行改进:
(1)跳数改进。在第一阶段中设置一个最小跳数阀值TN。设定TN为某一阀值,m为节点间的测得的最小跳数,如果m>TN,则m=TN;如果m≥TN,则跳数保持不变。引入最小跳数阀值能有效的减小节点在以泛洪方式广播位置信息时数据冲突所带来的误差[12];
(2)修正锚节点平均跳距。原始的DV-Hop算法计算平均跳距的方法是利用距离未知节点最近的锚节点位置信息[13],其他锚节点对于未知节点定位结果的影响就被忽略了。因此对所有锚节点的平均跳距进行加权处理,其中加权系数与未知节点到该锚节点的跳数成反比。已知节点i的权值计算如式(6)所示,其中Ni表示最小跳数,n表示发送跳数信息的锚节点的个数;
![width=79,height=64,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/914444df341d9de4c5734d9f8e0181f3.png)
(6)
(3)校正误差:假设两锚节点i和j,两锚节点之间的最小跳数记为hij,两锚节点之间的真实距离记为drij,计算距离记为deij,校正误差值记为errij,则有
总之,本研究在神经细胞中证实,VPA可通过激活miR-34c-5p/ATG4B信号通路而抑制自噬,这可能是其影响神经细胞功能的一条重要通路,而靶向这一通路可能有助于改善其不良反应。
我国众多食品企业已行动在“走出去”的路上。近年来,我国最大的粮油食品进出口公司和实力雄厚的食品生产商中粮集团开始在“一带一路”沿线国家发挥国家粮油产业投资主体作用,设定在“一带一路”沿线国家实现投资100亿元人民币、粮食经营量3000万吨等目标,打造对接“一带一路”的进口粮食陆路和海路两大物流通道。
![width=155,height=70,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/4347fbd492ec48dc83ade875bd365f0e.png)
(7)
不比不知道,一比吓一跳。在茄子移栽后34天,洋丰百倍邦套餐肥展现了强劲效果。观摩会当天,众人冒着高温,在新洋丰工作人员带领下来到茄子示范田。刚进入茄子地,众人就被左右两块茄子地长势差距震惊了,示范田茄子植株明显比对照田要高出一大截。在众人惊奇之余,卢琼珍高兴地为观摩人员介绍示范田和对照田的施肥方案。他一共租80亩地,其中一半转租出去。因卢琼珍是新洋丰肥料零售商,剩余40亩地在新洋丰技术员指导下,施用了百倍邦套餐肥。
![width=126,height=41,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/a57a5382a53ec45279235d30070e6664.png)
(8)
式中,C为计算所得的平均跳距;Ci为估算步长。
2.2 粒子群算法优化定位结果
粒子群优化算法[14]对复杂的鸟类迁徙过程进行了模拟还原。鸟类迁徙飞行时所经过的空间可以看作是所解决问题的一个解空间,而鸟群中所有的个体都可看作是该解空间中的一个粒子,在飞行过程中,鸟群间会互相传递位置信息并达成共识,全体都按照最佳位置前进,引导它们聚集,粒子会根据自身历史最优位置以及种群历史最优位置来进行速度和方向的不断改变,最终实现对最优值的逼近[15]。
本文将网络中所有锚节点看作是种群中的粒子,在二维平面上定位粒子坐标,定义xi=(xi1,xi2)T为粒子的位置向量;vi=(vi1,vi2)T为粒子的速度向量;pi=(pi1,pi2)T为粒子i自身所经过的历史最优位置向量;pg=(pg1,pg2)T为种群所有粒子截止目前的历史最优值,则种群中每个粒子位置和速度的更新公式为
vi2(t+1)=vi2(t)+c1r1(pi2(t)-xi2(t))+c2r2(pg2(t)-xi2(t))
(9)
vi2(t+1)=xi2(t)+vi2(t+1)
(10)
评委寄语:以新生儿为主题的摄影师精英大赛,作品风格多样,其中清新淡雅的韩式风格、自然光运用较多的日式风格、色彩浓郁的西式油画风格,大多借鉴国外已经相对成熟的摄影风格,摄影师发挥相对稳定。原创的中式风格,可借鉴的优秀作品较少,在选材、场景搭配、服装道具、后期修图等方面相对不足,从而可见在无参考和可模仿的“创新”内容上,广大儿童摄影师的审美和技巧有很大的提升空间。作为商业儿童摄影师应尽可能地掌握更多的摄影风格和技巧,而不仅仅是单一风格的熟悉,其他风格的无从把控。从儿童摄影的长远发展来讲,照片如何生动地记录生活的真实远比大量的后期更为长久、也更为重要,风格仅仅是摄影的一部分、并不代表全部。
为使计算得到的节点坐标更加精确,粒子的适应度值最小,引入了粒子的目标函数。由未知节点与锚节点之间的距离可得到以下非线性方程组
![width=167,height=52,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/17cde1fdd01f8b728fd6d82000bf49eb.png)
(11)
则未知节点M的坐标
前期文献报道,LFS-01能够抑制多种淋巴瘤细胞的活性,并且套细胞淋巴瘤对LFS-01更敏感[15]。在此基础上,本研究采用CCK-8法检测LFS-01处理套细胞淋巴瘤JeKo-1细胞株24 h和48 h后的增殖活力,结果显示LFS-01的IC50分别为 5.81 μmol/L 和 9.09 μmol/L(图 1A)。后续选择6.0 μmol/L LFS-01处理套细胞淋巴瘤JeKo-1细胞株4 h,以研究其作用机制。
![width=119,height=29,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/092e7af31dafcecdc7d7a85a408752af.png)
(12)
式中,di代表的是未知节点与锚节点之间的估计距离,目标函数F的零极小值点即为所求未知节点的坐标。
3 算法仿真与结果分析
为了验证本文提出的改进算法的可行性,对传统的DV-Hop算法、文献[6]的改进算法和本文提出的改进算法的仿真结果进行对比分析。
3.1 仿真环境以及参数设置
仿真实验在Matlab R2014a的环境下进行,仿真分析的网络模型标准参数设置如下:在100 m×100 m的正方形区域随机生成100个节点,在节点总数保持不变的情况下,为消除随机性产生的误差,所得仿真结果均为同样的条件下实验仿真100次所得结果的平均值。
笔者读杂文有个习惯,新杂志到手,不看作者大名,先看目录,感觉耳目一新或者与我的想法暗合的题目,一定先睹为快。比如2018年9月原创版陈鲁民的文章《己所有欲,勿施于人》,就让我很兴奋。鄙人还有一个习惯,拜读一篇文章之前,先猜猜作者的写作思路,如果契合就觉得英雄所见略同,心中许为同仁,必定认真拜读。如果原文与我的猜测有出入甚至差距遥远,阅读的兴趣就会更强烈。
3.2 仿真结果及分析
在计算平均定位误差时,采用以下公式
![width=272,height=58,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/fef5cab7174cabec6f4d46dbcc323c56.png)
(13)
式中(xi,yi)为待测未知节点的实际坐标,为估算得到的未知节点的坐标。N和m均为待测未知节点的个数。在仿真时,网络中节点的随机分布如图1所示。
![width=368,height=198,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/966a24acbb954dc18457e5087e67f9a7.png)
图1 网络节点分布图
对于不同的跳数阀值,仿真结果如图2所示,由图可知,最小跳数阀值TN取5时,能使平均定位误差达到最小。
![width=368,height=187,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/eebdff5b2204e685abfdac71fc88c0a7.png)
图2 最小跳数阀值对定位精度的影响
图3是在仿真网络中总节点数保持不变的情况下,锚节点比例分别为5%、10%、15%、20%、25%、30%、35%、40%的情况下,传统DV-Hop算法、传统DV-Hop算法以及本文改进算法的仿真结果对比。从图3可以看出,3种算法的平均定位误差大致上都是随着锚节点比例的增大而减小,在锚节点比例大到一定时,定位平均误差趋于平稳。本文改进算法的定位误差相比传统DV-Hop算法误差减小了约20%,比文献[6]算法的平均误差减小约15% 。
![width=368,height=185,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/89b0847b3701e48b6eb45560f41ad103.png)
图3 定位精度与锚节点比例的关系
图4是在保持锚节点比例一定时,不同的节点通信半径对于最终定位误差的影响。当锚节点比例保持不变时,节点通信半径分别为10 m,15 m,20 m,25 m,30 m,35 m,40 m,45 m,50 m。3种算法随着节点通信半径的增大,平均定位误差呈抛物线形状,当节点通信半径达到约35 m时平均定位误差最小。
![width=368,height=185,dpi=110](https://qkk.lw71.com/uploads/image/2018/05/4896bad57e830e4ff5c7d1e89dc1de26.png)
图4 定位精度与节点通信半径的关系
4 结束语
本文针对传统算法和已有改进算法的不足之处,提出了一种改进的DV-Hop定位算法,仿真结果表明,改进算法有效减小了定位误差,提高了定位精度。采用粒子群算法对定位结果进行优化,为了得到不错的定位精度,算法迭代次数要达到35次以上。下一步将致力于研究如何在减小算法的迭代次数、加快收敛速度的同时,保持一个较好的定位精度。
参考文献
[1] 史龙,王福豹,段渭军,等.无线传感器网络Range-Free自身定位机制与算法[J].计算机工程与应用,2004,40(23):127-130.
[2] 纪杰,施伟斌.改进的无线传感器网络DV-Hop节点定位算法[J].电子科技,2016,29(10):86-88.
[3] 卫开夏,田金鹏,王克谦.无线传感器网络DV-Hop定位改进算法[J].传感技术学报,2010, 23(12):1820-1824.
[4] 彭宇,王丹.无线传感器网络定位技术综述[J].电子测量与仪器学报,2011,25(5):389-399.
[5] 李辉,熊盛武,刘毅,等.无线传感器网络DV-HOP定位算法的改进[J].传感技术学报,2011, 24(12):1782-1786.
[6] 李琳,赵可,林志贵,等.基于加权的三维DV-Hop定位算法[J].控制工程,2015,22(4):761-764.
[7] Rahman A U,Alharby A,Hasbullah H,et al.Corona based deployment strategies in wireless sensor network[J].Journal of Network & Computer Applications,2016,64(C):176-193.
[8] Chen K,Wang Z,Lin M,et al.An improved DV-Hop localization algorithm for wireless sensor networks[J].Chinese Journal of Sensors & Actuators,2011,9(6):2232-2236.
[9] Hill K M,Gioia G,Tota V V.Structure and kinematics in dense free-surface granular flow[J]. Physical Review Letters,2003,91(6):064302-064308.
[10] 石为人,贾传江,梁焕焕.一种改进的无线传感器网络DV-Hop定位算法[J].传感技术学报,2011,24(1):83-87.
[11] 刘士兴,黄俊杰,刘宏银,等.基于多通信半径的加权DV-Hop定位算法[J].传感技术学报,2015(6):883-887.
[12] 温江涛,范学敏,吴希军.基于RSSI跳数修正的DV-Hop改进算法[J].传感技术学报, 2014(1):113-117.
[13] 李明,石为人.异构传感器网络成本最优节点部署机制[J].重庆大学学报,2012, 35(2):55-59.
[14] 杨维,李歧强.粒子群优化算法综述[J].中国工程科学,2004,6(5):87-94.
[15] 李月.基于DV-Hop的无线传感器网络节点定位算法研究[D].长春:吉林大学,2016.
上一篇:基于凯塞窗的谐波检测算法