智慧农业无线传感器精确定位

　　摘要：为提高智慧农业中无线传感器目标定位的精度，采用改进四边测距算法。首先通过４个查询节点坐标构造与信标节点坐标的线性方程，为兼顾定位区域其他信标节点定位误差，对信标节点的坐标误差求均值；随后未知节点到信标节点的距离采用牛顿迭代求精；最后对邻居位置相对不集中的节点进行排除，并且给出了算法流程。试验仿真显示，在信标节点比例增加的情况下，该算法比其他算法的定位误差下降速度快，定位误差与其他算法间隔比较大，而且变化幅度较小，定位性能趋于稳定。

　　关键词：智慧农业；无线传感器；精确定位；四边测距；迭代；定位误差；阈值

　　在智慧农业监测中，使用飞行器将几百个甚至几千个传感器随机抛撒到监测区域，便于获取环境信息，但是对获取的监测信息需要附带相应的位置信息，在大多数情况下，无线传感器随机布放的环境不是在二维区域中，而是在复杂多变的三维区域中，传感器节点取得的信息只有与自身位置相结合才有意义，因此三维区域的无线传感器节点定位应用价值较高［１］。传统的无线传感器三维定位算法有Landscape－３D节点定位算法，该算法在未知节点之间无需通信，减小了通信开销［２］，但是需定位辅助设备，同时每个节点需要存储大量的观测信息；基于球壳交集的三维定位算法仅对信标节点进行２次广播，从而降低了通信开销，延长了网络生存期［３］，但是定位覆盖率、定位精度受信标节点密度影响较大，从而加大了节点的成本，实用性较差；Costrained３D节点定位算法能够将未知节点转化为信标节点来对距离相对更远的未知节点进行定位［４］，但是会产生误差累积；APIT－３D算法不要求节点移动，能够高度近似实现定位，避免了大量数据向中心节点传输而造成的能量损耗［５］，但是要求定位区域和未知节点与信标节点相邻，该算法要求较高的信标节点密度；Centroid－３D算法只需要用三维坐标值替代二维坐标值即可［６］，但是减小定位误差却不太明显，甚至还有使其恶化的可能。

　　1测距定位过程

　　１．１基于四边测距算法模型在使用节点进行定位时，未知节点附近的信标节点数量往往多于３个，在三边测距的基础上，再添加１个信标节点参与定位，采用未知节点周围较近的４个信标节点来进行质心计算，四边测距法示意见图１。

　　１．２未知节点到信标节点的距离迭代求精设未知节点l的初始估计位置（xel，yel，zel）到信标节点（x，y，z）距离计算公式如下：dl＝（x－xel）２＋（y－yel）２＋（z－zel）２。（８）得出对应估计距离为del，泰勒级数展开式：dl＝del＋x－xeldelΔx＋y－yeldelΔy＋z－zeldelΔz＋εl。（９）式中：Δx，Δy，Δz为相对偏差。将未知节点与４个以上信标节点的距离所得的εl采用牛顿迭代，∑lεl２取最小值的解（Δx，Δy，Δz）与（xel，yel，zel）相加即可，把相加结果作为下次的（xel，yel，zel），多次迭代直到满足定位阈值要求［８－１０］。１．３数据优化通过迭代计算目标函数的最小值把未知节点的坐标优化［１１－１２］，假设节点j（xj，yj，zj）到未知节点i的距离函数如下：dji＝（xj－xi）２＋（yj－yi）２＋（zj－zi）２。（１０）包含噪声信息的距离值为d⌒ji，优化目标函数如下：d′ji＝１N∑Ni＝１（dij－d⌒ji）２。（１１）式中：N为未知节点数。在三维空间需要较多的节点才能满足空间测距定位，对某个未知节点可能存在多个邻居信标节点，但是估计的时候仅需要任意４个即可，因此存在多估计的可能性，对于估算到的未知节点的一系列位置需要进行过滤。定位阈值dth：dth＝３L３×A３／（S×P×４３πR３）。（１２）式中：L为空间立方体边长；A为每个未知节点定位需要的平均信标节点数；S为网络中节点总数；P为信标节点的比例；R为节点通信半径。

　　2仿真试验

　　仿真试验构造了边长为１０００m的正方体三维空间试验区域，面积为１０００m×１０００m，该空间区域内随机投放了２００个节点，其中信标节点比例控制在１０％～３０％，信标节点的通信半径为３０m，未知节点通信半径为２０m，节点一经部署，位置不再变化，程序采用Matlab实现。

　　２．１信标节点数量、通信半径对定位误差影响的对比仿真

　　定位精度通过平均定位误差与节点的通信半径的比值来衡量：Rerror＝∑ni＝m＋１（Xiest－Xireal）２（n－m）×R。（１４）式中：Xiest、Xireal分别为未知节点的估计值、真实值；Rerror为定位误差；n、m分别为节点总数、信标节点数；R为节点通信半径。图３给出本研究算法与其他算法定位精度对比分析，试验结果均是１５次蒙特卡罗独立仿真平均值。在信标节点数量相同的情况下，本研究算法与其他算法相比，平均定位误差下降明显，各种算法均随信标节点数的增加，定位误差呈下降趋势，其中，在信标节点分布比例为２５％时，本研究算法定位效果最好，归一化平均误差下降４０％以上；随着信标节点比例的增加，本研究算法的定位误差下降速度最快，并且定位误差与其他算法间隔比较大，定位误差最小，定位精度较高；同时随着通信半径的增加，由于通信半径增加后导致节点接收到的数据量增多，对节点间跳数估计准确性降低，但是本研究算法定位误差降低幅度较其他算法小。

　　２．２定位误差与定位时间关系仿真

　　图４的试验结果是１５次蒙特卡罗独立仿真平均值，可以看出，定位误差随着定位测试时间的变化而不断变化。在刚开始５s内，各种算法定位误差均为最大，本研究算法整体定位误差比其他算法低，并且变化幅度较小，定位性能趋于稳定，定位误差范围在１～３m之间，在一定程度上提高了定位精度，对环境具有较好的适应性。

　　3总结

　　本研究采用改进四边测距算法对无线传感器目标定位，通过４个查询节点的坐标构造与信标节点的线性方程，根据标准最小均方差估计方法确定位置节点坐标，未知节点到信标节点的距离采用牛顿迭代求精，对邻居位置相对不集中的节点进行排除。试验仿真显示，随着信标节点比例的增加，本研究算法的定位误差下降速度最快，并且定位误差与其他算法间隔比较大，定位误差最小，定位精度较高。因此，本研究可为智慧农业无线传感器精确定位目标提供一种新思路。

　　参考文献

　　［1］吴君钦，卢陶．基于RSSI测距的无线传感器网络定位算法［J］．微电子学与计算机，２０１４，３１（５）：４９－５２．

　　［2］冯向科，沈雪梅．基于WSN定位的Euclidean算法改进研究［J］．科技通报，２０１３，２９（２）：１２４－１２６．

　　［3］胡中栋，谢金伟．基于山区地形的无线传感器网络三维定位机制［J］．传感技术学报，２０１５，２８（３）：４０８－４１１．

　　［4］周礼争，唐瑞，张乙竹，等．无线传感器网络中APIT－SC三维定位算法［J］．传感器与微系统，２０１５，３４（７）：１０４－１０６．

　　［5］葛斌，郑建宝，韩江洪．RSSI辅助的三维空间坐标四面体质心定位算法［J］．计算机科学，２０１５，４２（４）：８１－８４．

　　［6］廖兴宇，汪伦杰．基于UWB／AOA／TDOA的WSN节点三维定位算法研究［J］．计算机技术与发展，２０１４，２４（１１）：６１－６４．

《智慧农业无线传感器精确定位》

上一篇：基于久保田插秧机同步覆膜装置设计与试验

下一篇：基于迭代学习PID算法的苹果采摘机器人设计