基于MDS技術與MCL方法的無線傳感器網絡移動節點定位算法

無線傳感器網絡WSN(Wireless Sensor Networks)綜合了無線通信技術、傳感器技術、嵌入式計算技術和分布式信息處理技術，已經成為當前國際上備受關注的、多學科高度交叉、知識高度集成的前沿研究領域[1]。通過部署大量傳感器節點至目標區域，WSN將改變人們與客觀世界的交互方式，其在環境監測方面的應用尤其具有廣泛前景[2]。
鑒于WSN的應用背景，定位技術成為實現其功能的關鍵技術之一，如何使定位指標達到最優始終是WSN定位算法的研究目標。
近年來，對WSN定位問題有了許多新穎的思想和解決方案，但多是針對解決固定節點的定位問題。若將這些算法應用于移動節點的定位，雖然也可以通過每隔一段時間的更新來進行定位，但節點的移動性會導致算法的定位精度降低。雖然移動性給節點定位帶來了困難，但也可以利用其來提高定位精度。參考文獻[3]提出了一種基于MCL（Monte Carlo Localization）的移動節點定位算法，其核心思想是在貝葉斯濾波位置估計基礎上，用若干個帶權重的采樣點來描述移動節點在布置區域的可能位置分布。
多維定標技術MDS（Multidimensional Scaling）是一種運用于心理學領域的技術，后由Shang等人引入WSN定位技術中[4]。基于MDS技術的定位算法在不需要知道節點間測量距離的情況下，可以充分利用節點間連通性信息，在即使沒有錨節點的情況下也可以得到節點的相對位置坐標。
本文提出一種MDS-MCL定位算法，通過結合MCL和MDS-RC[5]兩種方法，得到一種新的移動節點定位算法。通過將MDS-RC定位算法引入MCL算法，在定位過程中利用MDS-RC定位算法給出的定位位置作為新的限定條件進行濾波，保留更接近節點真實位置的預測樣本，提高節點定位精度。
1 MDS-MCL定位算法
本文提出的MDS-MCL算法，主要是通過在過濾階段利用MDS-RC算法給出的定位結果作為新的限定條件，濾除預測樣本，以達到提高精度的目的。
1.1 引入新的濾波條件
MDS-RC定位算法是一種應用在大規模固定節點定位問題中的算法，通過對節點間最小路徑賦予權值的方法來提高算法的整體定位精度。在大規模的網絡中使用時，該算法的整體定位效果較好，但不排除出現個別節點誤差較大的情況。在大規模網絡中，由于整體定位精度較高，所以即使個別節點的定位誤差較大，也不會影響算法整體的定位效果。但將這種算法應用于單一節點的定位時，這種偶然出現的較大誤差對于最終定位結果的影響較大，必須進行處理。
在MDS-MCL定位算法中，會對MDS-RC得到的定位結果進行判斷，根據不同的情況采取不同的濾波方式，從而避免偶然出現的大誤差對最終結果造成影響。算法的具體流程如圖1所示。

算法的初始化主要是進行循環次數k和預測樣本總數N的設定。
如圖1所示，在每一時刻的定位過程中，首先根據周圍一跳范圍內的信標節點信息，根據MDS-RC算法，得到初步定位位置ot。然后根據ot是否在最大移動速度范圍內對預測樣本進行處理。

過濾階段的詳細處理方法如下：
第一種情況：如果算法的定位位置ot在最大移動速度范圍內，則根據ot進行濾波。在生成的N個預測位置中，計算其與ot的距離，將這些距離與前一次保留的預測樣本進行比較，保留N個與ot最近的樣本，然后進行下一次循環。
第二種情況：如果算法的定位位置ot在最大移動速度范圍外，用另一種方法對位置進行修正。在使用MDS-RC算法進行定位時，會利用到周圍一跳范圍內的信標節點。對預測樣本中的每一個位置，統計在其通信范圍的本次定位中利用到的信標節點數，然后與前一次保留的預測樣本進行比較，保留N個信標節點數最多的樣本，然后進入下一次循環。
通過結合MDS-RC與MCL方法對移動節點進行定位，可以避免單一方法中偶然出現的較大誤差。
另外，MDS-MCL算法與MCL算法另一點不同的是，在每一次濾波中保留N個最符合要求的預測樣本，而不是嚴格刪除所有不符合要求樣本。通過這一點修改，可以保證算法在規定次數的循環內得到足夠數量的預測樣本，從而將算法的計算時間控制在一定范圍內。
1.2 參數與算法表現的關系
在MDS-MCL算法中，有兩個初始參數：循環次數和預測樣本數。為了使算法的性能達到最優，下面通過仿真實驗考察這兩個參數對定位誤差和計算時間的影響。