基于元胞蝙蝠算法的无线传感器网络节点定位研究

doi:10.11959/j.issn.1000-0801.2017311

电信科学 ›› 2017, Vol. 33 ›› Issue (11): 56-65.doi: 10.11959/j.issn.1000-0801.2017311

基于元胞蝙蝠算法的无线传感器网络节点定位研究

孟凯露¹,岳克强²,尚俊娜¹

¹ 杭州电子科技大学通信工程学院，浙江杭州310018
² 杭州电子科技大学电子信息学院，浙江杭州 310018

修回日期:2017-09-26 出版日期:2017-11-01 发布日期:2017-12-08
作者简介:孟凯露（1993-），女，杭州电子科技大学通信工程学院硕士生，主要研究方向为智能算法。|岳克强（1984-），男，博士，杭州电子科技大学电子信息学院讲师，主要研究方向为进化计算、通信信号处理。|尚俊娜（1979-），女，博士，杭州电子科技大学通信工程学院副教授，主要研究方向为通信信号处理、智能算法。
基金资助:
国家自然科学基金资助项目(11603041);广西精密导航技术与应用重点实验室开放基金资助项目(DH201714）);浙江省“电子科学与技术”重中之重学科开放基金资助项目(GK13020320003/004);杭州电子科技大学研究生科研创新基金资助项目(ZX170603308034)

Wireless sensor network nodes localization method based on cellular automata bat algorithm

Kailu MENG¹,Keqiang YUE²,Junna SHANG¹

¹ College of Telecommunication Engineering,Hangzhou Dianzi University,Hangzhou 310018,China
² College of Electronic Information,Hangzhou Dianzi University,Hangzhou 310018,China

Revised:2017-09-26 Online:2017-11-01 Published:2017-12-08
Supported by:
The National Natural Science Foundation of China(11603041);Open Funds by Guangxi Key Laboratory of Precision Navigation Technology and Application,Guilin University of Electronic Technology(DH201714）);“Electronic Science and Technology” of the Most Important Subject Open Funds in Zhejiang Province(GK13020320003/004);Research and Innovation Fund for Graduate Students of Hangzhou Dianzi University(ZX170603308034)

摘要/Abstract

摘要：

为了提高节点定位精度，解决定位误差较大的问题，提出了基于元胞蝙蝠算法的无线传感器网络节点定位算法，以此来获得更高的定位精度。首先将元胞自动机的思想融入蝙蝠算法，采用了改进的元胞限制竞争选择小生境技术和灾变机制，使得该算法在寻优过程中能够跳出局部极值，避免早熟现象，更快地收敛到全局最优解。通过标准测试函数的验证，表明了该改进算法在收敛深度和广度上的优势。之后将元胞蝙蝠算法应用到无线传感器网络节点定位上来提高定位精度。实测实验中，该算法在测试环境下平均定位误差在0.4 m以内，相比于改进PSO算法，获得更好的定位效果。

关键词: 无线传感器网络, 节点定位, 元胞自动机, 蝙蝠算法, 定位精度

Abstract:

To further enhance the location precision of unknown nodes and solve the node location error in wireless sensor network,a location method based on cellular automata bat algorithm was presented.Mixed the idea of cellular automata and the bat algorithm and drawed into the cellular RCS niche technique and disaster mechanism,the algorithm could jump out of local optimum and increase the convergence speed.In order to verify the feasibility and efficiency,the proposed algorithm was verified through simulation of several benchmark functions.Then the algorithm implemented the CA-BA to node location prediction to increase the precision of the unknown node location.In the measured experiment,the results show that the proposed algorithm has higher accuracy compared to the improved PSO algorithm,which average localization error is less than 0.5m.

Key words: WSN, node localization, cellular automata, bat algorithm, accuracy

中图分类号:

TP393

孟凯露,岳克强,尚俊娜. 基于元胞蝙蝠算法的无线传感器网络节点定位研究[J]. 电信科学, 2017, 33(11): 56-65.

Kailu MENG,Keqiang YUE,Junna SHANG. Wireless sensor network nodes localization method based on cellular automata bat algorithm[J]. Telecommunications Science, 2017, 33(11): 56-65.

图/表 11

图1

表1

标准测试函数"

测试函数	函数表达式	搜索空间	理论最优解
Quadric	$f_{1} (x) = \sum_{i = 1}^{D} \sum_{j = 1}^{i} (x j)^{2}$	-30,30]	0
Rosenbrock	$f_{2} (x) = \sum_{i = 1}^{D - 1} [100 (x_{i + 1} - x_{i}^{2})^{2} + (x_{i} - 1)^{2}]$	-2.048,2.048]	0
Schwefel	$f_{3} (x) = - \sum_{i = 1}^{n} (x_{i} \sin \sqrt{\| x_{i} \|})$	-100,100]	-418.982 9n
Ackley	$f_{4} (x) = 20 + e - 20 e^{- 0.2 \sqrt{\frac{\sum_{i = 1}^{n} x_{i}^{2}}{n}}} - e^{\sum_{i = 1}^{n} \cos 2 π x_{i}}$	-30,30]	0
Griewank	$f_{5} (x) = \frac{1}{4 000} \sum_{i = 1}^{D} x_{i}^{2} - \prod_{i = 1}^{D} \cos (\frac{x i}{\sqrt{i}}) + 1$	-600,600]	0
Rastrigin	$f_{6} (x) = \sum_{i = 1}^{D} [x_{i}^{2} - 10 \cos (2 π x_{i}) + 10]$	-5.12,5.12]	0

表1

图2

表2

表3

图3

图4

图5

图6

图7

表4

参考文献 15

[1]	PENG L J , LI W W . The Improvement of 3D wireless sensor network nodes locolization[C]// 26th IEEE Chinese Control and Decision Conference,May 31-June 2,2014,Changsha,China. New Jersey:IEEE Press, 2016: 4873-4878.
[2]	方震, 赵湛, 郭鹏 ,等. 基于 RSSI 测距分析[J]. 传感技术学报, 2007(11): 2526-2530.
	FANG Z , ZHAO Z , GUO P ,et al. Analysis of distance measurement based on RSSI[J]. Chinese Journal of Sensors and Actuators, 2007,20(11): 2526-2530.
[3]	焦磊, 邢建平, 张军 ,等. 一种非视距环境下具有鲁棒特性TOA 无线传感网络定位算法[J]. 传感技术学报, 2007,20(7): 1625-1629.
	JIAO L , XING J P , ZHANG J ,et al. A new NLOS TOA-based wireless sensor network localization algorithm with robust character[J]. Chinese Journal of sensors actuators, 2007,20(7): 1625-1629.
[4]	刘长平, 叶春明 . 具有混沌搜索策略的蝙蝠优化算法及性能仿真[J]. 系统仿真学报, 2013,25(6): 1183-1188,1195.
	LIU C P , YE C M . Bat algorithm with chaotic search strategy and analysis of its property[J]. Journal of System Simulation, 2013,25(6): 1183-1188,1195.
[5]	赖锦辉 . 基于蝙蝠优化算法的无线传感器网络节点定位研究[J]. 计算机测量与控制, 2014,22(8): 2709-2712.
	LAI J H . Research on nodes localization method for wireless sensor networks based on bat optimization algorithm[J]. Computer Measurement ＆ Control, 2014,22(8): 2709-2712.
[6]	尚俊娜, 刘春菊, 岳克强 ,等. 多智能体蝙蝠算法在无线传感器中的应用[J]. 传感技术学报, 2015,28(9): 1418-1424.
	SHANG J N , LIU C J , YUE K Q ,et al. The multi-agent bat algorithm applied to wireless sensor network[J]. Chinese Journal of Sensors and Actuators, 2015,25(9): 1418-1424.
[7]	朱大林, 詹腾, 张屹 ,等. 多策略差分进化的元胞多目标粒子群算法[J]. 电子学报, 2014,42(9): 1831-1838.
	ZHU D L , ZHAN T , ZHANG Y ,et al. Cellular multi-objective particle swarm algorithm based on multi-strategy differential evolution[J]. Acta Electronica Sinica, 2014,42(9): 1831-1838.
[8]	张屹, 万兴余, 郑小东 ,等. 基于正交设计的元胞多目标遗传算法[J]. 电子学报, 2016,44(1): 87-94.
	ZHANG Y , WAN X Y , ZHENG X D ,et al. Cellular genetic algorithm for multiobjective optimization based on orthogonal design[J]. Acta Electronica Sinica, 2016,44(1): 87-94.
[9]	YANG X S . A new metaheuristic bat-inspired algorithm[J]. Nature Inspired Cooperative Strategies for Optimization, 2010(284): 65-74.
[10]	石杨 . 元胞粒子群优化算法及其在柔性作业车间调度中的应用[D]. 武汉:华中科技大学, 2010: 8-10.
	SHI Y . A thesis submitted in partial fulfillment of the requirements for the degree of master of engineering[D]. Wuhan:Huazhong University of Science and Technology, 2010: 8-10.
[11]	张俞 . 元胞遗传算法的研究[D]. 江西:南昌航空大学, 2009: 37-41.
	ZHANG Y . Research for cellular genetic algorithm[D]. Jiangxi:Nanchang Hangkong University, 2009: 37-41.
[12]	李新鹏, 张超勇, 高亮 ,等. 基于元胞粒子群算法的数控切削参数优化[J]. 计算机工程与应用, 2014,50(2): 252-257.
	LI X P , ZHANG C Y , GAO L ,et al. NC cutting parameter optimization based on cellular particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2014,50(2): 252-257.
[13]	鲁宇明, 陈殊, 黎明 ,等. 自适应调整选择压力的灾变元胞遗传算法[J]. 系统仿真学报, 2013,25(3): 436-444.
	LU Y M , CHEN S , LI M ,et al. Self-adaptive cellular genetic algorithms with disaster based on selection pressure[J]. Journal of System Simulation, 2013,25(3): 436-444.
[14]	詹杰, 刘宏立, 刘述钢 ,等. 基于RSSI的动态权重定位算法研究[J]. 电子学报, 2011,39(1): 82-88.
	ZHAN J , LIU H L , LIU S G ,et al. The study of dynamic degree weighted centroid localization algorithm based on RSSI[J]. Acta Electronic Sinica, 2011,39(1): 82-88.
[15]	尚俊娜, 盛林, 程涛 ,等. 基于 LQI 权重和改进粒子群算法的室内定位方法[J]. 传感技术学报, 2017,30(2): 284-290.
	SHANG J N , SHENG L , CHENG T ,et al. The indoor localization based on LQI weight and improved particle swarm optimization algorithm[J]. Chinese Journal of Sensors and Actuators, 2017,30(2): 284-290.

函数f ₁～ f₆	BA		CBA		MA-BA		CA-BA
函数f ₁～ f₆	平均最小适应度值	成功率	平均最小适应度值	成功率	平均最小适应度值	成功率	平均最小适应度值	成功率
Quadric	0.339 1	0	0.232 0	0	1.100 4×10^?39	40%	7.120 4×10^?43	80%
Rosenbrock	24.789 7	0	6.521 0	21%	0.099 84	47%	0.078 24	70%
Schwehel	?9.77×10²	50%	?1.16×10³	63%	?1.573 9×10³	100%	?2.315 9×10³	100%
Ackley	1.879 6	0	1.245 5	13%	5.968 1×10^?12	77%	5.267 5×10^?13	97%
Griewank	0.003 9	43%	5.540 6×10^?5	46%	8.278 5×10^?17	98%	0	100%
Rastrigin	32.328 3	0	13.929 4	10%	2.023 1	67%	1.691 4	87%

未知节点标号	实际位置/m	MA-BA		CA-BA
未知节点标号	实际位置/m	预测值/m	AVE/m	预测值/m	AVE/m
1	（6.104 4，4.334 5）	（6.296 8，4.450 7）	0.224 8	（6.185 3，4.343 9）	0.081 4
2	（1.049 1，0.870 4）	（1.187 3，0.952 3）	0.160 6	（1.037 8，0.855 5）	0.018 7
3	（9.499 7，1.784 5）	（9.345 6，1.968 5）	0.240 0	（9.507 8，1.803 9）	0.021 0
4	（3.765 0，2.711 1）	（3.891 3，2.931 4）	0.253 9	（3.805 2，2.739 1）	0.049 0
5	（8.176 7，4.902 0）	（8.313 5，5.172 9）	0.303 5	（8.146 1，4.833 2）	0.075 3
6	（23.042 9，23.027 5）	23.179 5，23.322 5）	0.325 1	（23.029 9，23.315 9）	0.288 7
7	（26.662 8，3.286 0）	（26.815 7，3.495 7）	0.259 5	（26.682 8，3.296 0）	0.022 4
8	（26.0103，25.2551）	26.318 5，25.354 4）	0.323 8	（26.257 9，25.287 9）	0.249 8
9	（23.480 0，15.824 7）	23.290 1，15.687 1）	0.234 5	（23.416 0，15.907 3）	0.104 5
10	（28.758 0，4.574 6）	（28.587 3，4.407 9）	0.2386	（28.752 5，4.591 5）	0.017 8

基于元胞蝙蝠算法的无线传感器网络节点定位研究

Wireless sensor network nodes localization method based on cellular automata bat algorithm

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 15

相关文章 15

Metrics

推荐阅读 0

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.
[3]	李勇燕,吴坚平. 基于IPSO-MC融合算法的无线传感器节点定位[J]. 电信科学, 2020, 36(3): 11-18.
[4]	张红,沈士根,吴小军,曹奇英. 基于元胞自动机和静态贝叶斯博弈的WSN恶意程序传染模型[J]. 电信科学, 2019, 35(6): 60-69.
[5]	陈瑞凤,倪明,徐春婕,胡昊. 面向铁路环境监测的无线传感器网络通信性能分析[J]. 电信科学, 2019, 35(5): 70-77.
[6]	周颖,杨丽花,杨龙祥,倪梦. 基于卡尔曼预测与压缩感知的WSN中高能效数据收集方法[J]. 电信科学, 2019, 35(1): 74-80.
[7]	曹世华,胡克用,王李冬,王琦晖. 基于分布式色调识别的无线传感器网络k连通性路径检测[J]. 电信科学, 2018, 34(2): 65-73.
[8]	周海平,沈士根,黄龙军,冯晟. 基于博弈论的无线传感器网络恶意程序传播模型[J]. 电信科学, 2018, 34(11): 67-76.
[9]	孟得月,裴二荣,黄佑林. 异质节点分离CRSN中MAC协议设计与性能分析[J]. 电信科学, 2017, 33(8): 107-119.
[10]	刘建华,李明禄,李大志,李鲁群. 工业无线传感云中面向移动机器人的自适应信任演化机制[J]. 电信科学, 2017, 33(6): 86-96.
[11]	戴国勇,施伟元,应可珍,陈庆章,毛科技. 基于移动节点二次部署的WSN栅栏新型强化方法[J]. 电信科学, 2017, 33(6): 97-104.
[12]	王骐,肖正安,王怀兴. 无线传感器网络中基于“k-覆盖问题”的多项式时间算法[J]. 电信科学, 2017, 33(12): 91-98.
[13]	刘开南,韩旭. 基于人工蜂群寻优算法的WSN中继节点布局方案[J]. 电信科学, 2016, 32(9): 61-67.
[14]	邹永艳,张衍志. WSN中视觉辅助方案结合TI CC2431 ZPS平台的跟踪定位方法[J]. 电信科学, 2016, 32(9): 68-74.
[15]	张衍志,叶小琴. WSN中基于周期性超宽带距离信息的女巫攻击检测[J]. 电信科学, 2016, 32(8): 110-117.

算法	8个锚节点
改进PSO	0.013 0
CA-BA	0.001 1