基于無線傳感器網絡拓撲結構的物聯網定位模型(共15頁)

1、 研究生課程(kchng)論文基于無線傳感器網絡拓撲結構的物聯網定位(dngwi)模型課程名稱 高級(goj)計算機網絡 姓 名 學 號 專 業(yè) 計算機應用技術 任課教師 開課時間 第一學期 教師評閱意見：論文成績評閱日期課程論文提交時間： 年 月 日基于無線傳感器網絡拓撲結構的物聯網定位模型摘要(zhiyo)無線傳感器網絡是物聯網的重要組成部分，利用其實現物聯網中目標的定位技術已經成為研究熱點之一，由于受環(huán)境，障礙物，網絡攻擊和硬件錯誤(cuw)等諸多因素的影響，傳感器節(jié)點采集的數據易產生較大誤差，形成錯誤數據，從而對定位造成嚴重影響，盡管已經發(fā)展出眾多定位算法和模型，但針對錯誤數據實現定位

2、的研究還比較少見，尤其國內，幾乎空白。文中針對上述問題，旨在利用網絡(幾何)拓撲結構信息，提出一種用局部信息刻畫全局分布密度信息的新穎物聯網定位模型，魯棒的局部保持的典型相關分析定位模型LE-RLPCCA，與現有同類模型方法在真是環(huán)境中的實驗結果(ji gu)相比，LE-RLPCCA具有更高的定位魯棒性和穩(wěn)定性。 TOC o 1-3 h z u HYPERLINK l _Toc436606605 摘要(zhiyo) PAGEREF _Toc436606605 h 1 HYPERLINK l _Toc436606606 引言(ynyn) PAGEREF _Toc436606606 h 3 HYP

3、ERLINK l _Toc436606607 一基于(jy)傳感器網絡的物聯網定位機制 PAGEREF _Toc436606607 h 5 HYPERLINK l _Toc436606608 二LE-LPCCA的模型建立 PAGEREF _Toc436606608 h 7 HYPERLINK l _Toc436606609 三LE-RLPCCA定位模型的提出 PAGEREF _Toc436606609 h 10 HYPERLINK l _Toc436606610 1.錯誤數據的幾何表現 PAGEREF _Toc436606610 h 10 HYPERLINK l _Toc436606611 2

4、.RlPCCA模型描述 PAGEREF _Toc436606611 h 10 HYPERLINK l _Toc436606612 3.LE-RLPCCA定位算法 PAGEREF _Toc436606612 h 11 HYPERLINK l _Toc436606613 小結 PAGEREF _Toc436606613 h 13引言(ynyn)物聯網是把具有標識，感知和只能處理能力的物體，借助通信(tng xn)技術互聯而成的網絡，這些無需人工干預即可實現協同和互動，木釘在于為人們提供只能服務，由于物聯網可廣泛用于各種自然災害的監(jiān)測，醫(yī)療衛(wèi)生，電力系統，智能交通，智能小區(qū)管理，軍事，航空和航天等領

5、域，因此美國，日本等國大力投資著手開展對其相關技術的研究，并建立或正在建立國家級感知中心，目前我國也正在建立自己的“傳感信息中心”，無疑(wy)，物聯網正在進入迅速發(fā)展的時期。隨著物聯網發(fā)展，傳感器技術已開始得到廣發(fā)關注和應用，通過它構成的無線傳感網絡可連接物理世界和數字世界，目前國際上已有研究工作將其應用與環(huán)境監(jiān)測和保護以及時發(fā)現和定位事故源，航空和航天的落點控制，軍事目標的定位和跟蹤等方面，在各種應用中，位置信息和物聯網的監(jiān)測活動至關重要，雖然可以通過全球定位系統GPS實現定位，但是其適應于無遮擋的室外環(huán)境，且用戶節(jié)點通常能耗高，體積大，成本較高，還需要固定的基礎設施，因此在GPS應用受限

6、的場景下，或是在人類難以勝任或無法到達的復雜環(huán)境中，采用體積小，能量消耗低，價格低廉的傳感器網絡可以很好的解決目標發(fā)現及定位等問題。因而，作為物聯網應用的基礎和關鍵技術，傳感器節(jié)點的定位問題已得到越來越多的關注。目前的WSN定位技術有基于接收信號強度指示(RSSI),基于到達時間，基于到達時間差和基于到達角度等方法，其中，因RSSI定位技術無需額外硬件設備支持，且符合低功率，低成本等要求，故得到更廣泛的應用。然而基于RSSI的定位結果常不穩(wěn)定，故應用性受到一定限制，為了解決這一問題，研究者們已經提出了眾多改進策略和算法，今年來，借助機器學習對定位機制進行策略和算法設計已經成為一個研究熱點之一，

7、該類方法的實質是將傳感定位過程視為一個機器學習問題，通過深入挖掘可用傳感數據所隱含的信息（如網絡拓撲結構，數據的非線性表示等），學習并建立一個從信號空間到物理空間的映射，而后運用該映射估計出未知節(jié)點的空間(位置)坐標，從而實現定位，其中，其最近提出一個聯合充分利用信號空間和物理空間局部拓撲節(jié)后信息的無線傳感器網絡定位(Location-Estimation-Locality Processing Canonical Correlation Analysis，LE-LPCCA)，與目前的同類方法相比，其定位精度和穩(wěn)定性顯著提高。然而，在大規(guī)模物聯網中，由于硬件錯誤，網絡攻擊，能力不足(bz)，惡

8、劣天氣等實際環(huán)境因素的影響，所采集的數據常含有較大誤差，從而影響定位結果。本文針對該問題，在提出LE-LPCCA的基礎上，通過對信號空間和物理空間局部信息的刻畫進行改造，提出具有較好魯棒性的LE-Robust LPCCA定位模型，使其包含局部結構信息的基礎上包含相對全局的拓撲結構信息，并利用這些結構信息最大程度地減小錯誤(cuw)數據在整個建模過程中的影響?；趥鞲衅骶W絡的物聯網定位(dngwi)機制物聯網的層次結構自底向上可分為四層，傳感器網絡層，接入網絡層，中間件層和應用層。傳感器網絡層處于最底層，它將各種( zhn)設備上的傳感器連接起來形成一個信息采集和控制的網絡，由圖1可見，定位機制

9、涉及到物聯網的4個層次，受限，在最底層由傳感器采集各類監(jiān)控信號，經過WSN的匯聚節(jié)點或基站傳輸到上一層網絡空間；其次，在網絡層對數據進行融合(預處理)，通過網橋，網關，路由等網絡設備接入核心網絡；接著，在中間件層，傳輸來的數據被存儲在相應服務器中，并由定位模型成算法進行定位；最后，定位結果一方面在應用層呈現給管理員，另一方面根據應用需求，反饋給物聯網底層，實現對應的控制，該文的重點在中間件層，研究如何根據已知節(jié)點的信號強度和屋里坐標，建立定位模型。圖1在基于WSN的物聯網定位機制中，利用信號空間和物理空間的兩個配對的數據集，來建立兩個空間之間的映射是一個關鍵步驟。在WSN中，節(jié)點功率，傳輸模型

10、(mxng)相似的情況下，若倆個傳感器節(jié)點接收到的信號強度值相似，那么他們在網絡中的實際物理位置也相鄰。這一特性表面信號與物理位置之間存在相關性。針對該問題，典型關聯聯系（CCA）可用來建立倆個數據(shj)集之間的映射并且使之相關性最大。但此方法只適用數據間的線性關系。本文提出一種具有魯棒性的定位模型。LE-LPCCA的模型(mxng)建立在基于RSSI的WSN定位機制中，節(jié)點的定位分為訓練階段和定位階段。在訓練階段，通常對已知節(jié)點的信號強度和物理坐標來得出信號空間和物理空間的映射，建立定位模型；在定位階段，運用得出的模型對未知節(jié)點進行(jnxng)位置估計。在WSN中，已知傳感器所采用的信

11、號空間的和物理空間數據可以(ky)分別表示成兩組數據集，記 QUOTE 為n個已知節(jié)點所接收到的信號強度，其中每個信號向量xi的維度為p，p為AP節(jié)點的個數。 QUOTE 為相應節(jié)點的物理坐標，通常在實際空間中，坐標為二維或者三維。因此q=2或3，構建定位模型的首要任務就是建立兩個數據集之間的映射。CCA是用來構建倆組數據間的映射的經典方法，其目標是分別為X和Y尋找兩組基向量wx,和wy，使得變換后的數據 QUOTE 和 QUOTE 之間的相關性達到最大，其中 QUOTE ， QUOTE 分別是X和Y的樣本均值，模型如下：其中 QUOTE = QUOTE ,對于模型的求解，可以轉化為如下模型，

12、通過優(yōu)化模型，可以得到線性變換可以將信號強度和物理坐標值映射于同一空間，并且(bngqi)找到其最大相關的向量。但是上述模型，只能挖掘倆組數據之間的線性相關現象，而且(r qi)沒有利用網絡的局部結構信息。為了彌補這個問題，利用LE-LPCCA算法在構建映射時，將網絡的局部結構引入到CCA中，將原來的全局非線性問題變?yōu)槿舾删植烤€性問題，計算每個鄰域內的典型相關問題，然后對這些子問題求解，因此通過局部線性的方法達到解決非線性問題的目的。LE-LPCCA模型首先給出了WSN中近鄰節(jié)點(ji din)的定義。定義1. 在信號空間中，ne(i)表示與i節(jié)點所接收到的信號強度相似的節(jié)點標號集合，即xi的

13、局部近鄰樣本下標集。根據上述定義，WSN的拓撲結構在信號空間和物理空間的相似度矩陣為Sx = QUOTE 和SY+ = QUOTE 其中矩陣元素：其中M = x 或者M = y； QUOTE 因此，可以看出S越大意味著xi 與xj距離越近，如互不在鄰域范圍內，則相似度為零，并且依賴于傳感器節(jié)點的布局，因此S可以隨著網絡的拓撲結構的變化而變化，從而顯示出高度的靈活性。因而原模型可轉化為下面模型：其中(qzhng) QUOTE = QUOTE , QUOTE , QUOTE 類似(li s)前面結構。利用上述模型，找到信號與物理信號的中對應簇。至此(zhc)，LE-LPCCA模型對WSN中信號空間

14、到物理空間的映射已建立完成。LE-RLPCCA定位(dngwi)模型的提出錯誤數據的幾何(j h)表現在復雜或不可信網絡環(huán)境中，受網絡攻擊，硬件錯誤，環(huán)境障礙無等因素影響(yngxing)，數據在傳輸或定位過程中易發(fā)生失真或錯誤，與普通網絡中易產生的簡單誤差不同，這種錯誤數據會產生嚴重地影響定位結果。這種具有嚴重偏差的錯誤數據，也可稱為“野值”，其值與所采集到的正常數據有很大偏差，從而嚴重影響定位結果。換言之，這類數據會是錯誤數據在幾何空間分布上遠離其他正常數據點，從而具有較低的分布密度。因此，該模型的目的，是在同一數據集中，使分布密度較低的點對定位的影響較低，以實現較好的魯棒性。RlPCCA

15、模型描述通過LE-LPCCA的刻畫，我們有了相似度矩陣S的定義，從而可以得到 QUOTE ,其中， QUOTE 刻畫了節(jié)點i在信號空間中所處區(qū)域密集程度，若 QUOTE 越大，表示節(jié)點i所處的區(qū)域密度越高，進一步，我們可以刻畫出基于節(jié)點拓撲結構的密度：顯然 QUOTE 越大，表示節(jié)點i在信號(物理)空間的密度越大。有此可以得出信號空間的密度矩陣將之前模型中S用 QUOTE 代替，可以得到如下優(yōu)化問題：其中(qzhng) QUOTE = QUOTE , QUOTE , QUOTE 定義(dngy)與 QUOTE 類似(li s)。上述模型的求解，文獻15給出了利用奇異值分解(SVD)技術求解CC

16、A的方法。本文同樣利用SVD求解RLPCCA，進而得到線性變換w。LE-RLPCCA定位算法已知信號強度矩陣X和對應物理坐標矩陣Y，定位模型目標就是通過未知節(jié)點g所接收到的信號向量 QUOTE ,估計出g的位置坐標 QUOTE .由RLPCCA算法，可以使數據變幻后的信號空間和物理空間的相關性最大，且仍保持原是空間局部拓撲結構信息。因此，坐標鄰近的點在變換后信號空間中依舊相鄰。根據這一特性，我們可已對未知節(jié)點所接收到的信號強度值做數據變幻后，找出與之K個距離最近的已知節(jié)點，因而K個節(jié)點的物理坐標必定也在 QUOTE 附近。最終可以通過質心法計算出g點的物理坐標：現在總結LE-RLPCCA算法的

17、具體構建步驟，其訓練階段和定位階段分別描述如下：訓練階段：計算相似度矩陣SX|Y計算密度矩陣MX|Y求解最優(yōu)化問題，學習物理空間和信號空間的關系，求出映射矩陣W對已知數據(shj)X, Y做線性變換： QUOTE = QUOTE ,即對原始空間數據做相應(xingyng)映射，從而使的 QUOTE 相關性達到(d do)最大。定位階段：對于未知節(jié)點g所接收到的信號向量為 QUOTE ,用 QUOTE 對原始信號作線性變換。通過歐氏距離的計算,尋找 QUOTE 在Px中K個距離最近的已知節(jié)點。找出這K個節(jié)點的物理坐標，再通過(10)估算g點位置。小結(xioji)文章提出的一種LE-RLPCCA

18、物聯網(lin wn)定位模型，通過充分利用WSN中信號空間和物理空間的拓撲結構和密度信息，可有效應用于數據采集易產生較大錯誤的物聯網環(huán)境，以克服現有的算法或模型定位精度不高，魯棒性差等問題。與同類研究相比，該模型應用與錯誤(cuw)數據的場景中，具有定位精度高且性能相對穩(wěn)定的優(yōu)點。參考文獻1 Niculescu D, Nath B. Ad Hoc Positioning System (APS) Using AoAJ. Proceedings - IEEE INFOCOM, 2003, 3:1734 - 1743.2 Harter A, Hopper A, Steggles P, et al. The Anatomy of a Context-Aware ApplicationJ. Wireless Networks, 1999, 8(2-3):187-197.3 王福豹, 史龍, 任豐原. 無線