改进四边测距算法的智慧农业无线传感器精确定

分类：论文范文 发表时间：2020-04-23 08:39

　　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］。

　　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。

　　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。

　　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。

上一篇：农业绿色转型视角下的农业补贴制度问题研究 下一篇：都市农业的低碳城市发展策略研究