基于序列贪婪优化分布式无线传感器网络定位算法.docxVIP

基于序列贪婪优化的分布式无线传感器网络定位算法摘要：节点的定位对大多数无线传感器网络的应用来说是非常必要的。在本文中，我们要考虑在测量距离、无线电范围以及信标节点位置都不确定时，基于测距的节点定位和无需测距的节点定位这两种定位方式的定位情况。首先，我们将这个贪婪优化算法命名为序列贪婪优化(SGO)算法，因为这个算法跟传统的非线性高斯-赛德尔算法相比更适合分布式网络优化。其次，我们提出一个统一的优化框架，可用于基于测距的定位和无需测距的定位，并且在半定规划(SDP)松弛技术的基础上获得两个凸定位规划。第三，我们一方面将SGO算法应用到基于边缘的SDP松弛规划中去，通过分析得出了一个以二阶锥规划(SOCP)为基础的分布式节点定位算法；另一方面，我们将SGO算法应用到非凸定位规划中去，同样也得出了两个分布式细化SGO算法。以上这些定位算法都可以实现网络的部分异步。最后，通过大量的模拟演示可以展现所提出的这些分布式定位算法的效率和准确性。关键词：分布式优化、基于测距的节点定位、无需测距的节点定位、二阶锥规划(SOCP)、半定规划(SDP)、序列贪婪优化算法(SGO)、无线传感器网络(WSN)。1、引言无线传感器网络(WSN)由大量微小的、低功耗的、随机部署的传感器节点组成，这些节点都具有传感、处理和通信能力。大多数无线传感器网络的应用，比如说环境监测、搜索和救援、目标追踪等等，都需要传感器节点的位置信息。一般情况下，出于经济上的考虑，在这些大量的传感器节点当中，只有一小部分节点的位置信息是通过全球定位系统(GPS)测量得出的或是由手动配置得到的(这些节点通常被称为信标节点)，而其它节点的位置信息都是通过定位算法测算出来的，这种方式尤其适合在大规模的传感器网络中使用。因此，开发出一套高效的节点自定位算法是无线传感器网络应用的必要条件。传感器网络中的节点定位，主要包括基于测距的定位和无需测距的定位。基于测距的定位需要获得节点之间的测量距离，这个测量距离可以通过接收到的信号强度(RSS)或到达时间(TOA)等测距方式获得，而无需测距的定位只需使用连接信息(例如，一个节点是否是在另一个节点的传输范围内)就可以实现，相应地，定位算法就可以分为基于测距的定位算法和无需测距的定位算法。基于测距的定位算法跟无需测距的定位算法相比，定位精度更高，但是无需测距的定位算法更加便宜、简单，因为它不需要配备特殊的硬件来完成测距。另一方面，根据计算模式的不同，可以将定位算法分为集中式算法和分布式算法。集中式算法要求将所有的测量距离或者节点之间的连通信息都传送到一个融合中心(例如，汇聚节点)进行处理，这样一来就会产生大量的通信能耗和带宽消耗，从而缩短整个网络的寿命。分布式算法能源的有效性高，并且随着网络的大小可进行扩展，分布式节点定位的总体任务就是让所有节点跟它相邻的节点进行信息交换。因此，对大规模的传感器网络而言，分布式定位算法更具吸引力。目前针对传感器网络的定位，人们提出了很多定位算法。在无需测距的定位算法中，就存在启发式的、操作简单的、允许分布式实现的定位算法，但是这些算法一般都是不精确的，并且只在信标节点的定位中使用。Y. Shang, W. Ruml, Y. Zhang, and M. Fromherz三个人在经典多维尺度(MDS)技术的基础上，提出了一组定位算法，这组算法可以同时适用于基于测距的定位和无需测距的定位，并且明显地优于启发式的定位算法。在他们所提出的所有这些算法中，MDS-MAP(P，R)算法对不规则网络的定位能力是最好的，但是这种算法却非常复杂、昂贵，最复杂也最贵的就是它的核心战略，即首先为每个节点建立一个本地地图，然后将这些本地地图合并起来形成一个全局地图，在形成本地地图的过程中需要用到集中式算法，所以尽管MDS-MAP(P，R)算法可以在网络中实现，但是却不适合在大规模的网络中使用。因此，另外一个算法—度量MDS算法随之被提出，主要适用在基于测距的定位当中，而且这个算法特别适合用分布式实现，但是，度量MDS算法是局部收敛的，这就意味着它的定位性能很差，除非能够提供一个很好的初始化条件才能提高它的定位性能。在这种情况之下，J. Liu, Y. Zhang和 F. Zhao提出来一个强大的基于多边的迭代定位算法，这种算法适用在基于测距的定位中，它的权重很小，因而很适合分布式实现，但是，这种算法的收敛性没有理论保障。基于凸优化的定位算法具有很好的全局收敛性，所以在传感器网络定位中很受欢迎。这种定位算法大部分都用在基于测距的定位中，只有少数用于无需测距的定位中。但是这些定位算法都有一个相同的处理方式，那就是将定位问题看成非线性优化问题，将由此产生的问题看成是凸优化问题，最后利用高效的内点算法来求解。凸松弛技术涉及到两个算法：二阶锥规划(SOC