基于蒙特卡罗的移动传感网节点定位跟踪算法

石研，杨文忠,，高秋田，李双双，韩玄

（1.新疆大学软件学院，乌鲁木齐 830008；2.新疆大学信息科学与工程学院，乌鲁木齐 830046；3.国网新疆电力公司吐鲁番供电公司，吐鲁番 838000）

基于蒙特卡罗的移动传感网节点定位跟踪算法

石研1，杨文忠1,2，高秋田1，李双双2，韩玄3

（1.新疆大学软件学院，乌鲁木齐 830008；2.新疆大学信息科学与工程学院，乌鲁木齐 830046；3.国网新疆电力公司吐鲁番供电公司，吐鲁番 838000）

针对传统蒙特卡罗定位算法（MCL）存在的需要大量样本才能得到较好定位效果，导致的算法需要较长的计算时间以及较高的能源消耗的问题，提出IMCL算法，通过免疫计算加快预测阶段样本的抽样，减少定位时间，降低能耗；使用插值法预测节点的运动速度和方向，缩小采样区域，提高采样效率。实验仿真表明提出的IMCL算法和MCL算法相比定位时间减少30%左右，定位误差降低约10%。

无线传感器网络；移动节点;定位；蒙特卡罗算法；遗传算法

第二项会议议程为“攻克技术难关”。学生按兴趣分为研讨种子繁殖和研讨嫁接繁殖的小组。每个小组将会通过合作探究的学习模式领会各种繁殖方式的要领，并进行动手实践操作和小组成果分享。

0 引言

无线传感器网络（Wireless Sensor Networks，WSNs)是由部署在监测区域中的大量具有感知、计算和通信能力的传感器节点通过自组织和多跳的方式构成的无线网络，是物联网的一种主要形式[1]。在WSNs的许多应用中节点位置至关重要，如果没有位置信息，感知的数据是没有意义的[2]。在过去的几年时间里，提出了很多的WSNs节点定位算法，按照定位时是否需要测量节点之间的实际距离，这些算法大致可以分成2类，分别是基于测距的和无须测距的定位算法。基于测距的定位算其中有基于接收信号强度（Received Signal Strength Indication，RSSI）定位方法[3]，基于信号到达时间差（Time Difference of Arrival，TDOA）定位方法[4]等；无须测距的定位算有质心定位算法[5]、DV-Hop（Distance Vector-Hop）定位算法[6]等。

上述算法适用于静态传感器网络，在很多应用如牧区牲畜监测跟踪等，节点在部署后可能会移动形成移动传感器网络，节点的移动造成很多现有的静态定位算法并不适用。因此，设计移动WSNs节点定位算法很有必要。2004年L.Hu和D.Evans提出了MCL（Monte Carlo Localization）算法[7]，算法利用节点的移动性在提高定位精度的同时减小了定位代价，为WSNs移动节点的定位提供了新的思路。2008年Baggio[8]等人提出了蒙特卡罗箱（MCB）算法，算法通过建立锚箱（AnchorBox）减少候选样本的抽取区域以提高采样效率。虽然在定位效率和精度上有所提高，可是当观测数据分布在锚箱的比重很小时，采样成功率仍旧很低。在文献[9]中，RudafshaniM和Datta S通过利用邻居节点位置信息来提高定位精度，提出了MSL和MSL*算法，但是它们利用邻居节点的方式比较复杂，都存在采样效率低的问题。文献[10]将测距信息引入到MCL算法中，提出了一种基于测距的MCL算法。虽然定位精度得到提升，但是节点却需要配置额外的测距硬件，增加了网络成本和能量消耗。文献[11]考虑到移动WSNs中由于节点的移动造成网络拓扑的变化，造成有些单个节点被完全孤立面临没有可用锚节点的情况，Hartung S等人提出通过使用磁力仪、加速计、陀螺仪来更新节点的位置估计。提出的算方法成功地解决锚节点信息缺失时的定位问题，大幅度降低了定位误差。但却需要增加很多额外的装置，增加了网络成本。

MCL算法需要获得足够的有效样本来准确描述节点的位置分布，但是寻找这些样本点的计算量是很大的，因此导致算法需要较长的计算时间以及较高的能源消耗。针对这一问题本文提出了IMCL（Improved MCL）算法，通过免疫计算加快预测阶段的抽样，减少定位时间，降低能耗；利用节点前几个时刻的历史位置信息，使用插值法预测节点的运动速度和方向，缩小候选样本的抽取区，提高采样效率。

1 MCL算法

在MCL算法中，时间被分成为若干等长的离散时间段，需跟踪节点在每一个时间段都要对自身进行重定位。

在定位初始化阶段，从布置区域中随机的抽取N个样本点形成初始的位置样本L0={l10，l20，…，lN0}。然后重复预测阶段和滤波阶段对节点进行定位。以t时刻的定位过程为例进行说明。

全民皆兵的阵仗，令“顽固”的古城物业人员惊呆了，一见华为的人都掉头跑。毕竟，从没见过这么能死缠烂打软磨硬泡的，还团伙作战围追堵截，简直太可怕了。

1.1 预测阶段

在MCL中，节点的移动被建模为马尔科夫过程，节点在时刻t的位置lt仅由它在t-1时刻的位置lt-1决定。需跟踪节点只知道自己的最大运动速度vmax，并不知道自身的移动速度和方向。所以，lt必然包含在以lt-1为圆心、以vmax为半径的圆形区域内，且假设节点的速度在区间[0，vmax]上服从均匀分布。算法在该圆内反复抽样，便可以通过t-1时刻的位置样本集合Lt-1获得t时刻的位置样本集合Lt。因此，转移分布函数为：

其中，d（lt|lt-1）表示lt与lt-1之间的欧氏距离。从这个分布函数可以看出，vmax的值越大，采样区域越大，那么每一步的不确定性也就越多。

经过一段时间的实践探索，金山区走出了一条以制度建设为基础、以民主参与为重心、以法治方式为内核的，特点鲜明、群众认可、成效显著的精细化基层治理新路子。但同时，也还存在着一些需要进一步完善的问题。比如，基层法律服务的多部门工作衔接还不够流畅，律师参与基层治理的机制还可以进一步完善，村规民约的修订尚不够精细等。

1.2 滤波阶段

生物学中，遗传算法中的交叉遗传算子也称为基因重组，其通过某种方式互换两条染色体上某些位上的基因，从而形成新的染色体。本文主要用到两种交叉免疫操作，分别是线性交叉免疫和矩形交叉免疫。滤波阶段完成以后，首先从满足滤波条件的样本集中随机的选取两个样本（xi，yi）和（xj，yj），（xp，yp）表示通过交叉操作产生的新的样本坐标。线性交叉免疫如公式（4）所示，矩形交叉免疫如公式（5）所示。在式（4）中，为了获得较好的效果，α一般从[0.1，0.9]之间随机选取。在式（5）中，α和β是在0到1之间的随机数。

(3)独特的地域区位有助于打造特色专创师资团队。广西是少数民族集聚的省份之一，有着丰富的民族特色资源可供开发。2003年，中国-东盟建立战略伙伴关系，南宁成为中国-东盟博览会永久举办地，历经15年的发展，“共建21世纪海上丝绸之路，构建中国-东盟创新共同体”成为新的活动主题，东博会已形成进出口相结合、投引资相结合、商品与服务贸易相结合、展会结合、经贸盛会与外交舞台共舞以及经贸活动与文化交流相结合的特色。东博会的发展提供了更多的国际市场营销、国际物流、国际贸易等市场机会，为就业创业提供了更丰富的岗位，也为特色的专创师资团队打造指明了方向。

近年来，我国铁路建设处于高速发展时期，新站处于建设过程的同时既有客站也在改造过程中。根据交通运输部的统计数据，2016年中国铁路总里程达到12.4万公里，预计2020年达到20万公里。据统计，公共建筑的全年电耗是居住建筑的10～15倍，而交通枢纽类建筑用能强度在公共建筑中位列第二，仅次于商业建筑。铁路客运站作为交通枢纽的重要组成部分,具有建筑面积大、窗墙比高、人员流动性大、照明系统复杂等特点。上述特点都会在一定程度上增加候车室内的空调供暖负荷,由此进一步增加了对电能、天然气、水等能源的消耗。因此，研究客运站中央空调系统的节能技术对铁路系统节能降耗具有重要意义。

根据式（2），满足条件的有效位置样本点lt被保留，不满足条件的位置样本点被过滤掉，图1（a）为节点的采样区域图，（b）为过滤图。

3.1 实验参数与评价指标

图1 节点采样区域和过滤图

在滤波阶段完成以后，如果得到的有效位置样本点的数目小于N，那么将重复以上的两个过程，直至获得满足条件的N个有效位置样本点。如果过滤阶段完成以后，得到了包含N个有效样本点的位置样本集Lt= {l1t，l2t，…，lNt}，那么取这些样本点位置坐标的平均值作为节点的估计位置，如公式（3）所示：

2 IMCL算法

本节首先介绍IMCL算法的预测阶段和样本免疫生成阶段，最后对IMCL算法的整个流程进行描述。

如图12中所示，红色五角星代表节点当前的实际位置，圆点A和B表示两个初始样本点。点E和F为通过线性交叉免疫计算得到新的样本，点G和H为通过矩形交叉免疫计算得到的新的样本。与线性交叉相比，矩形交叉可以得到更多的可能位置，增加了样本的多样性，能够防止算法退化的现象。当采用矩形交叉免疫时，新生成的样本可能不满足滤波条件，所以需要进行二次滤波处理。遗传算法的使用使得MCL算法能够通过较少的计算和能耗产生更多的样本。

在预测阶段使用牛顿二次插值法估算出节点当前时刻的运动速度和方向进。假设历史记录队列中的前3个时刻的位置坐标分别（xt-3，yt-3），（xt-2，yt-2），（xt-1，yt-1）对x，y方向的数据使用牛顿插值可得：

Wind数据显示，截至12月4日，沪深两市仍有25只股票处于停牌状态，其中有10只个股连续停牌天数已超过100个交易日。部分公司停牌时间甚至长达数年，＊ST新亿（600145.SH）以重组名义停牌已近3年，深深房A（000029.SZ）也停牌逾2年。

由此可估算出当前时刻的速度及方向为：

路面养护施工单位申请开工，并于2015年4月7日向社会发布施工公告。2015年4月19日，施工单位组织人员、材料、机械进场，具备开工条件，经审核于4月20日正式开工。

④每次对未知节点进行定位所需的样本数为5000。

图2 节点采用图

2.2 样本免疫生成阶段

在滤波阶段，算法依据当前时刻接收到的一跳和二跳锚节点的位置信息过滤掉无效的样本。假设未知节点监测到的一跳锚节点的集合为S1，二跳锚节点的集合为S1，每个节点的通信半径均为r。过滤条件如式（2）所示：

2.1 预测阶段

图3 遗传样本示例图

2.3 IMCL算法描述

IMCL算法描述如下：

①初始时，节点先按照传统MCL算法获得自身前3个时刻的位置坐标，把它们存放在一个历史记录队列中。

②根据历史记录队列中最新的3个时刻的位置坐标，利用二次牛顿插值得到当前时刻的运动速度vt-1公式（6）和运动方向（角θ）公式（7）。

③在以前一时刻的节点估计位置为圆心，以min（vt-1，vmax）为半径，沿顺时针及逆时针各展开角的扇形区域内随机地选取N个位置样本点；

④依据当前时刻接收到的2跳范围内的锚节点进行滤波，判断位置样本集中的每个位置样本点是否满足滤波条件（2），如果不满足那么就将该样本丢弃；

⑤从滤波后的样本集合中随机的选取两个样本粒子进行线性交叉免疫和矩形交叉免疫。

⑥实验中不考虑障碍物的遮掩。

⑦要是经过滤波操作后满足条件的位置样本数不足N，那么将扇形的角θ扩大1倍，重复执行预测、滤波、免疫、二次滤波的过程，直到获得N个有效的样本。

⑧计算未知节点在t时刻的位置如公式（3）。

希望各出版社够增加英语原版书籍和音像材料的引进和出版，加大市场流通。尤其入门级英语原版童书绘本的市场细分需要加强和完善，以便给广大英语入门学习者提供充分地道的语言环境，为英语语言的灵活运用提供丰富的借鉴范本，为语言技能习得打好坚实的基础。

⑨将步骤⑧计算产生的新的定位值加入到历史记录队列的尾部，若队列的长度大于3，那么删除队首元素，保持队列中存放的始终是3个最新的位置记录。转步骤③对未知节点下一时刻的速度方向进行估计。

3 仿真实验及分析

尿蛋白是糖尿病肾病的主要指标之一，ACEI类药物可使糖尿病肾病患者尿蛋白显著减少，降低血压，扩张肾血管，提高糖尿病肾病的疗效[8]。ACEI可以抑制血管紧张素Ⅰ转化为血管紧张素Ⅱ，降低循环系统血压，改善肾脏血流动力学效果[9]。ACEI可以减缓2型糖尿病患者的肾病进程，起到保护肾功能、避免恶化的作用[10]。ACEI不仅可以减少尿蛋白排泄，同时可以保护肾避免因蛋白质的重吸收引起的肾小管超负荷导致的促炎症反应。临床上可以将其与其它药物联用，提高治疗效果[11-12]。

（二）临诊症状和病理学诊断 急性病猪出现高热、严重的呼吸困难、咳嗽、拒食、死亡突然，死亡率高。死后剖检病变主要局限于胸腔，可见肺脏和胸膜有特征性的纤维素性和坏死性出血性肺炎、纤维素性胸膜炎。

为了检验IMCL算法的性能，本章使用MATLAB 2016b进行了一系列实验仿真。假设锚节点本身的位置为已知的，且不发生移动。需跟踪节点在仿真区域内按照Random Waypoint模型做随机运动，并且在每个时间段都要对自身进行重定位。无线传感器网络和节点的参数设置为：

①仿真区域为500米×500米的矩形区域。

②设定节点的通信半径r=150m。

通过多彩丰富的数学活动不仅可以渗透数学文化，还有利于拓宽学生的见识，发挥学生对学习数学的优势特长，激发学习兴趣。并且有利于学生独立思考能力的培养,发展学生对数学的优秀才能激发潜力。数学教学活动的设计要符合学生的年龄特点，从而吸引学生的注意力。活动本身的形式与内容要丰富多样，有趣味性。在数学文化的渗透过程中，可以帮助学生将复杂的问题进行简单处理，当遇到新问题时可以利用自己掌握的知识和自身的能力去有效地处理解决,从而提升学生的素养与能力。开展数学活动可以包括：游戏竞赛、动手操作、实践应用、讲述故事和智力活动等等。

③节点的最大速度为=50m/s。

节点根据t-1时刻的位置样本集Lt-1，由公式（3）得出t-1时刻的节点估计位置lt-1，随后以Lt-1（位置坐标为（xt-1，yt-1））为坐标原点，以min（vt-1，vmax）为半径，在估算出的节点的运动方向沿顺时针及逆时针各展开θ角从而得到一个扇形采样区域，在该区域内随机地选取N个候选位置样本点，如图2（b）所示。通过对节点的运动速度及运动方向的预测，釆样区域与MCL算法相比大为减小，从而提高了采样成功率。满足上述情况的样本集合可以表示为：

⑤初始布点是随机的。

⑥进行二次滤波处理，同步骤④。

欧米茄星座系列至臻天文台小秒针腕表搭载欧米茄8704至臻天文台机心，令这款精巧典雅的腕表拥有精准走时。腕表配备白色珍珠母贝表盘，镶嵌10枚钻石小时刻度及4枚钻石小秒盘刻度，尽显灵动柔和之美。

用定位误差和计算开销来衡量定位算法的性能，其中定位误差使用估计位置与实际位置之间的欧式距离与通信半径的比值来表示，节点定位误差的计算如下：

其中（x，y）和（x'，y'）分别为各节点的真实位置坐标和节点的估计位置坐标。

3.2 仿真分析

第一，制约语言文字工作定位因素研究，有利于处理好各民族语言之间的关系，处理好共同语与方言之间的关系，处理好母语同外语的关系，处理好普通话的国内推广和国际传播之间的关系。能够充分认识到语言规划越来越走近人们的真实生活，健康和谐的语言生活是推进社会科学发展的重要因素。

MCL和IMCL算法的平均定位时间如图4所示。在相同仿真环境下进行了10组实验，每组数据为连续5次定位计算所得平均值。从图中可以看出，IMCL算法具有明显优势，比传统的MCL算法相比定位时间减少了30%左右，同时，其算法性能也更加稳定。

如图5所示，在相同仿真环境下进行了10组实验，每组数据同样为连续5次定位计算所得平均值。可以看出，IMCL算法的定位精度还是稍高于MCL算法，与MCL算法相比定位误差降低了10%左右。总体看来，IMCL算法虽精度提高不明显，但在算法性能上获得了较大改善，这对于能量即是生命的无线传感器节点来说，是至关重要的。

图6描述了在不同vmax下两种算法定位误差的变化。随着vmax的提高，MCL算法与IMCL算法的定位误差都有不断增大的趋势。这是由于vmax的连续增大，采样区域也随之变大，致使无效样本增多导致定位误差也逐渐变大。但IMCL算法的定位误差还是稍低于MCL算法。

图7描述了MCL和IMCL算法在不同样本数目下节点定位误差的变化。从图中可以看出随着样本数目的增多，两种定位算法的定位误差都不断减小，MCL和IMCL两种定位算法之间的定位误差大致相等。

图4 定位花费时间比较

图5 定位误差比较

4 结语

在MCL算法的基础之上，结合遗传算法和插值法提出了一种IMCL算法。通过引入交叉免疫操作，对蒙特卡洛算法的采样结构进行了优化，减少了采样次数，降低了算法的计算开销；采用插值法对节点的运动速度及方向进行预测，缩小了采样区域，提高了定位精度。实验结果表明，与MCL算法相比提出的IMCL算法定位精度提高了10%左右，定位时间减少了30%左右。然而，目前的研究尚不完善，障碍物遮掩情况下的定位跟踪将是我们下一步工作的重点。

图6 定位精度随移动速度变化

图7 定位精度随样本数目变化

[1]Qian Zhi-hong,Wang Yi-jun.Internet Of Things-Oriented Wireless Sensor Networks Review[J].Journal Of Electronics&Information Technology,2013,35(1):215-227.

[2]Liu YH,Yang Z,Wang XPEt Al.Location,Localization,and Localizability.Journal of Computer Science and Technology25(2):1-Mar.2010

[3]Yaghoubi F,Abbasfar A A,Maham B.Energy-Efficient RSSI-Based Localization for Wireless Sensor Networks[J].IEEE Communications Letters,2014,18(6):973-976.

[4]Bandiera F,Coluccia A,Ricci G,Et A l.TDOA Localization in Asynchronous WSNs[C].IEEE International Conference on Embedded and Ubiquitous Computing.IEEEComputer Society,2014.

[5]Wang J,Urriza P,Han Y,Et Al.Weighted Centroid Localization Algorithm:Theoretical Analysis and Distributed Implementation[J]. IEEE Transactions onWireless Communications,2011,10(10):3403-3413.

[6]Hadir A,Zine-Dine K,Bakhouya M,Et Al.An Optimized DV-Hop Localization A lgorithm Using Average Hop Weighted Mean in Wsns[C].TheWorkshop on Codes，2014:25-29.

[7]Hu Ling-Xuan and Evans D.Localization for Mobile Sensornetworks[C].Proceedings of Mobicom 2004,Philadelphia,Pennsylvania, USA,September,2004:45-57.

[8]Baggio A and Langendoen K.Monte Carlo Localization Formobile Wireless Sensor Networks[J].Ad Hoc Networks,2008,6(5):718-733.

[9]Rudafshani M,Datta S.Localization in Wireless Sensor Networks[C].International Symposium on Information Processing in Sensor Networks，2007：216-221.

[10]Shao Q,Xu H,Jia L,Et Al.The Research of Monte Carlo Localization Algorithm Based on Received Signal Strength[C].International Conference onWireless Communications,Networking and Mobile Computing.IEEE,2011:1-4.

[11]Hartung S,Bochem A,Zdziarstek A,Et Al.Applied Sensor-Assisted Monte Carlo Localization for Mobile Wireless Sensor Networks [C].International Conference on Embedded Wireless Systems and Networks.Junction Publishing,2016:181-192.

Im proved Monte Carlo Localization for Mobile W ireless Sensor Network

SHIYan1，YANGWen-zhong1，2，GAO Qiu-tian1，LIShuang-shuang2

（1．School of software，Xinjiang University，Urumqi 830008；2．School of Information Science and Technology，Xinjiang University，Urumqi 830046）

Monte Carlo Localization(MCL)has a decisive role for themobile nodes'localization in W ireless Sensor Networks(WSN).However,current MCL-based approaches need to acquire a large number of samples to calculate to achieve good precision.The energy of one node is limited and can't last for a long time.Aiming to solve the problems,proposes an improved algorithm IMCL(Improved MCL),in which applies the genetic algorithm to improve MCL in MSNs for localization.Besides,uses interpolation operation to predict the velocity and angle,which improves the sampling efficiency by reducing the scope from which the candidate samples are selected.Experimental results illustrate that themethodology has a better performance in comparison with Monte Carlo localization algorithm.

石研（1991-），女，河南商丘人，硕士研究生，研究方向为无线传感器网络节点定位和网络安全

杨文忠（1971-），男，河南南阳市人，博士，副教授，研究方向为物联网和网络安全

高秋田（1991-），女，河南平舆人，硕士研究生，研究方向为移动传感器网络

2017-03-23

2017-05-10

国家自然科学基金项目（No.U1603115、No.61262087、No.61262089）

1007-1423（2017）14-0003-06

10.3969/j.issn.1007-1423.2017.14.001

李双双（1992-），女，山东济宁人，硕士研究生，研究方向为无线网络算法和分析和信息安全

韩玄（1991-），男，河南商丘人

Wireless Sensor Network;Mobile Node;Localization;Monte Carlo Localization(MCL);Genetic Algorithm(GA)