模糊网络环境中灾难抗毁机制的研究*

张 洁

（福建农业职业技术学院 福州 350007）

1 引言

传感网络作为一种融合计算机分布式处理技术、物联网［1］通信技术和嵌入式［2］技术于一体的网络体系架构备受欢迎。然而在实际部署网络中由于环境和成本因素的局限，未能大规模投放载有GPS 装置的信标节点。且所部署的网络不可避免地遭遇外界环境干扰，比如：节点握手言答中的高斯噪声等。这势必导致全网参数呈现模糊状态。因此，在这样的模糊网络中探索相关定位技术也就成了研究的热点。比如，对传感网络中QoS较低的目标节点进行定位。实施该定位算法可以通过其附近节点的精确位置信息，或附近节点的间距来辅助实现。可见，信标节点广播的精确坐标信息和间距信息决定了被甄别的QoS 异常的待测目标的准确度。

对于上述这类基于信标节点广播的信息来为寻找正确目标执行计算的机制是目前较为盛行的研究方向。然而，却很少有人问津当模糊网络被部署在无人管理的恶劣环境［3］中，用于帮助定位待测目标的信标节点，在遭遇意外后变更了信息域并向邻居节点广播的情形。一旦出现这样情形，该信标不再是一个可信任的锚节点，而是一个对全网构成潜在风险的灾难源信标。灾难源信标通过广播灾害性质的信息域对定位算法构成威胁进而扰乱目标坐标的计算。因此，本文设计一个抗毁机制应用于计算待测目标坐标前，封锁此类带有灾害性质的灾难源信标，以提高待测目标坐标的评估精度。

2 灾难分析

模糊网络环境中，虽有大量节点随机分布于拓扑结构，但载有GPS的信标节点却极少。在指定网络区域范围内，当运用相关测距算法对待测目标进行坐标评估时，其评估精度往往在很大程度上取决于信标节点提供的信标信息是否精确。然而在实际应用中，通过模糊网络［4］上的信标节点所广播的信标信息来实施评估过程中，总是遇到各类意外事件。如：信标节点广播错误的信标坐标、信标节点提供了精度较低的信标与未知节点的间距等。当模糊网络受到外界噪声等多因素干扰，使得信标节点的坐标和间距等原始信息域(Xni，Yni，Lni)演化为错误信息域 (Xwni，Yni，Lni) ，(Xni，Ywni，Lni) ，(Xni，Yni，Lwni)，(Xwni，Ywni，Lwni)。那么通过测距算法评估出来的目标坐标值将随着信息域的偏向误差增加而愈加远离目标真实坐标值。当意外事件随着模糊网络中信标规模的增加呈现出线性关系时，对于目标值的计算而言便毫无信任度可言，以致于引发全网灾难。

根据上述分析，显然这类意外事件使得基于测距的评估算法运用于全网中所导致的定位失误势必引发灾难性的后果。尤其部署在航线跟踪、航海搜救、狙击罪犯等高危紧急应用领域更是导致无法挽回的结局。据此，本文提出一种寻找灾难源信标节点的机制以改善目标坐标评估值的信任度［5］达到抗毁目的。该机制主要在计算定位目标坐标值之前来实施抗毁。

3 灾难模型

基于上述分析，本文为模糊传感网络设立一个灾难模型。模型需与模糊网络［5］的部署特征相吻合，故在测试网络区域范围内随机撒布的普通节点规模远超载有GPS 的信标节点。灾难模型描述如下。

假设在待测模糊网络中随机撒布了大量的未载有GPS 的传感节点和少数信标节点。后者集合记为Gn={n1，n2…ni}。则基于测距获得的信标与未知节点 (Xu，Yu)间距Lni、信标坐标 (Xni，Yni)三者的关系满足如下：

当可用信标规模超过3 个时，不难确定(Xu，Yu)。但是当由于外界因素导致 (Xni，Yni)演化为错误值(Xwni，Ywni)时，式（1）两边的平衡关系不在保持。尤其当信标规模越大，式（1）所对应的方程组数量约大，这种不平衡［6］状态越加复杂。如此一来，对(Xu，Yu)的评估便无法开展。

同时 ，(Xwni，Ywni) 决定了信息域中的LEni≠Lni。作为实际评估测距的LEni，此时应加以考虑信标广播的错误间距引发的灾害因素IniD与噪声引发的灾害因素IniG。对于灾难源信标节点而言，此时对于正常信标节点而言，此时。

由此可见，实测距离与灾难程度呈正比关系。

考虑到模糊网络受到外界噪声影响，待测目标部署在精确坐标上的部署函数记为

由此，可得H(Xu，Yu)的极大［7］似然值为

求得式（3）的Min 值，即为模糊网络环境在遭遇灾难的情形下待测目标的坐标值。

4 抗毁模型

要显著提高待测目标值的信任度，就必须在开展坐标计算之前实施抗毁机制。当实施抗毁机制时，未知节点应在模糊全局网络中读取信标信息并测得间距，并定义原始估值E(0)和矩阵A(1)。再根据迭代思想获得信标的线性值。每一个估值均可通过前一个估值的累计做出评估。以第S 个线性值为例，其线性值为

引入第S 个步骤的矩阵参数h(S)=θ·L(S-1)和可求A(S)为

故，抗毁趋势［8］表征为

引入步长θ，当经过S 次计算后，形成了如下估值：

从以上迭代计算规律不难看出，随着S 增加，线性值LNni(S)逐渐降低。当降至最小值，即为最优值。受限于不同灾难程度，故算法运行初始，设置一个门限［9］Pth用于比较该线性值是否为极限最优值。若是，则表明该节点为灾难源节点，并且该节点将越来越偏离这个线性趋势，将E(S)往错误方向引导，导致灾难源信标的线性值超过信标的线性值。根据这个特征即可迅速锁定该异常信标。同时，结合上述计算分析可知，灾难源信标的线性值较正常信标来的大。以所有信标的线性平均值为界限，封锁那些线性值超过平均水平的信标节点所广播的信息域［10］达到抗毁目标。

由于模糊传感网络对于全网信标比例、噪声强度和测距偏差所导致的灾难程度系数均不确定，故而计算出来的线性值也仅是相对而言。因此在模糊网络中实施灾难抗毁机制时不可避免地对部分正常信标也一并进行封锁抗毁。因此定义合适的门限对于封锁灾难源信标是一个关键。这决定了抗毁机制的成效。

5 抗毁实施

根据灾难模型和抗毁模型的分析可知，抗毁机制的实施主要在定位待测目标坐标值之前来开展。首先由待测目标在模糊全局网络中发起访问信标的请求，然后对信标节点的信息域展开线性度［11］计算，分析出灾难源集合，并封锁灾难源广播的信息集，最后完成待测目标坐标的精确评估。整个抗毁机制的实施如图1所示。

图1 灾难抗毁流程

6 抗毁测试

6.1 测试模型

为方便通过Matlab 仿真平台对抗毁机制的性能进行测试［12］，开展测试前先对测试模型和相关指标做如下设置：1）构建100M×100M 的待测模糊传感网络，并分别在全网范围内随机撒布1 个待测目标节点和80 个信标节点；2）为避免节点在投放过程中不够随机［11］导致实验数据不准确，本次对实验模型开展 500 次仿真；3）Pth=0.8 ；4）E（0）=［3，2］；5）IniG=3m。

为了考察抗毁机制的高效性，测试中对灾难源的规模及其灾害程度做出调整，并与常见的定位策略展开精度［13］比较。

6.2 测试分析

坐标评估的精度在很大程度上取决于灾难源信标的规模。由于灾难源所广播的信息域等参数较为复杂，于是在计算环节所求取的估值将受到严重影响。随着灾难源规模比例递增，估值的差错程度将逐渐累积致使最终计算出的目标值严重偏离。这样的特征在图2 所示的三条曲线走势中均得以体现。其中极大极小公平机制和最小均方机制的评估精度相对较低，这是由于模糊网络中的灾难源信标广播的信息域无法提供精确的信心值，且未能将灾难源节点隔离。而本文提出的灾难抗毁机制通过循环迭代方式结合门限机制在很大程度上隔离错误的信心值［14］，故而良好地改善了后续坐标值计算的精度。

图2 相同灾难程度（8m），灾难源引发的定位差错

在给定面积的待测模糊网络中，当撒布的信标中含有36 个（45%）灾难源时，从图3 中显而易见，三种机制下对待测目标进行评估的差错程度都将和灾难程度呈现出正比关系。尤为极大极小公平机制，相对于其他两个机制并无任何优势可言。相比抗毁机制，由于最小均方机制对于测距参数较为依赖，而测距精度又受到环境噪声［15］等因素影响无法提供精确的参数。因此，虽然抗毁机制和最小均方机制总体都保持较低的定位评估差错，但抗毁机制仍表现出了优势。

图3 相同规模灾难源，灾难程度引发的定位差错

根据灾难抗毁机制的抗毁模型所述可知，并非封锁越多的信标就代表抗毁效能越好。这是因为抗毁机制虽然封锁了大量的灾难源，但不可避免地封锁了一些正常的信标。这就使得实施封锁之前计算出的误差估值无法被充分地摊配给其他正常信标，由此引发了错误的定位值。反之，在封锁抗毁的信标规模比例［16］较低的情形下，虽然未能全部抗毁灾难源，但对于残存的灾难源而言，其发挥的灾害程度较弱，故而对模糊网络造成的影响不大。

为此，在定义相同灾难程度（8m）的前提下，针对封锁不同比例信标的情形，测试灾难源信标节点的数量与定位精度间的关系。如图4 所示，被封锁抗毁的信标处于任何比例，定位差错都将随着灾难源规模的增加而线性地递增。但当抗毁比例少于信标总规模一半时，虽然定位差错依旧呈现递增［17］趋势但总体上保持在低于2m 以下误差的良好势头。相反，当抗毁比例过半时，坐标评估的精度随着灾难源信标增加呈现下降趋势。当抗毁比例越高，精度下降的越显著。

图4 抗毁不同比例信标，不同规模的灾难源引发的定位差错

7 结语

本文通过分析传统计算机制运用在信标节点遭遇灾难的模糊网络环境中所表现出来的信任度问题，提出了一种灾难抗毁机制。该机制通过建立灾难模型和抗毁模型，运用数学方法计算灾害对目标的影响力，进而实施抗毁。最后，经过仿真平台测试验证了该机制相对于传统算法表现出了良好的优越性，大幅提高了目标值的计算精度。