基于RSS的多目標(biāo)節(jié)點定位算法

　　MTL-GMM算法

　　MTL-GMM算法將定位區(qū)域劃分成大小相同的網(wǎng)格，首先粗略定位傳感器節(jié)點所在的網(wǎng)格，根據(jù)粗略定位結(jié)果縮小定位區(qū)域和網(wǎng)格尺寸，迭代運(yùn)行GridL(Grid Localization)算法，實現(xiàn)精確定位。具體步驟如下：

　　Step1：初始化定位區(qū)域;
　　Step2：定義網(wǎng)格尺寸;
　　Step3：運(yùn)行GridL算法，若定位誤差<=閾值，輸出結(jié)果，若定位誤差>閾值，轉(zhuǎn)step4;
　　Step4：調(diào)整定位區(qū)域，轉(zhuǎn)step2;

　　定位區(qū)域的計算

　　1)定位區(qū)域初始化

　　算法根據(jù)RC的路徑坐標(biāo)序列

　　GridL算法描述

　　圖1給出了GridL算法的偽代碼。表1給出了GridL算法使用的符號及其解釋。MT-GMM算法嵌套了內(nèi)外兩層循環(huán)。外層循環(huán)即算法第4行到第29行，用來估計節(jié)點數(shù)量。假設(shè)節(jié)點數(shù)量M從1開始取值，并隨循環(huán)逐次遞增，根據(jù)(M-1)個節(jié)點坐標(biāo)估計第M個節(jié)點坐標(biāo)。當(dāng)節(jié)點數(shù)量增加，但模型BIC取值不增加時，算法結(jié)束。內(nèi)層循環(huán)即算法第11行到第20行，用來調(diào)整外層循環(huán)確定的M個節(jié)點的位置坐標(biāo)。當(dāng)模型BIC取值最大時，獲得節(jié)點數(shù)量為M時的位置坐標(biāo)。

　　算法第13行的函數(shù)findBIC(R,j)根據(jù)前j個節(jié)點的位置坐標(biāo)，估計第(j+1)個節(jié)點的位置坐標(biāo)。該函數(shù)分別假設(shè)第(j+1)個節(jié)點在定位區(qū)域內(nèi)的每個網(wǎng)格中，并分別計算相應(yīng)的BIC取值，BIC取值最大時對應(yīng)的網(wǎng)格坐標(biāo)就是第(j+1)個節(jié)點的坐標(biāo)。

　　實驗

　　本文用仿真實驗和實測實驗分別驗證算法的有效性和準(zhǔn)確性，使用Matlab 7.0來實現(xiàn)MTL-GMM算法。

　　實驗使用的信道傳播模型的參數(shù)取值如表2所示。實驗用平均定位誤差衡量算法的性能，如公式(6)所示。

　　仿真實驗

　　我們用NCTUns v5.0^[14]模擬實驗場景，將8個傳感器分別放置在180m×300m的區(qū)域里，將一個可移動的傳感器做為信標(biāo)節(jié)點RC，如圖2所示。圖中叉號表示傳感器節(jié)點所在的位置，曲線表示RC的移動路徑，圓圈表示估計的傳感器位置。傳感器節(jié)點的通信半徑設(shè)為100米。RC采集的RSS序列長度為300。