CN106501774A - 一种水下声传感器网络节点定位方法 - Google Patents

Abstract

一种水下声传感器网络节点定位方法，基于到达时间测量和区域估计技术，首先应用two‑way TOA技术，通过位置已知的锚节点广播定位信号，接收待测节点反馈的信号并记录发送和接收时间的时间差。再根据W.D.Wilson经验公式以及相关合理假设，计算锚节点和待测节点距离。然后根据距离和锚节点位置计算待测节点的可能位置的坐标集，并从坐标集筛选出可能性较大的有限个点，最后根据有限个点估计出待测节点的位置坐标。与经典ALS定位算法相比，以提升4％能耗的代价，减少了节点位置50％的偏移量，使得定位更加精确。此外，本算法能够应用于不同规模的水下声传感器网络，具有良好的通用性。

Description

一种水下声传感器网络节点定位方法

技术领域

本发明涉及一种水下声传感器网络(Underwater Acoustic Sensor Networks，UASNs)的定位方法，它是是一种基于到达时间(Time of Arrival，TOA)测量和区域估计技术的水下声传感器网络节点定位方法。

背景技术

随着水下通信技术的发展，水下声传感器网络在监测、探索、数据采集等方面得到了广泛的应用。但是由于水下声传感器节点一般采用声波作为传输手段，所以传统的电磁波定位技术，如GPS(Global Position System)等，不适用于水下定位。同时，现有的水下超声波定位技术一方面在定位过程中消耗了大量能量，使得定位成本过高。另一方面依赖位于水表面的超声波发送和接收设备，因此不能广泛应用于规模较大的水下声传感器网络[Chandrasekhar V,Seah W K,Choo Y S,et al.Localization in underwater sensornetworks:survey and challenges[C]//ACM International Workshop on UnderwaterNetworks.ACM,2006:33-40.]。上述问题对水下定位技术的发展提出了巨大的挑战。

水下定位技术本身的研究分为两部分：定位算法和测量技术。在定位算法方面，目前，前人的研究中已经提出了一些水声定位的算法，主要分为三大类：静止节点定位，移动节点定位和混合式节点定位。其中静止节点定位(Stationary Node Location)的经典算法，如Area Localization Scheme(ALS)[Chandrasekhar V,Seah W.An AreaLocalization Scheme for Underwater Sensor Networks[C]//Oceans.IEEE,2007:1-8.],Hyperbola-Based Localization Scheme(HLS)[Bian T,Venkatesan R,Li C.Designand Evaluation of a New Localization Scheme for Underwater Acoustic SensorNetworks[C]//Global Telecommunications Conference,2009.GLOBECOM2009.IEEE.IEEE,2009:1-5.]等。本身具有较低的能耗和较高的精确度，在目前的水下声传感器网络中有着广泛的应用。但是也有两点缺陷：首先，由于水环境普遍存在潮汐、洋流等导致水体流动的因素，水下声传感器网络中的节点大部分会随着水流移动，所以应用静止节点定位算法确定的节点位置会在一段时间后失效。其次，由于水环境中声速受到深度、水体温度、水体盐度等参数的影响。所以在水环境中声速不是一个常数值。在目前应用的经典算法中，声速大多被简化为常数进行计算。这一简化在规模较小的水下声传感器网络中不会引起过多的误差，但在大规模网络中，这一简化会对定位的精确性造成较大的影响。

在测量技术方面，目前常用的定位测量技术有三种，分别为单路到达时间one-wayTOA，双路到达时间two-way TOA和到达时间差TDOA[Han G,Xu H,Duong T Q,etal.Localization Algorithms of Wireless Sensor Networks:a survey[J].Telecommunication Systems,2012,52(4):2419-2436.]。one-way TOA是通过测量发送节点的发送时间和接收节点的接收时间的时间差去计算两个节点之间的位置，在发送节点和接收节点的时间同步的情况下，one-way TOA方法消耗的能量最少，精度最高。two-way TOA是测量发送节点的发送时间和发送节点接收到接收节点反馈信号的接收时间的时间差去计算两个节点的位置。虽然two-way TOA能耗比one-way TOA略大，同时由于接收节点从接收到发送反馈信号过程中存在一定时延，精确度也更低。但是，two-way TOA不需要两个节点间进行时间同步，在实际环境中更容易得到应用。TDOA是通过计算发送节点到两个接收节点的时间差来计算位置。TDOA对于网络本身的要求较低，并且定位精度较高，但是在水下网络中，TDOA的能量消耗过大，因此使用并没有前两者广泛。

发明内容

本发明提供一种基于到达时间测量和区域估计定位的水下声传感器网络节点定位方法(A TOA-based Area Estimation Localization Scheme for UASNs，AELS)，目的在于提高浅海大规模水下传感器网络中的定位精度，同时尽可能减少定位所造成的节点能量损耗。

为实现上述目的，本发明采用了如下技术方案：

一种水下声传感器网络节点定位方法，其特征在于：基于到达时间测量和区域估计技术，设定在水下声传感器网络中有需要确定位置的节点为待测节点NodeC，在水下声传感器网络中加入位置已知、用于辅助定位的锚节点AnNode_i，i∈N∩1≤i≤n，应用双路到达时间技术，通过锚节点以声信号广播定位请求，为了与传输请求进行区分，此定位请求替换首部的功能字段，使得待测节点NodeC能够识别出这是定位请求，待测节点NodeC在接收到定位请求以声信号进行响应，锚节点接收响应并记录发出定位请求的时间t_request和接收响应的时间t_response的时间差t_minus＝t_response-t_request，根据W.D.Wilson经验公式和浅海水温和盐度受水深影响忽略不计的假设，结合浅海水环境的特性，计算浅海信号传输距离s和信号传输时间t的关系函数s(t)，再根据关系函数是s(t)和待测节点发送到多个锚节点的时间差，计算所有锚节点和待测节点NodeC的距离s_distance，根据s_distance和对应锚节点的位置Loc_AnNodei计算出待测节点NodeC的可能位置的坐标集合{Loc_NodeCi,i∈N∩1≤i≤n}，并应用区域估计定位技术的算法，从坐标点集合筛选成可能性较大、数量有限的点集，根据该有限点集估计出待测节点NodeC的位置坐标Loc_NodeC；

上述应用区域估计定位技术的算法，从坐标点集合筛选成可能性较大、数量有限的点集的方法，包括以下步骤：

(1)待测节点NodeC可能位置集合的构造：以每个锚节点AnNode_i的自身位置为球心，绘制半径为s_distancei的球面状的点集作为待测节点NodeC的可能位置集合C_i；

(2)待测节点NodeC可能位置筛选：第一次筛选，判断任意两个球面状的点集的位置关系，若相交或相切，则选取相交的圆或者相切的点的坐标集作为待测节点NodeC的可能位置集合；若相离，则选取两个锚节点的连线作为基准线，将两个球面状的点集与基准线的交点的集合作为发送节点的可能位置集合，经过第一次筛选后，每两个锚节点对应的待测节点NodeC可能位置集合C_ij中元素的个数存在可能为1个，即球面状的点集的位置关系相切,或者2个，即球面状的点集的位置关系相离，或者无穷多个，即球面状的点集的位置关系相交三种情况，针对第三种情况，即元素的个数为无穷多的圆形状的点集进行第二次筛选：判断任意两个圆形状的点集的位置关系，若相交或相切，选取相交或相切部分的点的坐标作为可能位置集合；若相离，选取两圆心连线为基准线，选取两个圆集上到基准线距离最近的点的坐标为可能位置集合；经过上述两次筛选后，保证可能位置集合的元素都为有限个；

(3)待测节点NodeC的位置估计：将经过2次筛选过后的集合归并为一个集合，求出集合中所有点的坐标的期望作为期望点，选取到期望点距离最近的一个点的坐标作为待测节点NodeC的位置。

使用W.D.Wilson公式时，将声速c看成和水体温度T、水体盐度S和水深d相关的函数，c＝f(T,S,d)，再应用数学方法，从上述函数中推导出传播距离s和传播时间t的关系：

其中，A,α,β,γ均为常数，分别用下列公式表示：

α＝-0.05471C²

β＝(4.6-0.10942T₀-0.01S)C+0.06

γ＝1449.2-0.05471T₀ ²+1.34S-0.01T₀S

其中De,Ln,La为锚节点自身的位置信息，分别代表水深、经度、纬度，C为W.D.Wilson公式中的常数，T₀为海平面温度，S为海水盐度。

本发明的优点及有益效果：

(1)相比ALS，HLS等经典定位算法中将声速看成常数的做法，本发明使用了W.D.Wilson经验公式将声速看成和水体温度、水体盐度和深度有关的函数进行考虑，提高了TOA技术中计算发送端和接收端距离的精确性，提高了定位的精确度。

(2)在估计过程中，本发明放弃了经典定位算法中常用的区域估计方法，采用集合运算，计算出待测节点的可能位置集合，再对可能位置集合进行筛选，直到集合中元素有限为止，最后对选取最接近可能位置期望的点作为结果。这种方法虽然在计算上比区域估计稍微复杂一些，但是大大提高了位置估计的精确性。

(3)本发明具有良好的通用性，使用者可以自由选取锚节点启用的数量，当锚节点启用数量较少时，定位算法的能耗降低，精确度降低。当锚节点启用数量较多时，定位算法的能耗会增加，但是，精确度也会随之提高。使用者可以根据应用的需求，调节锚节点启用数量，达到能耗和精确度的平衡。

附图说明

图1为本发明的节点定位算法总体框图；

图2为本发明的节点定位算法中two-way TOA计算方法示意图；

图3为本发明的节点定位算法中估计算法的流程图；

图4为实验模拟的大规模水下声传感器网络场景图；

图5为仿真实验场景下本发明AELS算法和ALS算法能量消耗图(其中横坐标AnchorNodeID是锚节点的编号；纵坐标Energy Consumption(J)是能量的消耗值(单位是焦耳))；

图6为仿真实验场景下AELS算法和ALS算法节点位置偏差值图(其中横坐标Node是ID待测节点的编号；纵坐标Location Offset Degree是位置偏差值(相对误差))。

具体实施方式

下面结合附图对发明技术方案进行详细说明。

本发明通过two-way TOA技术采集待测节点发送到多个锚节点的时间差作为计算数据。然后以W.D.Wilson公式为基础，结合浅海水环境的盐度和温度和水深无关的合理假设，计算浅海信号传输距离s(单位：米)和信号传输时间t(单位：秒)的关系函数s(t)。再根据关系函数是s(t)和时间差，确定锚节点和每一个待测节点的距离。最后在3D场景中，根据多个锚节点的距离估计待测节点的位置。

如图1，本发明AELS算法分为两个部分。第一部分包括定位相关数据的测量，如图2所示，步骤如下：

a.two-way TOA技术中时间值的测量和距离的计算，由锚节点完成。

b.锚节点广播包定位信号，并记录广播定位信号的时间t_request(单位:秒)，收到定位信号的待测节点，广播带有自身ID的反馈信号。

c.锚节点接收到反馈信号后，记录收到信号的时间t_response(单位:秒)。

d.锚节点根据下列公式和t_response-t_request推导和待测节点的距离s(单位：米)。

其中，A,α,β,γ均为常数，分别可以用下列公式表示

α＝-0.05471C²

β＝(4.6-0.10942T₀-0.01S)C+0.06

γ＝1449.2-0.05471T₀ ²+1.34S-0.01T₀S

上式中De,Ln,La为锚节点自身的位置信息，分别代表深度、经度、纬度，C,T₀,S分别为W.D.Wilson公式中的常数。

算法的第二部分是对待测节点位置的估计算法，由于算法较复杂，主要由位于水上负责接收数据的表面站计算完成。估计算法的算法流程如图3所示。

下面给出估计算法详细流程的自然语言描述。

Step1:根据每个锚节点AnNode_i的位置信息LOC_i＝{La_i,Ln_i,De_i}和对应的距离s_distancei，求出与LOC_i距离为s_distancei的点的集合C_i＝{(x,y,z)|(x-La_i)²+(y-Ln_i)²+(z-De_i)²＝s_distancei,(x,y,z)∈R³}，该集合在三维空间中为一个以LOC_i为球心，s_distancei为半径的球面。跳至Step2。

Step2:选择任意两个锚节点i和j的球面点的坐标集C_i和C_j，判断C_i和C_j的位置关系，即和s_distancei+s_distancej的关系(以下为了便于阅读，用s_i代替s_distancei)。若则两球面集相交或者相切，跳至Step3；若则两球面集相离，跳至Step4。

Step3:选取相交或者相切部分作为待测节点的可能位置集合，记为C_ij，跳至Step5；

Step4：选取两个锚节点连线作为基准线L，将两个球面集与L的交点的集合C_ij作为测量节点的可能位置集合，跳至Step8；

C_ij＝{(x,y,z)|(x²+y²+z²＝s_i)∪(x²+y²+z²＝s_j),

Step5:对Step3中集合元素为无穷的集合，任选两个集合C_ij和C_pq，判断C_ij和C_pq的位置关系，若两个集合相交或相切，跳转至Step6。若两个集合相离，跳转至Step7.

Step6:选取相交或者相切部分作为测量节点的可能位置集合，跳至Step8。

Step7:选取两个圆集的圆心连线作为基准线l，将两个圆集中与l距离最近的点的集合作为测量节点的可能位置集合，跳至Step8；

Step8：合并Step4,Step6,Step7中产生的所有点的坐标集，求出点的坐标集的期望点计算坐标集中每个点和期望点的距离，选取距离最近的点的位置作为待测节点的位置。算法终止。

下面将在仿真场景下，将AELS定位算法同传统的ALS定位算法相比较，对AELS的算法性能进行评估。

A、仿真场景的说明

假设在一个1000m*1000m*100m的水域中，平均分布81个传感器节点，每个节点在深度方向上随机分布，在水平面上均匀分布，相邻两个节点水平方向上的距离为125m，现为了定位需要，向水域中均匀投放9个锚节点。锚节点由浮力控制器控制深度，并连接浮标获取位置数据。相邻两个定位器在水平面上距离为250m。仿真场景如图4所示。

在仿真场景中，随机选取20个点，分别使用AELS算法和经典ALS算法测量它们的位置，并分析两种算法的能量消耗和定位精确度。

B、算法性能分析

在能量消耗方面，我们采用节点能量消耗来衡量算法的能耗，AELS算法和经典ALS算法的每个节点能量消耗如图5所示。从图中我们可以看出，AELS算法的节点总能耗为84.00J比经典ALS算法的节点总能耗(80.62J)高出4％。这是因为两种算法进行定位所需要的数据是不一致的。在采集数据过程中，两种算法都采用了TOA技术中的two-wayTOA方法进行时间的测量。AELS定位算法需要额外采集水温、盐度、深度等参数。因此需要消耗额外的能量。

在精确度方面，我们使用位置偏差值来衡量定位的精确度。位置偏差值的定义如下。

其中x,y,z分别为定位算法计算的节点位置的纬度、经度、深度(单位：米)，La,Ln,De分别为节点实际位置的纬度、经度、深度(单位：米)，125为相邻两个节点水平方向上的最大距离(单位：米)，100为相邻两个节点垂直方向上的最大距离(单位：米)。

本发明算法和经典ALS算法定位的每个节点的位置偏差值如图6所示。从图6中我们可以看出，本发明算法定位的节点的位置偏差值为0.056，仅有ALS算法的位置偏差值(0.105)的53％。这是因为本发明算法的位置估计算法对节点的可能位置的范围比ALS算法要小的多，而在缩小范围的过程中，本发明算法一直以保留可能性最大的点为目标，这样虽然使得计算过程更加复杂，但是由于所有的计算过程都在终端完成，本发明算法并没有增加节点的负担。这也是本发明算法最大的优点之一。

根据上述仿真实验，可以得出如下结论：AELS定位算法对传统定位算法的位置估计部分做了一定的改进，改进过后，在能量消耗上面相对传统的定位算法ALS增加了5％左右，而在定位精确度上，相比传统的定位算法ALS，节点位置估计的偏移量减少了50％。精确度获得了很大的提高。在能量消耗和定位精确度之间取得了很好的平衡。因此，在大规模水下声传感器网络的定位中，相对传统定位算法，本发明的AELS算法有着更好应用前景。

Claims (2)

1.一种水下声传感器网络节点定位方法，其特征在于：基于到达时间测量和区域估计技术,设定在水下声传感器网络中有需要确定位置的节点为待测节点NodeC，在水下声传感器网络中加入位置已知、用于辅助定位的锚节点AnNode_i，i∈N∩1≤i≤n，应用双路到达时间技术，通过锚节点以声信号广播定位请求，为了与传输请求进行区分，此定位请求替换首部的功能字段，使得待测节点NodeC能够识别出这是定位请求，待测节点NodeC在接收到定位请求以声信号进行响应，锚节点接收响应并记录发出定位请求的时间t_request和接收响应的时间t_response的时间差t_minus＝t_response-t_request，根据W.D.Wilson经验公式和浅海水温和盐度受水深影响忽略不计的假设，结合浅海水环境的特性，计算浅海信号传输距离s和信号传输时间t的关系函数s(t)，再根据关系函数是s(t)和待测节点发送到多个锚节点的时间差，计算所有锚节点和待测节点NodeC的距离s_distance，根据s_distance和对应锚节点的位置Loc_AnNodei计算出待测节点NodeC的可能位置的坐标集合{Loc_NodeCi,i∈N∩1≤i≤n}，并应用区域估计定位技术的算法，从坐标点集合筛选成可能性较大、数量有限的点集，根据该有限点集估计出待测节点NodeC的位置坐标Loc_NodeC；

上述应用区域估计定位技术的算法，从坐标点集合筛选成可能性较大、数量有限的点集的方法，包括以下步骤：

(1)待测节点NodeC可能位置集合的构造：以每个锚节点AnNode_i的自身位置为球心，绘制半径为s_distancei的球面状的点集作为待测节点NodeC的可能位置集合C_i；

(2)待测节点NodeC可能位置筛选：第一次筛选，判断任意两个球面状的点集的位置关系，若相交或相切，则选取相交的圆或者相切的点的坐标集作为待测节点NodeC的可能位置集合；若相离，则选取两个锚节点的连线作为基准线，将两个球面状的点集与基准线的交点的集合作为发送节点的可能位置集合，经过第一次筛选后，每两个锚节点对应的待测节点NodeC可能位置集合C_ij中元素的个数存在只可能为1个，即球面状的点集的位置关系相切,或者2个，即球面状的点集的位置关系相离，或者无穷多个，即球面状的点集的位置关系相交三种情况，针对第三种情况，即元素的个数为无穷多的圆形状的点集进行第二次筛选：判断任意两个圆形状的点集的位置关系，若相交或相切，选取相交或相切部分的点的坐标作为可能位置集合；若相离，选取两圆心连线为基准线，选取两个圆集上到基准线距离最近的点的坐标为可能位置集合；经过上述两次筛选后，保证可能位置集合的元素都为有限个；

(3)待测节点NodeC的位置估计：将经过2次筛选过后的集合归并为一个集合，求出集合中所有点的坐标的期望作为期望点，选取到期望点距离最近的一个点的坐标作为待测节点NodeC的位置。

2.根据权利要求1所述的水下声传感器网络节点定位方法，其特征在于：使用W.D.Wilson公式时，将声速c看成和水体温度T、水体盐度S和水深d相关的函数，c＝f(T,S,d)，再应用数学方法，从上述函数中推导出传播距离s和传播时间t的关系：

$s\left(t\right)=\frac{2A^2{\mathrm{\α\γ}}^2}{3}{(t-t_{request})}^3+\frac{A\mathrm{\β}\mathrm{\γ}}{2}{(t-t_{request})}^2+\mathrm{\γ}(t-t_{request})$

其中，A,α,β,γ均为常数，分别用下列公式表示：

$A=\frac{{\mathrm{De}}_i}{\sqrt{{{\mathrm{Ln}}_i}^2+{{\mathrm{La}}_i}^2+{{\mathrm{De}}_i}^2}}$

α＝-0.05471C²

β＝(4.6-0.10942T₀-0.01S)C+0.06

γ＝1449.2-0.05471T₀ ²+1.34S-0.01T₀S

其中De,Ln,La为锚节点自身的位置信息，分别代表水深、经度、纬度，C为W.D.Wilson公式中的常数，T₀为海平面温度，S为海水盐度。