基于自组织竞争网络的井下入员定位融合算法.pdf

第 4 2卷 第 3 期 2 0 1 6 年 3月 工矿 自 动化 I n dus t r y a nd Mi n e Aut o ma t i on Vo 1 ． 4 2 NO ． 3 M a r ．2 0 1 6 文章 编号 1 6 7 1 2 5 1 X 2 0 1 6 0 3 0 0 4 4 0 4 D OI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 6 ． 0 3 ． 0 1 0 张剑英 ， 张 跃辉 ， 周 立 宇． 基 于 自组 织 竞 争 网 络 的 井 下 人 员 定 位 融 合 算 法 [ J ] ． 工 矿 自动 化 ， 2 0 1 6 ， 4 2 3 4 4 4 7 ． 基于自组织竞争网络的井下入员定位融合算法 张剑 英 ， 张跃 辉 ， 周立 宇 中国矿业大学 信息与电气工程学院， 江苏 徐州 2 2 1 1 1 6 摘要 针对基于加权质心算法的井下人 员定位方法误差大的问题 ， 提 出了一种基于 自组织竞争网络的井 下人 员定位 融合算 法 。该 算 法利 用 自组 织竞争 网络 的 学 习筛选 能力 ， 通过 分 组训 练 筛选 出接 近理 论 值 的 实 际 RS S I 值 ， 找 出用于加权 质心 算 法的有效 坐标 ， 在加 权质 心算 法的基 础上计 算 未知节 点位 置 。Ma t l a b仿 真 结果表 明 ， 该 算 法的定位 精度 比原加 权 质心 算法显 著提 高 。 关键词 无 线传感 网络 ； 人 员定位 ；自组 织竞争 网络 ； 加权 质 心 中 图分 类号 T D6 5 5 ． 3 文献 标志码 A 网络 出版时 间 2 0 1 6 - 0 3 0 7 1 5 1 8 网络 出版地 址 h t t p ／ ／ w ww． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 6 0 3 0 7 ． 1 5 1 8 ． 0 1 0 ． h t ml Fu s i o n a l g o r i t hm o f u nd e r g r o u nd p e r s o n ne l p o s i t i o n i n g b a s e d o n s e 1 f _ o r g a n i z i n g c o mp e t i t i v e ne t wo r k Z HANG J i a n y i n g， ZHANG Yu e h u i ， ZHOU Li y u S c h oo l of I n f o r ma t i on a n d El e c t r i c a l Eng i ne e r i n g，Chi n a Uni ve r s i t y o f M i n i ng a n d Te c h no l o gy Xuz ho u 2 21 1 1 6，Ch i na Ab s t r a c t I n v i e w o f pr o b l e m o f b i g p os i t i on i ng e r r or o f un de r gr o un d p e r s o nne l p os i t i on i n g me t ho d ba s e d on we i gh t e d c e n t r o i d a l g o r i t h m ，a f u s i o n a l g or i t hm of un de r gr o un d pe r s onn e l p os i t i on i n g ba s e d o n s e l f o r g a ni z i n g c ompe t i t i v e n e t wo r k wa s pr o po s e d．The a l go r i t hm us e s l e a r ni n g s c r e e n i ng c a p a c i t y of s e l f or g a ni z i ng c o m p e t i t i v e ne t wo r k，a n d s c r e e ns o ut a c t u a l RSSI v a l ue c l os e t o t h e t he o r e t i c a l va l u e by gr o up t r a i ni ng，t he n f i nd s v a l i d c oo r d i na t e s f o r t h e we i gh t e d c e nt r o i d a l g o r i t h m ，a nd c a l c ul a t e s u nk no wn no de p o s i t i o n ba s e d o n we i gh t e d c e nt r o i d a l g or i t hm ．The M a t l a b s i mul a t i o n r e s ul t s s h o w t ha t t he p os i t i on i ng a c c u r a c y o f t he a l g o r i t h m i s s i gn i f i c a n t l y h i ghe r t ha n t h e or i g i n a l we i g ht e d c e nt r o i d a l g o r i t hm ． Ke y wo r d s wi r e l e s s s e n s o r n e t wor ks ； p e r s o nne l p os i t i on i ng； s e l f o r ga n i z i n g c o m p e t i t i v e ne t wo r k； we i g ht e d c e nt r o i d 0 引言 近年 来无 线传感 网络 被广泛 应用 于定 位系统 和 算法 。在 无线 传感 网络定 位 算 法 中， 基 本上 可 以分 为 基于测 距 的算法 和基 于非测距 的算 法 2类 。基 于 测距 的定位算法主要是在测得节点间距离和角度信 息 的基 础上 ， 结 合 三边测 量法 、 三角 测量法 和最 大似 然 估计 法估测 出未 知节 点 的位 置信 息 。该 算法 对硬 件 要求 比较 高 ， 增 加 了额外 的设 备 成本 。而基 于非 测距 的定 位算法 主要 依据传 感 网络连 通性 进行 人员 定位 ， 主要 包 括 分 布 式 的 质 心 算 法 [ 1 ] 、 D V HO P算 法 、 Mi n Ma x算 法 、 A P I T 算 法 以及 集 中式 的 凸规 划 、 MDS MA P算 法 。与 其 他 算 法 相 比， 质 心 算 法 比较简单 ， 完全基于传感网络的连通性， 不需要增加 额外的硬件设备， 易于实现， 因而应用广泛。但是这 种 算法 的精度 不高 。后来 一些 研究 者结 合传感 网络 中的 R S S I 信 息 提 出 了加 权 质 心 算 法 ， 通 过 权 值 设 定 使 网络 中的信 息得 到 进 一 步利 用 ， 从 而 提 高 定位 收稿 日期 2 0 1 5 - 1 2 0 2 ； 修回 日期 2 0 1 6 - 0 卜1 5 ； 责任编辑 胡娴 。 作者简介 张剑英 1 9 6 3 一 ， 女 ， 江苏徐州人， 教授 ， 从事信号处理 、 模式识 别等方面 的研究工作 ， E - ma i l z j y c u mt 1 2 6 ． C O I l l 。 2 0 1 6年 第 3期 张剑 英等 基 于 自组 织竞 争 网络 的 井下人 员定位 融合 算法 4 5 精 度 。但 是 由于 实 际环 境 因素 的影 响 ， 尤 其 是 在 环 境复杂的煤矿井下 ， 信息在传播过程中受到电磁 、 多 径效应的干扰 ， 真实可用 的信息与一些无意义信息 混合 在 一起 ， 给定 位 造成很 大 干扰 ， 严 重影 响 了定位 精度。鉴 此 ， 本文从 处理井下有用信 息人 手 ， 提 出 一 种基于 自组织竞争 网络 的井下人员定位融合算 法 。该 算法 主要 通 过 自组 织 竞 争 网 络 对 理 论 上 的 RS S I 值进 行训 练 学 习以作 为参 考 ， 然后 对实 际测 得 的 RS S I值 进 行 训 练 ， 选 出 接 近 理 论 结 果 的 RS S I 值 ， 对照 由信标节 点坐 标与 其接 收到 的待 测节 点 RS S I 值 所建 立 的数据 库 ， 找 出用 于加权 质 心算 法 的 有 效 坐标 ， 在加 权 质 心 算 法 的基 础上 计 算 未 知 节 点 位 置 。 1 理论 基础 1 ． 1 加 权质 心 算 法 加权 质 心算 法在 质心 算法 的基 础 上加 入 了权重 因子 ， 利 用 R S S I 测距 作 为权 重 分 配 依 据 ， 通 过加 权 使定位精度得以提升 ， 同时继承 了质心算法运算简 单 、 自适 应性 强 的特 点 。权值 计 算公 式为 叫 一 1 1 式 中 d 为未 知节 点 到信标 节 点 的距 离 。 未知节点坐标 O x 。 ， Y 。 由 N个信标节点计算 得 出 ， 计 算 公式 为 R z ， Y O x。 ， Y 。 一 一 2 ∑ 式 中 R ， Y 为 信 标 节 点 坐 标 ； N 为 信 标 节 点 个 数 。 加 权 质 心 算 法 利 用 RS S I值 测 得 节 点 间 的 距 离 ， 将距 离 值 的倒 数 作 为一 个 权 重 因子 加 入 质 心 计 算 公式 中 ， 节点 间 的距 离越 小 ， 对 未 知节 点 的影 响 越 大 。因此 ， 通过 加 入 权 值使 信 标 节 点 对 未 知 节 点 的 影 响权 重 得到 合理 分 配 ， 进 而提 高算 法定 位 的精 度 。 参 考 文献 E 2 ] 提 出 的 改进 型加 权 质 心 算 法 添 加 了区域判定 ， 提高了定位精度。参考文献[ 3 ] 提出了 一 种无线传感器网络定位算法 去中心化场强加 权 多跳 质 心定 位算 法 。这些 算 法都 是在 原有 网络 中 的数 据基 础上 分配 权 重值 ， 进 而改善 定 位精度 ， 但 这 些 原 始数 据 中有 一些 对 于实 时定 位 无 意 义 的数 据 ， 这些 数据 在定 位 过程 中被 分 配 了权 重 ， 并 且 参 与 实 际定位 ， 给定位 效 果 带 来 了很 大 干扰 。本 文 利 用 自 组织 神经 网络 的学 习筛选 能 力对数 据进 行进 一步 处 理 ， 从 而 提高定 位 效果 。 1 ． 2 自组 织神 经 网络 自组织神经网络可以通过反复观察客观事物和 分析比较， 自行提示其 内在规律 ， 并对有共同特征的 事物进行正确分类 。这种网络与人脑 中神经网络 的学 习模式 类似 ， 即可 以 自动 寻 找样 本 中的 内在 规 律 和本 质属 性 。 自组 织神 经 网络大 多采用 竞争 型学 习规则 。竞争型神经 网络 的基本思想 网络竞争 层 的各 个 神经元 通 过竞争 来 获得对 输入模 式 的相应 机会 ， 最后 仅 一个 神 经 元 成 为 竞争 的胜 利 者 I 6 ] 。同 时网络将与获胜神经元有关的各连接权值向着更有 利于竞争的方 向调整。 自组织竞争 网络的 自组织 、 自适应学习能力进一步拓宽了神经网络在模式分类 和识 别方 面 的应用 。 1 ． 3 竞 争 型神 经 网络 结构 和 学 习算 法 竞争 型神 经 网络有 很多 具体 形式 和不 同的学 习 算法 ， 在此介绍一种 比较简单 的网络结构 和学 习算 法 ， 其结 构如 图 1 所 示 。 类 图 1 基 本 霓 争 型 神 经 网络 结 构 整 个 网络分 为输 入层 和竞 争层 ， 如 果有 N 个 神 经 元 i 在输 入层 ， M 个 神经元 J在竞 争层 ， 那 么 整个 网络 的权值 i 1 ， 2 ， ⋯ ， N； 一1 ， 2 ， ⋯ ， M 满 足 N ∑∞ 1 。 竞争 层神 经 元J 的 状态 计算 公式 为 i 一 1 S 一∑∞ 3 式 中 为输 入样 本数 据 的第 i 个元 素 。 经 过 网络 竞 争 后 权 值 最 大 的 神 经元 k获 得 胜 利 ， 输 出结 果为 n 一j ， s s ， V 愚 ≠ 4 n 一 L 4 l 0， e l s e 竞争后 的权值按照式 5 修正 ， 对于所有的输入 层 神 经元 i ， 有 4 6 工矿 自动化 2 0 1 6年 第 4 2卷 ～ 5 仿 真 推 导 出 信 所 接 收 的 由 未 式 中 。为学 习参 数 ， O 。 6 权值调整公式中的墨项表示 当z 为 1时， 权值 式中 P 表示接收节点接收到的信号强度 ； P 。 ” 表示 与 发射节 点距离 为 d 。 时所接 收到 的信号 强 度 ； 增加 ； 而当 为 0时， 权 值减小。也就是说 ， 当 为接收节点与发射节点的距离； 为到发射节点 活跃 时 ， 对应 的第 i 个 权值 就增 加 ， 否则 就减 小 。 由 的一个 参考 距离 ； 为路 径 长 度 与 路 径 损 耗 之 间 的 于所 有权值 的和 为 1 ， 所 以当第 i 个权 值增 加或 者减 比例 因子 ，其值 与 所 处 环境 相 关 ； X 为 由环 境 引 入 小时 ， 对应的其他权值就可能减小或者增加。此外 ， 的噪声 ，其值满足均值为 0的正态分布 N 0 ， z ， 式 5 还保留了权值的调整 ， 能够满足所有的权值调 越大， 信号衰减的不确定性越大 。 整量之和为 0 。 由式 6 推算出信号强度值 ， 同时记录信标 -- -1 丁4 4 -- 点 2算法模 型建 立 的坐标 ， 并建 立 一 个 RS S I 值 与 坐 标 一 一 对 应 的数 据库 。然后对 数据 进 行 分组 ， 确保 能 对 未 知节 点 进 由于井 下环 境复 杂多变 ， 信号 干扰严 重 ， 获 取有 行 相对 准确 的定 位 。本 文共 选 取 3 0组 数 据进 行 实 用的训练数据比较困难， 即使能够获取到训练数据 ， 验， 每组至少保证有 3 个信标节点数据 ， 对这些数据 也无法保i i lN络训练的可靠性， 继而会使下一步实 进行网络训练学习。数据训练结果见表 1 。 际网络的竞争产生较大偏差 ， 导致定位精度不准确 。 从表 1可看 出， 数 据分 类错 误 率 为 7 ／ 3 0一 因此 ， 本文采用理论仿真的方法来获取训练数据。 2 3 ． 3 ， 达到了预期要求 。 表 】数 据 训 练 结 果 组号 l 2 3 4 5 6 7 8 9 1 0 l l 1 2 1 3 1 4 1 5 分类 1 1 1 1 1 l 2 1 1 2 1 1 1 1 2 组 号 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5 2 6 2 7 2 8 2 9 分类 1 2 1 1 1 2 1 1 1 1 1 2 1 1 2 ． 2数 据 筛 选 在 数据 训练过 程 中 ， 网络 对数据 进行 不断 、 反复 观察 ， 分析 与 比较其 形成 规律 ， 准确地 从 复杂数 据 中 筛选出所有具有相似规律的数据。筛选过程选取了 2 0组待测样本 未知数据的有效性 ， 需要 区分的类 别数 目为 2 ， 学习速率设为 0 ． 1 ， 学习筛选之后 ， 舍弃 一 些 异常数 据 和分类 为 2的数据 。 2 ． 3未知节 点定位 计算 把实 验 中测 得 的 R S S I 值 分组 带 入 网络 中进 行 筛选 ， 然后从 自组织竞争 网络中提取出有用 的信号 强 度值 ， 对照 接 收到 的 R S S I 值 与 其 当时 对 应 的 坐 标数据库， 找到各个信标节点的坐标 ， 然后根据加权 质 心算 法 式 2 估 算未 知节点 位置 。 3 仿真 分析 3 ． 1 节点部 署 为了保证 仿真 的有效 性 ， 在 Wi n d o ws 7操作 系 统上 采 用 Ma t l a b R2 0 1 3 a作 为 仿 真 平 台 进 行 仿 真 。将 仿真 区域 设 置 成 1 0 m1 0 0 m， 模 拟 井 下 狭 长 的 巷 道 环 境 ， 如 图 2所 示 。整 个 区 域 分 布 着 1 0 0个信 标节 点 以及 随机 分布 的 5 0个 待 测 节 点 ， 采 用频率 为 2 ． 4 GHz的无线 载波 信 号进 行通 信 ， 节 点 通信半径设置为 5 0 m。 3 ． 2仿 真结 果与分 析 在同样 的参数和环境下 ， 同时采用一般加权质 心算 法和 基于 自组织 神经 网络 的加权 质心算 法进 行 2 0 1 6年 第 3期 张剑 英等 基 于 自组织 竞争 网络 的 井下人 员 定位融合 算 法 4 7 O 2 4 6 8 1 0 图 2 节点部署 定位计算 ， 结果如图 3 所示。由图 3可知 ， 经过 自组 织竞 争 网络 改进 后 的算 法 定 位 效果 比较 显 著 ， 未 知 节 点与 估测 节点 比较 接 近 。 1 O 0 9 0 8 0 70 6 0 { 5 0 40 3 0 2 0 1 0 O o 改进算法； 一般加权质心算法 。． 一 一 ．1 ． ． ； ． ． ． ． 。 ⋯ ／ ’ ／／ ～ ’ 、 、 _＼≥ 2 4 6 8 1 0 图 3 2种算法 的定位结 果 2 种 算 法 的定 位 误 差 比较 如 图 4所 示 。由 图 4 可知 ， 随 着节 点搜 寻范 围的增加 ， 即用 于定 位 的信 标 节点 数量 的增 多 ， 2种算 法 的精确 度 随之 提高 。 吕 1 图 4 2 种算法 的定位误差 比较 2种算 法 的仿 真误 差 比较结 果见 表 2 。 由表 2 可 看 出 ， 定位 选取 的 5 0个 未 知 节 点 中 ， 一 般算 法 和 改进 算 法 定 位 误 差 小 于 1 ．5 m 的概 率 分 别 为 8 2 ． 7 1 ， 9 1 ． 8 8 ； 定 位 误 差 小 于 1 ． 0 m 的概 率 分 别为 6 8 ． 8 7 9 ／ 5 ， 8 6 ． 4 4 9 ／ 6 ； 定 位误 差小 于 0 ． 5 m 的概 率分别为 2 2 ． 2 3 ， 4 2 ． 5 9 。改进后定位算法的置 信概率比一般加权质心算法高， 能够满足井下人员 定位 需要 。 表 2 2种算法 的仿真误差 比较结果 4结 语 提 出 了基 于 自组织 竞争 网络 的井 下人 员定位 融 合算法 ， 经过网络学 习筛选 ， 过滤掉无效数据 ， 使定 位 数据 更加 准 确有 效 。仿 真 结 果 表 明 ， 基 于 自组 织 竞争网络的井下人员定位融合算法定位精度得到了 显 著 提高 ， 且易 于实 现 。 参 考 文 献 [ 1 ] 安 恂 ， 蒋 挺 ， 周 正． 一 种用 于 无 线传 感 器 网 络 的质 心 定位算法 [ J ] ．计 算 机 工 程 与 应 用 ， 2 0 0 7 ， 4 3 2 0 13 6 1 3 8． [ 2 ] 杨鹃 ， 韩雪 松． 基于改进型加权质心算法 的井下人 员定 位 [ J ] ． 承 德 石 油 高 等 专 科 学 校 学 报 ， 2 0 1 4 ， 1 6 4 57 - 60 ． I- 3 J 王琰琳 ， 黄友 锐 ， 曲立 国． 改进 型质心算 法在井 下人 员 定位 中的应用[ J ] ． 煤矿机械 ， 2 0 1 2 ， 3 3 8 7 6 7 8 ． I- 4 ] 吴超 ， 张磊 ， 张琨． 基 于 B P神经网络的 R F I D室 内定位 算法研究 [ J ] ． 计算机仿真 ， 2 0 1 5 ， 3 2 7 3 2 3 3 2 6 ． E s J 许东 ， 吴 铮． 基于 Ma t l a b 6 ． X的系统分析 与设 计 神 经 网络E M] ． 2版． 西 安 西 安 电子 科技 大 学 出版 社 ， 20 02 ． [ 6 ] 李双 明， 武庆威． 采用 RS S I 提高 无线传感 网络定 位精 度 的算法 E J ] ． 无线 电工程 ， 2 0 1 5 ， 4 5 2 8 - 1 0 ． E 7 ] 陈守平 ， 董瑞 ， 罗 晓莉 ． MAT L AB神经 网络 3 O个案 例 分 析 [ M] ． 北 京 北 京 航 天 航 空 大 学 出 版 社 ， 2 0 1 0 1 5 3 1 58 ． ∞ ∞ 跚 加 ∞ 如 ∞ 如 加 m