孫建領(lǐng)+張宏欽

摘 要：隨著無線電技術(shù)的發(fā)展，無線傳感器網(wǎng)絡(luò)在目標(biāo)跟蹤、環(huán)境監(jiān)測(cè)、空間探索等領(lǐng)域得到廣泛應(yīng)用，節(jié)點(diǎn)定位技術(shù)在無線傳感器網(wǎng)絡(luò)中具有重要地位。文章提出了基于遺傳算法的無線定位算法，解決了基于RSSI信號(hào)強(qiáng)度的無線定位方法定位精度較低的問題。該算法采用考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的質(zhì)心算法進(jìn)行種群初始化，使用基于記憶搜索方向的交叉機(jī)制和自適應(yīng)調(diào)整搜索半徑的策略，為下一代種群的搜索方向及搜索半徑提供有效的指導(dǎo)信息。實(shí)驗(yàn)結(jié)果表明，該算法的定位精度明顯高于典型及改進(jìn)的極大似然估計(jì)定位算法，有效地提高了定位精度。

關(guān)鍵詞：無線定位；遺傳算法；接收信號(hào)強(qiáng)度

1 無線傳感器研究背景

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是由大量的微型傳感器節(jié)點(diǎn)組成的數(shù)據(jù)網(wǎng)絡(luò)系統(tǒng)，主要用于在網(wǎng)絡(luò)覆蓋范圍內(nèi)進(jìn)行信息的采集、分析和處理，并能夠最終將關(guān)鍵數(shù)據(jù)返回給控制中心。無線傳感器網(wǎng)絡(luò)的定位技術(shù)就是先通過獲取未知坐標(biāo)節(jié)點(diǎn)與已知坐標(biāo)的參考節(jié)點(diǎn)之間的距離等信息，再通過某種定位算法來計(jì)算出未知節(jié)點(diǎn)坐標(biāo)的技術(shù)[1]。它可以廣泛應(yīng)用于災(zāi)難救援、智能城市、交通管理、環(huán)境監(jiān)測(cè)、醫(yī)療衛(wèi)生、國防軍事等諸多領(lǐng)域。

WSN的定位方法主要有基于信號(hào)到達(dá)時(shí)間（Time of Arrival， TOA）、到達(dá)時(shí)間差（Time Difference of Arrival， TDOA）和基于接收信號(hào)強(qiáng)度指示（Received Signal Strength Indicator， RSSI）的定位方法。TOA和TDOA 測(cè)距技術(shù)利用信號(hào)的傳播速度和傳輸時(shí)間作為輸入來計(jì)算距離，其定位準(zhǔn)確度高，要求高精度的時(shí)鐘實(shí)現(xiàn)同步，成本較高；RSSI測(cè)距技術(shù)利用理論或經(jīng)驗(yàn)?zāi)Ｐ?，將信?hào)傳播損耗映射為傳播距離，從而實(shí)現(xiàn)定位，具有低功耗、低成本等優(yōu)點(diǎn)[2]。RSSI信號(hào)易受反射、多徑、障礙物等因素的影響，易于產(chǎn)生信號(hào)強(qiáng)度的波動(dòng)[3]，在非視距環(huán)境下會(huì)出現(xiàn)較大的定位誤差[4-5]，因此該定位方法目前多應(yīng)用在區(qū)域級(jí)別的定位領(lǐng)域，定位精度相對(duì)較低。為了提高定位精度，文獻(xiàn)[6]提出了基于RSSI信號(hào)強(qiáng)度的質(zhì)心定位方法，該方法根據(jù)參考節(jié)點(diǎn)對(duì)盲節(jié)點(diǎn)的不同影響力來確定加權(quán)因子，存在將非線性問題轉(zhuǎn)換為線性問題后定位的值域未能完整地覆蓋原始定位問題模型值域的問題。文獻(xiàn)[7]提出了改進(jìn)的極大似然估計(jì)定位方法，該方法使用最速下降算法對(duì)極大似然估計(jì)算法所得的節(jié)點(diǎn)定位值進(jìn)行優(yōu)化，存在將非線性模型轉(zhuǎn)換為線性模型的誤差問題。

遺傳算法是借鑒生物界“適者生存”原則的優(yōu)化算法[8]，其目標(biāo)函數(shù)的定義域可以為任意集合且不會(huì)受到連續(xù)可微的約束，這種特點(diǎn)使得遺傳算法非常適合求解定位問題，避免了典型定位算法中值域轉(zhuǎn)換及從非線性模型轉(zhuǎn)換為線性模型時(shí)產(chǎn)生的定位誤差[9]。

基于RSSI和遺傳算法的無線定位算法采用考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的質(zhì)心算法進(jìn)行種群初始化，具有記憶搜索方向和自適應(yīng)調(diào)整搜索半徑的特點(diǎn)，能為下一代種群的搜索方向及搜索半徑提供有效的指導(dǎo)信息，可以有效地提高無線定位的精度。將WSN中需要定位的節(jié)點(diǎn)稱為盲節(jié)點(diǎn)，而將已知坐標(biāo)位置并能協(xié)助盲節(jié)點(diǎn)進(jìn)行定位的節(jié)點(diǎn)稱為參考節(jié)點(diǎn)。

2 典型的定位算法存在的問題

典型的定位應(yīng)用通常使用改進(jìn)的質(zhì)心法或極大似然估計(jì)法來確定坐標(biāo)位置，通過對(duì)這兩種定位算法進(jìn)行分析后發(fā)現(xiàn)以下問題。

使用典型或改進(jìn)的質(zhì)心算法進(jìn)行定位坐標(biāo)計(jì)算時(shí)，最終計(jì)算的定位坐標(biāo)位置必然限定在由幾個(gè)頂點(diǎn)所圍成的凸多邊形內(nèi)部，這是由質(zhì)心算法的幾何性質(zhì)所決定的。當(dāng)僅有3個(gè)頂點(diǎn)時(shí)，凸多邊形即為三角形區(qū)域，其中一種情況如圖1所示。

雖然根據(jù)算法的不同可以選擇不同的頂點(diǎn)作為凸多邊形的頂點(diǎn)，但在使用RSSI信號(hào)強(qiáng)度方法進(jìn)行定位時(shí)，由于RSSI信號(hào)測(cè)距誤差的大小與距離成正比，且經(jīng)過實(shí)測(cè)后發(fā)現(xiàn)測(cè)距誤差是非線性的，因此無論選擇哪些點(diǎn)作為凸多邊形的頂點(diǎn)，其所圍成的凸多邊形區(qū)域均不能覆蓋最終定位坐標(biāo)的全部值域。而由多個(gè)參考節(jié)點(diǎn)的RSSI信號(hào)測(cè)距誤差圓環(huán)所組成的不規(guī)則扇形區(qū)域覆蓋了定位坐標(biāo)的全部值域，如圖2所示。圖中箭頭所指處為在給定的測(cè)距誤差條件下定位誤差值最小的坐標(biāo)點(diǎn)，而該點(diǎn)并不在圖1所示的凸多邊形區(qū)域內(nèi)部。使用質(zhì)心算法進(jìn)行定位計(jì)算，實(shí)際上是將非線性問題轉(zhuǎn)換為線性問題進(jìn)行求解，雖然降低了問題求解的難度，但未能完整地覆蓋原始問題模型的值域，因此定位結(jié)果的誤差較大。

使用典型的極大似然估計(jì)法進(jìn)行定位坐標(biāo)計(jì)算時(shí)，由于未考慮RSSI信號(hào)強(qiáng)度波動(dòng)引起的測(cè)距誤差，會(huì)將各參考節(jié)點(diǎn)置為相同的可信度，忽略不同參考節(jié)點(diǎn)的測(cè)距誤差值，從而降低了定位的精度。即便使用改進(jìn)的考慮RSSI測(cè)距誤差的極大似然估計(jì)法，也存在從非線性模型轉(zhuǎn)換為線性模型的誤差問題[10]。

使用遺傳算法求解定位問題可以避免上述問題。首先，遺傳算法的目標(biāo)函數(shù)的定義域可以為任意集合且不會(huì)受到連續(xù)可微的約束，能夠完整地覆蓋原始問題模型的值域，可以通過對(duì)待解決的問題進(jìn)行分析并設(shè)計(jì)合理的適應(yīng)度函數(shù)對(duì)其值域進(jìn)行有效控制；其次，使用遺傳算法可以避免典型定位算法中從非線性模型轉(zhuǎn)換為線性模型時(shí)產(chǎn)生的定位誤差[9]。上述特點(diǎn)使得遺傳算法非常適合求解定位問題，將使用遺傳算法對(duì)定位結(jié)果進(jìn)行全局優(yōu)化。

3 基于遺傳算法的定位算法

采用RSSI方法進(jìn)行定位需要獲取盲節(jié)點(diǎn)與多個(gè)參考節(jié)點(diǎn)之間的實(shí)測(cè)距離，由于RSSI信號(hào)在實(shí)際傳播過程中受環(huán)境影響會(huì)造成信號(hào)衰減，與理論或經(jīng)驗(yàn)?zāi)Ｐ陀幸欢ㄆ?，?dǎo)致以各參考節(jié)點(diǎn)為圓心、以各自測(cè)距為半徑的圓，并未相交于同一交點(diǎn)。為了降低定位誤差，需要對(duì)已獲得的多個(gè)帶有誤差的RSSI距離值進(jìn)行全局優(yōu)化計(jì)算，再計(jì)算出定位結(jié)果。因此，基于RSSI測(cè)距的無線定位方法是多約束條件下的優(yōu)化問題。

由于遺傳算法在求解多約束條件下的組合優(yōu)化問題有其獨(dú)特優(yōu)勢(shì)，具有文章前面所述的諸多優(yōu)點(diǎn)，將使用改進(jìn)的遺傳算法來求解待定位結(jié)點(diǎn)的坐標(biāo)。

3.1 種群初始化

先使用考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的加權(quán)質(zhì)心算法對(duì)種群進(jìn)行初始化，再使用記憶搜索方向并自適應(yīng)調(diào)整搜索半徑的向量交叉機(jī)制進(jìn)行交叉操作。

在室內(nèi)辦公環(huán)境下使用基于CC2500無線通信模塊的收發(fā)設(shè)備經(jīng)過多次實(shí)測(cè)后，使用極大似然估計(jì)法計(jì)算出RSSI信號(hào)波動(dòng)引起的測(cè)距誤差與實(shí)測(cè)距離的關(guān)系為：

其中efi（error of fluctuation）為參考節(jié)點(diǎn)i的RSSI信號(hào)波動(dòng)引起的測(cè)距誤差，disti為未知位點(diǎn)與參考節(jié)點(diǎn)i的實(shí)測(cè)距離，reliabilityi為參考節(jié)點(diǎn)i的測(cè)距可信度，可信度越高表明該參考節(jié)點(diǎn)的測(cè)距精度越高。

優(yōu)秀的初始種群可以加快整個(gè)群體向最優(yōu)解的進(jìn)化速度，這就需要在考慮算法關(guān)鍵因素的情況下使用較小的時(shí)間復(fù)雜度進(jìn)行計(jì)算。此處采用考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的質(zhì)心算法來初始化種群。種群初始化的步驟如下：

（1）從多個(gè)參考節(jié)點(diǎn)中按測(cè)距可信度從高至低選出不在同一直線上的3個(gè)參考節(jié)點(diǎn)。

（2）以3個(gè)參考節(jié)點(diǎn)坐標(biāo)為圓心，以各自的實(shí)測(cè)距離為半徑獲得各圓之間的交點(diǎn)。當(dāng)有兩個(gè)交點(diǎn)時(shí)，選擇與另一個(gè)參考節(jié)點(diǎn)距離較近的交點(diǎn)作為待加權(quán)坐標(biāo)點(diǎn)，3個(gè)參考節(jié)點(diǎn)共可獲得3個(gè)待加權(quán)坐標(biāo)點(diǎn)。此時(shí)可能會(huì)出現(xiàn)兩種兩圓無交點(diǎn)的情況：

其中ri為參考節(jié)點(diǎn)i的實(shí)測(cè)距離。此時(shí)需要對(duì)兩個(gè)參考節(jié)點(diǎn)的RSSI信號(hào)波動(dòng)誤差按可信度進(jìn)行等比縮放，以使兩圓有唯一交點(diǎn)，將該交點(diǎn)作為待加權(quán)坐標(biāo)點(diǎn)?？s放率rate按公式（3）計(jì)算獲得：

經(jīng)過上述操作后已獲得3個(gè)待加權(quán)坐標(biāo)點(diǎn)，再按公式（4）計(jì)算其權(quán)值：

其中i，j表示不同的參考節(jié)點(diǎn)，weightij表示由參考節(jié)點(diǎn)i和參考節(jié)點(diǎn)j的測(cè)距值為半徑所得到的待加權(quán)坐標(biāo)點(diǎn)的權(quán)重。

（3）按公式（5）和（6）計(jì)算考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的質(zhì)心點(diǎn)坐標(biāo)：

其中Δv為對(duì)質(zhì)心坐標(biāo)增加的微幅隨機(jī)擾動(dòng)參數(shù)，以此來保證初始種群的多樣性。accurate為用戶要求的定位精度，nodeSize為參考節(jié)點(diǎn)的數(shù)量。重復(fù)上述步驟popSize次，即完成了個(gè)體數(shù)量為popSize的種群初始化。還需計(jì)算出公式（5）和（6）中的不包含Δv參數(shù)時(shí)的一組基準(zhǔn)質(zhì)心坐標(biāo)，用于保存對(duì)后續(xù)的向量交叉操作進(jìn)行指導(dǎo)的初始化信息。

3.2 適應(yīng)度函數(shù)

適應(yīng)度函數(shù)是用來衡量群體中的個(gè)體優(yōu)秀與否的標(biāo)準(zhǔn)，它必須能夠反映出個(gè)體的優(yōu)秀程度：優(yōu)秀的個(gè)體其適應(yīng)度值較大，而性能差的個(gè)體則適應(yīng)度值較小。此處采用基于信標(biāo)可信度的加權(quán)質(zhì)心原理，將適應(yīng)度函數(shù)按如下公式進(jìn)行定義：

在種群的每一代進(jìn)化過程中，先使用公式（8）計(jì)算個(gè)體的適應(yīng)度值，再將種群中的個(gè)體按照適應(yīng)度值由高到低進(jìn)行排序。當(dāng)兩個(gè)不同個(gè)體的適應(yīng)度值相同時(shí)，再通過公式（9）計(jì)算附加適應(yīng)度值并進(jìn)行比較。公式（8）是坐標(biāo)點(diǎn)在測(cè)距誤差區(qū)域外部時(shí)的適應(yīng)度值，公式（9）是坐標(biāo)點(diǎn)在測(cè)距誤差區(qū)域內(nèi)部時(shí)的適應(yīng)度值。

3.3 選擇、交叉、變異

首先從群體中選出Nbest個(gè)適應(yīng)度最高的個(gè)體，將這些個(gè)體直接遺傳到下一代群體中，以此來保證進(jìn)化過程中某一代的最優(yōu)解不被交叉和變異操作所破壞。其余的個(gè)體則由交叉操作生成?？紤]到適應(yīng)度較高的兩個(gè)個(gè)體交叉后生成優(yōu)秀個(gè)體的概率較大，此處先以個(gè)體適應(yīng)度占種群適應(yīng)度的百分比為概率選出兩個(gè)父?jìng)€(gè)體Ta，Tb，再進(jìn)行交叉操作。個(gè)體Ti被選中的概率Pi按公式（10）計(jì)算。

其中概率Pi反映了個(gè)體i的適應(yīng)度在整個(gè)群體的個(gè)體適應(yīng)度總和中所占的比例，即第i個(gè)個(gè)體被選中的概率與其適應(yīng)度的值成正比。

在二維空間條件下，為了增加個(gè)體搜索到適應(yīng)度更高的坐標(biāo)點(diǎn)的概率，文章采用了記憶搜索方向的向量交叉機(jī)制。每一個(gè)個(gè)體都包含一個(gè)記憶搜索方向的向量，該向量始終由某個(gè)父?jìng)€(gè)體的坐標(biāo)點(diǎn)指向當(dāng)前個(gè)體的坐標(biāo)點(diǎn)，用于記錄當(dāng)前個(gè)體在進(jìn)化過程中的搜索方向及步長(zhǎng)信息。在種群初始化時(shí)將該向量設(shè)為由基準(zhǔn)質(zhì)心坐標(biāo)點(diǎn)指向當(dāng)前個(gè)體的坐標(biāo)點(diǎn)。對(duì)于父?jìng)€(gè)體Ta，Tb，交叉操作的主要步驟如下：

將兩個(gè)父?jìng)€(gè)體的記憶搜索方向的向量，分別以自身向量為基準(zhǔn)，以與另一向量的最小角度差為限制范圍，按與旋轉(zhuǎn)度數(shù)成反比的概率對(duì)自身向量進(jìn)行旋轉(zhuǎn)，以此增大在記憶搜索方向上搜索的概率，再將向量的模型以兩個(gè)向量的差為限制范圍進(jìn)行隨機(jī)縮放，以此對(duì)搜索半徑進(jìn)行自適應(yīng)調(diào)整，如圖3所示。此時(shí)將兩個(gè)父?jìng)€(gè)體的坐標(biāo)與新生成的兩個(gè)向量進(jìn)行累加產(chǎn)生兩個(gè)新的子個(gè)體，然后計(jì)算這兩個(gè)子個(gè)體的適應(yīng)度值并與兩個(gè)父?jìng)€(gè)體進(jìn)行比較，將適應(yīng)度較大的兩個(gè)個(gè)體復(fù)制到新的種群中去，以確保整個(gè)群體的平均適應(yīng)度呈非遞減狀態(tài)。變異采用與交叉類似的機(jī)制，通過對(duì)個(gè)體自身的記憶搜索方向的向量進(jìn)行偏角旋轉(zhuǎn)來實(shí)現(xiàn)。

可以采用以下3種方式中的一種來決定算法何時(shí)停止運(yùn)行。

（1）最優(yōu)個(gè)體的適應(yīng)度值連續(xù)指定代數(shù)未更新。此時(shí)說明種群的進(jìn)化已趨于穩(wěn)定。

（2）限定算法運(yùn)行指定的時(shí)間，例如限定算法只運(yùn)行200 ms。該方法可通過限定算法的運(yùn)行時(shí)間來為系統(tǒng)提供額外的休眠時(shí)間，以達(dá)到節(jié)省設(shè)備電能、延長(zhǎng)設(shè)備使用時(shí)間的目的。

（3）指定算法中群體進(jìn)化的代數(shù)。

最后，選出最優(yōu)個(gè)體的坐標(biāo)值作為最終的定位坐標(biāo)。

4 實(shí)驗(yàn)結(jié)果與分析

考慮到后續(xù)功能及協(xié)議擴(kuò)展的靈活性，采用可定制通信協(xié)議的CC2500芯片和STM32處理器，并自行設(shè)計(jì)并實(shí)現(xiàn)了相關(guān)的通信協(xié)議。

CC2500是低成本真正單片的2.4 GHz收發(fā)器，為低功耗無線應(yīng)用而設(shè)計(jì)。電路設(shè)定為2 400～2 483.5 MHz的ISM（工業(yè)、科學(xué)和醫(yī)學(xué)）和SRD（短距離設(shè)備）頻率波段。RF收發(fā)器集成了一個(gè)數(shù)據(jù)傳輸率可達(dá)500 kbps的高度可配置的調(diào)制解調(diào)器。具有高靈敏度（10 kbps下-98 dBm，1%數(shù)據(jù)包誤差率）、可編程控制的輸出功率（可達(dá)+1 dBm）、數(shù)字RSSI 輸出等特性。通過向基于CC2500芯片的無線收發(fā)設(shè)備寫入不同的代碼，可以在不改變硬件設(shè)備的條件下分別實(shí)現(xiàn)參考節(jié)點(diǎn)、盲節(jié)點(diǎn)和中心節(jié)點(diǎn)的各自功能。

為了驗(yàn)證提出的無線定位算法及定位系統(tǒng)的實(shí)際應(yīng)用效果，在本市消防中隊(duì)與某公司聯(lián)合舉辦的消防演習(xí)中，消防員配備基于CC2500芯片的定位設(shè)備后，進(jìn)入已布置參考結(jié)點(diǎn)的辦公樓內(nèi)對(duì)被困人員進(jìn)行搜救及疏散?；跓o線傳感器網(wǎng)絡(luò)的消防員室內(nèi)定位系統(tǒng)結(jié)構(gòu)如圖4所示，其中黑色方塊為布置的參考節(jié)點(diǎn)，可以對(duì)消防員攜帶的接收設(shè)備發(fā)射RSSI信號(hào)。接收設(shè)備接收到多個(gè)RSSI信號(hào)后使用算法進(jìn)行定位坐標(biāo)計(jì)算，并將定位結(jié)果通過無線信號(hào)發(fā)送給中心節(jié)點(diǎn)，中心節(jié)點(diǎn)再將消防員的位置等信息發(fā)送至消防員定位系統(tǒng)監(jiān)控端，指揮中心可以在監(jiān)控端屏幕上實(shí)時(shí)掌握消防員的位置等信息，再進(jìn)行統(tǒng)一指揮部署。

實(shí)驗(yàn)背景和參數(shù)如下：每個(gè)房間內(nèi)需要布置4～8個(gè)參考節(jié)點(diǎn)，參考節(jié)點(diǎn)的具體數(shù)量視房間大小而定，走廊以5米間隔布置參考節(jié)點(diǎn)，辦公樓內(nèi)的走廊及房間內(nèi)均有桌椅、電腦、柜子等物品。大廳較為空曠，可以將參考節(jié)點(diǎn)布置的間隔設(shè)為8～12米。中心節(jié)點(diǎn)布置在指揮中心，使用串口線與消防員室內(nèi)定位系統(tǒng)監(jiān)控端進(jìn)行連接。在消防員隨身攜帶的定位設(shè)備中，將遺傳算法中的各參數(shù)進(jìn)行如下設(shè)置：初始種群數(shù)量為30，交叉概率為0.5，變異概率為0.02。算法并未設(shè)置指定的遺傳代數(shù)，而是限定算法運(yùn)行的總時(shí)間為300 ms，同時(shí)將定位頻率設(shè)為500 ms，為系統(tǒng)保留了200 ms的休眠時(shí)間，以達(dá)到節(jié)省設(shè)備電能、延長(zhǎng)設(shè)備使用時(shí)間的目的。上述參數(shù)均可以在指揮中心的監(jiān)控端軟件實(shí)時(shí)進(jìn)行遠(yuǎn)程設(shè)置。

為了與改進(jìn)的極大似然估計(jì)定位算法進(jìn)行定位精度的比較，先通過監(jiān)控端的遠(yuǎn)程參數(shù)設(shè)置功能，將消防員隨身攜帶的定位設(shè)備中的定位算法設(shè)為改進(jìn)的極大似然估計(jì)定位算法，運(yùn)行15分鐘后，再將定位算法設(shè)為改進(jìn)的遺傳算法，并運(yùn)行相同的時(shí)間。消防員隨身攜帶的定位設(shè)備將每次計(jì)算出的定位結(jié)果發(fā)送給中心節(jié)點(diǎn)，中心節(jié)點(diǎn)再將每次的定位結(jié)果通過RS232串口發(fā)送給指揮中心監(jiān)控端，監(jiān)控端將遺傳算法與改進(jìn)的極大似然估計(jì)定位算法運(yùn)行的結(jié)果各取平均值后進(jìn)行數(shù)據(jù)對(duì)比，結(jié)果如表1和圖5所示。

從實(shí)驗(yàn)結(jié)果可以看出，在與參考節(jié)點(diǎn)的最近距離為2～12米范圍內(nèi)時(shí)，基于遺傳算法的定位算法比改進(jìn)的極大似然定位算法的平均定位誤差降低了約10% ～ 30%，有效地提高了定位精度。其中在4米處左右，因障礙物較多造成了在該點(diǎn)處的RSSI信號(hào)波動(dòng)較為明顯，使用改進(jìn)的算法后平均定位誤差仍比改進(jìn)的極大似然定位算法降低了約20.55%。

5 結(jié)語

本文針對(duì)典型的極大似然定位算法、質(zhì)心定位算法及改進(jìn)的相關(guān)算法的不足之處進(jìn)行了分析，文章提出了基于遺傳算法的定位算法。該算法采用考慮參考節(jié)點(diǎn)RSSI信號(hào)波動(dòng)誤差的質(zhì)心算法進(jìn)行種群初始化，充分考慮了參考節(jié)點(diǎn)的測(cè)距可信度。在參考節(jié)點(diǎn)的測(cè)距誤差區(qū)域內(nèi)部與外部使用不同的適應(yīng)度函數(shù)進(jìn)行度量，既可以增加搜索初期的搜索范圍，又可以在搜索后期進(jìn)行更精確的優(yōu)化。結(jié)合基于記憶搜索方向的交叉機(jī)制和自適應(yīng)調(diào)整搜索半徑的策略，為下一代種群的搜索方向及搜索半徑提供了指導(dǎo)信息，有效地提高了種群進(jìn)化的速度并提高了定位精度。

[參考文獻(xiàn)]

[1]MUNOZ D， BOUCHEREAU F， VARGAS C， et al.Position location techniques and applications[M]. Burlington：Academic Press， 2009.

[2]MERAT S， ALMUHTADI W. Wireless network channel quality estimation inside reactor building using RSSI measurement of wireless sensor network[A].Proceeding in Electrical and Computer Engineering， 2009[C]. Canada：Canadian Conference on Electrical and Computer Engineering， 2009：339-341.

[3]WASSI G I， DESPINS C， GRENIER D， et al. Indoor location using received signal strength of IEEE 802.11b access point[C]. Canada：Canadian Conference Electrical and Computer Engineering， 2005：1371-1374.

[4]CHEN P C. A non-line-of-sight error mitigation algorithm in location estimation[J].IEEE Wireless Communication and Network， 1999（1）：316-320.

[5]WYLIE M P， HOLTZMAN J. The non-line of sight problem in mobile location estimation[C].Boston：5th IEEE International Conference on Universal Personal Communications， 1996：827-831.

[6]陳維克，李文鋒，首珩，等. 基于RSSI的無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法[J]. 武漢理工大學(xué)學(xué)報(bào)，2006（2）：265-268.

[7]WEIKE C， WENFENG L， HENG S， et al. Weighted centroid localization algorithm based on RSSI for wireless sensor networks[J]. Journal of WuHan University of Technology， 2006（2）：265-268.

[8]石琴琴，霍宏，方濤，等.使用最速下降算法提高極大似然估計(jì)算法的節(jié)點(diǎn)定位精度[J].計(jì)算機(jī)應(yīng)用研究，2008（7）：2038-2040.

[9]QINQIN S， HONG H， TAO F， et al. Using steepest descent method to improve node localization[J]. Application Research of Computers， 2008（7）：2038-2040.

[9]MICHALEWICZ Z， JANIKOW C Z， KRAWCZYK J B. A modified genetic algorithm for optimal control problems[J]. Computers and Mathematics with Applications， 1992（12）：83-94.

[10]GREFENSTELLE J J， GOPAL R， ROSMAITA B， et al. Genetic algorithms for the traveling salesman[C]. USA：Proceeding of International Conference of genetic algorithm and their applications， 1985（7）：359-371.

[11]KUSHKI A， PLATANIOTIS K， VENETSANOPOULOS A.Intelligent dynamic radio tracking in indoor wireless local area networks[J]. IEEE Transactions on Mobile Computing， 2010（3）：405-419.