卞麗情，沈蘭蘭，王蘭威

（廣州應用科技學院，廣州 511370）

0 引言

區(qū)域通信信息定位技術可以應用于航空航天、環(huán)境保護、家庭監(jiān)測等眾多領域，通過物聯(lián)網的信息聯(lián)通設備，在遠處將檢測對象的具體信息傳遞到匯聚節(jié)點中，并以數(shù)據(jù)為中心獲得信息，是一種具備廣泛的應用價值與應用前景的技術。在現(xiàn)有的區(qū)域通信信息自動化定位技術中，大多使用圖形劃分區(qū)域定位等技術，對移動物聯(lián)網中的區(qū)域信息節(jié)點位置坐標做出模糊的定位。然后通過神經網絡算法或者壓縮感知技術，實現(xiàn)節(jié)點坐標的定位精度的提高，以及網絡損耗的降低。但是這樣的方法一方面難以保證在物聯(lián)網區(qū)域傳遞的通信信息的完整性，另一方面在計算節(jié)點運動過程中的坐標時準確性較差，因此難以保證通信信息的實時定位精度。基于此，本文通過裝備移動物聯(lián)網儀表，對區(qū)域通信信息自動化實時定位技術作出了優(yōu)化。

1 裝備移動物聯(lián)網儀表的區(qū)域通信信息自動化實時定位設計

1.1 重構移動物聯(lián)網區(qū)域通信信號

在區(qū)域通信的信息定位技術中，對信號的處理是十分重要的步驟。這個過程主要分為五個步驟，分別是采集原始信號、將信號轉換為壓縮包的形式、在物聯(lián)網內傳輸原始信號、信號的解壓處理以及信號恢復重構。在理想狀態(tài)下，想要采集到完整的原始信號[1]。需要通過高維稀疏信號作為不完備的測量值，然后將長度為X的測量值盡量減少，直至原始信號被全部提取采集。設原始信號的基向量為ψx，且x=1，2，3，...，X。且在傅里葉基變化中，將每個元素作為非零值的元素，可以通過衰減趨勢分別計算稀疏變換的支撐系數(shù)，此時的系數(shù)向量計算公式為：

矩陣中，Yd表示一個4×4格式的線性方程組；矩陣中的每一個非零值均為一個原始信號。此外還需要建立投影矩陣Xd：

根據(jù)原始信號矩陣Yd與投影矩陣Xd可以得到壓縮后的信號Hf：

信號在傳輸?shù)倪^程中，可以通過式(5)保證確定解的存在。

式中，hp表示經過壓縮處理后的原始信號在傳輸前后的標準差；δt表示信號等距輸送的參量；xd表示信號恢復的行列相關度。在解壓信號的過程中，兩個不同的信號不能被映射在同一個矩陣中，否則很容易造成信號的等距交換[3]。在函數(shù)中，向量的所有非零元素均具備稀疏的特性，通過最小化的信號求解，并利用等價線性規(guī)劃的方式，可以得到公式：

式中，fs表示信號的重構替代參數(shù)；dc表示在信號重構過程中所需要面對的凸優(yōu)化問題參數(shù)。根據(jù)實際測量值，計算環(huán)境噪聲對信號重構的影響，并假定噪聲強度大于0，此時的噪聲情況可以表示為：

式中，ds表示噪聲的序列范數(shù)；Sd表示高斯白噪聲的信號強度；γf表示經過高精度信號重構的信號復雜度系數(shù)。通過設置權值的方法減小噪聲對信號重構的影響，并計算數(shù)據(jù)冗余條件下的信號改善方法。通過以上內容，即可重構移動物聯(lián)網感知信號，并使得信號可以盡量減少傳輸過程中的信息損耗。

1.2 計算信息節(jié)點實時更新坐標

得到經過壓縮處理后，信息損耗量較小的通信信號后，需要實時計算信息節(jié)點的更新坐標，以固定錨節(jié)點的計算能力。假設信息節(jié)點之間的覆蓋半徑為Ri，其中兩個相鄰的信息節(jié)點分別為di和dj，且節(jié)點的位置分別表示為di（ap，bp，cp）和dj（at，bt，ct），則可以計算二者之間的距離：

式中，D（di，dj）表示兩個相鄰節(jié)點di和dj之間的距離；ap，bp，cp分別表示節(jié)點di在x軸、y軸、z軸方向的位置坐標；at，bt，ct分別表示節(jié)點dj在三個方向的位置坐標。以此計算錨節(jié)點之間的最優(yōu)鄰居向量，并覆蓋視野盲區(qū)，使得節(jié)點可以選擇最合適的距離進行未知節(jié)點的定位。因此可以通過模糊信息節(jié)點視野的方式，建立移動物聯(lián)網的模糊觀測信息，此時兩個傳感器節(jié)點的幾何定位方法如圖1所示。

圖1 傳感器節(jié)點定位信息節(jié)點

如圖1所示，通過四個傳感器節(jié)點，建立一個信息采集的平面，假設信息節(jié)點的位置在M2，則需要依據(jù)傳感器節(jié)點延伸出一個模糊的俯仰角，計算節(jié)點高度，作為交叉目標定位的錨節(jié)點，并根據(jù)相應的高度計算最終目標點[4]。在三維空間坐標中，模糊節(jié)點與目標節(jié)點之間的坐標為：

式中，μi和μj分別表示∠p4p1m1以及∠m2p1m1；βa表示∠p3m1p2，βb為∠p1m1p2，βc為∠p1m1p4。通過式(10)可以計算模糊節(jié)點與目標節(jié)點之間的距離：

式中，dk表示模糊節(jié)點與目標節(jié)點之間的距離，及圖1中的虛線部分M1M2。最后通過更新錨節(jié)點的移動變量，計算信息節(jié)點的更新距離。此時需要獲取錨節(jié)點的速度與方向。

式中，vh表示錨節(jié)點運動的速度；通過dh可以得知節(jié)點運動的方向；δd表示信息節(jié)點在要求范圍內的隨機參數(shù)；af表示節(jié)點的平均信息長度。通過式(12)，實時更新錨節(jié)點的位置坐標，此時的公式為：

式中，（ak，bk，ck）表示前一刻的信息節(jié)點坐標，（ak+1，bk+1，ck+1）則表示經過移動后的信息定位坐標。據(jù)此可以得到信息節(jié)點的實時更新坐標。

1.3 設計區(qū)域通信信息實時定位算法

通過上文中信息節(jié)點的實時定位方法，獲得區(qū)域通信信息實時定位算法，首先需要在節(jié)點的位置采集相應的數(shù)據(jù)，同時假定定向通信信號的增益比，在對應的傳感器節(jié)點中設置特定的角度，并將該節(jié)點作用于平面坐標中。

在圖2中，通過重構信號的方式，建立信號的目標集合，當信號的總值大于錨節(jié)點的內角網絡時，可以將向量的內角和從大到小依次排序。若信號總值大于節(jié)點內角和，則可以以此計算節(jié)點的實時坐標，若總值小于內角和，則需要重新構建通信信號，降低信號中的噪聲影響。在最大差值重置為0的過程中，需要判定錨節(jié)點的可靠性，并依次過濾篩選。當錨節(jié)點中的初始節(jié)點路徑損耗指數(shù)小于誤差閾值時，需要重新設置信號差值，但是當路徑損耗指數(shù)大于誤差閾值時，則可以繼續(xù)提取信號的節(jié)點坐標[5]。當判定其中某個節(jié)點為無效節(jié)點時，可以依據(jù)網絡錨節(jié)點的坐標，實時更新定位算法。定義修正因子（α，β，γ），其中修正因子的求解公式為：

圖2 通信信息實時定位算法

式中，a和ai分別表示通信節(jié)點移動前與移動后的節(jié)點坐標，通過修正因子計算無效節(jié)點的更新位置。此時算法已經實現(xiàn)了定位區(qū)域的虛擬分層，并按照節(jié)點之間的距離提高了定位精度，同時也極大地降低了計算的復雜度。

2 應用測試

2.1 仿真環(huán)境設置及信息定位誤差計算

在本實驗中，對裝備移動物聯(lián)網儀表的區(qū)域通信信息自動化實時定位進行仿真，在不同的參數(shù)下驗證該定位算法的性能。隨機設置一個長度單位為n×n的信息網絡，其中傳感器的節(jié)點數(shù)量為M個。將信息網絡劃分為如圖3所示的網格，并在其中添加傳感器節(jié)點與待定位的目標。

圖3 區(qū)域通信信息網絡

在圖3中，每一個網格至多有一個傳感器節(jié)點。當節(jié)點的感知半徑為Rd時，節(jié)點想要感知到目標，需要將節(jié)點放置到距傳感器不足Rd距離處，這樣才能感知到節(jié)點的存在。想要證明文中設計的信息定位技術的有效性與可靠性，需要在數(shù)據(jù)中添加一部分高斯白噪音，計算噪聲與節(jié)點之間的測量值，并繪制矩陣。在實驗中，想要衡量信息定位的有效性，需要計算目標定位的精準度，即信息定位的誤差，其公式可以表示為：

式中，dr表示信息定位誤差，當dr越高時，算法的定位精度越低；Kn表示目標節(jié)點的數(shù)量；fi和gi分別表示目標點在x軸與y軸中的實際位置；f'i和g'i分別表示經過算法定位的目標點在x軸方向的位置；Rd表示傳感器節(jié)點所能夠感知到的信息節(jié)點的半徑。

2.2 不同參數(shù)對定位效果的影響

在算法中，傳感器的感知半徑Rd、信息節(jié)點的數(shù)量Kn、傳感器自身的數(shù)量Kf均會對區(qū)域通信信息自動化定位的精度造成影響，因此分別對其進行測試，以尋找最優(yōu)的參數(shù)項。如圖3所示，設傳感器節(jié)點的數(shù)量為10，信息網絡的網格數(shù)量為10×10，信息節(jié)點的數(shù)量為20，將感知半徑作為變量，測試傳感器感知半徑對定位效果的影響，得到的數(shù)據(jù)結果如圖4所示。

圖4 傳感器感知半徑對定位效果的影響

在圖4中，分別測試不同噪聲環(huán)境下，傳感器半徑不同導致的信息定位誤差變化。當傳感器的感知半徑為0.1單位長度時，四種條件下的信息定位誤差均為最大值，即定位精度較差。此后，隨著傳感器的感知半徑的增加，信息定位誤差呈現(xiàn)出先減小后增加的趨勢，在環(huán)境噪聲為15、25、30，且傳感器感知半徑達到0.6時，信息定位誤差為最小值；環(huán)境噪聲為20時，傳感器感知半徑為0.7時，信息定位誤差達到最小值。設置信息節(jié)點的數(shù)量分別為20～65，測試不同環(huán)境噪聲影響下信息定位誤差的變化趨勢，得到圖5。

圖5 信息節(jié)點數(shù)量對定位效果的影響

如圖5所示，在不同的噪聲環(huán)境中，信息定位誤差均隨著信息節(jié)點數(shù)量的增加逐漸增加，呈現(xiàn)出“S”型的特征。在此情況下，信息節(jié)點數(shù)量為20～30時，信息定位誤差達到最小值0.11。設置傳感器的數(shù)量為5～50，測試傳感器數(shù)量的不同對信息定位效果的影響，并得到圖6。

圖6 傳感器數(shù)量對定位效果的影響

在圖6中，隨著傳感器節(jié)點數(shù)量的增加，信息定位誤差急速降低。當環(huán)境噪聲為25和30dB時，信息定位誤差首先達到最小值0.09，此時傳感器節(jié)點的數(shù)量為30。當環(huán)境噪聲為15和20dB時，信息定位誤差達到最小值，此時的傳感器節(jié)點數(shù)量為35。

2.3 算法性能測試

分別測試基于Voronoi圖的定位技術、基于優(yōu)化神經網絡算法的定位方法、基于多維測量信息壓縮感知的定位技術，以及文中提出的通信信息自動化定位技術，通過實驗結果判斷文中設計方法的優(yōu)越性?；谝陨献顑?yōu)參數(shù)的求解，設置傳感器感知半徑為0.6，信息節(jié)點的數(shù)量為30，傳感器數(shù)量為40。得到不同算法性能對比結果如圖7所示。

圖7 不同算法性能對比

在圖7中，四種算法在不同背景噪聲下的信息定位誤差均不相同。當背景噪聲不斷增加時，信息定位誤差也在不斷增加，由此可見背景噪聲越小，區(qū)域通信信息的自動化實時定位精度越高。且對比其他三種技術，文中方法的信息定位誤差最小為0.07，最大為0.11，在圖中可以明確得知，該方法的信息定位誤差遠小于其他三種方法。因此，文中裝備移動物聯(lián)網儀表的區(qū)域通信信息自動化實時定位技術具備較好的定位準確性，其精度指標實現(xiàn)了優(yōu)化。

3 結語

本文基于裝備移動物聯(lián)網儀表對區(qū)域通信信息自動化實時定位技術進行了設計，通過重構移動物聯(lián)網區(qū)域通信信號，計算信息節(jié)點實時更新坐標，最終得到了區(qū)域通信信息實時定位算法，通過該算法可以明確得到精度更高的定位技術。在該技術下，物聯(lián)網網絡可以得到更廣泛的傳播，對物聯(lián)網以及信息節(jié)點環(huán)境也作出了相應的測試，能夠在相對較為復雜的環(huán)境下得到精度更高的定位結果，解決了信息節(jié)點移動過程中難以定位的問題。