英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
一种新的基于模糊逻辑的无线传感器网络节点定位机制
Saber Amri a, Fekher Khelifi b,c, Abbas Bradai c,*, Abderrezak Rachedi d, Med Lassaad Kaddachi b, Mohamed Atri b
a 智能机器研究小组,斯法克斯大学,国家工程学院(ENIS),BP 1173,斯法克斯, 3038,突尼斯.
b 电子和微电子实验室(Emicro;E),科学教师,穆纳斯大学(UM),穆纳斯5019,突尼斯.
c XLIM研究所,普瓦捷大学,法国.
d 巴黎东部马恩－拉瓦雷大学,法国.
关键字：物联网、本地化、传输、模糊逻辑、RSSI
摘要
对节点位置的感知是定位传感器节点的关键问题，定位是无线传感器网络中传感器节点的重要信息。因此，对定位精度的改进是一个重要的问题，它会影响到传感器网络之间的数据传输的有效性，对精度的改进可以节省能源和延长网络寿命。对于这个问题中，我们提出并实现了一种新的地理路由机制。在本文中提出了一种加权质心定位技术，利用模糊逻辑方法计算未知节点的位置。为此，我们又提出了一种模糊定位算法，利用无线信道的流量测量来计算锚点和传感器节点之间的距离。随后的工作，我们使用centroid算法，该算法利用模糊的Mamdani和Sugeno推理系统计算未知节点的位置，以提高定位的准确性。一旦定位算法检测到未知位置节点的位置，本文给出的机制就可以有效地选择下一个CH来减少传感器节点的能量耗散，从而使得网络寿命的延长。该机制的主要优点有三种：第一是把节点的位置误差最小化，减少错误的定位。第二是根据本地化算法增加传输到下一跳簇头(CH)的数据包的数量。第三是减少节点的能量消耗,然后增肌了网络的生命周期，更有效选择下一跳CH。获得的模拟结果表明，该机制在能源消费、定位的执行时间和定位错误率（同样数量的数据包传输到基站）方面优于现有的解决方案。
- 介绍
物联网(IoT)的出现正在改变人们的生活方式。基于IoT[1-6]的许多日常的应用程序需要节点位置信息，然后对节点进行定位。例如，数据传输中的路由过程是一种以数据为中心的方法，其中对节点的定位是必需的。在这一工作中，我们着重讨论了IoT中的节点定位问题，尤其是无线传感器网络(WSNs)。WSN是IoT的一部分，它被定义为随机分布的传感器设备集合，用于收集不同的区域的数据[1-3]。近年来，WSN被广泛应用于医疗、智能系统、环境、军事监控和节点跟踪等领域[7,8]。然而，节点在处理和计算方面的能力，使得节点在网络生命周期中能量的有效使用变得十分必要。因此，最大限度地减少能耗是优化数据传输过程的一种基本方法[2,3,9]。
1.1目的
要准确定位SN[10]，了解节点位置是一个关键问题。事实上，“基于距离”和“距离自由”的定位算法都有助于解决与精度和低成本相关的几项要求[11]。基于测距的定位技术是基于对锚点的距离或角度的测量。一些技术允许同时测量这些节点，比如RSSI[12]、TOA(到达时间)[13]、TDOA(到达时间的差异)[14]和AOA[15]。不同的是，节点位置可以使用三边测量或基于范围定位三角来计算[11]。在[16]中提出了利用WSNs空间多样性的方法去比较研究RSSI的定位算法。但是这些方法似乎是不合适的；事实上，第一个解决方案是基于测量设备消耗的能量和增加的不适当成本。第二种解决方案与测量精度有明显的联系，测量精度是基于湿度、噪声和推进力的多重参数。无距离定位可以大大避免这两个缺点。当典型节点是固定的或是移动但是具有良好定位的被称为锚点，其他具有未知位置的节点是正常的节点。他们用连接的信息和节点的位置来计算。由于硬件设备的独立性和距离计算的便捷[11]，Range-free技术更加有效。因此，这种独立性允许不同的无线传输类型。在文献中，有许多技术上的“无距离”位置为矩心[17]和CPE(凸位置估计数)[18]，它要求有是有规则的节点，并至少有三个相邻的锚点作为下一跳。虽然这些算法更经济、更简单，但是它们的结果并不像跟踪水平那样精确。准确地检测发射机节点的位置，可以有效地将信息路由降到最低能量消耗。另一个重要参数是定位时间，这是网络定位的必要时间。在[19]中，作者研究了使用多维标度(MDS)的WSN的时间有界定位。
主要的地理路由协议是基于经典路由协议的。在WSN可以被划分为等级和平面协议[20]。在多跳层次的通信中，单个集群形成了基于集群的方法[9,21]，每个成员节点与它的集群头进行交互，这些集群头将数据聚集到相邻的节点，后者将数据传输到基站（BS）。摘要针对通信能量模型的不同研究[20]，层次路由协议比平面路由更能适应节约能量。摘要针对通信能量模型的不同研究，层次路由协议比平面路由更能适应节约能量。此外，[22]和[23]的作者还提到，使用多跳路由协议比单跳路由协议更能减少能源消耗。在单跳平面路由协议中，传感器节点直接将数据发送给b，而在多跳传输中，节点在与基站的任何连接之前进行通信（见表1）。
使用GPS坐标定位是不利于能源效率或能源识别。在传感器网络的情况下，能量是一种不常见的资源，传感器节点需要在没有任何类型的电池被改变多年的情况下被部署。因此，由于许多原因，GPS设备并不方便在WSN中解决的问题：
·一旦将昂贵的GPS设备添加到网络中的每个传感器节点，由于部署成本的增加，这种解决方案就变得不可行了。
·随着GPS设备的加入，传感器节点的大小变得相当大，这与WSN的要求属性相矛盾，节点的大小应该是小的。
·在功能上，GPS设备永远依赖卫星。在卫星连接失败的情况下，GPS不再是功能。许多真实的应用都是室内和探索性的应用。最后，在WSN中的GPS仍然依赖于许多因素，如电力消耗、成本、大小，以及其他本地化技术的情况。
WSN的大多数应用程序要求传感器节点必须知道它们相对于SN的位置。为此，WSN面临的一个重要挑战是传感器节点的定位和传感器领域节点位置的确定。这是基本的原因。首先，通过传感器节点收集的数据，如湿度、压力和温度，必须在探测和收集的位置进行。如果他们的位置未知，那将是毫无用处的。第二，能源资源的有效利用是WSN面临的最大挑战之一。在这种情况下，数据传输操作是最依赖能源的阶段之一，它必须使用节能和能量感知的路由算法。由于多个约束条件，现有的定位方法，如GPS，不能对传感器节点的定位进行性能检测。因此，需要设计和实现传感器节点本地化的新方法和算法。
1.2背景
由于对传感器节点的定位是一个非常重要的因素，提高它的精度是一个至关重要的问题，它允许在网络的SNs之间进行有效的数据传输，以及能改良能源消耗和延长网络的寿命。在这种情况下，我们已经实现了基于节点位置的路由信息新机制。这种设计的机制依赖于加权的质心定位技术。我们的主要贡献如下：
·根据节点之间的RSSI值，使用模糊逻辑推理来计算SNs的未知节点的位置。因此，我们提出了一种模糊定位算法，该算法利用通过无线信道的流量测量来确定锚节点和传感器节点之间的距离。摘要利用质心算法，利用模糊的Mamdani和Sugeno推理系统来确定未知节点的位置，从而提高估计位置的精度。
·为了减少能量消耗和延长网络寿命，提出了一种基于定位算法检测下跳节点位置的新策略，该算法是在我们的机制中实现数据传输阶段的关键目标。
·解决方案是基于四个参数:当前CH的能源等级在给定的时间之内,当前CH和接下来选取的CH之间的距离,接下来选取的CH和BS之间的距离,和下一个选取的密度CH。这两个距离的选择(已经存在贡献)是为了避免计算无用的传感器网络的所有节点之间的距离。我们在保证了足够的能量和下一个选取产生的低密度之后才计算出距离，关于下一个选取产生的CH选择，每一个现在的CH节点都应用Mamdani模糊推理系统[13]来加入一个最小的成本值来发送数据。
1.3论文组织
文章以如下的方式进行：第2部分介绍了文章中的定位和传输算法。在第3部分中，我们介绍了我们的贡献，描述了我们提出的关于如何应用模糊集合理论来定位节点位置的方法。然后，我们使用模糊逻辑的方法选择发送数据的最低成本的下一跳。模拟结果随后在第4部分中进行了描述。最后一节介绍了获得的结果和未来的工作。
- 相关工作
2.1传感器节点定位
在云等人[24]的研究中，在WSN中有两种智能算法，根据接收到的信号强度来区分无须测距的定位。在第一个算法中，使用模糊逻辑系统（FLS）来通过每个锚节点的边权值的总和来定位节点。然后，利用遗传算法（GA）确定最优的边权值。第二种算法使用的是一种神经网络（NN）技术，其中输入是接收到的信号强度，输出是无线节点的近似位置。使用NN的仿真结果与FLS和GA有明显的矛盾。事实上，在实验中，只有四个锚点被FLS和GA定位。NN精确地定位了4个相邻的锚点节点（见图1）。
在[25]中，作者提出了利用加权中心定位技术对WSNs进行“无距离”定位的方法。通过对RSSI和链路质量的分析，确定了SN的边权值。因此，Mamdani、Sugeno和组合Mamdani Sugeno模糊逻辑推理都是在尝试阶段实现的。该协议在定位精度方面优于传统的质心技术。因此，将该方法与质心定位技术进行了比较，并对Mamdani和Sugeno模糊逻辑推理的定位进行了两种仿真。结果是，在第一个场景中，节点的部署是在AWGN（附加的白高斯噪音）环境中，因为传感器节点部署在AWGN环境中，在第二个场景中使用外部的RF干扰噪声源。RSSI和LQI（链接质量指标）结果与WCL（加权中心id定位）的边权值和节点距离在外部射频干扰的存在密切相关。因此，该协议成为传感器节点的一个兼容的定位选择，在具有相同频带的各种外部射频源的存在下有效地进行操作（见图2）。
陈等人[26]使用了合作定位算法。它们实际使用的是移动锚节点，在此节点上，移动锚点与静态锚点配合，以提高定位性能，并利用估计算法的凸位置来提高定位性能。由于无线电不规则效应和障碍，该算法的有效性是平均的。该定位方案在存在障碍的情况下达到了高度的定位精度。摘要为了解决非理想的无线电信号传输问题，使用了一种凸定位法。因此，应用移动节点的最优运动调度来实现定位精度的最短路径。实验结果表明，该算法在移动节点上可以实现更高的定位精度。
2.2数据传输
在[27]中，为了实现WMSN（无线多媒体传感器网络）的高效视频通信，作者提出了一种智能多跳分级路由协议，称为MEVI。该协议选择基于网络条件和能量问题的链路，并执行一种智能路由算法来传输多媒体数据。它还尝试利用低开销的聚类方法、多跳通信和跨层机制的操作模式，根据环境信息来传输多媒体信息，从而在传输阶段节省能源消耗。准确地说，节点被划分为两种类型。第一个是标量传感器节点，它提供的能量供被限制，处理和记忆的能力范围很广。第二种类型的节点配备有足够的能量源和一个具有巨大的记忆和处理能力的核心。实际上，MEVI确保了基于网络环境、能量和跳跃数之间的多跳通信，以符合物理环境条件的要求，从而最小化总体的通信开销，它不仅扩展了网络的生命周期，还提高了系统的伸缩率和可靠性。
在[28]中，作者改进了一种离线算法，然后将一种在线自适应机制集成到一个使用调制扩展的多跳通信路径上的传输包中。他们的目标是在特定的延迟约束满足的情况下节约能源消耗。结果，仿真结果提高了能量消耗，利用离线算法明显不能降低了能量消耗。此外，还实现了两种方案来改进调制设置，以适应变化系统和延迟约束。得到的结果表明，在不违反延迟约束的情况下，在转换过程中，消耗的能量减少了。另外，在线算法显然能够适应系统变化的调制水平。
2.3路由协议
在[29]中介绍了一种用于大型无线传感器网络的改进的模糊不均匀聚类方案。作者试图平衡能源消耗，并扩展网络工作的生命周期，将精力集中在一种高效的集群方法和跨集群路由协议上。他们使用一个模糊逻辑系统，用与BS的距离和局部的密度作为输入来选择下一个集群头节点。然后，他们使用ACO方法来在CHs和BS之间进行数据路由。这种方法可以减少集群头的能耗，并解决在多跳WSN路由协议中存在的热点问题。实际上，传感器节点以CHs的形式生成数据包，后者在收集和聚合后将数据包发送给BS。每个节点的能量消耗和准确的通信链路是按每个回合计算的。
该算法与LEACH和EMHR的几个协议进行比较。对于WSN来说，LEACH是一个受欢迎的路由协议，它被认为是最重要的协议。此外，LEACH还建议延长网络的总体寿命，并减少网络消耗的总能量。事实上，LEACH的操作被分为几轮。因此，每一轮都包含一个设置阶段，每个传感器节点在0和1之间随机选择一个随机数，以确定它是否是集群的头。如果特定节点所选的数字小于阈值T（n），那么节点本身就变成了当前轮的CH。当然，LEACH协议能够保持节点的能量消耗，并增加网络的生命周期。然而，它必须在某些假设下完成。它认为所有节点都可以通过足够的功率传输到基站。由于节点总是具有相同的数据传输能力，它们以相同的能量
全文共16119字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14734]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
