基于多维度精确定位的测绘数据处理技术研究.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第16期No.162023年8月Aug.2023收稿日期：2022-04-12稿件编号：202204084基金项目：陕西省教育厅一般专项科研计划项目（21JK0859）作者简介：刘 锋（1979），男，江苏如皋人，硕士，副教授。研究方向：大地测量学与测量工程的教学与研究。传统卫星测绘定位方法的精度较差，当地形结构相对复杂时，其信号便会被遮挡，从而导致卫星无法定位。因此，基于卫星定位功能部署多个无线传感器网络（Wireless Sensor Networks,WSN）1-3是改善测绘卫星信号被遮挡的方式之一。目前无线传感器的定位方法可分为两种，第一种方法需要计算各无线传感器间的实际距离，该算法较为准确，但普适性较差，且需要极高的部署成本，故不适合用作大范围区域的无线定位。第二种方法无需计算传感器距基于多维度精确定位的测绘数据处理技术研究刘 锋（西安铁路职业技术学院，陕西 西安 710026）摘要：针对传统测绘定位卫星信号易被地形遮挡的缺点，文中基于卫星信号建立了多传感器定位系统，对使用的 3DDV-Hop算法从跳数、跳距及坐标计算三方面进行改进。采用双通信半径法对最小跳数进行修正，使跳数计算更加精确。并通过引入加权平均法对跳距进行改进，降低了锚点与未知节点距离较近所带来的误差。同时使用最小最大法对节点坐标进行计算，在不增加计算量的情况下提升了系统精确度。实验测试从三个方面进行了对比，所提算法的平均误差分别降低了2.1%、6.8%及5.4%，表明该算法的性能较优，可提升传统测绘定位算法的精度。关键词：多维定位；3DDV-Hop；双通信半径法；加权平均法；最小最大法；数据处理中图分类号：TP391；TN99文献标识码：A文章编号：1674-6236（2023）16-0121-05DOI：10.14022/j.issn1674-6236.2023.16.025Research on surveying and mapping data processing technology based onmultidimensional accurate positioningLIU Feng（Xi an Railway Vocational and Technical Institute，Xi an 710026，China）Abstract:Aiming at the disadvantage that the traditional mapping and positioning satellite signal is easyto be blocked by the terrain，this paper establishes a multi sensor positioning system based on thesatellite signal，and improves the 3DDV-Hop algorithm from three aspects:hop number，hop distanceand coordinate calculation.The double communication radius method is used to correct the minimumnumber of hops to make the calculation of hops more accurate.By introducing the weighted averagemethod to improve the jump distance，the error caused by the short distance between the anchor point andthe unknown node is reduced.The Min Max method is used to calculate the node coordinates，whichimproves the accuracy of the system without increasing the amount of calculation.The experimental test iscompared from three aspects.The average error of the proposed algorithm is reduced by 2.1%，6.8%and5.4%，which shows that the performance of the algorithm is better and improves the accuracy of thetraditional mapping and positioning algorithm.Keywords:multidimensional positioning；3DDV-Hop；double communication radius method；weightedaverage method；MinMax method；data processing-121电子设计工程 2023年第16期离，仅通过无线拓扑的信息传递关系便可对位置进行估算，该方法虽然准确度略逊于第一种，但成本更低且总体上也能取得良好的效果，其代表性算法为3DDV-Hop4-5。由于传统3DDV-Hop算法的定位精度较差，因此为了提升其精度，国内诸多学者均对该算法进行了改进。改进主要分为两个方向：1）对各个传感器节点的最小跳数6与平均跳距7进行修订；2）通过智能优化算法8对节点的位置进行特征学习和估算。文献9利用人工蜂群（Artificial Bee Colony,ABC）算法对搜索空间的距离加以改进，并提高了测距精度。但其迭代步数较多，故仍有提升空间。文献10则通过概率统计值对节点的位置进行优化及预估，其算法精度虽较高，但计算量也在增大。该文分析了 3DDV-Hop 存在的问题，并从最小跳数、平均跳距及定位坐标的确定方法三方面对算法进行了优化，并在实验部分取得了较优的效果。1基于改进3DDV-Hop 的精确定位算法1.13DDV-Hop定位算法近年来无线传感网络技术发展迅速，定位空间的维度已从二维扩展至三维。而3DDV-Hop算法作为立体空间中的目标定位方法，受到了广泛关注。传统3DDV-Hop算法的实现步骤如下：1）三维空间中的不同节点间，以信息传播的方式确定跳数值。锚节点会发送包含自身标识、跳数值与坐标值的信息包至三维监测区域中的相邻节点，而该节点则会对信息包中的信息进行存储，此后再继续转发给下一相邻节点。以此类推，在监测的三维区域空间中不同节点间以洪泛的形式进行传播，直至整个监测区域内的所有节点均完成信息的传播与存储为止。具体的节点信息传播图如图 1所示。其中白色代表未知节点，黑色则代表锚节点。2）以跳数为依据求取平均的跳距值与距离信息。通过步骤1）可知，每个锚节点的路由信息表中，均存储了除去自身以外其他锚节点的坐标值及路由最小跳数值。以每个锚节点记录的信息为依据，可计算整个监测区域的平均跳距值为：HopSizei=ij(xi-xj)2+(yi-yj)2+(zi-zj)2ijhij（1）式中，HopSizei表示为整个监测区域的平均跳距，(xi,yi,zi)和（xj,yj,zj）分别为监测区域中两个不同锚节点的坐标信息值，hij则表示上述两个锚节点间的最小跳数值。根据求得的平均跳距值，可计算区域中两个锚节点间的估计距离dij为：dij=HopSizeihij（2）3）区域内未知节点的坐标值计算。通过步骤1）-2），可求得任意未知节点与区域内每个锚节点的距离。以此为基础，并假设在监测区域中每个未知节点均存在至少 4 个连通的锚节点，则可采用极大似然估计法（Maximum Likelihood Estimate,MLE）求得未知节点的坐标信息，具体计算过程如下：(x-x1)2+(y-y1)2+(z-z1)2=d21(x-x2)2+(y-y2)2+(z-z2)2=d22,n4(x-xn)2+(y-yn)2+(z-zn)2=d2n（3）其中，(x,y,z)代表的是区域内未知节点的坐标，而(xk,yk,zk)代表的则是区域内与未知节点连通的第 k个锚节点坐标，且 1kn。将式（3）转换为矩阵形式PX=Q，则有：P=2(x1-xn)2(y1-yn)2(z1-zn)2(x2-xn)2(y2-yn)2(z2-zn)2(xn-1-xn)2(yn-1-yn)2(zn-1-zn)（4）Q=x21-x2n+y21-y2n+z21-z2n+d2n-d21x22-x2n+y22-y2n+z22-z2n+d2n-d22x2n-1-x2n+y2n-1-y2n+z2n-1-z2n+d2n-d2n-1（5）X=xyz（6）上式中，若存在矩阵A和B使得ATA为可逆矩阵时，则可将区域内未知节点坐标表示为：图1三维空间中节点信息传播图-122X=(ATA)-1ATB（7）1.23DDV-Hop定位算法存在的问题由以上分析可知，利用 3DDV-Hop 算法定位的重点是跳数与平均跳距的乘积。通过该值可获取传感器节点的距离，并在测出距离后计算各节点的位置坐标。计算跳数时，在通信半径内的所有覆盖节点均会记为一跳，由此便会造成统计错误。同时在多个通信半径内的节点通信路径并非直线，这样需经过多次跳数才能完成通信。此外在求解节点位置时，通常使用三边定位法（Trilateral PositioningMethod）来完成。但当三个节点在一条直线时，三边定位法就会失效。因此，影响 3DDV-Hop 精度的主要原因有三个：跳数、平均跳距及节点坐标计算方法。1.3算法改进1.3.1基于双通信半径法的最小跳数修正传统的跳数计算11方式使用单通信半径法，但该方法的误差较大。因此为了减小误差，该文使用双通信半径法对最小跳数进行修正12。双通信半径算法的示意图如图2所示。图2双通信半径算法示意图假定节点数据传输共有R和0.5R这两种传输半径，且锚点 A分别在传输半径 R与 0.5R处传输信息，由此测得的数据将会更加精确。从图中可以看到，节点 1、2 在 0.5R 半径内，故这两个节点的跳数均为0.5，而节点3、4的跳数则为1。这使得拓扑更具真实性，也是提高定位精度的前提。1.3.2加权平均跳距改进方法由式（2）可知，使用单一代价函数计算得到的值会存在一定误差。因此，该文采用平方代价函数对单一函数进行改进。其可表示为：f1=1m-1ij(dij-HopSizeihij)2（8）由偏导数可求解得到HopSizei的值如下所示：HopSizei=ij(hijdij)ijh2ij（9）式（8）-（9）为单个节点与其他节点的平均跳距，且当这两个数值间的跳距相差较小时，就会引起误差。因此，可以使用多个节点的加权值对精度进行提升，但节点过多会导致计算量激增。同时，若两个节点相距过远，对最终的结果影响也较小。所以选择单个节点及与其距离最近三个节点的跳距平均值作为加权值，计算公式如下：Nall=1Ni1Ni+1Nj+1Nk（10）式中，Ni、Nj、Nk为某锚节点与其距离最近节点i、j、k的最小跳数值。节点加权后的跳距可表示为：HopSize=i,j,kNallHopSizei,j,k（11）1.3.3最小最大节点坐标计算法在坐标求解中，使用最小最大法（Min-Max）13对最终坐标进行求解。该方法使用求解完成的锚点坐标与计算完毕的跳距值，在空间中构建最小与最大区域限制函数。再通过计算各个限制函数所构成的限制圆质心求得坐标值。其在提升精确度的同时，还可减小了一定的计算量。Min-Max算法的构造如图3所示。图3Min-Max算法构造图3中，A、B、C是离位置节点D最近的三个锚节点，且节点间的距离是已知的。A、B、C 的节点坐标为(xp,yp,zp)(p=A,B,C)，则锚点限制区域如下所示：xp-dp,yp-dp,zp-dp,下限值xp+dp,yp+dp,zp+dp,上限值（12）式中，下限值的最大与最小值为各区域的交集，而这些交集所形成的图形质心则为未知锚点的坐刘 锋基于多维度精确定位的测绘数据处理技术研究-123电子设计工程 2023年第16期标值。1.3.4改进算法流程该文对影响3DDV-Hop定位算法精度的因素进行了改进14，算法的执行流程如下：1）定位节点初始化。由空间中的定位节点构建定位系统，且初始化的最大通信半径为 R，节点总数为P。2）双通信半径传播。根据双通信半径法设定 R和 0.5R的传播半径进行最小跳数修正，直至网络中锚节点数据传播完成为止。3）计算平均跳距。依据加权法（Weighting Method）对锚点间的平均跳距加以计算，并选择与未知节点距离最近的三个节点进行加权。4）计算最终坐标。使用Min-Max算法构建限制区域，同时计算上下限区域的质心，以得到未知节点的坐标，进而完成最终定位。2算法测试2.1实验平台文中使用 Matlab15-16对测绘空间数据进行生成与仿真。利用部署于测绘空间内部的锚节点个数、通信半径及未知节点个数三方面进行算法性能的对比。所构建的仿真实验环境如表1所示。表1实验环境项目测绘环境大小最多锚节点个数/个最多网络节点个数/个最大通信半径/m硬件参数具体内容300 m300 m300 m4030060i7-7700K,32 GB2.2实验测试文中利用上述三方面的变化值对算法性能加 以 测试。选取了 3D-DVHop、3D-WD-DVHop及IPSODV-Hop这三种经典算法来与所提方法进行对比。所使用的参数指标则为误差距离，即测量值和实际值之间的欧式距离（Euclidean distance）。默认的实验环境：200个传感器，20%的锚节点，80%的未知网络节点，同时通信半径为 35 m，且做 50 次实验后取平均值17-18。验证通信半径对定位精度的影响，取 2560 m之内的通信半径，并测量定位误差，所得结果如图 4所示。图4通信半径对定位精度的影响由图可知，随着通信半径的增大，锚节点可以覆盖更多的通信节点，因此误差也逐渐降低。此外该算 法 在 对 比 算 法 中 具 有 最 低 的 误 差 值，且 相 较IPSODV-Hop算法误差降低了2.1%。除了通信半径以外，锚节点个数对定位误差也有较大的影响。当锚节点个数取 1040 个时，各算法的结果如图5所示。图5锚点个数对定位精度的影响从图中可看到，在锚节点数量较少时，各算法误差均较大。而随着锚节点数量的增加，各算法的误差均有所下降。由于该算法对跳距与跳数进行了优化，因此其定位误差的平均值比其余三种算法的平均值下降了约6.8%。此外，未知节点总数对网络的连通性也有直接的影响。文中在节点数量为 125275个之间进行了仿真，所得结果如图6所示。由图 6可知，在节点数量较少时，由于网络的连通性较差，所以其定位误差较高。而随着节点个数的增加，定位误差也随之下降。而该算法通过增加节点半径来对节点数量的不足加以补偿，比其他三种算法的定位误差平均值降低了约5.4%。-124综上所述，该算法通过对最小跳数、跳距及定位算法进行了优化，其综合性能较为理想，定位精度相较对比算法也有所提升。3结束语传统卫星测绘算法定位精度较差，该文针对算法存在的三个缺陷进行了改进。分别使用双通信半径法、加权平均法和最小最大法对算法进行了优化。实验测试结果显示，所提算法误差指标在对比算法中均为最优，表明该算法可以有效提升卫星测绘的精确度。参考文献：1 周凯,周培钊,付文涵,等.无线传感器网络的改进DV-hop定位算法研究J.东北师大学报(自然科学版),2021,53(4):137-143.2 刘川洲,张玲华.基于DV-Hop算法的无线传感器网络定位精度优化J.激光与光电子学进展,2021,58(22):498-504.3 Chowdhury A,De D.Energy-efficient coverage op-timization in wireless sensor networks based onvoronoi-glowworm swarm optimization-kmeans al-gorithmJ.Ad Hoc Networks,2021(2):118-126.4 罗施章,张晶,王健敏.基于三维坐标修正的改进型3DDV-Hop 定位算法J.计算机工程与科学,2021,43(10):1766-1772.5 罗施章.无线传感器网络3DDV-Hop定位算法的优化研究D.昆明:昆明理工大学,2021.6 方旺盛,胡云青,胡中栋.对跳距重估与最小跳数修正的DV-HOP算法J.电子测量与仪器学报,2018,32(8):201-208.7 周向,邹学玉.基于RSSI平均跳距路损的DV-Hop定位算法J.长江大学学报(自然科学版),2020,17(2):112-118.8 吴斌.基于智能优化算法的WSN节点定位技术研究D.杭州:杭州电子科技大学,2019.9 薛建彬,常鑫亮.基于人工蜂群的WSN节点定位算法J.兰州理工大学学报,2020,46(3):94-99.10李世豪,王建.非规则布站对时差系统定位精度的影响分析J.电子科技,2020,33(10):57-63.11张航,龙道银,覃涛,等.基于连续跳数的DV-Hop改进定位算法J.小型微型计算机系统,2021,42(11):2388-2393.12胡远,乔建华.基于最小跳数改进的三维DV-Hop定位算法J.太原科技大学学报,2021,42(4):266-270,276.13徐京明,王珺,李成星.云环境下的基于Min-Max的节能资源调度算法的研究J.计算机应用与软件,2020,37(4):75-81,113.14程杰,董云玲,陈嘉兴,等.一种具有连续跳数值的三维DV-Hop改进算法J.电子学报,2020,48(11):2122-2130.15孙慧霞,周上楠,周玲,等.基于MATLAB GUI的数字信号处理仿真平台开发J.电子科技,2021,34(2):74-78.16黄丽莎,陈峰.基于Matlab算法的单站系统设计与实现J.计算机与数字工程,2019,47(6):1387-1390.17丘嘉苑,汤平瑜,穆青青.基于多源数据处理的用户用电行为侧写技术J.供用电,2022,39(2):80-85.18王竞才,李琰,徐天奇.基于扩展卡尔曼滤波的智能电网虚假数据检测J.智慧电力,2022,50(3):50-56.图6节点数量对定位精度的影响刘 锋基于多维度精确定位的测绘数据处理技术研究-125