為了用多傳感器網(wǎng)絡(luò)解決震源的定位問題,采用脈沖耦合時(shí)鐘同步算法,同步所有傳感器網(wǎng)絡(luò)節(jié)點(diǎn)時(shí)鐘,在此基礎(chǔ)上,測出震源發(fā)出的脈沖信號到達(dá)各個節(jié)點(diǎn)的時(shí)間差。結(jié)合遺傳算法的全局尋優(yōu)能力和擬牛頓算法的快速局部搜索能力,提出遺傳-擬牛頓混合算法的到達(dá)時(shí)間差定位方法。為了驗(yàn)證該混合算法的精確性,使用MATLAB分別對擬牛頓算法與遺傳-擬牛頓混合算法的橫軸和縱軸進(jìn)行仿真,通過對比,證明了遺傳-擬牛頓混合算法收斂速度快、精確度高、穩(wěn)定性好。 

【文章來源】：河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(04)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

震源定位模型

在傳感器網(wǎng)絡(luò)中,一個給定的傳感器節(jié)點(diǎn)只需計(jì)數(shù)鄰居節(jié)點(diǎn)Ni和收集TOA值,因此,各個節(jié)點(diǎn)之間的信息交換在傳感器網(wǎng)絡(luò)中起著至關(guān)重要的作用�；谑�(7),每一個傳感器解決了本節(jié)點(diǎn)對震源的定位問題,然后與所有節(jié)點(diǎn)的定位結(jié)果相結(jié)合,最后平均化,獲得一個精確位置。為了定位出未知震源的坐標(biāo),需要求解式(8)的解,即找到使式(8)最小的向量值(x,y)。本文選用遺傳算法搜索出離精確解最近的坐標(biāo),將其作為擬牛頓算法的初始值,進(jìn)行快速迭代,收斂至精確坐標(biāo),定位流程如圖2所示。2 混合算法

遺傳算法(genetic algorithm,GA)是一種有效解決最優(yōu)化問題的方法,通過快速搜索得到接近精確解的近似解。GA是模擬達(dá)爾文的自然選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型,也是近年來優(yōu)化領(lǐng)域的研究熱點(diǎn)。遺傳算法具有全局搜索的功能,前期尋優(yōu)搜索速度很快,因此,在解決很多復(fù)雜和狀態(tài)多變的優(yōu)化問題方面具有很大優(yōu)勢。本文將震源定位中的目標(biāo)函數(shù)作為適應(yīng)度函數(shù),具體參數(shù)為:選用雜交概率Pc=0.7,變異概率Pm=0.15,學(xué)習(xí)率eta=0.8,最大迭代次數(shù)kmax=500。首先,需要給定搜索的空間范圍和隨機(jī)產(chǎn)生由400個個體組成的一個群體,GA以此400個個體為初始點(diǎn)開始迭代;其次,選擇能夠達(dá)到符合預(yù)期期望的適應(yīng)度函數(shù),即為本文的目標(biāo)函數(shù);最后。模擬種群隨機(jī)交配原理,種群間進(jìn)行選擇、交叉和變異,產(chǎn)生子代,變異出新個體,進(jìn)行自然選擇,逐步選擇適應(yīng)新環(huán)境較強(qiáng)的個體,淘汰劣勢個體,周而復(fù)始,直到滿足所設(shè)迭代條件后,方可終止,具體算法流程見圖3。2.2 擬牛頓算法

【參考文獻(xiàn)】：
期刊論文
[1]一種基于TOA測距的室內(nèi)三維質(zhì)心定位算法研究[J]. 何世鈞,黃智偉,黃星琪.  測控技術(shù). 2017(10)
[2]基于RSSI定位算法的無線傳感器網(wǎng)絡(luò)研究[J]. 賈宗璞,徐園園,董家昕.  河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[3]基于無線傳感器網(wǎng)絡(luò)時(shí)鐘同步的定位算法研究[J]. 陳輝,熊輝,殷昌盛,魏浩.  現(xiàn)代電子技術(shù). 2015(07)
[4]基于麥克風(fēng)陣列的聲源定位研究[J]. 鄧艷容,景新幸,任華娟.  電子技術(shù)應(yīng)用. 2010(02)
[5]求解非線性不等式組的混合遺傳算法[J]. 葉海,馬昌鳳.  福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(01)



本文編號：3413328