水下传感器网络移动节点定位问题研究

　　无线传感器网络( WSN) 是信息科学领域中一个全新发展方向，它融合了微处理器、智能传感器与通信技术，使得传感器节点成为集感知信息、交换信息、协调控制等功能于一体的有机结合体，被认为是下一代互联网的重要组成部分。根据应用环境的不同，无线传感器网络又可分为地面传感网、地下传感网以及水下传感网。近年来，随着各国政府对海洋开发的重视，水下传感网进步飞速，现在它已经广泛应用于海洋数据采集、污染检测、海上探测、灾难预警、救援打捞和军事监测等方面[1]。

　　在大多数应用中，如何快速有效地对目标节点的物理位置进行定位，是国内外许多研究机构和学者所共同探讨的问题[2]。在水下救援打捞等领域，则需要对移动的目标节点进行定位，对定位精度也提出了更高的要求，这就给水下传感网的定位算法设计带来了挑战。目前，针对水下传感网移动节点定位的研究并不多，本文首先分析了现有的定位算法及在水下定位中的优劣，然后针对水下传感网的特性，提出了一种基于Chan 算法改进的M-Chan 算法，它通过曲线拟合进行运动轨迹预测，利用节点移动特性修正估计位置，从而使节点定位达到较高的精度，并进行了仿真与误差分析。

　　1 相关算法分析

　　常见的节点定位算法，根据定位过程中是否需要测量节点间的距离，分为基于测距的算法和无需测距的算法两类。无需测距的算法主要通过节点之间的连通性实现节点定位; 基于测距的算法依赖额外硬件测量节点间的距离信息，如接收信号强度( RSSI) 、信号的到达时间( TOA) 、不同信号的到达时间差( TDOA) 以及信号的到达角度( AOA) 。该类算法需要额外器件，增加了节点成本和功耗，但与无需测距的算法相比，定位精度更高[3]。而在水下环境中，温度、障碍物、传播模式等条件都是不断变化的，现有的传播衰减模型又不精确，故测量接收信号强度( RSSI) 存在困难，精度受限[4]。基于到达时间差( TDOA) 的算法不需要复杂的测距设备，定位精度较高，在水下传感网定位中最为适用。

　　水下传感器网络主要依赖声波进行通信，声波的传播速率比电磁波小几个数量级，通信过程中的传播延迟较大。如果目标节点移动速度很快，那么在定位信号从目标节点到锚节点的传播时间内，目标节点的位移较大，从而使定位精度下降。目前学术界提出的一些动态定位算法，如DLS 算法[5]、MSPF 算法[6]、MCL 算法[7]以及基于MCL 的几种改进算法: 如MCB 算法[8]，解决了MCL 方法采样效率低的问题; Dual-MCL、Mixture-MCL 算法[9]对预测和滤波阶段进行了改进等，这些算法并没有一项是特别针对水下传感网中锚节点多为静止状态的情形设计的，也没有考虑到水下传感网的传输特性，而且它们多不基于测距，定位精度普遍不高。