装备移动物联网仪表的区域通信信息自动化实时定位

0 引言

区域通信信息定位技术可以应用于航空航天、环境保护、家庭监测等众多领域，通过物联网的信息联通设备，在远处将检测对象的具体信息传递到汇聚节点中，并以数据为中心获得信息，是一种具备广泛的应用价值与应用前景的技术。在现有的区域通信信息自动化定位技术中，大多使用图形划分区域定位等技术，对移动物联网中的区域信息节点位置坐标做出模糊的定位。然后通过神经网络算法或者压缩感知技术，实现节点坐标的定位精度的提高，以及网络损耗的降低。但是这样的方法一方面难以保证在物联网区域传递的通信信息的完整性，另一方面在计算节点运动过程中的坐标时准确性较差，因此难以保证通信信息的实时定位精度。基于此，本文通过装备移动物联网仪表，对区域通信信息自动化实时定位技术作出了优化。

1 装备移动物联网仪表的区域通信信息自动化实时定位设计

1.1 重构移动物联网区域通信信号

在区域通信的信息定位技术中，对信号的处理是十分重要的步骤。这个过程主要分为五个步骤，分别是采集原始信号、将信号转换为压缩包的形式、在物联网内传输原始信号、信号的解压处理以及信号恢复重构。在理想状态下，想要采集到完整的原始信号[1]。需要通过高维稀疏信号作为不完备的测量值，然后将长度为X的测量值尽量减少，直至原始信号被全部提取采集。设原始信号的基向量为ψx，且x=1,2,3…,X。且在傅里叶基变化中，将每个元素作为非零值的元素，可以通过衰减趋势分别计算稀疏变换的支撑系数，此时的系数向量计算公式为：

式中，表示稀疏变换中系数的向量支撑系数；δx表示变换域的正交变换小波系数；Dh表示信号的支撑域[2]。在采集了原始信号之后，通过压缩可以将感知信号从物联网的一端传送到另一端，此时的信号在压缩的过程中需要建立一个稀疏的投影矩阵，且信号的恢复误差必须保持在一定的值域内，此时的原始信号组可以表示为：

矩阵中，Yd表示一个4×4格式的线性方程组；矩阵中的每一个非零值均为一个原始信号。此外还需要建立投影矩阵Xd：

根据原始信号矩阵Yd与投影矩阵Xd可以得到压缩后的信号Hf：

信号在传输的过程中，可以通过式(5)保证确定解的存在。

式中，hp表示经过压缩处理后的原始信号在传输前后的标准差；δt表示信号等距输送的参量；xd表示信号恢复的行列相关度。在解压信号的过程中，两个不同的信号不能被映射在同一个矩阵中，否则很容易造成信号的等距交换[3]。在函数中，向量的所有非零元素均具备稀疏的特性，通过最小化的信号求解，并利用等价线性规划的方式，可以得到式：

式中，fs表示信号的重构替代参数；dc表示在信号重构过程中所需要面对的凸优化问题参数。根据实际测量值，计算环境噪声对信号重构的影响，并假定噪声强度大于0，此时的噪声情况可以表示为：

式中，ds表示噪声的序列范数；Sd表示高斯白噪声的信号强度；γf表示经过高精度信号重构的信号复杂度系数。通过设置权值的方法减小噪声对信号重构的影响，并计算数据冗余条件下的信号改善方法。通过以上内容，即可重构移动物联网感知信号，并使得信号可以尽量减少传输过程中的信息损耗。

1.2 计算信息节点实时更新坐标

得到经过压缩处理后，信息损耗量较小的通信信号后，需要实时计算信息节点的更新坐标，以固定锚节点的计算能力。假设信息节点之间的覆盖半径为Ri，其中两个相邻的信息节点分别为di和dj，且节点的位置分别表示为di(ap,dp,cp)和dj(at,dt,ct)，则可以计算二者之间的距离：

式中，D(di,dj)表示两个相邻节点di和dj之间的距离；ap,bp,cp分别表示节点di在x轴、y轴、z轴方向的位置坐标；at,bt,ct分别表示节点dj在三个方向的位置坐标。以此计算锚节点之间的最优邻居向量，并覆盖视野盲区，使得节点可以选择最合适的距离进行未知节点的定位。因此可以通过模糊信息节点视野的方式，建立移动物联网的模糊观测信息，此时两个传感器节点的几何定位方法如图1所示。

图1 传感器节点定位信息节点

如图1所示，通过四个传感器节点，建立一个信息采集的平面，假设信息节点的位置在M2，则需要依据传感器节点延伸出一个模糊的俯仰角，计算节点高度，作为交叉目标定位的锚节点，并根据相应的高度计算最终目标点[4]。在三维空间坐标中，模糊节点与目标节点之间的坐标为：

式中，μi和μj分别表示∠p4p1m1以及∠m2p1m1；βa表示∠p3m1p2，βb为∠p1m1p2，βc为∠p1m1p4。通过式(10)可以计算模糊节点与目标节点之间的距离：

式中，dk表示模糊节点与目标节点之间的距离，及图1中的虚线部分M1M2。最后通过更新锚节点的移动变量，计算信息节点的更新距离。此时需要获取锚节点的速度与方向。

式中，vh表示锚节点运动的速度；通过dh可以得知节点运动的方向；δd表示信息节点在要求范围内的随机参数；αf表示节点的平均信息长度。通过式(12)，实时更新锚节点的位置坐标，此时的式为：

式中，(ak,bk,ck)表示前一刻的信息节点坐标，(ak+1,bk+1,ck+1)则表示经过移动后的信息定位坐标。据此可以得到信息节点的实时更新坐标。

1.3 设计区域通信信息实时定位算法

通过上文中信息节点的实时定位方法，获得区域通信信息实时定位算法，首先需要在节点的位置采集相应的数据，同时假定定向通信信号的增益比，在对应的传感器节点中设置特定的角度，并将该节点作用于平面坐标中。

在图2中，通过重构信号的方式，建立信号的目标集合，当信号的总值大于锚节点的内角网络时，可以将向量的内角和从大到小依次排序。若信号总值大于节点内角和，则可以以此计算节点的实时坐标，若总值小于内角和，则需要重新构建通信信号，降低信号中的噪声影响。在最大差值重置为0的过程中，需要判定锚节点的可靠性，并依次过滤筛选。当锚节点中的初始节点路径损耗指数小于误差阈值时，需要重新设置信号差值，但是当路径损耗指数大于误差阈值时，则可以继续提取信号的节点坐标[5]。当判定其中某个节点为无效节点时，可以依据网络锚节点的坐标，实时更新定位算法。定义修正因子(α,β,γ)，其中修正因子的求解公式为：

图2 通信信息实时定位算法

式中，a和ai分别表示通信节点移动前与移动后的节点坐标，通过修正因子计算无效节点的更新位置。此时算法已经实现了定位区域的虚拟分层，并按照节点之间的距离提高了定位精度，同时也极大地降低了计算的复杂度。

2 应用测试

2.1 仿真环境设置及信息定位误差计算

在本实验中，对装备移动物联网仪表的区域通信信息自动化实时定位进行仿真，在不同的参数下验证该定位算法的性能。随机设置一个长度单位为n×n的信息网络，其中传感器的节点数量为M个。将信息网络划分为如图3所示的网格，并在其中添加传感器节点与待定位的目标。

图3 区域通信信息网络

在图3中，每一个网格至多有一个传感器节点。当节点的感知半径为Rd时，节点想要感知到目标，需要将节点放置到距传感器不足Rd距离处，这样才能感知到节点的存在。想要证明文中设计的信息定位技术的有效性与可靠性，需要在数据中添加一部分高斯白噪音，计算噪声与节点之间的测量值，并绘制矩阵。在实验中，想要衡量信息定位的有效性，需要计算目标定位的精准度，即信息定位的误差，其公式可以表示为：

式中，dr表示信息定位误差，当dr越高时，算法的定位精度越低；Kn表示目标节点的数量；fi和gi分别表示目标点在x轴与y轴中的实际位置；f'i和g'i分别表示经过算法定位的目标点在x轴方向的位置；Rd表示传感器节点所能够感知到的信息节点的半径。

2.2 不同参数对定位效果的影响

在算法中，传感器的感知半径Rd、信息节点的数量Kn、传感器自身的数量Kf均会对区域通信信息自动化定位的精度造成影响，因此分别对其进行测试，以寻找最优的参数项。如图3所示，设传感器节点的数量为10，信息网络的网格数量为10×10，信息节点的数量为20，将感知半径作为变量，测试传感器感知半径对定位效果的影响，得到的数据结果如图4所示。

图4 传感器感知半径对定位效果的影响

在图4中，分别测试不同噪声环境下，传感器半径不同导致的信息定位误差变化。当传感器的感知半径为0.1单位长度时，四种条件下的信息定位误差均为最大值，即定位精度较差。此后，随着传感器的感知半径的增加，信息定位误差呈现出先减小后增加的趋势，在环境噪声为15、25、30，且传感器感知半径达到0.6时，信息定位误差为最小值；环境噪声为20时，传感器感知半径为0.7时，信息定位误差达到最小值。设置信息节点的数量分别为20～65，测试不同环境噪声影响下信息定位误差的变化趋势，得到图5。

图5 信息节点数量对定位效果的影响

如图5所示，在不同的噪声环境中，信息定位误差均随着信息节点数量的增加逐渐增加，呈现出“S”型的特征。在此情况下，信息节点数量为20～30时，信息定位误差达到最小值0.11。设置传感器的数量为5～50，测试传感器数量的不同对信息定位效果的影响，并得到图6。

图6 传感器数量对定位效果的影响

在图6中，随着传感器节点数量的增加，信息定位误差急速降低。当环境噪声为25和30dB时，信息定位误差首先达到最小值0.09，此时传感器节点的数量为30。当环境噪声为15和20dB时，信息定位误差达到最小值，此时的传感器节点数量为35。

2.3 算法性能测试

分别测试基于Voronoi图的定位技术、基于优化神经网络算法的定位方法、基于多维测量信息压缩感知的定位技术，以及文中提出的通信信息自动化定位技术，通过实验结果判断文中设计方法的优越性。基于以上最优参数的求解，设置传感器感知半径为0.6，信息节点的数量为30，传感器数量为40。得到不同算法性能对比结果如图7所示。

图7 不同算法性能对比

在图7中，四种算法在不同背景噪声下的信息定位误差均不相同。当背景噪声不断增加时，信息定位误差也在不断增加，由此可见背景噪声越小，区域通信信息的自动化实时定位精度越高。且对比其他三种技术，文中方法的信息定位误差最小为0.07，最大为0.11，在图中可以明确得知，该方法的信息定位误差远小于其他三种方法。因此，文中装备移动物联网仪表的区域通信信息自动化实时定位技术具备较好的定位准确性，其精度指标实现了优化。

3 结语

本文基于装备移动物联网仪表对区域通信信息自动化实时定位技术进行了设计，通过重构移动物联网区域通信信号，计算信息节点实时更新坐标，最终得到了区域通信信息实时定位算法，通过该算法可以明确得到精度更高的定位技术。在该技术下，物联网网络可以得到更广泛的传播，对物联网以及信息节点环境也作出了相应的测试，能够在相对较为复杂的环境下得到精度更高的定位结果，解决了信息节点移动过程中难以定位的问题。