基于离散鸡群压缩感知的WSNs多目标定位

doi:10.3969/j.issn.1006-2475.2017.12.005

计算机与现代化

基于离散鸡群压缩感知的WSNs多目标定位

(1.沙洲职业工学院,江苏张家港215600；2.苏州大学,江苏苏州215006)

收稿日期:2017-07-06 出版日期:2017-12-25 发布日期:2017-12-26
作者简介:董袁泉（1974-），男，江苏张家港人，沙洲职业工学院讲师，硕士，研究方向: 计算机网络，信息安全；王浩（1977-），男，江苏张家港人，苏州大学工程师，博士，研究方向:人工智能，强化学习，深度学习。

Multiple Target Localizationin WSNs via CS Reconstruction Method Based on Discrete CSO Algorithm

(1. Shazhou Professional Institute of Technology, Zhangjiagang 215600, China; 2. Soochow University, Suzhou 215006, China)

Received:2017-07-06 Online:2017-12-25 Published:2017-12-26

摘要/Abstract

摘要： 对无线传感器网络（WSNs）多目标定位问题进行研究，提出一种基于离散鸡群压缩感知的多目标定位方法。首先给出离散鸡群算法（DCSO）相关定义，设计离散鸡群编码方式和迭代进化策略，在此基础上，构建基于压缩感知（CS）的WSNs多目标定位模型，对测量矩阵和稀疏矩阵进行合理选取，并将离散鸡群算法应用于CS信号重构算法中，实现对稀疏度未知多目标位置信息的精确重构。仿真结果表明，与OMP和MLE定位算法相比，该方法具有较高的多目标定位精度。

关键词: 无线传感器网络, 多目标定位, 离散鸡群优化算法, 压缩感知, 定位精度

Abstract: The multiple target localization problem of WSNs is studied, and a multiple target localization method based on discrete chicken swarm optimization (DCSO) and compressed sensing (CS) theory is proposed. Firstly, some definitions related to DCSO algorithm are given, and the discrete chicken coding method and the iterative evolution strategy are designed. Based on this, a WSNs application model based on CS is established, and the measurement matrix and sparse matrix are chosen. Finally, the DCSO is applied to the CS sparse signal reconstruction algorithm, which realizes unknown sparsity multi-objective information reconstruction. The simulation results show that, compared with OMP and MLE, this method has better effect in multiple target locating precision.

Key words: wireless sensor networks, multiple target localization, discrete chicken swarm optimization, compressed sensing, positioning precision

中图分类号:

TP393

董袁泉1，王浩2. 基于离散鸡群压缩感知的WSNs多目标定位[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.12.005.

DONG Yuan-quan1, WANG Hao2. Multiple Target Localizationin WSNs via CS Reconstruction Method Based on Discrete CSO Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.12.005.

参考文献

［1］刘志新,刘强,袁亚洲,等. 基于贝叶斯估计与虚拟力导向混合遗传算法的无线传感网络定位方案［J］. 控制与决策, 2013,28(6):899-903. ［2］Kolar V, Razak S, Mahonen P, et al. Measurement and analysis of link quality in wireless networks: An application perspective［C］// INFOCOM IEEE Conference on Computer Communications Workshops. 2010:1-6. ［3］Osamy W, Salim A, Aziz A. Efficient compressive sensing based technique for routing in wireless sensor networks［J］. Journal of Computer Science, 2013,12(1):1-9. ［4］朱剑,赵海,徐久强,等. 无线传感器网络中的定位模型［J］. 软件学报, 2011,22(7):1612-1625. ［5］王福豹,史龙,任丰原. 无线传感器网络中的自身定位系统和算法［J］. 软件学报, 2005,16(5):857-868. ［6］Aksu H, Aksoy D, Korpeoglu I. A study of localization metrics: Evaluation of position errors in wireless sensor networks［J］. Computer Networks, 2011,55(15):3562-3577. ［7］李树江,佟以鑫,王向东,等. 一种基于无线传感器网络安全的能量优化路由算法［J］. 大连理工大学学报, 2016,56(2):193-201. ［8］夏俊,凌培亮,虞丽娟,等. 基于量子遗传算法的无线传感网络路由优化［J］. 同济大学学报(自然科学版）, 2015,43(7):1097-1103. ［9］Donoho D L. Compressed sensing［J］. IEEE Transactions on Information Theory, 2006,52(4):1289-1306. ［10］张宗念,黄仁泰,闫敬文. 压缩感知信号盲稀疏度重构算法［J］. 电子学报, 2011,39(1):18-22. ［11］Chen Feng, Valaee S, Tan Zhenhui．Multiple target localization using compressive sensing［C］// Proceedings of the 28th IEEE Conference on Global TeleCommunication． 2009:4356-4361. ［12］何风行,余志军,刘海涛. 基于压缩感知的无线传感器网络多目标定位算法［J］. 电子与信息学报, 2012,34(3):716-721. ［13］方红,杨海蓉. 贪婪算法与压缩感知理论［J］. 自动化学报, 2011,37(12):1413-1421. ［14］Meng Xianbing, Liu Yu, Gao Xiaozhi, et al. A new bio-inspired algorithm: Chicken swarm optimization［C］// International Conference in Swarm Intelligence. 2014:86-94． ［15］张波,刘郁林,王开,等. 基于概率稀疏随机矩阵的压缩数据收集方法［J］. 电子与信息学报, 2014,36(4):834-839. ［16］吴迪,王奎民,赵玉新,等. 分段正则化正交匹配追踪算法［J］. 光学精密工程, 2014,22(5):1395-1402. ［17］Cheng Chi-tsun, Tse C K, Lau F C M. A delay-aware data collection network structure for wireless sensor networks［J］. IEEE Sensors Journal, 2011,11(3):699-710.

[1]	杜鑫昌, 高瑜翔, 曹远杰, 张皓, 刘海波. 改进混沌方程及压缩感知理论图像加密算法[J]. 计算机与现代化, 2022, 0(04): 115-120.
[2]	张连娜, 张慧萍, 李荣鹏, 宋学力. 基于二次筛选的回溯广义正交匹配追踪算法的稀疏信号重构[J]. 计算机与现代化, 2022, 0(03): 111-115.
[3]	陈勋豪, 杨莹, 黄俊茹, 孙玉宝. 基于多尺度融合网络的视频快照压缩感知重建[J]. 计算机与现代化, 2021, 0(12): 58-64.
[4]	赵继业. 基于云安全模型的簇状树形无线传感器网络路由协议 [J]. 计算机与现代化, 2021, 0(08): 6-10.
[5]	张彦虎, 鄢丽娟, 孔淑梅. 一种适用于凹陷型山地地形的无线传感器网络路由算法[J]. 计算机与现代化, 2021, 0(06): 86-90.
[6]	张彦虎, 鄢丽娟. 一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法[J]. 计算机与现代化, 2021, 0(05): 83-87.
[7]	马媛, 杜秀娟 . 基于NS3的水下LEER协议优化与分析[J]. 计算机与现代化, 2021, 0(03): 35-40.
[8]	金安安, 丁双双, 熊卿智, 许婷婷, 习淑萍, 马继忠. 基于SWOMP算法的EPMA影像优化重构[J]. 计算机与现代化, 2020, 0(12): 104-111.
[9]	蔡文鹏, 鞠时光. 三维曲面多移动节点的传感器网络部署算法[J]. 计算机与现代化, 2020, 0(11): 70-76.
[10]	张蕾, 崔娟娟, 李晶晶. WSN中基于压缩感知的分簇数据收集算法[J]. 计算机与现代化, 2020, 0(09): 1-5.
[11]	鄢丽娟, 张彦虎. 一种基于平均剩余能量的无线传感器网络分簇路由算法[J]. 计算机与现代化, 2020, 0(07): 16-20.
[12]	余红星1,2,申国伟1,2，郭春1，2. 一种基于自动特征工程与压缩感知的网络隧道检测方法[J]. 计算机与现代化, 2019, 0(06): 1-.
[13]	张欢1,2,雷宏1. 干扰恢复问题中惩罚优化方法相变现象分析[J]. 计算机与现代化, 2019, 0(06): 76-.
[14]	吴佳1，赵云2，张丽娟3，宋文2. 基于空时压缩感知算法的蜂窝流量预测[J]. 计算机与现代化, 2018, 0(12): 11-.
[15]	孙宗星，蔡丽萍，李世宝. 基于蚁群优化的无线传感器网络最适路由算法[J]. 计算机与现代化, 2017, 0(8): 13-.

基于离散鸡群压缩感知的WSNs多目标定位

Multiple Target Localizationin WSNs via CS Reconstruction Method Based on Discrete CSO Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价