外文翻译--计算机专业无线传感器网络分布式定位的定量比较（适用于毕业论文外文翻译+中英文对照）

1 译文 ： 无线传感器网络分布式定位的定量比较 摘要 本文研究的问题，在 感器网络确定节点位置。在同一仿真平台上比较了 3 种分布式定位算法。该算法都有一个共同的，用三阶段分布式定位结构体系：（ 1）确定未知节点到锚节点距离，（ 2）节点定位，（ 3）迭代求精。我们提出一个详细分析比较各个方案，为每一个阶段，而且是一个一对一的比较完整的算法。 主要的结论是，没有一个单一的算法性能最好，哪一个算法较为可取，取决于条件（范围错误，连接，锚分数等）。在任何情况下都有有很大的空间提高准确性和或增加集中性。 关键词：自 组网；分布式算法；定位 1 简介 无线传感器网络持有的许多应用在监察和控制方面。例如：目标跟踪，入侵检测，野生动物栖息地监测，气候控制，以及灾害管理。快速发展一体化的数字电路驱动了传感器的应用，这将为我们带来美小型，廉价，自治区传感器节点在不久的将来。 新技术提供新的机遇，但它还介绍了一些新的问题。这一点尤为重要，真正的传感器网络中的个别节点能力是很有限的。因此它们之间需要协作节点，但节省能源是一个重大的问题，这意味着通信应尽量减少。这些目标互有冲突，对于许多的情况需要非传统的解决方案。最近的一项 et 论一长串的开放式研究的问题，必须加以处理前传感器网络部署。问题的范围从物理层（低功率传感，处理和通信硬件）到应用层（查询和发布数据议定书）。在本文中，我们处理自组网传感器网络定位。也就是说，我们要确定位置的个别传感器节点，而不必依赖外部基础设施（基站，卫星等）。 自组织问题已得到相当多注意，在过去，由于许多应用需要知道物体或人在哪，并因此建立各种定位服务。毫无疑问，最知名的全球定位系统是今天所使用的位置服务。由全球定位系统实施，但是它不适合低成本，自组传2 感器网络，原因是 全球定位系统是基于广泛的基础设施（即卫 星 ）的 。同样的解决方案开发中面积机器人和普适计算一般不适用于传感器网络因为他们需要太多的处理能力和能源。 近来，一些定位系统已经被建议专门为传感器网络。我们感兴趣的，真正的分布式算法可以受用于大型 感器网络 。这种算法应该是： 自组织（即不依赖于全球基础设施） 强大（即容纳节点失败和范围错误） 能源效率（即需要很少计算，特别是通信） 这些要求立即排除一些对于传感器网络建议的定位算法。我们进行了一次彻底的分析并且符合上述规定的 3 种分布式算法，以确定 它们在各种不同条件下的反应。特别是，我们研究重点参数如下：范围错误，连通性（密度），及 锚节点密度 。这些算法不同在于它们位置精确度，网络复盖范围，诱发网络交通和处理器负荷。三种算法基于不同的设计目标，毫不奇怪的每个算法都要根据一套特定的条件实施。在每一个条件下，但是，即使是最好的算法还有很多改进的余地，精确度和 连通性 。 我们的工作描述在这个文件是： 我们可以找出一个共同的，分三个阶段，在结构分布式定位算法 我们可以找出一个通用的优化适用所有算法 我们提供一份详细的比较单一（仿真）平台 显示：不存在 算法最好的，在大多数情况下存在着改进的余地 第 2 节论述了选择，通用结构，和运作三个分布式定位算法大规模感器网络。这些算法比较基于同一个模拟仿真平台，它被描述在第 3 节，第 4 节介绍中间结果独立描述，而第 5 条规定，一份详细的总体比较，并进行深入的敏感性分析。最后，我们给出的结论在第 6 节。 2 定位算法 在详细讨论分布式定位之前，我们先前概要的上下文中，这些算法已经被介绍。第一考虑到传感器网络要求和自组网没有好的控制，安装网络时（例如，当节点分别从飞机下落）。因此，我们假定节点是随机分布在整个环境。为简化和易用性陈述我们限制的环境，以 2 尺寸，但所有算法是能够在三维。3 网络有 25 个节点；一条线连接的两个节点可以直接通信，网络中节点的连通性是一个重要参数，具有很强的准确性的影响对于定位算法。它可以设置初步通过选择一个特定节点密度，并在一些情况下，可设定动态调整发射功率的射频无线电在每个节点。 在一些应用 情况下，节点可移动。在本文中，但是，我们专注于静 态 网络， 即 节点 静止 ，因为这已经是一个具有挑战性的条件分布式 定位 。我们假定一些锚节点有一个 及 嫩的了解针对一些全球坐标系统。注这锚节点具有相同的功能（处理，通信，能 源消耗，等），与其他所有传感器未知节点； 我们不考虑采取各种办法的基础上外部基础设施与专门的 锚节点 节点（接入点）所用的，举例来说， 不足定位系统和板球定位系统。最理想的小锚节点应尽可能低减少安装成本，而我们的模拟结果表明，说，幸运的是，大部分算法是相当敏感的对于网络中的锚节点。 最后一项内容，它定义分布式定位是有能力来衡量在网络中它们之间的距离有直接关连的节点。从成本的角度来看，这是有吸引力的利用射频无线电测量节点之间范围，例如，通过观察信号强度。经验证明，然而这种做法产生恶劣的距离估计。许多更好的成 果得到了 通过 飞行测量 表明 ，尤其是当声波在与射频信号相结合 ； 精度几个百分点的传输范围 报道 。我们的模拟结果提供精确的距离测量对定位算法 的影响 。 重要的是要意识到主要 依靠 三 个 参数（连接，锚分数，和 测距误差 ）。恶劣的范围测量利用许多锚节点或高连通 测量范围能得到补偿。本文我们了解到， 在分布式定位算法中 连通性，锚分数， 测距 误差 的关系。 通用方法 从已知的对于传感器网络定位算法建议，我们选定三个办法满足网络的基本要求对于自组织性，鲁棒性，能源效率： 其他途径通常 包括一个中央处理元素，依靠外部基础设施或者导致太多的通信。三个选定的算法是完全分布和利用当地广播利用相邻节点。这最后4 一项功能使其对任何多跳之前执行路由已经就位，因此，他们可以支持高效率基于位置的路由计划如 尽管三种算法开发独立后，我们发现他们都有一个共同的结构。我们可以找出以下通用的，三个阶段的做法 1 确定个别节点的职务： 1 、未知节点到锚节点距离的测量：决定位置节点与锚节点之间的距离 2 、节点定位：利用第一阶段得出 的到锚节点的距离和锚节点的位置信息计算出未知节点的坐标 3 、迭代求 精：利用邻居节点距离信息对节点位置进行求精 原来描述的算法目前前两个阶段作为一个单一实体，而是我们发现，他们的分离提供了两个好处。 首先，我们得到了更深入的了解该组合行为 由研究的结果 。第二，它才成为可能， 以 配备选方案为这两个阶段定制外部条件定位算法 。 优化阶段是可选的可能会包含要获取更准确的位置。 在余下的本节中，我们将描述这三个阶段（ 测距 ， 定位 和 优 化） 详细研究。 我们将枚举每个阶段备选方案为原来的说明中找到 。 提供分类到的阶段三种方法 。 如果适用我们还讨论调整每个确保所需的算法与备选方案兼容性。 在我们模拟 操作中观察到 ，我们偶尔操作（部分）的算法外有意情景，使操作结果恶化 。很多时候， 这些都是由 小的改进带来 的。 第 1 期：距离主播 在这一阶段，节点的信息共享，以确定个别节点和锚节点的距离，使一个（初始）位置可以计算出来，在第 2 阶段。没有了第 1 期替代从事复杂的计算， 所以这个阶段的工作是通讯界的。虽然三个分布式定位算法每使用一种不同的方法，他们都有一个共同通信模式：信息泛洪到网络，开始在主播节点。一个网络性的泛洪，网络范围内的 大量通过一些标记 A 是昂贵，因为每个节点必须将转发 A 的信息到它 （可能） 不知道邻居节点。这意味着 误差问题 ：泛洪信息从所有主播向所有节点将是太大昂贵对于大型网络，即使使用 低锚锚点分数 。幸运的是一个好的位置可以导出在阶段 2 与知识（测距和定位）从一个有限数量的定位标记 因此节点可以简单地停止转发信息当足够的锚已位于路由表中时。 这个简单的优化提出了在鲁棒定位5 的做法被证明是高度有效地控制数量 的通信。我们修改了其他两个办法包括泛洪为好。 简单的解决办法定距离到锚是 将距离信息添加 到洪泛的每跳通信中 。这是所采取的做法的 法，我们将它命名为 始从锚节点出发，发出一个信息，锚节点发送包含它们身份和位置信息的消息，路径初始长度设为 0。每个接收到该消息的节点将测量到的距离添加到路径长度里面并且当洪泛限制允许时将其转发出去。另一个制约因素是， 其中，有一个约束条件是如果节点收到的锚节点信息以前已经收到过，那么，只有当当前路径长度小于先前时，才将其转发，因此，每 个节点最后存储的是洪泛限制内锚节点的位置信息和最短 路径距离。 点便是当进行多跳传播的时候，节点的测距误差会发生累积效应。 这种累积误差当网络规模很大或锚节点数量比较少和节点测距硬件误差比较大的时候表现更为明显。一个具有鲁棒性的方法是利用网络的拓扑信息，通过计算跳数而不是累 加距离来完成。 一波洪泛中类似于 点获得锚节点的位置信息和 距离锚节点的最小跳数。在第二波洪泛中将跳数信息转换为距离信息。每个锚节点根据第一波中记录的跳数信息和相距距离，利用式 (1)估算平均每跳实际距离有方程式 式中 ( (锚节点 i， 锚节点 i和 j(ij)之间的跳数。锚节点计算完每跳平均距离后，用带有生存期字段的消息分组广播到网络中，未知节点仅记录接收到的第一个每跳平均距离，并转发给邻居节点。这个策略确保了绝大多数节点从最近的锚节点接收到每跳平均距离值。未知节点接收到平均每跳距离后，根据记录的跳数，计算到每 个锚节点的距离 。 ，因为实际的每跳距离可能会变化很大。 样也是由锚节点发起洪泛，但是，转发的距离信息比先前的要复杂得多，当一个未知节点 接收到 2个到锚节点的距离已知，且它们的相互距离也已知的邻居节点信息时，便可以计算出到锚节点的距离为多少。图 1说明了未知节点 (有 2个邻居节点 们到锚节的的估计距离为 a和 b，它们之间的距 离为 c，到未知节点的距离 d和 个可能的锚节点距离值 ( 有 2种方法可以确定使用哪一个距离。如果存在第三个邻居节点 (有锚节点的距离信息，同时，也和 用 将产生新一组可能的距离，通过简单的选举策略便可确定正确的距离。当有更多的邻居节点参与进来时，选择将变得更加精确。 第二个选择方法是所谓的共同邻居，可应用于如果节点 连接到 本几何推理导致结论，即锚 位置是对同一或相反的镜像侧行单的说就是是 否与 站在同一边。从这一点上遵循自身和定位标记是否在同一侧。 要处理不确定性引出的测距误差 现一种安全机制拒绝格式错误三角形，它可以很容易地选择过程的邻居节点和过程节点。这检查核实二最小的边的总和超出最大的边乘以门限，设置对二倍范围变化。举例来说，三角形自我 n1 2 中被接受当 c+d(1+2e 时，范围差异增加。这就引出一个较低的范围，这将导致一个较低覆盖率 ，已定义为百分比的非锚节点为其一个位置已确定。 第 2 期：节点位置 在第二阶段，节点依据第一 阶段中 3种方法提供的一定数量锚节点的距离信息确定自身的位置。 2种方法都不需要额外的通信。 边测量法 最常见的定位方法是三边测量法，这也是另一种形式的三角。 从估计的距离内（ 并已知位置（ 主播，我们得出以下 系统方程式 而7 未知的立场是记（ x， y）的。 上面的系统方程组可以通过与第 x=标准最小二乘法可以求得 ： 该系统解决了用一个标准最小二乘做法： x=(1某些异常情况，矩阵的逆矩阵可能计算不出来，导致三边测量法失败，但在大多数情况下，都可以成功的计算出： 一个大的 们将拒绝定位 最小最大法 三边测量法在浮点运算方面开销是非常大的，一个更加简单的方法是采用 N主要思想 是利用锚节点的位置信息和估计距离为每个锚节点建立一个边界方框，未知节点的位置便位于这些锚节点边界方框交叉区域的中心。图 2说明了有 3个锚节点估计距离时的工作原理。 锚节点 a(边界方框是通过与估计距离 (加和相减得出的： 交叉区域的边界是通过取所有锚节点边界方框较小值中最大值和较大值中最小值来得到的。 最后位置是一套基于平均两角落的坐标。至于三边测量法，我们只接受最后的位置如果 的 话 第 3 阶段：细化 客观的第三个阶段是要完善（初期）节点的位置计算在第 2 阶段。这些立场是 不很准确的，甚至是下良好的条件（高 连通性，小范围错误） ，因为并非所有的资料，是在头两个阶段进行。尤其是最介于相邻节点忽视当节点锚距离决心。 迭代细化程序提出 人。是否顾及所有节间范围内，当节点更新自己的阵地少数步骤。在每年年初一步一个节点广播，它的立场估计，接收位置及相应的射程估计从它的邻国，在履 行 序的第 2 阶段，以确定其新的位置。在许多情况下，限制由远的路去周边地点将迫使新的立场对真实立场该节点。经过多次迭代，该定位更新变得很小， 细化站和报告的最后立场。 8 基本迭代细 化程序概述以上被证明是过于简单，可用于实践。主要问题是宣传失误很快，通过网络；单一误差介绍一些节点只需要 d 迭代来影响到所有节点，其中 D 是该网络的直径。 这一效应反击，由（ 1）裁剪未确定节点与非重叠的路径少超过 3 锚（ 2）可过滤掉难以对称拓扑结构，以及（ 3）缔信心公制与每个节点，并利用他们在加权最小二乘解表示。超出了本文件的范围， 但这些调整大大改善绩效改进程序。 这主要是由于信心度量，其中允许过滤不良节点，从而增加（平均）的准确性，不惜牺牲报道。 法由 。还包括一个迭代细化程序，但它是不够精明的比完善上文讨论过。特别是， 他们不使用度量衡，而仅仅是小组节点成为所的计算树（超过约束配置），并执行节点一树，以执行其立场细化反过来，在一个固定的顺序，以加强衔接预先指定的宽容。在余下的这文件，我们会考虑的不仅是更先进细化程序 人。 9 外文原文 in a of in We on a a (1) (2) 3) an We a as as a of is no is to be on . In is or of in of of is in of us in it is of is is a be A et a of be up to 0 In we of in we to of on . in as to or is in is PS is on in of as a of We in be on 100+ do on be to of We a on do to In we of in it is no a of or of in we a in we a to we a on a we is no