[发明专利]一种无线传感器网络声源定位方法

说明书

技术领域

本发明属于声源定位领域，具体涉及一种无线传感器网络声源定位方法。

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是由大量集成了传感、数据收集、处理和无线通信单元的小体积、低成本传感器节点构成的多跳自组织网络。在无线传感器网络的众多应用领域中，声源定位是其中的一个重要方面，它是利用网络内传感器节点检测到的声源信息估计出某一时刻该声源的位置。

基于声音能量的定位常采用定位精度较高的最大似然估计法(ML，MaximumLikehood)，即基于声音信号模型，用最大似然方法将声源的定位问题转化为似然函数的最优化问题，然后使用优化算法解决搜索似然函数极值的问题。文献1(《Robust expectation-maximization algorithm for multiple widebandacoustic source localization in the presence of nonuniform noisevariances》作者Lu Lu)、文献2(《Maximum likelihood multiple-sourcelocalization using acoustic energy measurements with wireless sensornetworks》作者Sheng Xionghong等人)在ML算法的基础上利用最大期望算法(EM)求解最大似然估计，文献3(《Acoustic Target Location Based on RSSIand DFP in WSN》)使用DFP(Davidon-Fletcher-Powell)算法求似然函数最优解。根据以往研究表明，全局优化化算法在解决非线性优化问题时具有很好的效果。文献4(《Source Localization Based on Particle Swarm Optimizationfor Wireless Sensor Network》)通过粒子群优化(PSO)算法求似然函数的极值来解决声源定位，文献5(《Force-directed hybrid PSO-SNTO algorithm foracoustic source localization in sensor networks》作者Yu Zhijun)在PSO算法的基础上提出一种基于虚拟力导向的混合PSO-SNTO算法，该算法有效的解决了PSO对初始解的依赖，取得了较好的定位效果。但PSO和SNTO均容易陷入局部最优，并且二者的收敛性能随着维数的提高迅速恶化。

针对PSO和SNTO的缺陷，许多研究者从不同的角度对它们进行了改进。孙俊从量子力学的观点提出了具有量子行为的粒子群优化算法(QPSO)，并从理论上证明QPSO算法能够收敛到全局最优，通过计算和分析算法的时间复杂度及收敛速度评价算法的性能优于PSO。方开泰针对序贯算法(SNTO)极易陷入局部最优的缺陷，提出RSNTO算法。文献6(《Particle Swarm Optimization with AdaptiveMutation》)提出一种自适应变异的粒子群优化算法，根据群体适应值方差以及当前最优解的大小来确定当前最优粒子的变异概率，以此增强算法跳出局部最优解的能力。文献7(《A New Cultural Algorithm Based on Hybrid of GA andPSO Algorithm》)将PSO纳入文化算法框架作为种群空间的进化算法，利用文化算法的双层进化机制，种群空间和信念空间独立并行演化，并且信念空间适时的对种群空间的进化进行引导。

但是，PSO算法的寻优性能严重依赖于通过伪随机发生器产生的粒子位置，因此PSO算法的寻优性能不稳定。

SNTO算法主要的思想是当当前代的最优解较上一次有提高时，按照一定比例收缩搜索区域，这样可以提高算法的速度。但是随着搜索区域的收缩，真实的解有可能是落在收缩后的区域之外，这样算法就不能找到最优解。

RSNTO是先利用SNTO算法求得一个解，再在这个解的周围重新定义搜索区域，并利用SNTO算法继续搜索，如此这样反复进行直到达到截止条件。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种无线传感器网络声源定位方法，针对混合PSO-SNTO算法在解决声源定位中存在的不足，提出一种基于文化改进量子粒子群算法的无线传感器网络声源定位方法。该方法在算法的全局搜索能力和收敛速度上做了改进，在解决声源定位的非线性优化问题时能够更快的收敛，获得更优的解。

本发明是通过以下技术方案实现的：