水下无线传感器网络中基于移动定位技术的节点深度估计研究

本研究针对水下无线传感器网络(UWSN)中节点移动性、声速多变及传输范围受限导致的定位难题，提出了结合协作定位方案(CLS)、迭代到达时间差(TDoA)和灰狼优化器狩猎步长策略(GWO-HSS)的协作目标搜索距离(CTSD)框架。该方案通过深度估计机制和贪婪路由优化，显著提升了动态水下环境中节点定位的精度、能量效率和包投递率，为海洋监测提供了鲁棒可扩展的解决方案。

　　

浩瀚的海洋覆盖了地球大部分表面，蕴藏着丰富的资源和无数未解之谜。然而，对人类而言，深海环境依然是一个充满挑战的未知领域。为了探索和监测这片广袤的水下世界，科学家们开发了水下无线传感器网络（Underwater Wireless Sensor Networks, UWSNs）。这些网络由大量部署在海洋中的传感器节点组成，能够收集温度、盐度、污染物浓度、海洋生物活动等宝贵数据，广泛应用于海洋学研究、环境监测、资源勘探和国防安全等领域。

与人们熟悉的陆地无线传感器网络不同，水下环境给网络通信和节点定位带来了前所未有的困难。最核心的挑战在于，全球定位系统（GPS）的信号无法穿透水体，使得水下节点无法像地面设备那样轻松获取自己的精确位置。而没有准确的位置信息，传感器收集的数据就失去了地理参考价值，无法用于精确的事件定位、目标跟踪和有效的路由转发。此外，水下节点并非静止不动，它们会随着洋流自由漂移，这种移动性使得定位问题变得更加复杂。水下声波传播速度并非恒定不变，它受到深度、温度和盐度等因素的显著影响，这种变化进一步加大了基于声学信号（如到达时间ToA、到达时间差TDoA）进行距离测量的误差。同时，水下声学链路的带宽低、可靠性差，且通信范围有限，这些因素共同构成了水下精准定位的巨大障碍。

传统的定位方法，如到达时间（Time of Arrival, ToA）和到达时间差（Time Difference of Arrival, TDoA），通常假设节点固定且传播条件稳定，这在水下动态环境中往往不适用。虽然一些较新的方案尝试引入预测（如卡尔曼滤波）和节点间协作，但在网络节点稀疏或存在同步问题时，其性能仍不尽如人意。因此，开发一种能够适应节点移动、克服声速变化影响、并能在能效约束下保持高精度的定位方案，成为UWSN领域亟待突破的关键技术瓶颈。

为了攻克这一难题，由Hema R、Diana D C、Resmi R. Nair和Poovannan E组成的研究团队开展了一项创新性研究，其成果以论文形式发表在《Franklin Open》上。该研究旨在设计并验证一种新型的协作目标搜索距离（Collaborative Target Search Distance, CTSD）框架，以显著提升动态UWSN中的定位性能。

研究人员为开展此项研究，主要运用了几项关键技术方法。首先是构建了协作定位方案（Collaborative Localization Scheme, CLS），将节点区分为剖面器（profilers）和跟随器（followers），利用剖面器的移动来预测跟随器的位置。其次，引入了基于迭代TDoA的异步目标定位方法，通过多次计算来 refine 距离估计。第三，提出了深度估计算法，结合压力传感器读数解决节点垂直方向的定位问题。第四，集成了贪婪路由协议与对称链路形成机制，以应对水下非对称链路带来的通信挑战。第五，创新性地将灰狼优化器（Grey Wolf Optimizer, GWO）与狩猎步长（Hunting Step Size, HSS）策略相结合，形成了GWO-HSS优化算法，用于深度估计的优化，加速收敛并提高定位精度。研究通过MATLAB R2021a软件进行仿真，采用了蜿蜒流机动模型（Meandering Current Mobility Model, MCMM）来模拟真实的水下节点移动，并设置了包含200个节点的三维网络场景进行性能评估。

4.1. 端到端延迟

仿真结果表明，CTSD框架在端到端延迟方面表现优异。随着洋流作用时间的延长，所有对比算法（HLCM、MLR、MPL、HTACL）的延迟均呈现上升趋势，但CTSD的延迟始终维持在最低水平。这得益于其贪婪路由机制，该机制优先选择距离目的地最近的节点作为下一跳，有效减少了数据包转发所需的跳数。同时，CTSD对非对称拓扑结构的处理避免了因路径迂回而产生的额外延迟。相比之下，HTACL需要进行多模态测量，而HLCM和MPL则需要迭代预测更新，这些过程都引入了更多的通信和处理开销，从而导致更高的延迟。具体数据表明，在洋流持续8.8小时的情况下，CTSD的延迟约为7.9小时，而HLCM、MLR、MPL和HTACL的延迟分别达到8.8小时、8.65小时、8.45小时和8.25小时。

4.2. 包投递率

在包投递率（Packet Delivery Ratio, PDR）方面，CTSD同样展现出显著优势。在150秒的仿真时间内，随着节点波束宽度的变化和洋流引起的节点位移，CTSD始终保持最高的包投递率。其根本原因在于，CTSD通过持续优化的节点定位和动态更新的贪婪路由表，即使在网络拓扑发生变化时也能维持可靠的通信路径。而HLCM和MPL等算法在节点移动性较强的环境下，位置预测容易出错，导致路由路径失效和数据包丢失。实验数据显示，CTSD的包投递率最终可达1.0（即100%），而其他算法的最高包投递率仅在0.8至0.86之间，凸显了CTSD在维持网络连通性方面的有效性。

4.3. 能量消耗

能量消耗是评估UWSN算法性能的关键指标，直接关系到网络的生命周期。仿真结果清晰地显示，CTSD框架在能量利用效率上优于对比算法。虽然CTSD在绝对能量消耗值上可能略高于某些算法（仿真15秒后，CTSD消耗能量约180-460焦耳，而其他算法在100-420焦耳之间），但其通过能量感知的适应度函数和优化的通信开销，实现了更高的能效。GWO-HSS优化过程中的能量约束机制，以及协作定位减少的不必要消息交换，共同降低了系统的总能耗。相比之下，HTACL因需要频繁同步和多模态测量而产生显著能耗，MLR和HLCM则因频繁的重新定位过程而消耗更多能量。CTSD通过精准的定位减少了冗余通信，从而在整体上延长了网络的操作时间。

4.4. 存活节点总数

网络存活节点数量是衡量算法鲁棒性和可持续性的综合指标。CTSD算法在维持网络节点存活方面表现最佳。仿真开始时，所有算法下的200个节点均处于活跃状态。随着洋流作用时间的推移，节点因能量耗尽而逐渐"死亡"。CTSD算法下的节点死亡速率最慢，在洋流持续9小时后，仍有约10-20个节点存活。而其他算法（HLCM、MLR、MPL、HTACL）下的节点在相同时刻已基本全部死亡或仅存少量节点。CTSD算法将节点死亡率降低至约每小时5.6%，而HLCM等算法的死亡率高达每小时11.5%左右。这表明CTSD通过高效的定位和路由策略，显著延长了网络的整体寿命，其网络生命周期比基线方法延长了30%至50%。

其他性能指标

除了上述核心指标，研究还评估了定位误差、收敛速度、鲁棒性和吞吐量等。CTSD框架实现了高达95.37%的定位精度，平均定位误差降低至1.2米，远低于对比算法（3.5米至4米）。其收敛时间仅为8秒，快于其他算法（10-14秒）。在鲁棒性方面，CTSD达到95%，意味着其在不同节点密度和移动速率下都能保持稳定性能。吞吐量达到35次操作/秒，也优于其他方案。这些数据综合表明，CTSD在准确性、效率和稳定性方面均实现了显著提升。

本研究提出的协作目标搜索距离（CTSD）框架，通过有机整合协作定位方案（CLS）、迭代TDoA精细化处理和GWO-HSS优化算法，成功应对了动态水下环境中节点定位的严峻挑战。仿真实验证实，CTSD在定位精度、能量效率、包投递率和网络生命周期等关键性能指标上均显著优于HLCM、MLR、MPL和HTACL等现有主流算法。该框架的核心优势在于其适应性：能够有效处理节点移动性、声速变化和非对称链路等水下特有难题。CTSD不仅提供了一种高精度的定位解决方案，还通过优化通信开销和能量消耗，确保了UWSN的长期稳定运行。这项研究为未来大规模、长周期的海洋监测应用提供了坚实的技术支撑，标志着水下无线传感器网络定位技术向实用化、高效化迈出了重要一步。尽管该研究在仿真环境下取得了成功，但其在更稀疏网络或真实海洋环境中的性能仍有待进一步验证，这为未来的研究指明了方向。