动态不规则网络中基于短程测量的分布式聚类与对齐协同定位方法

《Journal of King Saud University Computer and Information Sciences》：A distributed clustering and alignment method for cooperative localization from short-range measurements in dynamic irregular networks

　　

动态不规则网络中的协同定位（cooperative localization）通过不完整、含噪且时变的短程测量来估计节点位置。本文提出一种分布式聚类与对齐方法，将全局应力最小化分解为簇形成、簇内相对定位以及簇间坐标配准三个子问题。基于节点度的随机定时器用于选取簇头，而基于公共节点数量的判据用于确定相邻局部地图是否具有足够重叠以实现可靠对齐。当重叠不足时，簇边界处的定向扩展仅添加所需的边界成员关系。在每个簇内，Floyd最短路径算法补全缺失距离，经典多维标度分析（classical multidimensional scaling, MDS）生成初始局部地图，随后采用带保护回溯的Broyden–Fletcher–Goldfarb–Shanno（BFGS）算法进行精化以降低局部应力。相邻地图通过正交Procrustes分析进行对齐，并在锚点支持充分时配准至锚点坐标系。在所测试的C形、O形及H形动态部署区域中，所提方法在稀疏测距图条件下实现了较低的定位误差中位数与尾部误差、较低的结构失效概率，同时限制了局部地图成员数量。因此，该方法在所测试的动态不规则网络中，在精度、可靠性与开销之间实现了均衡的折中。

论文解读：动态不规则网络中分布式聚类与对齐协同定位方法

一、研究背景与问题

在移动机器人、车载系统、空中及水下移动平台等应用场景中，节点常需依赖短程测距进行协同定位，尤其在GNSS信号受限或不可用的地下、水下及城市峡谷环境中，卫星信号遭受遮挡、衰落与多径效应，绝对定位信息不可用或仅少数锚点可用。传统定位方法分为无测距（range-free）与基于测距（range-based）两类：无测距方法依赖连通性或跳数，对非均匀部署、各向异性连通及链路波动敏感；基于测距方法从物理层测量构建几何约束，但单节点定位存在累积误差，集中式协同定位在不规则网络中因最短路径替代放大系统误差，稀疏连通时可能不稳定或不收敛。现有基于聚类的定位方法如MDS-MAP(P,R)通信开销高，MDS-MAP(D)仅用经典MDS精度受限，CMDS簇头负担重，FC-MDS采用最小二乘对齐对公共节点几何条件敏感。因此，需要一种在动态不规则网络中兼顾精度、可靠性与开销的分布式协同定位方法。

二、研究内容与结论

研究人员提出一种分布式聚类与对齐方法，将全局应力最小化分解为簇形成、簇内相对定位及簇间坐标配准三个子问题。该方法采用基于节点度的随机定时器竞争选取簇头，以公共节点数量判据决定相邻局部地图是否可可靠对齐，重叠不足时在簇边界进行定向扩展仅添加所需边界成员。簇内通过Floyd最短路径补全缺失距离、经典MDS生成初始局部地图、BFGS带保护回溯精化降低局部应力；簇间通过正交Procrustes分析估计变换，并耦合几何有效性及残差接受检查限制不可靠配准传播。在C形、O形、H形动态部署区域的仿真实验中，该方法实现低中位数与尾部定位误差、低结构失效概率，同时限制局部地图成员数量，在精度、可靠性与开销间取得均衡折中。

三、主要关键技术方法

研究人员采用以下关键技术方法：基于节点度的随机定时器簇头竞争机制；最小公共节点数判据与簇边界定向扩展机制；Floyd最短路径距离补全算法；经典多维标度分析（classical multidimensional scaling, MDS）初始定位；带保护回溯的Broyden–Fletcher–Goldfarb–Shanno（BFGS）局部应力精化；正交Procrustes分析簇间坐标配准；锚点支持下的全局坐标系注册。实验基于MATLAB R2017a平台，采用常速度（CV）与随机路点（RW）两种移动模型，在100m×100m区域、100个节点（含4个锚点）、测距半径35m（稀疏测试30m）、测距噪声标准差1m的默认设置下，对C形、O形、H形及规则方形部署区域进行30次（基线对比20次）蒙特卡洛独立试验，每次包含初始网络实现及50次移动更新共51个定位周期。

四、研究结果

消融分析（Ablation and recovery analysis）：移除BFGS精化显著增加中位数与尾部误差，表明MDS初始定位在动态不规则网络中精度不足；移除定向扩展可能降低有效周期条件RMSE，但大幅增加结构失效概率，表明扩展模块主要改善配准可行性而非简单降低平均误差。在困难的C形与H形场景中，无扩展时失败的大量周期经定向扩展后可恢复。

半径与噪声敏感性（Sensitivity to radius, noise, scale, and algorithm parameters）：半径较小时测距图稀疏，定向扩展显著降低结构失效，BFGS降低条件误差；半径增大后扩展收益下降。噪声增大使两种变体性能均退化，完整方法保持更低条件误差与失效概率。网络规模增大提高节点密度与连通性，降低误差与失效。BFGS迭代预算增加可降低局部应力并改善精度，但收益有限且回溯线搜索持续增加计算成本。最小公共节点阈值C_th=4在配准可行性与成员开销间提供实用折中。随机锚点放置产生略大的中位数定位误差，结构失效概率相似。

基线对比（Baseline comparison）：在R=35条件下，所提方法较FC-MDS与MDS-MAP实现更低的中位数、均值及P90 RMSE，同时保持低结构失效概率。MDS-MAP(P,R)改善配准稳定性但需大量局部地图成员。集中式LM参考取得最小中位数RMSE但属集中式方法。在R=30稀疏网络压力测试中，所提方法保持稳定，误差与失效概率适度增加，FC-MDS与MDS-MAP显著退化，MDS-MAP(P,R)仍稳健但成员开销极高。权衡分析表明，所提方法在精度、可靠性与分布式开销间实现更均衡折中。

五、讨论与结论

讨论部分指出，集中式LM通过联合优化全局测量图取得更低中位数误差，而所提方法通过局部估计与簇间配准运行；BFGS迭代预算控制精度-运行时间平衡，公共节点阈值控制可靠性-成员平衡；相较FC-MDS与全局MDS-MAP，所提方法在稀疏不规则部署区域更稳定，尤其考虑尾部误差与结构失效时优势明显。研究结论为：所提分布式聚类与对齐方法在所测试动态不规则网络中提供有利的定位精度与结构可靠性，同时保持相对于分布式基线的适中局部地图成员开销。当前验证基于仿真，假设欧氏半径链路可用性与加性高斯测距噪声，未显式建模非视距（NLOS）偏差、通信丢失或异步及硬件特定测距效应。未来工作将扩展至含障碍物环境测距、NLOS偏差模型、三维部署、更多分布式基线及移动机器人或空中平台硬件实验。