基于CNN-LSTM声速预测的水下移动节点定位算法

作     者：彭铎 查海音 曹坚 张彦博 张明虎 Peng Duo;Zha Haiyin;Cao Jian;Zhang Yanbo;Zhang Minghu

作者机构：兰州理工大学计算机与通信学院兰州730050 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第11期

页      面：146-157页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金面上项目(42271492) 甘肃省杰出青年基金(24JRRA165)项目资助 

主　　题：水下传感器网络 声速预测 CNN-LSTM模型 距离修正 移动节点定位 

摘      要：本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题,该问题显著影响移动传感器节点间的信息传播效率,进而增大了节点定位误差。为此,本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先,通过K-折交叉验证法对声速数据集进行科学划分,随后构建并训练了一个融合卷积神经网络(CNN)特征提取能力与长短期记忆网络(LSTM)序列建模能力的CNN-LSTM混合模型。此模型有效捕捉了声速数据中的空间与时间特征,显著提升了声速预测的准确度。在定位过程中,采用该模型预测的声速值进行到达时间差(TDOA)测距,并据此对测距结果进行精细修正。进而,针对不同节点密度条件下的未知节点,算法能够自适应地选择最适宜的测距定位方法,依据参考节点数量实现精准定位。实验结果显示,与现有的SLMP、DMP、NDSMP及BLSM定位算法相比,本文提出的MCLS定位算法在相同信标节点条件下,定位误差均值分别降低了46.96%、39.93%、27.64%和15.24%,显著提升了水下移动节点的定位精度与稳定性。