大规模UASNs中强化学习修正误差的迭代定位

来源：南京信息工程大学学报·自然科学版杂志2026年第4期北京时间：

作者：刘志华，安凯晨，刘嘉琦，田薇，陈嘉兴

单位：刘志华,河北师范大学 计算机与网络空间安全学院, 石家庄, 050024;河北师范大学 河北省网络与信息安全重点实验室, 石家庄, 050024;河北师范大学 供应链大数据分析与数据安全河北省工程研究中心, 石家庄, 050024,安凯晨,河北师范大学 计算机与网络空间安全学院, 石家庄, 050024;河北师范大学 河北省网络与信息安全重点实验室, 石家庄, 050024;河北师范大学 供应链大数据分析与数据安全河北省工程研究中心, 石家庄, 050024,刘嘉琦,河北师范大学 计算机与网络空间安全学院, 石家庄, 050024;河北师范大学 河北省网络与信息安全重点实验室, 石家庄, 050024;河北师范大学 供应链大数据分析与数据安全河北省工程研究中心, 石家庄, 050024,田薇,河北师范大学 计算机与网络空间安全学院, 石家庄, 050024;河北师范大学 河北省网络与信息安全重点实验室, 石家庄, 050024;河北师范大学 供应链大数据分析与数据安全河北省工程研究中心, 石家庄, 050024,陈嘉兴,河北师范大学 数学科学学院, 石家庄, 050024;河北正定师范高等专科学校, 石家庄, 050800

摘要：针对大规模动态变化的水声传感器网络(Underwater Acoustic Sensor Networks,UASNs)节点定位时存在节点覆盖率低、成本高和定位误差大的问题,本文提出一种基于强化学习的累积误差修正迭代定位算法(Iterative Localization Algorithm with Reinforcement Learning for Cumulative Error Correction,RL-CEC).首先,改进传统随机路点移动模型,借助真实洋流数据修正节点移动速度,使其更符合水下节点的移动特征.其次,分析迭代定位过程中累积误差产生的原因,提出一种基于强化学习的定位误差预测算法,修正累积误差,有效提升了整体定位精度.仿真实验结果表明,RL-CEC在定位精度和运行效率方面优于对比算法,其定位误差相较LSVP、MBIL、MPL、MP-PSO、HNN和LS算法分别降低22.7%、73.8%、40.7%、44.5%、17.8%和77.5%;定位时间相比LSVP、MPL、MP-PSO和HNN分别减少17.7%、30.5%、41.9%和35.3%.此外,RL-CEC算法复杂度适中,在精度与效率之间取得良好平衡,并最终实现了较高的节点覆盖率.

关键词：水声传感器网络;强化学习;迭代定位;误差修正;随机路点移动模型

基金资助：国家自然科学基金(62171179);京津冀自然科学基金合作专项(25JJJJC0049);河北师范大学交叉学科研究基金(L2026J05)