本文關(guān)鍵詞：密集多徑環(huán)境下UWB無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)三維定位方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：利用UWB信號特有的優(yōu)勢，無線傳感器網(wǎng)絡(luò)（wireless sensor networks,WSN）節(jié)點(diǎn)定位技術(shù)被應(yīng)用在地震信號測量、土壤檢測、軍事勘察和醫(yī)療監(jiān)控等方面，正悄然改變著人們生活的方式。 本文研究了密集多徑環(huán)境下基于到達(dá)時(shí)間（time of arrival, TOA）估計(jì)的UWB無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位問題，所考慮的環(huán)境為障礙物較多且傳播路徑受風(fēng)、雨、雪等自然環(huán)境影響的情況。實(shí)現(xiàn)WSN節(jié)點(diǎn)定位技術(shù)重要的一步就是如何測量目標(biāo)信號節(jié)點(diǎn)到已知節(jié)點(diǎn)之間的距離，本文參考雷達(dá)中閾值檢測的恒虛警率（constant false alarm rate, CFAR）算法，用于檢測密集多徑環(huán)境下首先超過閾值門限的TOA估計(jì)值。在此基礎(chǔ)上，再利用無線定位算法對WSN節(jié)點(diǎn)進(jìn)行定位。在TOA估計(jì)方面，傳統(tǒng)的基于閾值的方法一般僅考慮背景噪聲服從高斯分布的情況，且多數(shù)采用基于能量的檢測手段。這些方法雖然可以在一定程度上檢測出TOA值，但是由于檢測門限固定，在低SNR時(shí)TOA估計(jì)會帶來很大誤差。另外，在WSN定位方面，傳統(tǒng)算法大多數(shù)都在二維平面進(jìn)行定位，定位精度有限。 論文首先對傳統(tǒng)的高斯噪聲背景下的三種基于能量檢測的閾值TOA估計(jì)算法進(jìn)行了研究，并且通過仿真實(shí)驗(yàn)分析了算法性能。針對傳統(tǒng)算法的不足，本文對基于TOA估計(jì)的WSN節(jié)點(diǎn)定位方法進(jìn)行了改進(jìn)，所做創(chuàng)新性工作如下： 針對傳統(tǒng)算法的背景噪聲分布單一、無法確切地表示密集多徑環(huán)境下噪聲的數(shù)學(xué)分布模型的缺陷，提出Weibull噪聲背景下基于ML-CFAR（maximumlikelihood-constant false alarm rate）的WSN三維節(jié)點(diǎn)定位方法。該方法適合于密集多徑且背景噪聲服從Weibull分布的環(huán)境。仿真驗(yàn)證了ML-CFAR算法能很好估計(jì)出超過門限的第一徑TOA值，但該算法必須基于ML算法事先估測出噪聲的平均水平，當(dāng)樣本數(shù)少時(shí)TOA估計(jì)值有一定誤差。 針對傳統(tǒng)能量檢測算法和ML-CFAR算法的缺陷，進(jìn)一步提出了一種Weibull噪聲背景下基于CA-CFAR（cell averaging-constant false alarm rate）的WSN三維節(jié)點(diǎn)定位方法。該算法提取出一部分噪聲單元作為參考單元，且加入比例因子T，這樣確定出的閾值門限能夠動態(tài)地自適應(yīng)背景噪聲水平的變化。仿真表明，該算法估計(jì)出的TOA值誤差較小。 針對傳統(tǒng)WSN節(jié)點(diǎn)定位算法僅能定位在二維平面，無法在三維空間的缺陷，提出將傳統(tǒng)的Taylor級數(shù)展開算法擴(kuò)展到三維空間中對節(jié)點(diǎn)進(jìn)行定位，在錨節(jié)點(diǎn)位置合理、個(gè)數(shù)合適的情況下，算法定位效果較好，定位誤差較小。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 密集多徑 閾值 TOA估計(jì) CFAR 三維節(jié)點(diǎn)定位 Weibull分布
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN925;TP212.9
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 無線傳感器網(wǎng)絡(luò)概述10-12
• 1.2 UWB 技術(shù)研究現(xiàn)狀12-13
• 1.3 WSN 節(jié)點(diǎn)定位研究現(xiàn)狀13-14
• 1.4 課題研究背景和意義14-15
• 1.5 論文內(nèi)容安排15-18
• 第2章 基礎(chǔ)知識18-30
• 2.1 UWB 相關(guān)理論18-20
• 2.2 相關(guān)數(shù)學(xué)知識20-24
• 2.3 最大似然估計(jì)24-26
• 2.4 WSN 定位方法概述26-29
• 2.5 本章小結(jié)29-30
• 第3章 基于閾值的 UWB 信號 TOA 估計(jì)算法30-38
• 3.1 信道模型31-32
• 3.2 MES 算法32-33
• 3.3 TC 算法33
• 3.4 MES-SB 算法33-34
• 3.5 算法仿真及分析34-36
• 3.6 本章小結(jié)36-38
• 第4章 Weibull 噪聲背景下基于 ML-CFAR 的 WSN 三維節(jié)點(diǎn)定位研究38-48
• 4.1 信道模型39-40
• 4.2 基于 ML-CFAR 的 TOA 估計(jì)算法原理40-41
• 4.3 高斯噪聲背景下基于 ML-CFAR 的 TOA 估計(jì)算法41-42
• 4.4 Weibull 噪聲背景下基于 ML-CFAR 的 TOA 估計(jì)算法42-43
• 4.5 三維 Taylor 定位算法43-44
• 4.6 算法仿真44-46
• 4.7 本章小結(jié)46-48
• 第5章 Weibull 噪聲背景下基于 CA-CFAR 的 WSN 三維節(jié)點(diǎn)定位研究48-58
• 5.1 信道模型48-49
• 5.2 基于 CA-CFAR 的 TOA 估計(jì)算法原理49-50
• 5.3 高斯噪聲背景下基于 CA-CFAR 的 TOA 估計(jì)算法50-51
• 5.4 Weibull 噪聲背景下基于 CA-CFAR 的 TOA 估計(jì)算法51-52
• 5.5 算法仿真52-55
• 5.6 本章小結(jié)55-58
• 第6章 全文總結(jié)與展望58-60
• 參考文獻(xiàn)60-66
• 導(dǎo)師及作者簡介66-67
• 在研期間所取得的科研成果67-68
• 致謝68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 曾照華;;無線超寬帶通信原理及其應(yīng)用標(biāo)準(zhǔn)[J];電力系統(tǒng)通信;2007年01期

2 錢志鴻;王義君;;面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J];電子與信息學(xué)報(bào);2013年01期

3 何風(fēng)行;余志軍;劉海濤;;基于壓縮感知的無線傳感器網(wǎng)絡(luò)多目標(biāo)定位算法[J];電子與信息學(xué)報(bào);2012年03期

4 李艷芳;楊拉明;;基于UWB的無線定位技術(shù)[J];電子設(shè)計(jì)工程;2014年08期

5 唐春玲;;UWB的TOA估計(jì)算法的研究[J];電子世界;2014年09期

6 夏s

本文編號：275720