本文關(guān)鍵詞：基于蒙特卡羅法的移動(dòng)傳感器網(wǎng)絡(luò)定位算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無(wú)線傳感器網(wǎng)絡(luò)是由大量的具有感知、計(jì)算和通信能力的傳感器節(jié)點(diǎn)組成的多跳自組織網(wǎng)絡(luò)。根據(jù)節(jié)點(diǎn)是否可移動(dòng)，無(wú)線傳感器網(wǎng)絡(luò)分為靜態(tài)和移動(dòng)傳感器網(wǎng)絡(luò)。與靜態(tài)傳感器網(wǎng)絡(luò)相比，具有機(jī)動(dòng)能力的移動(dòng)傳感器網(wǎng)絡(luò)憑借靈活自組網(wǎng)、魯棒性強(qiáng)等特點(diǎn)而被廣泛地應(yīng)用于軍事、生物醫(yī)藥、環(huán)境監(jiān)測(cè)等多個(gè)科學(xué)領(lǐng)域。在這些實(shí)際應(yīng)用中，節(jié)點(diǎn)位置信息的獲取是前提條件，沒(méi)有位置信息對(duì)于它們來(lái)說(shuō)是毫無(wú)意義的。因此，致力于研究移動(dòng)傳感器網(wǎng)絡(luò)定位技術(shù)具有重要的理論意義和應(yīng)用價(jià)值。 本文首先對(duì)目前已有的移動(dòng)定位算法進(jìn)行了分類(lèi)介紹，并詳細(xì)闡述了基于蒙特卡羅方法的移動(dòng)定位算法，其中包括蒙特卡羅方法的理論推導(dǎo)與分析、蒙特卡羅方法在移動(dòng)傳感器網(wǎng)絡(luò)定位技術(shù)中的應(yīng)用原理和具體的實(shí)現(xiàn)流程，同時(shí)指出了現(xiàn)有移動(dòng)定位算法中存在的問(wèn)題。 然后，針對(duì)蒙特卡羅定位算法在稀疏網(wǎng)絡(luò)環(huán)境中采樣效率低的問(wèn)題，提出了基于虛擬信標(biāo)選舉的改進(jìn)算法。該算法通過(guò)引進(jìn)遺傳算法中的交叉和變異操作來(lái)間接增加信標(biāo)節(jié)點(diǎn)的數(shù)量和改善重采樣帶來(lái)的粒子退化問(wèn)題；再利用未知節(jié)點(diǎn)與信標(biāo)節(jié)點(diǎn)的距離信息對(duì)樣本區(qū)分對(duì)待。大量的仿真實(shí)驗(yàn)結(jié)果表明，該算法在信標(biāo)節(jié)點(diǎn)分布稀疏的網(wǎng)絡(luò)環(huán)境下，能夠有效提高節(jié)點(diǎn)的定位效果。 最后，針對(duì)定位算法的執(zhí)行效率低和計(jì)算復(fù)雜度高的問(wèn)題，提出了一種動(dòng)態(tài)采樣的改進(jìn)算法。該算法將Kullback-Leibler距離視為節(jié)點(diǎn)真實(shí)位置與估計(jì)位置的差限概率，根據(jù)采樣區(qū)域計(jì)算基于差限概率所需的樣本個(gè)數(shù)；再利用信標(biāo)節(jié)點(diǎn)的連通度信息對(duì)樣本進(jìn)行區(qū)分，從而計(jì)算節(jié)點(diǎn)的位置坐標(biāo)。仿真結(jié)果表明，該算法不僅減少了節(jié)點(diǎn)定位過(guò)程中的時(shí)間消耗，而且提高了整個(gè)網(wǎng)絡(luò)的定位精度。
【關(guān)鍵詞】：移動(dòng)傳感器網(wǎng)絡(luò) 節(jié)點(diǎn)定位 蒙特卡羅 虛擬信標(biāo) 自適應(yīng)采樣
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要4-5
• Abstract5-6
• 目錄6-9
• 第1章 緒論9-21
• 1.1 研究背景與意義9-11
• 1.2 傳感器節(jié)點(diǎn)的定位原理11-16
• 1.2.1 基于測(cè)距的定位11-14
• 1.2.2 非測(cè)距的定位14-16
• 1.3 移動(dòng)傳感器網(wǎng)絡(luò)定位算法研究現(xiàn)狀16-18
• 1.3.1 僅信標(biāo)節(jié)點(diǎn)移動(dòng)的定位算法16-17
• 1.3.2 僅未知節(jié)點(diǎn)移動(dòng)的定位算法17
• 1.3.3 信標(biāo)節(jié)點(diǎn)/未知節(jié)點(diǎn)均移動(dòng)的定位算法17-18
• 1.4 論文的主要工作18-19
• 1.5 論文的結(jié)構(gòu)安排19-21
• 第2章 基于蒙特卡羅法的移動(dòng)定位算法21-32
• 2.1 移動(dòng)傳感器網(wǎng)絡(luò)定位技術(shù)21-22
• 2.1.1 移動(dòng)傳感器網(wǎng)絡(luò)定位問(wèn)題描述21-22
• 2.1.2 移動(dòng)傳感器網(wǎng)絡(luò)定位特點(diǎn)22
• 2.2 蒙特卡羅方法22-27
• 2.2.1 蒙特卡羅方法的基本原理23-25
• 2.2.2 重要性采樣25
• 2.2.3 序列重要性采樣25-27
• 2.3 基于蒙特卡羅法的定位算法27-30
• 2.3.1 蒙特卡羅定位算法的具體實(shí)現(xiàn)27-29
• 2.3.2 蒙特卡羅定位算法的優(yōu)點(diǎn)29-30
• 2.3.3 蒙特卡羅定位算法存在的問(wèn)題30
• 2.4 移動(dòng)傳感器網(wǎng)絡(luò)定位算法的評(píng)價(jià)標(biāo)準(zhǔn)30-31
• 2.5 本章小結(jié)31-32
• 第3章 基于虛擬信標(biāo)選舉的蒙特卡羅定位算法研究32-43
• 3.1 基于虛擬信標(biāo)選舉的蒙特卡羅定位算法思路32-35
• 3.1.1 節(jié)點(diǎn)的運(yùn)動(dòng)模型32-33
• 3.1.2 虛擬信標(biāo)選舉的理論模型33-34
• 3.1.3 加權(quán)采樣的數(shù)學(xué)模型34-35
• 3.2 基于虛擬信標(biāo)選舉的蒙特卡羅定位算法35-39
• 3.2.1 基于虛擬信標(biāo)選舉的定位問(wèn)題描述35-36
• 3.2.2 基于虛擬信標(biāo)選舉的蒙特卡羅定位算法實(shí)現(xiàn)36-39
• 3.3 實(shí)驗(yàn)仿真結(jié)果及分析39-42
• 3.3.1 仿真參數(shù)的設(shè)置39
• 3.3.2 仿真結(jié)果與分析39-42
• 3.3.3 實(shí)驗(yàn)結(jié)果總結(jié)42
• 3.4 本章小結(jié)42-43
• 第4章 基于自適應(yīng)采樣的蒙特卡羅定位算法研究43-55
• 4.1 基于自適應(yīng)采樣的蒙特卡羅定位算法思路43-45
• 4.1.1 自適應(yīng)采樣的理論模型43-45
• 4.1.2 樣本權(quán)值分配策略45
• 4.2 基于自適應(yīng)采樣的蒙特卡羅定位算法實(shí)現(xiàn)45-49
• 4.2.1 初始化階段46-47
• 4.2.2 預(yù)測(cè)階段47-48
• 4.2.3 過(guò)濾階段48
• 4.2.4 位置估計(jì)階段48-49
• 4.3 實(shí)驗(yàn)仿真結(jié)果及分析49-54
• 4.3.1 仿真參數(shù)的設(shè)置49
• 4.3.2 仿真結(jié)果及分析49-53
• 4.3.3 實(shí)驗(yàn)結(jié)果總結(jié)53-54
• 4.4 本章小結(jié)54-55
• 總結(jié)55-57
• 參考文獻(xiàn)57-62
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單62-63
• 致謝63

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 任麗婕;無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)部署優(yōu)化算法研究[D];中國(guó)海洋大學(xué);2009年

2 彭保;無(wú)線傳感器網(wǎng)絡(luò)移動(dòng)節(jié)點(diǎn)定位及安全定位技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

  本文關(guān)鍵詞：基于蒙特卡羅法的移動(dòng)傳感器網(wǎng)絡(luò)定位算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：357399