本文關(guān)鍵詞：基于壓縮感知的無線傳感器網(wǎng)絡(luò)節(jié)點定位算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network, WSN)節(jié)點定位技術(shù)被廣泛應(yīng)用于軍事、商業(yè)、科研等許多基于節(jié)點位置信息獲取的問題中,具有廣闊的市場前景。但是現(xiàn)今的WSN技術(shù)暴露出節(jié)點處理能力過低和續(xù)航能力過短等不足,需要盡可能的減小通信開銷與信號采樣速率。壓縮感知(Compressive sensing, CS)理論可以在保證精度前提下,大幅度減小采樣率,為WSN定位問題提供了新的解決途徑。基于接收信號強度(Receive signal strength intensity, RSSI)的WSN定位算法容易實現(xiàn)且成本低,目前應(yīng)用廣泛。將CS理論與RSSI定位算法進行融合,使用實際信號強度數(shù)據(jù)構(gòu)建觀測矩陣,將網(wǎng)絡(luò)覆蓋區(qū)域劃分為網(wǎng)格,用稀疏的離散信號表示節(jié)點位置信息,這種基于RSSI和CS的WSN定位算法可以有效節(jié)省節(jié)點的數(shù)據(jù)處理工作量,在保證信號精確重構(gòu)的情況下減少節(jié)點間通信量。通過改進貪婪CS重構(gòu)算法得到的貪婪匹配追蹤(Greedy Matching Pursuit, GMP)重構(gòu)算法可以進一步降低算法的定位誤差。但是,基于RSSI和CS的WSN定位框架存在需要知曉網(wǎng)格的坐標(biāo)信息才能定位以及定位精度受限于網(wǎng)格大小等缺陷。因此,本文的研究重點主要包括①如何減少通信量；②如何在改進定位框架缺陷,避免定位對網(wǎng)格信息依賴的同時提高定位精度。本文根據(jù)GMP重構(gòu)算法,通過將稀疏度為K的原始信號拆分為K個稀疏度為1的向量,獲得一種改進的GMP重構(gòu)算法。實驗結(jié)果顯示,在相同定位精度前提下,改進GMP的通信開銷更小。另外,本文針對定位框架缺陷,結(jié)合改進的GMP重構(gòu)算法,提出一種基于RSSI和三邊定位法的WSN定位算法。該方法利用CS觀測矩陣信息反推出錨節(jié)點與目標(biāo)節(jié)點間的距離,當(dāng)距離條件大于等于3時,通過三邊定位法求得目標(biāo)節(jié)點坐標(biāo),定位過程不再需要網(wǎng)格的坐標(biāo)信息。實驗結(jié)果顯示,本文提出的算法相比其他算法定位更加精確。
【關(guān)鍵詞】：壓縮感知 無線傳感器網(wǎng)絡(luò) 定位算法 RSSI
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN929.5;TP212.9
【目錄】：

• 中文摘要3-4
• Abstract4-9
• 第一章 緒論9-13
• 1.1 研究背景與意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 本文的內(nèi)容與結(jié)構(gòu)安排11-13
• 第二章 壓縮感知理論簡介13-31
• 2.1 壓縮感知原理13-16
• 2.1.1 信號的稀疏表示14-15
• 2.1.2 壓縮感知過程15-16
• 2.2 觀測矩陣的設(shè)計16-21
• 2.2.1 約束等距性原理16-17
• 2.2.2 觀測矩陣的研究意義與研究現(xiàn)狀17
• 2.2.3 常用觀測矩陣介紹17-19
• 2.2.4 不同觀測矩陣的性能比較19-20
• 2.2.5 觀測矩陣性能改進20-21
• 2.3 壓縮感知重構(gòu)算法21-30
• 2.3.1 信號的重構(gòu)21-22
• 2.3.2 重構(gòu)算法的研究現(xiàn)狀22-23
• 2.3.3 幾種常用重構(gòu)算法23-28
• 2.3.4 幾種常用重構(gòu)算法性能比較28-30
• 2.4 本章小結(jié)30-31
• 第三章 無線傳感器網(wǎng)絡(luò)節(jié)點定位算法31-42
• 3.1 基于測距的無線傳感器網(wǎng)絡(luò)定位算法31-38
• 3.1.1 測距技術(shù)31-35
• 3.1.2 定位算法35-38
• 3.2 基于非測距的無線傳感器網(wǎng)絡(luò)定位算法38-41
• 3.3 本章小結(jié)41-42
• 第四章 基于RSSI和CS的WSN定位算法42-52
• 4.1 基于CS的WSN定位框架42-44
• 4.1.1 定位框架42-43
• 4.1.2 基于RSSI的觀測矩陣43-44
• 4.2 基于RSSI和CS的WSN定位框架的仿真44-47
• 4.2.1 仿真環(huán)境設(shè)置44-45
• 4.2.2 仿真結(jié)果對比45-47
• 4.3 GMP算法及其改進47-50
• 4.3.1 GMP算法介紹47-48
• 4.3.2 GMP算法的改進思路48
• 4.3.2 改進的GMP算法48-49
• 4.3.3 改進GMP算法的性能驗證49-50
• 4.4 CS分簇方案及證明50-51
• 4.5 本章小結(jié)51-52
• 第五章 一種基于RSSI和改進GMP的WSN定位算法52-58
• 5.1 基于CS的WSN定位算法缺陷52-54
• 5.1.1 網(wǎng)格自身定位問題52
• 5.1.2 定位精度問題52
• 5.1.3 多分辨率分析方法52-54
• 5.2 基于RSSI和改進GMP的WSN定位算法54-55
• 5.3 仿真實驗55-57
• 5.4 本章小結(jié)57-58
• 第六章 總結(jié)與展望58-59
• 參考文獻59-63
• 在學(xué)期間的研究成果63-64
• 致謝64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 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;2012年03期

2 方紅;章權(quán)兵;韋穗;;基于非常稀疏隨機投影的圖像重建方法[J];計算機工程與應(yīng)用;2007年22期

3 李樹濤;魏丹;;壓縮傳感綜述[J];自動化學(xué)報;2009年11期

4 王塞博;劉素凱;毛先柏;;無線傳感器網(wǎng)絡(luò)綜述[J];信息通信;2014年08期

5 劉玉軍;蔡猛;高立恒;侯懷義;;基于RSSI測距的傳感器節(jié)點質(zhì)心定位修正算法[J];計算機測量與控制;2014年09期

6 關(guān)博;東超;弭洪濤;;立體式RSSI無線傳感器網(wǎng)絡(luò)定位算法[J];北華大學(xué)學(xué)報(自然科學(xué)版);2013年01期

  本文關(guān)鍵詞：基于壓縮感知的無線傳感器網(wǎng)絡(luò)節(jié)點定位算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：390594