本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中定位及跟蹤算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目標(biāo)定位和跟蹤是無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network, WSN)研究中的熱門課題。在WSN監(jiān)測環(huán)境中,節(jié)點(diǎn)能源受限,環(huán)境復(fù)雜多變,這就要求設(shè)計(jì)一個(gè)高性價(jià)比、高健壯性的WSN目標(biāo)監(jiān)測系統(tǒng)。本文基于以上問題,提出了一套有效提高定位、跟蹤精度以及增強(qiáng)系統(tǒng)穩(wěn)定性的方案,主要研究內(nèi)容概括如下： 定位的前提是測距,但基于接收信號(hào)強(qiáng)度指示(Received Signal Strength Indicator, RSSI)的測距方法易受節(jié)點(diǎn)自身或外界環(huán)境的干擾導(dǎo)致數(shù)據(jù)具有不確定性,且高復(fù)雜度的定位計(jì)算導(dǎo)致定位時(shí)間較長�；诖�,本文首先提出一種基于區(qū)間聚類的WSN標(biāo)準(zhǔn)參考空間定位算法,預(yù)先在當(dāng)前環(huán)境下大量采集并統(tǒng)計(jì)RSSI數(shù)據(jù),然后采用濾波、區(qū)間聚類方法穩(wěn)定數(shù)據(jù),同時(shí)優(yōu)選信標(biāo)節(jié)點(diǎn)提高定位精度,最后建立RSSI-D(通信距離)標(biāo)準(zhǔn)樣本參考空間,為后續(xù)定位過程做準(zhǔn)備。本定位算法率先引入標(biāo)準(zhǔn)參考樣本空間概念,將定位階段所需通信距離的計(jì)算與修正過程前移至數(shù)據(jù)準(zhǔn)備階段。仿真測試結(jié)果表明,本文提出的算法簡單易行,充分挖掘了數(shù)據(jù)信息,可以一定程度上提升定位精度、定位速度以及定位可信度,在實(shí)際工作也能降低能耗,對(duì)于能耗控制有一定的指導(dǎo)意義。 其次,傳統(tǒng)定位算法中的傳播模型參數(shù)初始設(shè)定,固定不變,顯然無法滿足復(fù)雜多變的定位環(huán)境需求。因此,本文提出一種基于果蠅最佳演化算法(Fruit Fly Optimization Algorithm, FOA)的WSN模型參數(shù)優(yōu)化定位方法,利用果蠅算法出眾的參數(shù)優(yōu)化能力,根據(jù)實(shí)際環(huán)境動(dòng)態(tài)調(diào)整模型參數(shù),從而提高定位精度。仿真結(jié)果表明,該理論切實(shí)可行,算法簡單有效,能一定程度降低定位誤差,在定位高精要求的領(lǐng)域具有很好的推廣意義。 移動(dòng)目標(biāo)跟蹤是目標(biāo)定位的進(jìn)階研究,傳統(tǒng)跟蹤方案大都基于理想運(yùn)動(dòng)模型,利用濾波方法(Kalman濾波)進(jìn)行連續(xù)的位置估計(jì)和預(yù)測。但是現(xiàn)實(shí)世界中,移動(dòng)目標(biāo)的移動(dòng)規(guī)律往往是強(qiáng)機(jī)動(dòng)性的,無任何規(guī)律可言,稱為隨機(jī)游走模型。本文針對(duì)此類無序運(yùn)動(dòng)模型提出一種低復(fù)雜度解決方案,首先對(duì)WSN覆蓋區(qū)域進(jìn)行經(jīng)緯平均劃分,將經(jīng)緯交點(diǎn)作為區(qū)間聚類信息統(tǒng)計(jì)點(diǎn),然后將這些信息存入數(shù)據(jù)表以備用。簡而言之,本方案將移動(dòng)目標(biāo)定位問題轉(zhuǎn)化成序列匹配問題,有效降低了跟蹤復(fù)雜度,同時(shí)為看似無頭緒的隨機(jī)運(yùn)動(dòng)目標(biāo)跟蹤問題提供了一種啟發(fā)式解決方案。大量仿真實(shí)驗(yàn)結(jié)果表明,該方案在保證跟蹤精度的同時(shí)具有更高的靈活性和普適性。
【關(guān)鍵詞】：無線傳感網(wǎng)絡(luò) 定位 跟蹤 區(qū)間聚類 自適應(yīng) 隨機(jī)游走模型
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-11
• 第1章 緒論11-20
• 1.1 選題背景及研究內(nèi)容11
• 1.1.1 WSN研究背景11
• 1.1.2 WSN研究內(nèi)容11
• 1.2 WSN概述11-18
• 1.2.1 WSN總體架構(gòu)11-12
• 1.2.2 傳感器節(jié)點(diǎn)軟硬件體系結(jié)構(gòu)12-14
• 1.2.3 WSN應(yīng)用系統(tǒng)結(jié)構(gòu)14
• 1.2.4 WSN通信體系結(jié)構(gòu)14-15
• 1.2.5 WSN相關(guān)典型應(yīng)用15-16
• 1.2.6 WSN研究熱點(diǎn)及其關(guān)鍵技術(shù)16-18
• 1.2.7 定位及跟蹤研究意義18
• 1.3 主要研究內(nèi)容、創(chuàng)新點(diǎn)18-19
• 1.4 本文章節(jié)安排19-20
• 第2章 WSN中定位跟蹤算法綜述20-32
• 2.1 基本概念及相關(guān)術(shù)語20
• 2.2 WSN中定位綜述20-28
• 2.2.1 定位原理20-21
• 2.2.2 定位系統(tǒng)及技術(shù)21-22
• 2.2.3 典型定位算法22-27
• 2.2.4 定位效果評(píng)價(jià)指標(biāo)27-28
• 2.2.5 WSN定位研究挑戰(zhàn)28
• 2.3 WSN中目標(biāo)跟蹤綜述28-32
• 2.3.1 跟蹤原理28-29
• 2.3.2 跟蹤方法29-30
• 2.3.3 跟蹤性能評(píng)價(jià)準(zhǔn)則30-31
• 2.3.4 跟蹤研究現(xiàn)挑戰(zhàn)31-32
• 第3章 基于區(qū)間聚類的WSN標(biāo)準(zhǔn)樣本空間定位算法32-41
• 3.1 問題提出32
• 3.2 參考樣本空間定位算法工作機(jī)制32-34
• 3.3 無線信道傳播模型34
• 3.4 基于區(qū)間的聚類算法模型34-36
• 3.4.1 一般區(qū)間表示34-35
• 3.4.2 RSSI值樣本空間表示35
• 3.4.3 建立RSSI-D標(biāo)準(zhǔn)參考樣本表空間35
• 3.4.4 查表方法35-36
• 3.5 仿真實(shí)驗(yàn)結(jié)果與分析36-40
• 3.5.1 定位前后節(jié)點(diǎn)分布37
• 3.5.2 絕對(duì)誤差對(duì)比分析37-39
• 3.5.3 定位準(zhǔn)確率對(duì)比分析39
• 3.5.4 時(shí)間復(fù)雜度對(duì)比分析39-40
• 3.6 本章小結(jié)40-41
• 第4章 WSN傳播模型參數(shù)自適應(yīng)整定算法41-46
• 4.1 引言41
• 4.2 問題描述41-42
• 4.2.1 問題提出41-42
• 4.2.2 解決方案42
• 4.3 優(yōu)化算法描述42-44
• 4.3.1 FOA描述42-43
• 4.3.2 參數(shù)自適應(yīng)調(diào)節(jié)算法設(shè)計(jì)43-44
• 4.4 仿真44-45
• 4.4.1 仿真條件設(shè)置44
• 4.4.2 實(shí)驗(yàn)結(jié)果與分析44-45
• 4.5 本章小結(jié)45-46
• 第5章 隨機(jī)游走模型跟蹤方案研究46-60
• 5.1 引言46
• 5.2 傳統(tǒng)理想運(yùn)動(dòng)模型跟蹤方法46-53
• 5.2.1 經(jīng)典Kalman濾波算法(KF)47-48
• 5.2.2 擴(kuò)展Kalman濾波算法(EKF)48-49
• 5.2.3 不敏Kalman濾波算法(UKF)49-51
• 5.2.4 Kalman濾波跟蹤算法仿真51-53
• 5.3 隨機(jī)游走模型跟蹤方案探究53-59
• 5.3.1 模型的由來53-55
• 5.3.2 問題的提出55-56
• 5.3.3 算法描述56-58
• 5.3.4 仿真實(shí)驗(yàn)結(jié)果與分析58-59
• 5.4 本章小結(jié)59-60
• 第6章 總結(jié)與展望60-62
• 6.1 本文總結(jié)60
• 6.2 未來可研究工作60-62
• 參考文獻(xiàn)62-67
• 致謝67-68
• 在讀碩士學(xué)位期間學(xué)術(shù)成果68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 任維政;徐連明;鄧中亮;王川;;基于RSSI的測距差分修正定位算法[J];傳感技術(shù)學(xué)報(bào);2008年07期

2 屈巍;李U，

本文編號(hào)：429875