本文關(guān)鍵詞：基于RSSI的無線傳感器網(wǎng)絡(luò)混合定位算法　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 無線傳感器網(wǎng)絡(luò) RSSI 定位算法 雞群算法 物質(zhì)狀態(tài)搜索算法

【摘要】：無線傳感器網(wǎng)絡(luò)已經(jīng)廣泛的運(yùn)用于醫(yī)療、軍事、智能家居、災(zāi)情監(jiān)測(cè)等領(lǐng)域,定位是無線傳感器網(wǎng)絡(luò)中的一項(xiàng)關(guān)鍵技術(shù)。在基于RSSI(接收信號(hào)強(qiáng)度指示)的測(cè)距定位方法中,節(jié)點(diǎn)定位的準(zhǔn)確性經(jīng)常會(huì)受到傳感器節(jié)點(diǎn)能量有限、環(huán)境干擾等因素的影響,因此需要采用更為優(yōu)秀的算法來提高節(jié)點(diǎn)定位的精度。文中分別對(duì)靜止節(jié)點(diǎn)的定位問題和移動(dòng)信標(biāo)節(jié)點(diǎn)定位的問題展開了研究。智能算法具有非常優(yōu)秀的性能并且受到了廣泛的關(guān)注,可以用來解決定位問題,來提高未知節(jié)點(diǎn)的定位精度。文中結(jié)合了雞群算法求解精度高的特點(diǎn)和物質(zhì)狀態(tài)搜索算法后期收斂速度快的特點(diǎn),提出了雞群物質(zhì)狀態(tài)搜索算法,用于節(jié)點(diǎn)定位。本文首先研究了靜止節(jié)點(diǎn)的定位問題,提出了二維及三維的雞群物質(zhì)狀態(tài)混合定位算法,分為初步定位階段和精確定位階段。對(duì)于初步定位階段,二維定位方法采用雙邊節(jié)點(diǎn)估計(jì)法和特殊節(jié)點(diǎn)估計(jì)法,三維定位算法采用三面節(jié)點(diǎn)估計(jì)法和質(zhì)心算法,可以得到初步定位結(jié)果;對(duì)于精確定位階段,采用雞群物質(zhì)狀態(tài)搜索算法對(duì)初步定位結(jié)果進(jìn)行優(yōu)化,得到最終定位結(jié)果。經(jīng)過仿真分析,該算法能以較少的迭代次數(shù)優(yōu)化得到精度較高的定位結(jié)果。最后研究了移動(dòng)信標(biāo)節(jié)點(diǎn)定位的問題,提出了一種基于改進(jìn)遺傳算法的移動(dòng)信標(biāo)節(jié)點(diǎn)路徑規(guī)劃算法,分為虛擬信標(biāo)節(jié)點(diǎn)的選取階段和最優(yōu)移動(dòng)路徑的選取階段。對(duì)于虛擬信標(biāo)節(jié)點(diǎn)選取階段,可以分為構(gòu)建節(jié)點(diǎn)的鄰接矩陣、節(jié)點(diǎn)分組、尋找冗余虛擬信標(biāo)節(jié)點(diǎn)組和確定虛擬信標(biāo)節(jié)點(diǎn)等步驟;對(duì)于最優(yōu)路徑的選取階段,采用改進(jìn)的遺傳TSP(旅行商問題)算法進(jìn)行尋優(yōu),引入了物質(zhì)搜索算法中碰撞檢測(cè)的思想,增加了種群的多樣性,降低了算法陷入局部最優(yōu)的可能性。經(jīng)過仿真分析,該算法可以在獲得較高的定位覆蓋率的情況下使得信標(biāo)節(jié)點(diǎn)移動(dòng)的距離較短。
[Abstract]:Wireless sensor networks have been widely used in medical, military, smart home, disaster monitoring and other fields. Location is a key technology in wireless sensor networks. In the RSSI (received signal intensity indication) based ranging and location method, the accuracy of node location is often limited by the sensor node energy. Environmental interference and other factors. Therefore, it is necessary to use more excellent algorithms to improve the accuracy of node localization. In this paper, the problem of static node location and mobile beacon node localization is studied respectively. The intelligent algorithm has excellent performance. And has received extensive attention. It can be used to solve the problem of location to improve the location accuracy of unknown nodes. This paper combines the characteristics of high accuracy of chicken swarm algorithm and fast convergence speed of material state search algorithm. In this paper, the problem of static node location is studied, and a two-dimensional and three-dimensional hybrid algorithm is proposed to locate the material state of chicken herd. For the initial positioning stage, the two-dimensional localization method and the special node estimation method are used, while the three-dimensional location algorithm uses the three-sided node estimation method and the centroid algorithm. Preliminary location results can be obtained; For the precise positioning stage, the initial location results are optimized by using the material state search algorithm, and the final location results are obtained. The algorithm can optimize the location results with less iteration times. Finally, the problem of mobile beacon node location is studied, and an improved genetic algorithm for mobile beacon node path planning is proposed. For the selection phase of virtual beacon nodes, it can be divided into the construction of node adjacency matrix, node grouping. Finding redundant virtual beacon node group and determining virtual beacon node etc. For the optimal path selection stage, the improved genetic TSP (traveling Salesman problem) algorithm is used to optimize, and the idea of collision detection in the material search algorithm is introduced, which increases the diversity of the population. The probability of the algorithm falling into local optimum is reduced. The simulation results show that the algorithm can make the beacon node move at a shorter distance under the condition of high localization coverage.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP212.9;TN929.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方震;趙湛;郭鵬;張玉國(guó);;基于RSSI測(cè)距分析[J];傳感技術(shù)學(xué)報(bào);2007年11期

2 朱浩;顧宗海;蘇金;劉巖;章晨;;一種基于交點(diǎn)質(zhì)心求解的RSSI定位算法及其優(yōu)化[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2010年06期

3 羅炬鋒;邱云周;付耀先;袁曉兵;;研究片內(nèi)多徑分離技術(shù)在基于RSSI定位中的應(yīng)用[J];電子與信息學(xué)報(bào);2011年04期

4 阿依古麗·多來提;;CDMA系統(tǒng)RSSI異常分析[J];硅谷;2011年17期

5 沈軍;黃春華;羅護(hù);郭積寧;;基于RSSI優(yōu)化的模型參數(shù)實(shí)時(shí)估計(jì)定位算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年02期

6 彭宇;羅清華;王丹;彭喜元;;一種基于區(qū)間數(shù)聚類的RSSI-D估計(jì)方法[J];儀器儀表學(xué)報(bào);2012年03期

7 程海軍;;RSSI距離位置評(píng)估的實(shí)驗(yàn)分析[J];信息與電腦(理論版);2012年04期

8 王緩緩;胡愛娜;;RSSI和距離區(qū)間映射的測(cè)距方法[J];電子科技大學(xué)學(xué)報(bào);2012年04期

9 劉海;;基于RSSI的室內(nèi)信號(hào)衰減模型的研究[J];電腦開發(fā)與應(yīng)用;2012年09期

10 雷倩倩;林敏;石寅;;A CMOS low power,process/temperature variation tolerant RSSI with an integrated AGC loop[J];Journal of Semiconductors;2013年03期

相關(guān)會(huì)議論文 前9條

1 王久勇;莊毅;顧晶晶;歐陽健;;一種基于RSSI的實(shí)時(shí)定位算法的研究[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動(dòng)化與先進(jìn)集成技術(shù)大會(huì)論文集[C];2008年

2 陳振柳;;C網(wǎng)基站RSSI異常及天線解調(diào)鎖定不平衡故障的處理[A];海南省通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集（2006）[C];2006年

3 姚小建;施偉斌;;采用RSSI判選方式的多基站接收系統(tǒng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

4 蔡優(yōu)筆;王建中;;基于搜索的RSSI節(jié)點(diǎn)定位算法[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

5 田寧;;基于參數(shù)優(yōu)化改善Ev-Do網(wǎng)絡(luò)RSSI問題研究[A];2013年中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)年會(huì)論文集[C];2013年

6 ;A New Distributed Localization Algorithm for ZigBee Wireless Networks[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

7 劉靜;高慶華;金明錄;;基于RSSI的無線傳感器網(wǎng)絡(luò)分布式定位算法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

8 林少然;劉少龍;陳志龍;;淺談CDMA直放站對(duì)基站的RSSI噪聲影響[A];中國(guó)通信學(xué)會(huì)通信建設(shè)工程技術(shù)委員會(huì)2010年年會(huì)論文集[C];2010年

9 周先超;;淺析CDMA網(wǎng)絡(luò)中的干擾[A];武漢市第二屆學(xué)術(shù)年會(huì)、通信學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 梁德殨;基于RSSI測(cè)距的室內(nèi)定位跟蹤技術(shù)研究[D];遼寧大學(xué);2015年

2 李宗殟;基于RSSI和地磁場(chǎng)特征融合的室內(nèi)定位算法設(shè)計(jì)與研究[D];南京理工大學(xué);2015年

3 施賽杰;基于WSN的煤礦井下安全監(jiān)測(cè)系統(tǒng)研究與設(shè)計(jì)[D];寧夏大學(xué);2015年

4 張起輝;結(jié)合RSSI的定位策略研究與滑坡應(yīng)用[D];江西理工大學(xué);2015年

5 李延;基于RSSI測(cè)距的室內(nèi)定位技術(shù)研究[D];中南林業(yè)科技大學(xué);2015年

6 張文學(xué);基于WiFi的RSSI指紋定位算法研究[D];電子科技大學(xué);2015年

7 黃俊;基于RSSI的室內(nèi)無線定位算法研究[D];西南科技大學(xué);2015年

8 徐效雷;提高煤礦井下RSSI測(cè)距精度的方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

9 李論;基于RSSI的煤礦巷道高精度定位算法研究[D];中國(guó)礦業(yè)大學(xué);2015年

10 陳姣;基于RSSI測(cè)距的WiFi室內(nèi)定位技術(shù)研究[D];西南科技大學(xué);2015年

，

本文編號(hào)：1404305