本文選題：無線傳感器網(wǎng)絡(luò)　切入點：BP神經(jīng)網(wǎng)絡(luò)　出處：《南京郵電大學》2016年碩士論文　論文類型：學位論文

【摘要】：無線傳感器網(wǎng)絡(luò)(WSN)可以被廣泛應(yīng)用于農(nóng)業(yè)、環(huán)境生態(tài)監(jiān)測、智能家居、目標跟蹤等領(lǐng)域中,有效而準確地定位傳感器節(jié)點對于幫助它們完成各項工作是至關(guān)重要的。本文重點研究非視距(NLOS)環(huán)境下基于BP神經(jīng)網(wǎng)絡(luò)和壓縮感知(CS)的WSN節(jié)點定位:(1)介紹了WSN節(jié)點定位的基礎(chǔ)知識、節(jié)點位置基本的計算方法和定位性能的評價指標,研究了幾個比較經(jīng)典的基于測距的和基于非測距的定位算法,重點闡述了本文應(yīng)用的基于測距的RSSI算法和TDOA算法的原理。(2)針對WSN節(jié)點定位中存在NLOS的問題,結(jié)合BP神經(jīng)網(wǎng)絡(luò)具有較強的抗噪聲能力、良好的數(shù)據(jù)逼近能力以及能并行處理數(shù)據(jù)的特點,提出了利用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化NLOS環(huán)境下WSN節(jié)點定位的方法。首先分析了誤差的來源,然后合理地選擇訓練算法和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提高了BP神經(jīng)網(wǎng)絡(luò)的收斂速度,最后用可靠節(jié)點對神經(jīng)網(wǎng)絡(luò)進行訓練,并且利用訓練好的神經(jīng)網(wǎng)絡(luò)實現(xiàn)對未知節(jié)點的定位。仿真結(jié)果表明,該方法能夠有效地抑制NLOS誤差,定位精度優(yōu)于傳統(tǒng)的Taylor算法和Chan算法。(3)針對WSN節(jié)點定位中存在的功耗大、定位算法復(fù)雜的問題,提出了CS和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進行WSN節(jié)點定位的方法。首先利用壓縮感知進行初始定位,確定網(wǎng)格中是否存在節(jié)點,如果存在,則應(yīng)用BP神經(jīng)網(wǎng)絡(luò)修正測量誤差,然后使用三邊測量法計算出未知節(jié)點的具體位置。本算法可以同時進行多目標定位,克服了傳統(tǒng)的壓縮感知方法只能在網(wǎng)格中心進行定位的缺點,降低了RSSI定位帶來的較大的誤差,同時大大減小了需要上傳的數(shù)據(jù)量,在降低功耗的同時提高了定位精度,可以適用于條件惡劣的室外環(huán)境。
[Abstract]:WSNs can be widely used in agriculture, ecological monitoring, smart home, target tracking and so on. It is very important to locate sensor nodes effectively and accurately in order to help them accomplish all kinds of work. In this paper, we focus on the study of WSN node positioning: 1) based on BP neural network and compression sensing (CSS) in the environment of non-line-of-sight (NLOS). The introduction of WSN section is given. The basic knowledge of Point-Positioning, The basic calculation method of node location and the evaluation index of location performance are studied, and several classical localization algorithms based on ranging and non-ranging are studied. The principle of RSSI algorithm based on ranging and the principle of TDOA algorithm applied in this paper is emphasized. Aiming at the problem of NLOS in WSN node location, the BP neural network has strong anti-noise ability. The method of optimizing the location of WSN nodes in NLOS environment using BP neural network is put forward. The source of errors is analyzed firstly, and then the training algorithm and neural network structure are reasonably selected. The convergence speed of BP neural network is improved. Finally, the reliable nodes are used to train the neural network, and the trained neural network is used to locate the unknown nodes. The simulation results show that the proposed method can effectively suppress the NLOS error. The localization accuracy is better than the traditional Taylor algorithm and Chan algorithm. This paper presents a method of WSN node localization based on CS and BP neural network. Firstly, the initial localization is made by compression perception, and if there are nodes in the grid, the measurement error is corrected by BP neural network. Then the location of unknown nodes can be calculated by means of trilateral measurement. This algorithm can locate multiple targets simultaneously, which overcomes the disadvantage that traditional compression sensing can only locate in the center of the grid. The large error caused by RSSI positioning is reduced, and the amount of data needed to be uploaded is greatly reduced, and the positioning accuracy is improved while the power consumption is reduced, which can be applied to the outdoor environment with poor conditions.
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP212.9;TN929.5

【相似文獻】

相關(guān)期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

相關(guān)碩士學位論文 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預(yù)測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預(yù)測方法研究[D];中國地質(zhì)大學(北京);2015年

，

本文編號：1564540