本文關(guān)鍵詞：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)移動(dòng)錨節(jié)點(diǎn)定位技術(shù)研究

  更多相關(guān)文章： 定位 APIT RSSI 分裂聚類(lèi) MCB

【摘要】：隨著無(wú)線(xiàn)傳感網(wǎng)的廣泛應(yīng)用,節(jié)點(diǎn)定位技術(shù)逐漸成為研究的熱點(diǎn)。對(duì)于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)應(yīng)用技術(shù)而言,正確的節(jié)點(diǎn)位置直接決定后繼信息的采集、處理和傳輸狀況,估算適宜的節(jié)點(diǎn)坐標(biāo)具有重要的實(shí)際意義。一種算法不可能適用于任何場(chǎng)景,針對(duì)靜態(tài)和動(dòng)態(tài)網(wǎng)絡(luò)中節(jié)點(diǎn)有無(wú)標(biāo)志的定位問(wèn)題,本文在分析總結(jié)已有成果的基礎(chǔ)上,對(duì)不同場(chǎng)景中的節(jié)點(diǎn)定位問(wèn)題進(jìn)行了分析研究,并且提出了對(duì)應(yīng)解決方案,具體研究?jī)?nèi)容安排如下:(1)在分析移動(dòng)錨節(jié)點(diǎn)代替靜態(tài)錨節(jié)點(diǎn)優(yōu)勢(shì)的基礎(chǔ)上,獲悉標(biāo)識(shí)號(hào)已知環(huán)境下移動(dòng)錨節(jié)點(diǎn)定位普遍結(jié)合測(cè)距算法。這里本文首次將非測(cè)距定位算法與移動(dòng)錨節(jié)點(diǎn)技術(shù)相結(jié)合,設(shè)計(jì)出一種移動(dòng)錨節(jié)點(diǎn)結(jié)合APIT定位稀疏環(huán)境中未知節(jié)點(diǎn)的算法,克服了APIT算法需較高錨節(jié)點(diǎn)密度且易內(nèi)外誤判的弊端。該算法中單個(gè)錨節(jié)點(diǎn)按照預(yù)先設(shè)定的軌跡在區(qū)域中移動(dòng),待定位節(jié)點(diǎn)記錄通信范圍內(nèi)虛擬錨節(jié)點(diǎn)坐標(biāo),窮盡虛擬錨節(jié)點(diǎn)構(gòu)成的所有三角形組合,利用角度求和方式判定待定位節(jié)點(diǎn)大致位置,最后利用覆蓋節(jié)點(diǎn)的三角形內(nèi)切圓質(zhì)心表示待定位節(jié)點(diǎn)最優(yōu)坐標(biāo),實(shí)現(xiàn)節(jié)點(diǎn)定位。(2)然而實(shí)際定位節(jié)點(diǎn)過(guò)程中,未知區(qū)域中節(jié)點(diǎn)個(gè)數(shù)和ID往往是未知的。針對(duì)這種無(wú)標(biāo)識(shí)環(huán)境中的節(jié)點(diǎn)定位問(wèn)題,本文在引入RSSI量化模型的同時(shí),利用無(wú)監(jiān)督分裂算法聚類(lèi)移動(dòng)錨節(jié)點(diǎn)在駐留位置處收集的來(lái)自未知節(jié)點(diǎn)的混合RSS樣本序列,聚類(lèi)個(gè)數(shù)對(duì)應(yīng)未知節(jié)點(diǎn)數(shù)目,然后網(wǎng)格劃分未知區(qū)域,依據(jù)駐留位置處聚類(lèi)獲得的最強(qiáng)RSS值進(jìn)行圓環(huán)交叉搜索,再利用八鄰域極大值法估算待定位節(jié)點(diǎn),PSO算法最終確定最優(yōu)節(jié)點(diǎn)位置坐標(biāo)。(3)隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展,動(dòng)態(tài)傳感器網(wǎng)絡(luò)越來(lái)越得到重視。考慮到靜態(tài)網(wǎng)絡(luò)算法定位移動(dòng)節(jié)點(diǎn)需頻繁調(diào)用的缺陷,本文設(shè)計(jì)了一種基于蒙特卡洛盒的移動(dòng)錨節(jié)點(diǎn)算法定位實(shí)際應(yīng)用環(huán)境中涉及到的移動(dòng)未知節(jié)點(diǎn)。該算法引入RSSI量化模型修正蒙特卡洛盒算法,錨節(jié)點(diǎn)依據(jù)接收到的RSS值進(jìn)一步確定有效錨盒子區(qū)域,然后利用二次牛頓插值法預(yù)測(cè)節(jié)點(diǎn)的移動(dòng)速度,計(jì)算采樣盒區(qū)域,自適應(yīng)估算采樣個(gè)數(shù),最終引入遺傳算法中交叉、變異的思想優(yōu)化樣本。實(shí)驗(yàn)仿真結(jié)果表明改進(jìn)后的MCB算法擁有較高的定位精度。本文研究設(shè)計(jì)的移動(dòng)錨節(jié)點(diǎn)定位算法,成功地解決了上述三種不同場(chǎng)景中的節(jié)點(diǎn)定位問(wèn)題,并且均在原算法基礎(chǔ)上大幅度提高了節(jié)點(diǎn)的定位精度。仿真結(jié)果表明,改進(jìn)后的算法均能夠準(zhǔn)確定位節(jié)點(diǎn),具有廣泛的應(yīng)用前景。
【關(guān)鍵詞】：定位 APIT RSSI 分裂聚類(lèi) MCB
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 研究背景8-9
• 1.2 無(wú)線(xiàn)傳感網(wǎng)概述9-11
• 1.2.1 無(wú)線(xiàn)傳感網(wǎng)特點(diǎn)9-10
• 1.2.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 WSN節(jié)點(diǎn)定位技術(shù)基礎(chǔ)11-13
• 1.4 研究?jī)?nèi)容和結(jié)構(gòu)安排13-15
• 第二章 基于移動(dòng)錨節(jié)點(diǎn)的定位算法15-23
• 2.1 節(jié)點(diǎn)定位術(shù)語(yǔ)及指標(biāo)15-16
• 2.2 基于移動(dòng)錨節(jié)點(diǎn)的定位算法16-20
• 2.2.1 定位基礎(chǔ)算法16-19
• 2.2.2 MBAL定位算法19
• 2.2.3 雙圓定位算法19-20
• 2.3 移動(dòng)錨節(jié)點(diǎn)路徑模型20-22
• 2.3.1 靜態(tài)路徑模型20-21
• 2.3.2 動(dòng)態(tài)路徑模型21-22
• 2.4 本章小結(jié)22-23
• 第三章 WSN基于APIT的移動(dòng)錨節(jié)點(diǎn)定位算法23-31
• 3.1 APIT定位算法分析23-24
• 3.1.1 APIT具體內(nèi)容23
• 3.1.2 最佳三角形內(nèi)點(diǎn)測(cè)試(PIT)23-24
• 3.1.3 APIT算法不足之處24
• 3.2 無(wú)線(xiàn)信道模型24-25
• 3.3 本章算法25-28
• 3.3.1 反余弦定理角度求和27
• 3.3.2 三角形內(nèi)切圓定位27-28
• 3.4 實(shí)驗(yàn)仿真與性能分析28-30
• 3.5 本章小結(jié)30-31
• 第四章 移動(dòng)錨節(jié)點(diǎn)定位WSN中無(wú)標(biāo)識(shí)節(jié)點(diǎn)算法研究31-43
• 4.1 算法流程圖31
• 4.2 K均值初始化EM31-35
• 4.2.1 Kmeans32
• 4.2.2 EM算法32-33
• 4.2.3 適度函數(shù)33
• 4.2.4 實(shí)驗(yàn)仿真與性能分析33-35
• 4.3 分裂聚類(lèi)EM35-39
• 4.3.1 信息熵35-36
• 4.3.2 聚類(lèi)效果36-39
• 4.4 PSO圓環(huán)搜索算法39-42
• 4.4.1 圓環(huán)搜索39-40
• 4.4.2 網(wǎng)格劃分40-41
• 4.4.3 八鄰域極大值算法41
• 4.4.4 粒子群優(yōu)化算法41-42
• 4.5 實(shí)驗(yàn)仿真42
• 4.6 本章小結(jié)42-43
• 第五章 WSN中改進(jìn)的MCB移動(dòng)節(jié)點(diǎn)定位43-50
• 5.1 MCL與MCB算法介紹43
• 5.2 本章算法43-47
• 5.2.1 有效獲取r44-45
• 5.2.2 牛頓插值法45-46
• 5.2.3 自適應(yīng)確定采樣數(shù)46
• 5.2.4 采樣優(yōu)化46-47
• 5.3 RSSI測(cè)距模型47
• 5.4 實(shí)驗(yàn)仿真結(jié)果與性能分析47-49
• 5.5 本章小結(jié)49-50
• 第六章 總結(jié)與展望50-51
• 6.1 總結(jié)50
• 6.2 展望50-51
• 致謝51-52
• 參考文獻(xiàn)52-55
• 附錄: 作者在攻讀碩士學(xué)位期間發(fā)表的論文55

，

本文編號(hào)：761423