本文關(guān)鍵詞：基于K-means聚類點密度加權(quán)質(zhì)心定位算法研究

  更多相關(guān)文章： 無線傳感器網(wǎng)絡(luò) RSSI測距 K-means聚類 融合 加權(quán)質(zhì)心定位

【摘要】：隨著移動通信技術(shù)的飛速發(fā)展,基于無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSNs)的定位技術(shù)受到越來越多的關(guān)注。無線傳感器網(wǎng)絡(luò)是由大量隨機部署在監(jiān)測區(qū)域的傳感器節(jié)點組成,這些傳感器節(jié)點通過自組織方式形成了一個多跳的動態(tài)自組織網(wǎng)絡(luò),目的是為了對網(wǎng)絡(luò)覆蓋區(qū)域中感興趣的信息進行協(xié)同感知、采集以及處理。作為信息自動獲取的重要技術(shù)之一,無線傳感器網(wǎng)絡(luò)技術(shù)綜合了無線通信、嵌入式技術(shù)以及傳感器技術(shù)等,其應(yīng)用領(lǐng)域非常的廣泛,如井下人員定位、消防救援、安全監(jiān)控、環(huán)境監(jiān)測[1-3]、智能家居[4-6]等。雖然如今的科技越來越發(fā)達,但礦難、火災(zāi)等的救援工作由于無法精確定位到受害者位置而增加了風(fēng)險,是一個亟待解決的問題。本文在傳統(tǒng)的基于RSSI測距和質(zhì)心定位非測距算法基礎(chǔ)上,取兩者的優(yōu)勢進行融合,提出了基于K-means聚類點密度加權(quán)質(zhì)心定位算法(KCPD-WCLA)。本文的主要工作如下:(1)首先對無線傳感網(wǎng)絡(luò)節(jié)點定位的相關(guān)算法進行分析、研究,分為基于測距和基于非測距兩種定位算法,其中本文最主要側(cè)重對基于RSSI的測距和質(zhì)心非測距定位算法研究。(2)由于在WSNs應(yīng)用中,信標節(jié)點的個數(shù)一般比較多。進行定位時,對這些大量數(shù)據(jù)進行處理將面臨計算量大、計算復(fù)雜度高的問題,必須找出一種適合的算法來處理大量的數(shù)據(jù)集。而目前已有的處理大量數(shù)據(jù)集的聚類算法有很多種,本文主要對基于劃分方法中的K-means聚類算法進行研究。(3)利用RSSI測距得到未知節(jié)點與大量信標節(jié)點的距離值,原始的分組方式是對信標節(jié)點數(shù)n采用3的分組方式,然后再利用三邊定位法得到許多接近真實位置的估計值。但是由于n值一般比較大,利用3計算量很大,會增加計算復(fù)雜度。對此進行研究并提出一種計算復(fù)雜更小的分組方式。(4)對基于RSSI測距及加權(quán)質(zhì)心非測距定位算法進行融合,再結(jié)合K-means聚類某些特性,針對無線傳感器網(wǎng)絡(luò)在定位中的應(yīng)用,提出一種基于K-means聚類點密度加權(quán)質(zhì)心定位算法(KCPD-WCLA),因其簡便、易行的方式而有效的降低了WSNs算法復(fù)雜度,與其它現(xiàn)行一些定位算法比較定位精度有所提高。最后,本文采用MATLAB7.0仿真工具對KCPD-WCLA算法、MLA算法及WCLA算法進行了仿真實驗,實驗結(jié)果表明:該算法比MLA和WCLA在定位精度上有明顯改善,具有可操作性強,定位精度高等優(yōu)勢,符合WSNs一般性應(yīng)用場景,具有普遍適用性。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) RSSI測距 K-means聚類 融合 加權(quán)質(zhì)心定位
【學(xué)位授予單位】：江西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀分析9-10
• 1.3 本文主要貢獻10-11
• 1.4 本文組織架構(gòu)11-13
• 第二章 無線傳感網(wǎng)絡(luò)節(jié)點定位技術(shù)13-20
• 2.1 基于測距的定位算法13-16
• 2.1.1 三邊定位算法13-14
• 2.1.2 三角定位算法14-15
• 2.1.3 最大似然估計法15-16
• 2.2 基于非測距的定位算法16-17
• 2.2.1 質(zhì)心算法16
• 2.2.2 DV-Hop算法16-17
• 2.2.3 APIT算法17
• 2.3 定位性能評價指標17-19
• 2.4 本章小結(jié)19-20
• 第三章 RSSI與WCLA融合的定位算法20-32
• 3.1 RSSI測距定位算法分析20-21
• 3.2 加權(quán)質(zhì)心定位算法（WCLA）分析21-22
• 3.3 融合定位算法實現(xiàn)22-31
• 3.3.1 基于RSSI測距技術(shù)參數(shù)獲取23-26
• 3.3.2 改進分組方式的三邊定位算法估計位置26-27
• 3.3.3 基于K-means聚類點密度加權(quán)質(zhì)心定位算法（KCPD-WCLA）27-31
• 3.4 本章小結(jié)31-32
• 第四章 仿真實驗及結(jié)果分析32-40
• 4.1 仿真實驗環(huán)境設(shè)置及過程32
• 4.2 算法計算復(fù)雜度分析32-34
• 4.3 定位精度分析34-38
• 4.3.1 仿真實驗一及分析34-36
• 4.3.2 仿真實驗二及分析36-38
• 4.4 本章小結(jié)38-40
• 第五章 總結(jié)與展望40-42
• 5.1 本文工作總結(jié)40
• 5.2 未來工作展望40-42
• 參考文獻42-46
• 致謝46-47
• 攻讀碩士學(xué)位期間公開發(fā)表的論文47

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉皇保;王濤;彭剛;;一種改進的質(zhì)心定位算法[J];微型機與應(yīng)用;2013年11期

2 吳瑟;韓洋;;無線傳感器質(zhì)心定位算法的研究與改進[J];科技情報開發(fā)與經(jīng)濟;2009年35期

3 張亞軍;文樺;;基于加權(quán)閾值質(zhì)心定位算法的無線傳感器[J];實驗室研究與探索;2010年11期

4 梁建國;傅游;;無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法改進研究[J];微型電腦應(yīng)用;2014年03期

5 王學(xué)偉;張春華;趙釗;趙仕偉;;低信噪比星象質(zhì)心定位算法分析[J];紅外技術(shù);2009年06期

6 朱玲玲;程學(xué)云;魏曉寧;;基于高斯修正測距模型的節(jié)點改進加權(quán)質(zhì)心定位算法設(shè)計[J];計算機測量與控制;2012年11期

7 陳一君;沈曉明;;基于統(tǒng)計參數(shù)優(yōu)化的質(zhì)心定位算法探討[J];電腦編程技巧與維護;2013年04期

8 李勇;魯黎;張強;;一種消除盲區(qū)的無線傳感器網(wǎng)絡(luò)四邊加權(quán)質(zhì)心定位算法[J];科技視界;2014年03期

9 王慧鋒;高瞻;蔡延華;曾晟;;認知無線電網(wǎng)絡(luò)中移動加權(quán)質(zhì)心定位算法[J];軍事通信技術(shù);2013年02期

10 張軍;王潛平;;動態(tài)節(jié)點質(zhì)心定位改進算法[J];計算機工程與設(shè)計;2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 金鑫;;一種改進型無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（下冊）[C];2008年

2 王棟棟;孫燕;;對加權(quán)質(zhì)心定位算法的改進[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

3 李占波;劉慧玲;;基于Zigbee技術(shù)的加權(quán)質(zhì)心定位算法[A];計算機研究新進展（2010）——河南省計算機學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張乙竹;基于K-means聚類點密度加權(quán)質(zhì)心定位算法研究[D];江西師范大學(xué);2016年

2 趙翠;加權(quán)質(zhì)心和DV-Hop混合算法研究[D];華中師范大學(xué);2011年

，

本文編號：792216