本文關(guān)鍵詞：基于交叉變異的WSN節(jié)點(diǎn)蒙特卡羅定位算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)于上個(gè)世紀(jì)90年代誕生以來(lái),圍繞其在各個(gè)領(lǐng)域中的應(yīng)用研究就從未間斷過(guò)。WSN節(jié)點(diǎn)定位能夠提供節(jié)點(diǎn)的位置信息,是節(jié)點(diǎn)分簇、路由以及能量?jī)?yōu)化等的基礎(chǔ)支撐技術(shù)�，F(xiàn)階段,針對(duì)節(jié)點(diǎn)定位的研究大多集中于靜止的網(wǎng)絡(luò)環(huán)境中,而對(duì)移動(dòng)節(jié)點(diǎn)的定位研究還很少。隨著WSN在移動(dòng)場(chǎng)景中(如軍事偵察、智能交通等)應(yīng)用的不斷增多,對(duì)移動(dòng)環(huán)境下的WSN節(jié)點(diǎn)定位算法研究迫在眉睫。蒙特卡羅定位(MCL)最初應(yīng)用于機(jī)器人定位,之后用于WSN移動(dòng)節(jié)點(diǎn)定位,并取得了較好的定位效果。然而,MCL算法是一種粒子濾波,其最大缺陷就是粒子退化現(xiàn)象。雖然重采樣技術(shù)的引入在一定程度上改善了粒子退化現(xiàn)象,但隨之而來(lái)又出現(xiàn)了新的問(wèn)題,即粒子多樣性的喪失。由于樣本集的多樣性變差,很難近似表征節(jié)點(diǎn)位置的后驗(yàn)概率密度,使未知節(jié)點(diǎn)位置的估計(jì)精度難以提升。針對(duì)上述問(wèn)題,本文提出一種基于遺傳交叉、變異的多跳蒙特卡羅定位(GMMCL)算法,即利用遺傳交叉、變異獨(dú)特的尋優(yōu)能力,使先驗(yàn)粒子向高似然區(qū)域移動(dòng)。從而緩解了粒子退化,改善了樣本的多樣性,提高了節(jié)點(diǎn)位置估計(jì)精度。論文結(jié)構(gòu)安排如下:第1章介紹了WSN研究背景、結(jié)構(gòu)、特點(diǎn)、關(guān)鍵技術(shù)及研究移動(dòng)WSN節(jié)點(diǎn)定位的意義。第2章主要介紹了WSN中移動(dòng)節(jié)點(diǎn)定位的常見(jiàn)典型算法,重點(diǎn)對(duì)基于統(tǒng)計(jì)方法的定位算法(如MCL、MCB等)進(jìn)行描述,并對(duì)典型算法的性能進(jìn)行了比較。最后,簡(jiǎn)單介紹了一些其他適用于移動(dòng)節(jié)點(diǎn)定位的算法。第3章首先對(duì)定位算法的理論基礎(chǔ)貝葉斯估計(jì)和粒子濾波做了相對(duì)深入的描述,接著對(duì)遺傳算法進(jìn)行了介紹,闡述其在問(wèn)題解尋優(yōu)方面的獨(dú)特優(yōu)勢(shì),最后提出一種基于交叉變異的MMCL算法(GMMCL),并從理論上驗(yàn)證其可行性。第4章對(duì)提出的算法進(jìn)行仿真驗(yàn)證。針對(duì)結(jié)果與已有算法從不同方面進(jìn)行比較。結(jié)論對(duì)全文進(jìn)行總結(jié),提出不足之處,并對(duì)其發(fā)展方向進(jìn)行展望。算法仿真方面,分析了未知節(jié)點(diǎn)定位誤差隨錨節(jié)點(diǎn)個(gè)數(shù)、節(jié)點(diǎn)最大移動(dòng)速度、樣本個(gè)數(shù)以及節(jié)點(diǎn)密度的變化情況,并與MCL、MCB及MMCL算法進(jìn)行了對(duì)比分析。仿真結(jié)果分析表明,本文提出的GMMCL算法與其他三種算法相比,定位精度得到了一定程度的提高。
【關(guān)鍵詞】：無(wú)線傳感器網(wǎng)絡(luò) 節(jié)點(diǎn)定位 MMCL算法 交叉 變異
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究背景9
• 1.2 移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)（WSN）結(jié)構(gòu)、特點(diǎn)及關(guān)鍵技術(shù)9-13
• 1.2.1 移動(dòng)WSN系統(tǒng)結(jié)構(gòu)10-11
• 1.2.2 移動(dòng)WSN網(wǎng)絡(luò)特點(diǎn)11-12
• 1.2.3 移動(dòng)WSN關(guān)鍵技術(shù)12-13
• 1.3 移動(dòng)WSN節(jié)點(diǎn)定位的研究意義13
• 1.4 論文的主要工作和組織結(jié)構(gòu)13-15
• 2 移動(dòng)WSN節(jié)點(diǎn)定位15-33
• 2.1 移動(dòng)WSN節(jié)點(diǎn)定位概述15-18
• 2.1.1 節(jié)點(diǎn)定位相關(guān)術(shù)語(yǔ)15-16
• 2.1.2 移動(dòng)WSN網(wǎng)絡(luò)分類(lèi)16-17
• 2.1.3 移動(dòng)WSN節(jié)點(diǎn)定位性能指標(biāo)17-18
• 2.2 移動(dòng)WSN節(jié)點(diǎn)典型定位算法18-31
• 2.2.1 貝葉斯估計(jì)18-20
• 2.2.2 粒子濾波20-23
• 2.2.3 蒙特卡羅定位相關(guān)算法23-31
• 2.3 WSN節(jié)點(diǎn)定位算法性能比較31
• 2.4 本章小結(jié)31-33
• 3 基于交叉變異的多跳蒙特卡羅定位（GMMCL）算法33-45
• 3.1 遺傳算法概述33-35
• 3.1.1 遺傳算法相關(guān)術(shù)語(yǔ)33-34
• 3.1.2 遺傳算法基本流程34-35
• 3.2 MMCL定位算法流程35-38
• 3.3 GMMCL定位算法設(shè)計(jì)38-44
• 3.3.1 GMMCL算法原理38-39
• 3.3.2 GMMCL算法流程39-44
• 3.4 本章小結(jié)44-45
• 4 算法性能分析與仿真45-53
• 4.1 仿真環(huán)境與參數(shù)設(shè)置45-46
• 4.2 仿真結(jié)果及分析46-52
• 4.2.1 節(jié)點(diǎn)初始化分布46-47
• 4.2.2 算法收斂性47
• 4.2.3 定位誤差性能47-52
• 4.3 本章小結(jié)52-53
• 結(jié)論53-55
• 致謝55-56
• 參考文獻(xiàn)56-59
• 攻讀學(xué)位期間的研究成果59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 錢(qián)志鴻;王義君;;面向物聯(lián)網(wǎng)的無(wú)線傳感器網(wǎng)絡(luò)綜述[J];電子與信息學(xué)報(bào);2013年01期

2 包晗;李鳳榮;黃河清;劉海濤;;使用移動(dòng)錨節(jié)點(diǎn)的增量式自定位算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年07期

3 汪煬;黃劉生;吳俊敏;徐宏力;;一種基于Monte Carlo的移動(dòng)傳感網(wǎng)絡(luò)精確定位算法[J];小型微型計(jì)算機(jī)系統(tǒng);2008年09期

4 紀(jì)陽(yáng),張平;無(wú)線傳感器網(wǎng)絡(luò)的體系結(jié)構(gòu)[J];中興通訊技術(shù);2005年04期

  本文關(guān)鍵詞：基于交叉變異的WSN節(jié)點(diǎn)蒙特卡羅定位算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：488866