本文選題：無線傳感器網絡　切入點：移動節(jié)點定位　出處：《東北電力大學》2017年碩士論文　論文類型：學位論文

【摘要】：節(jié)點定位是無線傳感器網絡中的核心技術之一,在目標追蹤、事件監(jiān)測、定位路由、戰(zhàn)場定位等諸多領域應用廣泛。在無線傳感器網絡的很多應用中,隨機散布在無線傳感器網絡中的錨節(jié)點和未知節(jié)點,很多情況下處于移動狀態(tài),而目前很多算法考慮傳感器動態(tài)性不是很全面,使算法在動態(tài)狀態(tài)下表現(xiàn)不佳。目前的移動節(jié)點定位算法多基于部分節(jié)點靜止,部分節(jié)點移動,或者節(jié)點的移動按照事先規(guī)定好的軌跡,這種移動方式均非所有節(jié)點隨機移動。另一方面,基于接收信號強度指示(RSSI)的定位算法依據(jù)信號強度衰減隨著距離的變化原理來估計節(jié)點間的距離,RSSI定位算法最重要的問題是路徑損耗問題,信號衰減因子隨環(huán)境不同而變化,一般情況下,大多算法將信號衰減因子取典型值來計算,這將導致嚴重的測距誤差,而且在復雜的地理環(huán)境中,信號傳輸不規(guī)則性(DOI)也是信號在實際傳輸中遇到的一個重要問題。針對以上存在的問題,本文通過大量實地測量,將得到的數(shù)據(jù)進行分析與處理,使用MATLAB擬合出不同環(huán)境下的信號衰減因子與參考距離為1m時的路徑損耗值,為了使該模型更加符合真實復雜的情況,將DOI引入模型中,結合信號的傳輸半徑、環(huán)境的復雜程度,建立了基于信號接收強度和距離的擬合關系模型,在此基礎上將RSSI定位算法應用于錨節(jié)點和未知節(jié)點全部隨機移動的網絡中。為了能解決當能夠與未知節(jié)點通信的錨節(jié)點數(shù)量少于3個而不能定位的問題,本算法根據(jù)能夠與未知節(jié)點通信的錨節(jié)點數(shù)量,將定位過程分為3種情況:當能夠與未知節(jié)點通信的錨節(jié)點數(shù)量等于或者大于3個時,直接使用三邊測量法進行定位;當能夠與未知節(jié)點通信的錨節(jié)點數(shù)量為2個時,利用未知節(jié)點歷史時刻的位置信息輔助當前時刻的未知節(jié)點定位,即把未知節(jié)點歷史時刻的位置作為錨節(jié)點的位置,速度值作為通信半徑對未知節(jié)點進行輔助定位;當能夠與未知節(jié)點通信的錨節(jié)點只有1個時,通過灰預測預測未知節(jié)點當前時刻的移動方向,然后結合未知節(jié)點歷史時刻位置信息和速度值來完成節(jié)點定位過程。仿真結果表明,與傳統(tǒng)RSSI定位算法和基于卡爾曼濾波的RSSI定位算相比,該算法的定位成功率提高了約30%。
[Abstract]:Node location is one of the core technologies in wireless sensor networks. It is widely used in many fields, such as target tracking, event monitoring, location routing, battlefield location, etc. Anchor nodes and unknown nodes scattered randomly in wireless sensor networks are in a moving state in many cases, but many algorithms currently consider the dynamic nature of the sensor is not very comprehensive. Most of the current mobile node localization algorithms are based on the stationary part of the node, the movement of part of the node, or the movement of the node according to the predetermined trajectory. This movement is not random for all nodes. On the other hand, The location algorithm based on received signal intensity indication (RSSI) estimates the distance between nodes according to the principle of the variation of signal intensity attenuation with distance. The most important problem of RSSI location algorithm is the path loss problem, and the signal attenuation factor varies with the environment. In general, most algorithms calculate the signal attenuation factor by taking the typical value, which will lead to serious ranging errors, and in complex geographical environment, The irregularity of signal transmission is also an important problem in actual signal transmission. In view of the above problems, this paper analyzes and processes the obtained data through a large number of field measurements. MATLAB is used to fit the path loss of signal attenuation factor and reference distance of 1 m in different environments. In order to make the model more realistic and complex, the DOI is introduced into the model, which combines the transmission radius of the signal and the complexity of the environment. A fitting relation model based on the signal receiving intensity and distance is established. In order to solve the problem that the number of anchor nodes that can communicate with unknown nodes is less than 3, the problem of unlocalization can be solved by applying RSSI localization algorithm to all random moving networks of anchor nodes and unknown nodes, so as to solve the problem that the number of anchor nodes that can communicate with unknown nodes is less than three. According to the number of anchor nodes that can communicate with unknown nodes, this algorithm divides the localization process into three cases: when the number of anchor nodes that can communicate with unknown nodes is equal to or greater than 3, the method of trilateral measurement is directly used to locate; When the number of anchor nodes that can communicate with unknown nodes is 2, the position information of unknown nodes' historical moment is used to assist the location of unknown nodes at current time, that is, the position of unknown nodes' historical moment is taken as the position of anchor nodes. When only one anchor node can communicate with the unknown node, grey prediction is used to predict the moving direction of the unknown node at the current time. The simulation results show that compared with the traditional RSSI localization algorithm and the RSSI localization algorithm based on Kalman filter, the localization success rate of this algorithm is increased by about 30%.
【學位授予單位】：東北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP212.9;TN929.5

【相似文獻】

相關期刊論文 前10條

1 趙方;馬嚴;羅海勇;林權;;基于頑健估計的室內節(jié)點定位算法[J];通信學報;2008年11期

2 陸鋒;;基于分布式的無線傳感器節(jié)點定位算法研究[J];科技信息(科學教研);2008年17期

3 孫燕;尚軍亮;劉三陽;;基于采樣優(yōu)化的蒙特卡羅移動節(jié)點定位算法[J];系統(tǒng)工程與電子技術;2010年09期

4 呂振;林振楊;張曉紅;何武林;;基于一種混合的節(jié)點定位算法的研究[J];傳感技術學報;2012年02期

5 李建坡;時明;謝巖;隋吉生;;一種基于模糊理論的蒙特卡洛移動節(jié)點定位算法[J];計算機應用與軟件;2013年12期

6 楊軍;;無線傳感網絡節(jié)點定位算法綜述[J];儀器儀表標準化與計量;2012年01期

7 呂振;林振楊;張曉紅;何武林;;無需測距的綜合節(jié)點定位算法[J];計算機系統(tǒng)應用;2012年05期

8 俞志根;姚春風;;蟻群算法在WSN節(jié)點定位算法中的應用[J];湖州職業(yè)技術學院學報;2011年01期

9 何劍海;;基于連通性的無線傳感器網絡節(jié)點定位算法探究[J];機電信息;2013年06期

10 賀遠華;黎洪生;胡冰;;無線傳感器網絡分布式節(jié)點定位算法研究[J];微計算機信息;2009年22期

相關會議論文 前2條

1 王超;劉凱;肖楠;;無線傳感器網絡中一種基于雙重限制區(qū)域的節(jié)點定位算法[A];2008通信理論與技術新發(fā)展——第十三屆全國青年通信學術會議論文集（下）[C];2008年

2 肖玲;李仁發(fā);羅娟;;基于多維標度的分布式無線傳感器網絡節(jié)點定位算法[A];2006全國復雜網絡學術會議論文集[C];2006年

相關博士學位論文 前2條

1 張松;水下聲通信傳感器網絡路由協(xié)議與節(jié)點定位算法研究[D];武漢大學;2014年

2 李瑞雪;WSN節(jié)點定位算法及其安全性研究[D];吉林大學;2011年

相關碩士學位論文 前10條

1 趙林哲;無線傳感器網絡節(jié)點定位技術研究[D];天津理工大學;2015年

2 蘆捷飛;無線傳感器網絡節(jié)點定位算法的研究[D];鄭州大學;2015年

3 周錕;復雜三維環(huán)境下節(jié)點定位算法研究[D];東北大學;2014年

4 張洪巖;網絡節(jié)點分步式定位算法研究[D];電子科技大學;2016年

5 胡娟;無線傳感器網絡節(jié)點定位算法研究[D];浙江師范大學;2015年

6 陳小書;基于DV-Hop的無線傳感器網絡節(jié)點定位算法研究[D];成都理工大學;2016年

7 王永為;基于信號強度比的WSN節(jié)點定位算法研究[D];沈陽建筑大學;2016年

8 李芬芳;三維無線傳感器網絡節(jié)點定位算法研究[D];西北師范大學;2016年

9 穆寶春;無線傳感器網絡全移動節(jié)點定位算法研究[D];東北電力大學;2017年

10 楊棟;麥田環(huán)境中無線傳感器網絡節(jié)點定位算法設計[D];西北農林科技大學;2017年

，

本文編號：1597549