發(fā)布時(shí)間：2017-09-10 15:31

  本文關(guān)鍵詞：復(fù)雜環(huán)境中無(wú)線傳感器網(wǎng)絡(luò)定位算法研究

  更多相關(guān)文章： 無(wú)線傳感器網(wǎng)絡(luò) 定位算法 接收信號(hào)強(qiáng)度 模糊推理 蝙蝠算法

【摘要】：無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)以其低成本、低功耗、多用途的特點(diǎn),在自動(dòng)控制、建筑行業(yè)、環(huán)境監(jiān)測(cè)、危險(xiǎn)等領(lǐng)域中有著大量的應(yīng)用,特別在危險(xiǎn)環(huán)境和人不能到達(dá)的環(huán)境中,更是發(fā)揮著重要的應(yīng)用。在實(shí)際應(yīng)用場(chǎng)合,傳感器節(jié)點(diǎn)有時(shí)通過(guò)飛行器拋撒在工作區(qū)域,節(jié)點(diǎn)的位置都是隨機(jī)并且未知的,節(jié)點(diǎn)所采集到的數(shù)據(jù)必須結(jié)合其位置信息才有意義。因此,實(shí)現(xiàn)節(jié)點(diǎn)的自身定位對(duì)無(wú)線傳感器網(wǎng)絡(luò)有重要的研究意義。如何提高定位的準(zhǔn)確度,以提供更優(yōu)質(zhì)的定位服務(wù)是近年來(lái)熱門的研究課題。在復(fù)雜環(huán)境中,由于無(wú)線電波會(huì)受到諸多因素的干擾,現(xiàn)有的算法如To A(Time of Arrival)、TDo A(Time Difference of Arrival)、Ao A(Angle of Arrival)、RSS(Received Signal Strength)等定位算法都會(huì)在復(fù)雜環(huán)境中產(chǎn)生較大的誤差。本文在“十二五”國(guó)家科技支撐計(jì)劃(2012BAD10B01)項(xiàng)目資助下,研究無(wú)線傳感器在復(fù)雜環(huán)境中的定位算法,對(duì)使用模糊推理的加權(quán)質(zhì)心定位算法和RSS定位算法展開(kāi)深入的研究和分析,取得了如下成果:(1)建立復(fù)雜環(huán)境中信標(biāo)節(jié)點(diǎn)的RSS可靠度機(jī)制。在復(fù)雜環(huán)境中,如果信標(biāo)節(jié)點(diǎn)受到障礙物等的干擾,未知節(jié)點(diǎn)接收到的RSS是不穩(wěn)定的,會(huì)在一個(gè)范圍內(nèi)產(chǎn)生很大變化,為了克服環(huán)境對(duì)RSS的影響,常常采取對(duì)RSS進(jìn)行濾波處理,使RSS值較為接近真實(shí)值。但有時(shí)RSS的濾波不能取到真實(shí)值,比如障礙物遮擋了信標(biāo)節(jié)點(diǎn)的信號(hào),未知節(jié)點(diǎn)接收到的RSS很小,會(huì)產(chǎn)生和實(shí)際距離較大的誤差。本文通過(guò)建立信標(biāo)節(jié)點(diǎn)RSS的可靠度機(jī)制,使用可靠程度描述信標(biāo)節(jié)點(diǎn)發(fā)出無(wú)線電波的可信程度。在這個(gè)機(jī)制中,通過(guò)信標(biāo)節(jié)點(diǎn)接收其它信標(biāo)節(jié)點(diǎn)的RSS值的準(zhǔn)確度,判別未知節(jié)點(diǎn)接收信標(biāo)節(jié)點(diǎn)RSS的值是否準(zhǔn)確。如果這個(gè)信標(biāo)節(jié)點(diǎn)接收的其它信標(biāo)節(jié)點(diǎn)的RSS值在合理范圍,那么就認(rèn)為未知節(jié)點(diǎn)接收到的RSS值是合理的;如果信標(biāo)節(jié)點(diǎn)的信號(hào)受到干擾,那么這個(gè)信標(biāo)節(jié)點(diǎn)接收到其它信標(biāo)節(jié)點(diǎn)的RSS值也不準(zhǔn)確的,我們就認(rèn)為未知節(jié)點(diǎn)接收到的RSS值也不準(zhǔn)確。(2)提出基于RSS可靠度的Mamdani模糊概率質(zhì)心定位算法。在無(wú)線傳感器網(wǎng)絡(luò)中,加權(quán)質(zhì)心定位算法實(shí)現(xiàn)簡(jiǎn)單,在實(shí)際場(chǎng)合應(yīng)用非常方便。但是,在復(fù)雜環(huán)境中如果信標(biāo)節(jié)點(diǎn)少、并且RSS受到障礙物的干擾,加權(quán)質(zhì)心定位算法的精度非常差。通過(guò)模糊質(zhì)心的算法推理得到的權(quán)值,在復(fù)雜環(huán)境中定位精度也不理想。本文在RSS可靠度機(jī)制的基礎(chǔ)上,提出模糊概率質(zhì)心定位算法,通過(guò)Mamdani型模糊推理得到權(quán)值,使算法有一定的魯棒性能。采用通過(guò)實(shí)際環(huán)境中生成的RSS隸屬度函數(shù)和可靠度隸屬度函數(shù),通過(guò)模糊推理運(yùn)算減小了復(fù)雜環(huán)境因素對(duì)RSS的干擾。(3)提出基于RSS可靠度的Sugeno型模糊推理質(zhì)心定位算法。為了提高模糊質(zhì)心定位算法的精度,建立了基于RSS可靠度的Sugeno型模糊推理質(zhì)心定位算法,通過(guò)自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)在復(fù)雜環(huán)境中學(xué)習(xí)模糊系統(tǒng)的參數(shù),達(dá)到了比Mamdani型模糊推理更佳的定位精度。(4)提出帶慣性因子和Lévy飛行策略的蝙蝠算法并應(yīng)用在WSN的定位之中。在無(wú)線傳感器定位算法中,使用全局優(yōu)化的問(wèn)題求解定位問(wèn)題成為研究的一個(gè)熱點(diǎn),有學(xué)者提出使用遺傳算法和蜂群算法解決定位問(wèn)題,但是在高維的問(wèn)題的求解上存在精度低的問(wèn)題。本文分析了傳統(tǒng)的蝙蝠算法的基礎(chǔ)上,提出了帶慣性因子的Lévy飛行策略的蝙蝠算法(Bat Algorithm with Inertia Weight Factor and Lévy Flight,ILBA),對(duì)蝙蝠個(gè)體的飛行公式采取了兩種方式改進(jìn):由于蝙蝠個(gè)體飛行速度有一定連續(xù)性,采用類似微粒群算法(PSO)中慣性因子,采用慣性因子保持蝙蝠的飛行速度,通過(guò)慣性因子使ILBA算法自適應(yīng)調(diào)整局部搜索能力,提高尋優(yōu)精度;另外,采用了Lévy飛行搜索策略指導(dǎo)蝙蝠個(gè)體的飛行,擴(kuò)大了搜索空間,避免搜索陷入局部最優(yōu)。通過(guò)仿真測(cè)試,說(shuō)明ILBA算法在定位問(wèn)題上比基本BA算法和LBA算法,有更佳的求解精度和更快的收斂速度。(5)最后本文建立一個(gè)實(shí)際手機(jī)定位的系統(tǒng),實(shí)現(xiàn)了不同的定位算法,并在不同的定位區(qū)域使用不同的定位算法,達(dá)到了良好的定位精度。
【關(guān)鍵詞】：無(wú)線傳感器網(wǎng)絡(luò) 定位算法 接收信號(hào)強(qiáng)度 模糊推理 蝙蝠算法
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 第1章 緒論15-23
• 1.1 引言15-16
• 1.2 研究背景與意義16-17
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀17-20
• 1.3.1 無(wú)線傳感器網(wǎng)絡(luò)的研究現(xiàn)狀17-18
• 1.3.2 定位技術(shù)的研究現(xiàn)狀18-20
• 1.4 論文主要研究?jī)?nèi)容與創(chuàng)新點(diǎn)20-21
• 1.5 論文的結(jié)構(gòu)21-23
• 第2章 無(wú)線傳感器的定位理論23-37
• 2.1 引言23-24
• 2.2 復(fù)雜環(huán)境中無(wú)線電波傳播特性24-27
• 2.2.1 傳播損耗24
• 2.2.2 遮蔽效應(yīng)24
• 2.2.3 反射效應(yīng)24-25
• 2.2.4 折射效應(yīng)25
• 2.2.5 繞射效應(yīng)25-26
• 2.2.6 散射效應(yīng)26
• 2.2.7 多重路徑效應(yīng)26-27
• 2.3 無(wú)線傳感器定位技術(shù)27-30
• 2.3.1 紅外線技術(shù)27
• 2.3.2 超聲波技術(shù)27-28
• 2.3.3 無(wú)線局域網(wǎng)技術(shù)28
• 2.3.4 無(wú)線射頻識(shí)別技術(shù)28-29
• 2.3.5 Zigbee技術(shù)29
• 2.3.6 定位技術(shù)比較29-30
• 2.4 無(wú)線傳感器定位算法30-36
• 2.4.1 To A定位算法30-31
• 2.4.2 TDo A定位算法31-32
• 2.4.3 Ao A定位算法32-33
• 2.4.4 RSS指紋算法33
• 2.4.5 RSS定位算法33-36
• 2.5 本章小結(jié)36-37
• 第3章 基于RSS可靠度的Mamdani模糊概率質(zhì)心定位算法37-57
• 3.1 引言37
• 3.2 相關(guān)研究37-39
• 3.3 質(zhì)心定位算法39-41
• 3.3.1 質(zhì)心定位算法39
• 3.3.2 加權(quán)質(zhì)心定位算法39-40
• 3.3.3 質(zhì)心定位算法的缺點(diǎn)40-41
• 3.4 模糊概率理論41-42
• 3.4.1 模糊概率理論41
• 3.4.2 模糊概率推理41-42
• 3.5 基于RSS可靠度的Mamdani型模糊概率質(zhì)心定位算法42-52
• 3.5.1 Mamdani型模糊概率推理模型42-43
• 3.5.2 復(fù)雜環(huán)境中信標(biāo)節(jié)點(diǎn)的RSS可靠度機(jī)制43-44
• 3.5.3 輸入隸屬度函數(shù)的構(gòu)建44-48
• 3.5.4 輸出隸屬度函數(shù)的構(gòu)建48
• 3.5.5 模糊概率推理規(guī)則48-50
• 3.5.6 模糊概率推理過(guò)程50-52
• 3.6 實(shí)驗(yàn)仿真與性能分析52-56
• 3.6.1 仿真環(huán)境52-53
• 3.6.2 實(shí)現(xiàn)流程53
• 3.6.3 定位誤差評(píng)估公式53-54
• 3.6.4 定位誤差分析54-55
• 3.6.5 定位誤差分布函數(shù)分析55-56
• 3.7 本章小結(jié)56-57
• 第4章 基于RSS可靠度的Sugeno型模糊推理質(zhì)心定位算法57-65
• 4.1 引言57
• 4.2 相關(guān)研究57-58
• 4.3 Sugeno型模糊推理58
• 4.4 模糊神經(jīng)網(wǎng)絡(luò)算法的原理58-59
• 4.5 基于RSS可靠度的Sugeno型模糊推理質(zhì)心定位算法59-62
• 4.5.1 輸入隸屬度函數(shù)的構(gòu)建59-60
• 4.5.2 輸出隸屬度函數(shù)的構(gòu)建60
• 4.5.3 模糊推理規(guī)則60-61
• 4.5.4 模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)參數(shù)61-62
• 4.6 實(shí)驗(yàn)仿真與性能分析62-64
• 4.6.1 仿真環(huán)境62
• 4.6.2 定位誤差分析62-64
• 4.7 本章小結(jié)64-65
• 第5章 基于慣性因子和Lévy飛行策略的蝙蝠算法在定位中的應(yīng)用65-88
• 5.1 引言65-66
• 5.2 相關(guān)研究66-69
• 5.3 蝙蝠算法69-73
• 5.3.1 群智能算法69-70
• 5.3.2 蝙蝠算法概述70
• 5.3.3 蝙蝠算法的流程70-73
• 5.4 基于慣性因子和Lévy飛行策略的蝙蝠算法73-77
• 5.4.1 慣性因子73-74
• 5.4.2 Lévy飛行策略74-77
• 5.5 ILBA算法標(biāo)準(zhǔn)測(cè)試函數(shù)仿真分析77-82
• 5.5.1 標(biāo)準(zhǔn)測(cè)試函數(shù)77-78
• 5.5.2 算法參數(shù)設(shè)置78-79
• 5.5.3 實(shí)驗(yàn)結(jié)果分析79-82
• 5.6 基于RSS的定位算法模型82-83
• 5.7 仿真與性能分析83-86
• 5.7.1 仿真環(huán)境83
• 5.7.2 性能分析83-86
• 5.8 本章小結(jié)86-88
• 第6章 無(wú)線傳感器網(wǎng)絡(luò)定位應(yīng)用系統(tǒng)88-99
• 6.1 項(xiàng)目背景介紹88-89
• 6.2 手機(jī)定位防盜系統(tǒng)的需求分析89-91
• 6.2.1 系統(tǒng)需求說(shuō)明90-91
• 6.2.2 系統(tǒng)功能要求91
• 6.3 定位系統(tǒng)硬件平臺(tái)91-94
• 6.3.1 定位節(jié)點(diǎn)設(shè)備92-93
• 6.3.2 信標(biāo)節(jié)點(diǎn)設(shè)備93
• 6.3.3 基站設(shè)備93-94
• 6.4 定位系統(tǒng)軟件平臺(tái)94-95
• 6.5 系統(tǒng)總體框架95-96
• 6.6 系統(tǒng)關(guān)鍵技術(shù)96-98
• 6.6.1 混合定位算法96-97
• 6.6.2 IOCP機(jī)制97-98
• 6.6.3 消息報(bào)文格式98
• 6.7 本章小結(jié)98-99
• 第7章 總結(jié)和展望99-101
• 7.1 結(jié)論99-100
• 7.2 展望100-101
• 參考文獻(xiàn)101-109
• 致謝109-110
• 攻讀學(xué)位期間參加的科研項(xiàng)目和成果110

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 鐘飛,鐘毓寧;Mamdani與Sugeno型模糊推理的應(yīng)用研究[J];湖北工業(yè)大學(xué)學(xué)報(bào);2005年02期

2 鄧彬偉;黃光明;;WSN中的質(zhì)心定位算法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2010年01期

3 程森林;李雷;朱保衛(wèi);柴毅;;WSN定位中的RSSI概率質(zhì)心計(jì)算方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

，

本文編號(hào)：825091