密集多径环境下UWB无线传感器网络节点三维定位方法研究

发布时间：2017-03-30 00:03

  本文关键词：密集多径环境下UWB无线传感器网络节点三维定位方法研究，，由笔耕文化传播整理发布。

【摘要】：利用UWB信号特有的优势，无线传感器网络（wireless sensor networks,WSN）节点定位技术被应用在地震信号测量、土壤检测、军事勘察和医疗监控等方面，正悄然改变着人们生活的方式。 本文研究了密集多径环境下基于到达时间（time of arrival, TOA）估计的UWB无线传感器网络节点定位问题，所考虑的环境为障碍物较多且传播路径受风、雨、雪等自然环境影响的情况。实现WSN节点定位技术重要的一步就是如何测量目标信号节点到已知节点之间的距离，本文参考雷达中阈值检测的恒虚警率（constant false alarm rate, CFAR）算法，用于检测密集多径环境下首先超过阈值门限的TOA估计值。在此基础上，再利用无线定位算法对WSN节点进行定位。在TOA估计方面，传统的基于阈值的方法一般仅考虑背景噪声服从高斯分布的情况，且多数采用基于能量的检测手段。这些方法虽然可以在一定程度上检测出TOA值，但是由于检测门限固定，在低SNR时TOA估计会带来很大误差。另外，在WSN定位方面，传统算法大多数都在二维平面进行定位，定位精度有限。 论文首先对传统的高斯噪声背景下的三种基于能量检测的阈值TOA估计算法进行了研究，并且通过仿真实验分析了算法性能。针对传统算法的不足，本文对基于TOA估计的WSN节点定位方法进行了改进，所做创新性工作如下： 针对传统算法的背景噪声分布单一、无法确切地表示密集多径环境下噪声的数学分布模型的缺陷，提出Weibull噪声背景下基于ML-CFAR（maximumlikelihood-constant false alarm rate）的WSN三维节点定位方法。该方法适合于密集多径且背景噪声服从Weibull分布的环境。仿真验证了ML-CFAR算法能很好估计出超过门限的第一径TOA值，但该算法必须基于ML算法事先估测出噪声的平均水平，当样本数少时TOA估计值有一定误差。 针对传统能量检测算法和ML-CFAR算法的缺陷，进一步提出了一种Weibull噪声背景下基于CA-CFAR（cell averaging-constant false alarm rate）的WSN三维节点定位方法。该算法提取出一部分噪声单元作为参考单元，且加入比例因子T，这样确定出的阈值门限能够动态地自适应背景噪声水平的变化。仿真表明，该算法估计出的TOA值误差较小。 针对传统WSN节点定位算法仅能定位在二维平面，无法在三维空间的缺陷，提出将传统的Taylor级数展开算法扩展到三维空间中对节点进行定位，在锚节点位置合理、个数合适的情况下，算法定位效果较好，定位误差较小。
【关键词】：无线传感器网络 密集多径 阈值 TOA估计 CFAR 三维节点定位 Weibull分布
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN925;TP212.9
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 无线传感器网络概述10-12
• 1.2 UWB 技术研究现状12-13
• 1.3 WSN 节点定位研究现状13-14
• 1.4 课题研究背景和意义14-15
• 1.5 论文内容安排15-18
• 第2章 基础知识18-30
• 2.1 UWB 相关理论18-20
• 2.2 相关数学知识20-24
• 2.3 最大似然估计24-26
• 2.4 WSN 定位方法概述26-29
• 2.5 本章小结29-30
• 第3章 基于阈值的 UWB 信号 TOA 估计算法30-38
• 3.1 信道模型31-32
• 3.2 MES 算法32-33
• 3.3 TC 算法33
• 3.4 MES-SB 算法33-34
• 3.5 算法仿真及分析34-36
• 3.6 本章小结36-38
• 第4章 Weibull 噪声背景下基于 ML-CFAR 的 WSN 三维节点定位研究38-48
• 4.1 信道模型39-40
• 4.2 基于 ML-CFAR 的 TOA 估计算法原理40-41
• 4.3 高斯噪声背景下基于 ML-CFAR 的 TOA 估计算法41-42
• 4.4 Weibull 噪声背景下基于 ML-CFAR 的 TOA 估计算法42-43
• 4.5 三维 Taylor 定位算法43-44
• 4.6 算法仿真44-46
• 4.7 本章小结46-48
• 第5章 Weibull 噪声背景下基于 CA-CFAR 的 WSN 三维节点定位研究48-58
• 5.1 信道模型48-49
• 5.2 基于 CA-CFAR 的 TOA 估计算法原理49-50
• 5.3 高斯噪声背景下基于 CA-CFAR 的 TOA 估计算法50-51
• 5.4 Weibull 噪声背景下基于 CA-CFAR 的 TOA 估计算法51-52
• 5.5 算法仿真52-55
• 5.6 本章小结55-58
• 第6章 全文总结与展望58-60
• 参考文献60-66
• 导师及作者简介66-67
• 在研期间所取得的科研成果67-68
• 致谢68

【参考文献】

中国期刊全文数据库 前7条

1 曾照华;;无线超宽带通信原理及其应用标准[J];电力系统通信;2007年01期

2 钱志鸿;王义君;;面向物联网的无线传感器网络综述[J];电子与信息学报;2013年01期

3 何风行;余志军;刘海涛;;基于压缩感知的无线传感器网络多目标定位算法[J];电子与信息学报;2012年03期

4 李艳芳;杨拉明;;基于UWB的无线定位技术[J];电子设计工程;2014年08期

5 唐春玲;;UWB的TOA估计算法的研究[J];电子世界;2014年09期

6 夏s

本文编号：275720