面向森林环境监测的WSN定位技术研究

发布时间：2020-11-06 11:57

　　 随着人类对环境重要性的意识逐渐增强,环境监测意义重大。其中森林资源匮乏,森林火灾等频频发生,森林环境监测显得尤为重要,而WSN技术的出现为环境中随机数据的采集提供了便利。节点定位和获取感知数据一样重要,在森林环境中,传感器节点通常随机分布,若没有定位信息存在,节点采集的数据将毫无意义。WSN中部分节点配置GPS,称为锚节点,其余的未知节点则通过定位算法获取其位置。根据森林环境的不同场景特点和应用需求,设计合理的定位方案,提高定位精度,是本文研究的目标。本文对WSN定位技术进行了深入研究,研究内容有以下几个方面:(1)针对大规模森林环境监测场景,本文基于DV-Hop算法设计出基于加权因子的混合DV-Hop算法HDV-Hopw,采用两种策略对其改进:首先通过对锚节点的平均每跳距离进行加权处理减小平均每跳距离带来的误差,然后将未知节点位置估计转换成目标优化,采用混合GA-PSO算法对未知节点的坐标进行优化,通过限制初始种群的可行域、改进初始种群质量提高算法的定位精度。仿真实验结果显示:在没有增加额外硬件设备的情况下,HDV-Hopw算法相比DV-Hop算法平均定位误差降低了11%左右,在形状不规则的网络拓扑中定位精度提高更为明显。(2)针对局部精细环境监测场景,规模相对较小,且相对大规模森林环境监测定位要求更高,故本文在RSSI测距技术的基础上设计出FCDC-CL算法。直接将RSSI信号强度映射为节点估算距离存在误差,粗大误差越多,对最终定位的准确性干扰越大。为提高无线传感器网络定位精度,首先对估算距离预处理;再根据数据一致性原理,利用模糊聚类算法筛选、剔除粗大误差;最后利用改进的加权质心算法对未知节点进行定位。仿真实验表明FCDC-CL算法的平均定位误差在9.4%左右,而WCL算法的平均定位误差在25.5%左右,与WCL算法相比FCDC-CL算法的误差明显降低。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP212.9;TN929.5
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 选题背景与意义
    1.2 WSN定位技术的国内外研究现状
        1.2.1 WSN定位技术的国外研究现状
        1.2.2 WSN定位技术的国内研究现状
    1.3 研究思想及研究内容
    1.4 本文组织结构
第二章 无线传感器网络定位算法
    2.1 无线传感器网络节点定位技术
        2.1.1 定位相关术语及系统假设
        2.1.2 定位基本步骤
        2.1.3 定位算法的分类
        2.1.4 定位算法的评价标准
    2.2 基于测距的定位算法
        2.2.1 节点间距测量方法
        2.2.2 节点位置计算方法
    2.3 无需测距定位算法
        2.3.1 DV-Hop算法
        2.3.2 质心算法
        2.3.3 三角形内点近似估计法
    2.4 本章小结
第三章 面向森林环境监测的WSN定位方案设计
    3.1 森林环境监测的应用需求分析
    3.2 面向森林环境监测的WSN总体结构设计
    3.3 WSN节点设计分析
        3.3.1 传感器节点的设计要求
        3.3.2 节点的部署
        3.3.3 节点的定位设计
    3.4 不同场景下的定位技术方案
        3.4.1 大规模森林环境监测的定位技术选择
        3.4.2 局部精细环境监测的定位技术选择
    3.5 本章小节
第四章 基于加权因子的混合DV-Hop定位技术
    4.1 经典DV-Hop算法
        4.1.1 经典DV-Hop算法定位过程
        4.1.2 DV-Hop定位算法误差分析
    4.2 基于加权因子的混合DV-Hop算法HDV-Hopw
        4.2.1 HopSize修正策略
        4.2.2 混合GA-PSO算法计算未知节点坐标策略
            4.2.2.1 位置求解的GA-PSO模型构造
            4.2.2.2 位置求解的GA-PSO模型实现
    4.3 实验证明与仿真
        4.3.1 仿真环境
        4.3.2 仿真结果与分析
    4.4 结论
第五章 基于模糊聚类和数据一致性的质心定位技术
    5.1 基于RSSI的定位研究
        5.1.1 RSSI测距原理
        5.1.2 RSSI误差分析
    5.2 数据一致性原理及聚类算法研究
        5.2.1 数据一致性原理
        5.2.2 聚类算法研究
    5.3 基于RSSI的加权质心定位技术模型
    5.4 FCDC-CL算法
        5.4.1 测量距离预处理
        5.4.2 基于模糊聚类和数据一致性方法剔除粗大误差
        5.4.3 基于改进的质心算法获取最终定位
    5.5 实验验证与仿真
    5.6 总结与结论
第六章 总结与展望
    6.1 全文总结
    6.2 工作展望
参考文献
致谢
在校期间的研究成果及发表的学术论文

【参考文献】

相关期刊论文 前6条

1 张万礼;宋启祥;;遗传算法的DV-Hop算法改进[J];重庆大学学报;2015年03期

2 吴秋璇;尹彦丹;付鸿川;;无线传感器发展现状及通过其在环境监测领域应用观察到的特点与不足[J];山东工业技术;2015年05期

3 刘政;;基于接收信号强度指示的误差自校正定位算法[J];传感技术学报;2014年07期

4 刘辉亚;徐建波;彭理;;无线传感器网络移动节点定位算法[J];计算机工程与应用;2011年03期

5 蔡晓艳;司小平;蒋华勤;;无线传感器网络节点设计综述[J];中国科技信息;2010年23期

6 王兵,肖文发,刘世荣;中国森林生态环境监测现状及环境质量[J];世界林业研究;1996年05期

相关硕士学位论文 前10条

1 陈光烁;基于压缩感知技术的传感器网络数据丢失和恢复的研究[D];上海交通大学;2014年

2 詹国胜;应急环境下无线传感器网络构建和节点定位研究[D];南京理工大学;2013年

3 孙同鑫;WSN中基于未知节点分类的节点定位算法研究[D];东北大学;2012年

4 韩梦飞;基于K-means聚类和数据一致性的WSN多边定位算法[D];吉林大学;2012年

5 王学;无线传感器网络在远程环境监测中的应用[D];山东师范大学;2011年

6 朱登科;基于RSSI的无线传感器网络测距和定位技术研究[D];国防科学技术大学;2010年

7 张娇;基于接收信号强度的定位算法的研究[D];东北大学;2010年

8 徐增友;WSN无线传感网络定位技术的研究[D];山东大学;2009年

9 杨柳;基于ZigBee的无线传感器环境监测网络设计[D];上海交通大学;2008年

10 蒋小兰;无需测距的WSN节点自定位算法研究[D];西南交通大学;2007年

本文编号：2873111