基于运动模型的水下传感器网络节点定位算法的研究

发布时间：2017-05-05 07:14

  本文关键词：基于运动模型的水下传感器网络节点定位算法的研究，由笔耕文化传播整理发布。

【摘要】：海洋在现代国民经济中扮演的角色越来越重要，，如何开发利用海洋成为未来经济发展的主题。水下无线传感器网络能够采集海洋环境数据、监测海洋污染、进行海底资源勘探、及时进行灾难预警并且被广泛应用到军事领域当中。因此，水下传感器网络正在吸引人们越来越多的关注。水下节点定位技术是水下传感器网络应用中最为关键的一项技术，没有节点位置信息的数据在多数情况下没有任何意义，如何对水下节点位置进行精确的定位成为了水下研究中的重点。水下传感器节点在定位过程中要面临水下环境、水下声学通信等因素的影响和挑战。 目前的水下传感器网络节点定位算法进行节点定位时，大多假设节点是静止的，但是水下节点难免会受到洋流、潮汐等的影响而发生移动。当节点进行位置估计时，之前测量得到的节点间距离可能已经发生改变。在定位过程中，可能导致利用这些距离信息估计出来的节点位置失效。具有移动预测的大规模水下传感器网络定位算法（SLMP算法）中的节点会随着运动模型进行移动，引起了很多人的研究兴趣。 本文对SLMP算法的定位原理进行了详细的分析和研究，分别从节点密度、置信度阈值、预测窗口长度、预测步长和预测误差阈值五个方面入手，研究它们对SLMP算法的定位覆盖度和定位误差的影响。SLMP算法在未知节点定位阶段使用极大似然估计法计算未知节点坐标，但是极大似然估计法在计算未知节点坐标时存在系统误差，会降低网络中未知节点的定位精度。因此，为了提高SLMP算法的未知节点定位精度，本文对SLMP算法进行了改进，提出了一种基于遗传算法优化SLMP定位算法（简称为GA-SLMP算法）。 GA-SLMP算法在SLMP算法的未知节点定位阶段进行了改进。首先网络中的未知节点使用极大似然估计法计算自身坐标位置；然后在三维空间内对未知节点坐标进行拓展，形成一个未知节点坐标的搜索空间；最后使用遗传算法在拓展的三维空间内迭代搜索未知节点的坐标，在每次迭代过程中首先利用适应度函数计算个体的适应度值，根据适应度值的大小来判断是否遗传到下一代，在产生的新种群中进行选择、交叉和变异遗传操作，直至迭代次数达到最大遗传代数时遗传过程终止并输出最优解。 本文使用MATLAB2013a对GA-SLMP算法和SLMP算法在节点密度、置信度阈值、预测窗口长度、预测步长和预测误差阈值五个方面进行仿真实验对比，通过实验表明，在不同节点密度、置信度阈值、预测窗口长度、预测步长和预测误差阈值的情况下，GA-SLMP算法的未知节点定位精度都要好于SLMP算法。
【关键词】：水下无线传感器网络 节点定位 运动模型 遗传算法 定位精度
【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】：TP212.9;TN929.3
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究的背景及意义11-12
• 1.2 现有水下定位算法12-13
• 1.3 水下节点定位面临的挑战13-15
• 1.3.1 水下环境对节点定位的影响13-14
• 1.3.2 水下声学特性对节点定位的影响14-15
• 1.4 论文研究内容及章节安排15-17
• 第2章 水下无线传感器网络定位算法的研究17-33
• 2.1 水下无线传感器网络的结构17-19
• 2.2 节点位置的计算方法19-22
• 2.3 水下定位算法分类22-31
• 2.3.1 基于测距的定位算法22-29
• 2.3.2 无需测距的定位算法29-31
• 2.4 本章小结31-33
• 第3章 水下移动预测定位算法 SLMP 的研究与分析33-49
• 3.1 SLMP 网络结构33-34
• 3.2 锚节点移动预测阶段34-37
• 3.2.1 水下物体的移动特点34-35
• 3.2.2 锚节点预测算法35-37
• 3.3 未知节点定位阶段37-40
• 3.3.1 未知节点移动预测37
• 3.3.2 未知节点定位过程37-40
• 3.4 节点运动模型40
• 3.5 SLMP 算法性能仿真40-47
• 3.5.1 节点密度41-42
• 3.5.2 置信度阈值42-44
• 3.5.3 预测窗口长度44-45
• 3.5.4 预测步长45-46
• 3.5.5 预测误差阈值46-47
• 3.6 本章小结47-49
• 第4章 基于遗传算法优化的改进 SLMP 算法49-59
• 4.1 遗传算法介绍49
• 4.2 遗传算法的应用流程49-51
• 4.3 GA-SLMP 定位算法的研究51-57
• 4.3.1 基于遗传算法优化的改进 SLMP 算法的设计52-57
• 4.4 本章小结57-59
• 第5章 算法的仿真与分析59-71
• 5.1 节点密度59-61
• 5.2 置信度阈值61-63
• 5.3 预测窗口长度63-65
• 5.4 预测步长65-67
• 5.5 预测误差阈值67-69
• 5.6 本章小结69-71
• 第6章 总结与展望71-73
• 6.1 总结71
• 6.2 展望71-73
• 参考文献73-79
• 作者简介及在学期间所取得的科研成果79-81
• 作者简介79
• 攻读硕士期间的科研成果79-81
• 致谢81

【参考文献】

中国期刊全文数据库 前7条

1 张品;徐智福;孙岩;;基于无线传感器网络的一种改进Dv-Hop算法[J];电子器件;2009年06期

2 李建如;许惠平;;加拿大“海王星”海底观测网[J];地球科学进展;2011年06期

3 佟盛;张信学;;美军水下网络中心战技术发展及设想[J];舰船科学技术;2009年02期

4 郭忠文;罗汉江;洪锋;杨猛;倪明选;;水下无线传感器网络的研究进展[J];计算机研究与发展;2010年03期

5 马祖长,孙怡宁;无线传感器网络节点的定位算法[J];计算机工程;2004年07期

6 杨鹃;韩雪松;;基于遗传算法优化的节点定位技术[J];制造业自动化;2015年04期

7 周异;顾宝军;陈凯;陈剑波;管海兵;;An Range-free Localization Scheme for Large Scale Underwater Wireless Sensor Networks[J];Journal of Shanghai Jiaotong University(Science);2009年05期

中国博士学位论文全文数据库 前2条

1 冯源;水下传感器网络节点试验室测试系统研究与设计[D];中国海洋大学;2010年

2 杨光;水下无线通信网络安全关键技术研究[D];中国海洋大学;2012年

  本文关键词：基于运动模型的水下传感器网络节点定位算法的研究，由笔耕文化传播整理发布。

本文编号：345921