距离无关的无线传感器网络节点定位方法研究

发布时间：2017-08-01 10:10

  本文关键词：距离无关的无线传感器网络节点定位方法研究

  更多相关文章： 无线传感器网络 DV-Hop算法 连通性差异 粒子群算法

【摘要】：随着物联网科技的飞速发展,无线传感器网络有着越来越广泛的应用前景,如应用在国防军事、环境监测、健康医疗、智能家居和企业监控等方面。同时无线传感器网络是许多应用的基础,由于测得的数据信息与传感器节点的位置信息密切相关,因此它的定位精度是一个关键的指标。目前,尽管已经有人提出了大量的节点定位算法,但是大多数还处于理论阶段,因此节点定位仍是一个充满挑战和困难的问题。考虑到节点的成本、能量、体积等因素,未来的研究重点和难点是设计低成本、低能量消耗以及定位精度较高的传感器节点。本文首先介绍了无线传感器网络技术的研究背景和研究意义以及目前国内外研究现状,阐述了基于测距和基于非测距的定位算法原理,以及定位算法的性能评价标准。然后本文重点研究了无线传感器网络中基于非测距的定位算法,在这类技术中使用最为广泛的是DV-Hop算法,其优点是算法简单,易于实现,缺点是使用平均跳距估计距离带来较大的测距误差。其改进算法CDA DV-Hop算法通过利用节点间连通性差异提高了DV-Hop定位精度,但算法复杂度较高。基于CDA DV-Hop算法,本文给出了改进的CDA D-Hop算法(简称ICDA DV-Hop算法),该算法通过限制泛洪广播跳数以及优化锚节点选择策略,减小了锚节点分布不均带来的误差,并根据同一未知节点的不同估计位置与实际位置之间的连通性差异,选出连通性差异最小的位置作为未知节点的最终估计位置。仿真结果表明ICDA DV-HOP算法有效的降低了算法的复杂度,并减少了网络通信开销。为了解决DV-Hop在定位时由测距误差带来的定位误差较大的问题,本文引入改进的粒子群算法AEPSO算法对DV-Hop算法进行优化,将未知节点与锚节点之间的估计距离和实际距离之间均方误差作为优化的适应函数,并在粒子群算法中引入自适应权重和优胜劣汰的思想,从而平衡全局和局部搜索能力以及具有较好的收敛性,仿真结果表明该算法能够有效的提高算法的定位精度。最后将ICDA DV-HOP算法与AEPSO DV-Hop两种算法相结合,利用AEPSO算法对ICDA DV-HOP算法的定位结果进行优化,仿真结果表明改进算法具有较好的收敛速度且具有较高的定位精度。
【关键词】：无线传感器网络 DV-Hop算法 连通性差异 粒子群算法
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN929.5;TP212.9
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-13
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-11
• 1.3 论文结构安排11-13
• 第二章 无线传感器网络定位技术13-26
• 2.1 无线传感器网络简介13-17
• 2.1.1 无线传感器网络结构13-14
• 2.1.2 传感器节点结构14
• 2.1.3 无线传感器网络特点14-15
• 2.1.4 无线传感器网络的性能评价15-16
• 2.1.5 无线传感器网络的关键技术16-17
• 2.2 无线传感器网络定位算法17-20
• 2.2.1 基于测距的定位方法17-18
• 2.2.2 基于非测距的定位方法18-20
• 2.3 节点位置的基本计算方法20-23
• 2.3.1 三边测量法20-21
• 2.3.2 三角测量法21-22
• 2.3.3 极大似然估计法22-23
• 2.4 定位算法性能评价指标23-25
• 2.5 本章小结25-26
• 第三章 改进的基于节点连通性差异的DV-HOP算法26-44
• 3.1 DV-Hop算法分析26-28
• 3.1.1 DV-Hop算法原理26-27
• 3.1.2 DV-Hop算法的不足27-28
• 3.2 基于节点间连通性差异的DV-Hop算法28-32
• 3.2.1 CDA DV-Hop算法介绍28
• 3.2.2 CDA DV-Hop算法分析28-32
• 3.3 改进的CDA DV-Hop算法32-37
• 3.3.1 限制广播报最大跳数32-33
• 3.3.2 锚节点最优选择策略33-35
• 3.3.3 加入权重系数的连通性差异计算35
• 3.3.4 基于最近锚节点的位置校准35-37
• 3.3.5 ICDA DV-HOP算法流程37
• 3.4 ICDA DV-HOP仿真与结果分析37-43
• 3.4.1 仿真环境及仿真实验定位效果37-39
• 3.4.2 改进算法跳数门限选择39-40
• 3.4.3 改进算法通信开销40-41
• 3.4.4 改进算法定位效果41-43
• 3.5 本章小结43-44
• 第四章 基于粒子群优化的DV-HOP算法44-56
• 4.1 粒子群算法分析44-47
• 4.1.1 粒子群算法基本原理44-46
• 4.1.2 粒子群算法的流程46-47
• 4.2 基于AEPSO优化的定位算法47-52
• 4.2.1 惯性权重w设置48
• 4.2.2 选择进化策略48-49
• 4.2.3 适应函数的选择49
• 4.2.4 算法流程49-52
• 4.3 仿真与结果分析52-55
• 4.3.1 仿真实验设计52
• 4.3.2 AEPSO算法的收敛性能52-53
• 4.3.3 基于AEPSO优化的算法定位效果53-54
• 4.3.4 改进算法对比分析54-55
• 4.4 本章小结55-56
• 第五章 基于ICDADV-HOP的AEPSO优化56-64
• 5.1 ICDA DV-HOP算法与AEPSO优化算法对比56-57
• 5.2 基于ICDA DV-HOP的AEPSO优化算法57-61
• 5.2.1 算法分析57
• 5.2.2 粒子初始化区域57-58
• 5.2.3 算法流程58-61
• 5.3 算法仿真分析61-63
• 5.3.1 算法的收敛性能61
• 5.3.2 算法的定位效果61-63
• 5.4 本章小结63-64
• 第六章 总结与展望64-66
• 6.1 工作总结64
• 6.2 研究展望64-66
• 参考文献66-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 姜钧;程良伦;;无线传感器网络局部锚节点冗余的休眠定位算法[J];传感器与微系统;2012年01期

2 肖琳;单志龙;;基于虚拟锚节点的序列定位算法研究[J];计算机与现代化;2012年06期

3 王茂臣;樊秀梅;;单个锚节点的路径规划机制及定位方法研究[J];天津科技大学学报;2013年02期

4 史跃飞;冯秀芳;高昊;;一种基于动态锚节点的改进加权定位算法[J];计算机应用与软件;2013年10期

5 梁甲金;邓平;;一种基于移动锚节点的多坐标系定位算法[J];云南民族大学学报(自然科学版);2010年04期

6 崔焕庆;王英龙;周传爱;;应用三个移动锚节点的非测距定位方法[J];山东科技大学学报(自然科学版);2011年01期

7 屈剑锋;郭茂耘;;一种基于锚节点分簇的传感器网络节点定位方法[J];计算机应用研究;2011年09期

8 孙晓玲;李伟勤;陈涛;郑勉;;用移动锚节点实现无线传感器网络定位[J];微计算机信息;2011年09期

9 汪晗;齐望东;王坤;;无线传感器网络中基于刚性的移动锚节点路径规划[J];电子与信息学报;2011年10期

10 郑征;李云飞;严建峰;赵永杰;;基于锚节点的车载网地理路由算法[J];计算机应用;2013年12期

中国重要会议论文全文数据库 前2条

1 潘文鑫;杜庆伟;;锚节点稀疏的无线传感网络节点定位算法[A];第九届中国通信学会学术年会论文集[C];2012年

2 汪丽华;张国煊;申兴发;;移动锚节点辅助的DV-hop定位方法研究[A];浙江省电子学会2008年学术年会论文集[C];2008年

中国博士学位论文全文数据库 前4条

1 唐_";基于锚节点的无线传感器网络定位技术研究[D];哈尔滨工业大学;2013年

2 马琳;基于IR-UWB信号的穿墙目标定位方法研究[D];哈尔滨工业大学;2009年

3 温龙飞;基于距离优化的移动传感器网络定位技术研究[D];北京理工大学;2015年

4 王瑞锦;复杂环境下的无线传感器网络定位关键技术研究[D];电子科技大学;2013年

中国硕士学位论文全文数据库 前10条

1 王玺U，

本文编号：603706