基于改进CKF的WSNs与移动机器人协作定位研究

发布时间：2021-06-27 19:10

　　随着无线传感器网络（Wireless Sensor Networks,WSNs）与移动机器人（Mobile Robot,MR）技术的不断发展,WSNs节点的功能越来越强大,具有各种功能的移动机器人也逐渐得到广泛运用。两者分布式的特征、公共的通信频段、良好的传感能力,使得两者的结合成为热点研究问题。将WSNs与移动机器人结合,组成新的WSNs-移动机器人系统,不仅保留了 WSNs与移动机器人原有的优势,还可以弥补各自的局限与不足,提升系统的整体性能,使得两者原有的难题得以简化。本文在WSNs与移动机器人结合的背景下,研究了 WSNs-移动机器人混合系统的定位问题。首先,针对混合系统下的WSNs节点定位问题进行了仿真研究,利用移动机器人可移动方面的优势与WSNs节点分布式的特性,构建了一种移动机器人辅助下,机器人-节点、节点-节点相互配合的节点定位模型,利用多约束不等式组将测量数据进行初步估计,并融入基于CKF的滤波算法,对节点的预估位置实施预测修正,实现了对WSNs节点高效、精确的动态定位。之后,研究了 WSNs环境下机器人的定位问题,利用WSNs节点对机器人的观测以及其自身携带传感器对... 

【文章来源】：安徽工程大学安徽省

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景与意义
    1.2 WSNs与移动机器人的异同及两者结合
        1.2.1 WSNs与移动机器人的比较
        1.2.2 WSNs与移动机器人的结合
    1.3 WSNs与移动机器人定位国内外研究现状
        1.3.1 WSNs定位研究现状
        1.3.2 移动机器人定位研究现状
        1.3.3 WSNs-移动机器人定位研究现状
    1.4 论文主要内容与组织结构
    1.5 本章小结
第2章 基于移动机器人辅助的WSNs节点定位研究
    2.1 引言
    2.2 WSNs节点定位技术
        2.2.1 WSNs节点定位概述
        2.2.2 WSNs节点定位常用算法
    2.3 基于移动机器人辅助的节点定位
        2.3.1 移动机器人-WSNs定位问题描述
        2.3.2 移动机器人-WSNs系统模型
    2.4 移动机器人辅助下基于改进CKF的节点定位算法
        2.4.1 卡尔曼滤波在节点定位中的应用
        2.4.2 基于改进CKF的辅助节点定位算法
        2.4.3 算法仿真结果及分析
    2.5 本章小结
第3章 WSNs环境下基于改进CKF的移动机器人定位算法
    3.1 引言
    3.2 移动机器人定位技术
        3.2.1 移动机器人定位概述
        3.2.2 移动机器人定位方法
    3.3 三种常用移动机器人定位算法
        3.3.1 基于多种传感器的自定位算法
        3.3.2 基于图优化匹配的定位算法
        3.3.3 基于卡尔曼滤波的定位算法
    3.4 WSNs环境下移动机器人定位研究
        3.4.1 WSNs环境下移动机器人定位问题描述
        3.4.2 WSNs环境下移动机器人定位系统建模
    3.5 WSNs环境下基于改进CKF滤波的定位算法
        3.5.1 CKF算法改进思想
        3.5.2 WSNs环境下移动机器人定位算法实现流程
        3.5.3 算法仿真结果及分析
    3.6 本章小结
第4章 基于改进CKF的WSNs与移动机器人协作定位研究
    4.1 引言
    4.2 多传感器数据融合
        4.2.1 多传感器数据融合概述
        4.2.2 数据融合方法设计
    4.3 基于改进CKF算法的WSNs与移动机器人协作定位
        4.3.1 协作定位问题描述与建模
        4.3.2 改进CKF算法的WSNs与移动机器人协作定位
    4.4 仿真实验及分析
        4.4.1 仿真环境及参数
        4.4.2 仿真结果及误差分析
    4.5 本章小结
第5章 结论与展望
    5.1 结论
    5.2 未来工作的展望
参考文献
攻读学位期间发表的学术论文目录
攻读学位期间取得的科研成果目录
致谢


【参考文献】：
期刊论文
[1]WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法[J]. 陈晓飞,凌有铸,陈孟元.  传感技术学报. 2017(01)
[2]基于RSSI路径损耗因子动态修正的三边质心定位算法[J]. 张宏刚,黄华.  传感技术学报. 2016(11)
[3]基于平均跳距和位置优化的改进DV-Hop定位算法[J]. 赵芝璞,吴栋,王艳,纪志成.  系统仿真学报. 2016(06)
[4]基于全局和局部特征融合的图像匹配算法研究[J]. 朱奇光,张朋珍,李昊立,詹贤娇,陈颖.  仪器仪表学报. 2016(01)
[5]基于无迹卡尔曼滤波的机器人无线室内定位估计算法[J]. 赵中伟,戴文战.  机电技术. 2015(05)
[6]WSNs下移动机器人HuberM-CKF离散滤波定位[J]. 邓先瑞,聂雪媛,刘国平.  计算机应用研究. 2016(06)
[7]一种新的基于RFID的室内移动机器人自定位方法研究[J]. 董永峰,王安娜,周艳聪,顾军华.  计算机应用研究. 2016(03)
[8]基于加权的三维DV-Hop定位算法[J]. 李琳,赵可,林志贵,王鹏.  控制工程. 2015(04)
[9]一种基于CKF的无线传感器网络分布式定位算法[J]. 余木琪,邓平.  传感技术学报. 2015(07)
[10]WSN中节点定位方法的改进[J]. 马淑丽,赵建平,张炳婷,盛艳梅,陈丽.  通信技术. 2015(04)

博士论文
[1]移动机器人与无线传感器网络混合系统的协作定位问题研究[D]. 海丹.国防科学技术大学 2010



本文编号：3253436