动态无线传感器网络自适应节点定位方法的研究

发布时间：2019-10-18 10:15

【摘要】：当今,随着MEMS、无线通信、数电技术,特别是移动机器人技术的高速发展,动态无线传感器网络(Dynamic Wireless Sensor Networks,DWSN)作为一种特殊的无线传感网(Wireless Sensor Networks,WSN),在工、农、医疗和服务卫生等领域,乃至军事、太空和环境检测等有害与危险行业都取得了显著的成效并被普遍的应用,成为了目前无线传感器网络研究领域中最热门的领域之一。DWSN的传感器节点是由移动锚节点来充当的,它在网络的自组织以及适应能力等方面有了极大的提升,同时也使WSN应用到了越来越多的领域。因此,对DWSN节点的研究有着很深远的意义。在DWSN中,传感网正常运行的基础是节点的位置信息。与静态网络的节点定位相比,动态传感器网络的传感器节点的定位,因传感器节点的移动性而显得更加的错综。当前无线传感器网络定位面临的难题在于如何实现对移动节点定位的低功耗、低复杂度和高精度的要求。文章在大量阅读文献的基础上,学习和研究了WSN理论知识以及定位相关内容,着重对MCL类定位算法进行学习以及相应的研究和改进,提出了一种改进的MCL自适应节点定位算法——DNSA-MCL算法。DNSA-MCL算法针对动态无线传感器网络蒙特卡洛定位算法计算量大、易受环境因素影响、定位误差大等问题,首先在算法的预测阶段加入航位推算法,通过减少预测角度的偏差来提高位置预测的精度;其次在算法的过滤阶段,通过滤波加权及Voronoi图、权值的双重筛选机制提高过滤精度;最后在重要性采样过程中加入样本遗传交叉策略来加快算法的收敛速度。通过理论与实验相结合,验证了改进算法的良好性能以及算法的可行性。本文的具体内容和创新点如下:(1)本文在综述了无线传感网技术后,对DWSN定位进行了深入地研究,特别是对动态传感器网络定位原理、定位性能指标、定位的分类、定位特点以及到目前为止极具代表性的定位算法、模型进行了研究。为下文的算法改进埋下了伏笔。(2)针对传统MCL定位算法计算量大、易受环境等因素的影响,导致定位误差较大的不足,本文通过对MCL、MCB、EMCL定位算法进行了详细的了解分析,对MCL算法进行改进。(3)通过Matlab仿真,从多角度来验证改进算法的性能指标。在同等条件下,通过与传统MCL算法、MCB算法以及EMCL算法进行对比分析。仿真结果表明改进算法具有明显的优势。
【图文】：

示意图,传感器网络,示意图

传感器网络的发展示意图

示意图,无线传感器网络,应用领域,示意图

图 1.3 无线传感器网络应用领域示意图无线传感器网络按照网络布设之后的传感器节点是否具有移动性，可以分为静态和动态两类。静态无线传感器网络(Static WirelessSensor Networks,SWSN)（又称传统无线传感器网络）是指网络初始化后网络区域内的节点都不移动的无线自组网络；动态无线传感器网络(Dynamic Wireless Sensor Networks, DWSN)(本文简称动态网络)是指传感器网络中传感器节点不会静止不动的无线自组的网络[2]。随着网络技术的飞快发展，在许多社会生活和应用中都越来越需要 WSN。而目前传统的传感网在几乎不移动的场景中性能优良，但在那些相对运动的环境中性能急剧下降，达不到人们的预期。一系列情形都要求传感器节点必须要有移动性、自组织性和适应性。比如跟踪移动的目标，甚至有时我们为更快速的获取有用信息，需要移动的收集数据，，因此对移动节点的定位就显得尤为重要。传感器节点定位功能是 WSN 所要具有的最基本的功能。它采集的物理环境中的数据只有附带了位置信息这一属性才对人们有价值；同时目标定位与跟踪、改善路由效率这些方面也对位置信息属性很依赖。实际应用中的传感器节点大都处于运动状态，而 DWSN 定位算法的主要评价指标
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;TP212.9

【参考文献】