智能搜索无线传感器网络定位算法研究

发布时间：2021-05-16 01:22

　　无线传感器网络是集成了监测、控制和无线通信的综合式网络系统,由多种技术共同支撑。其中节点定位技术是无线传感器网络的关键技术之一,准确获取节点的位置信息对于整个网络的信息采集具有重要的意义。目前基于群体智能算法的定位算法研究已经成为热门研究课题。在定位算法中引入群体智能算法可有效降低节点位置计算误差,提高定位精度。论文根据不同群体智能算法的特点,对定位算法进行相应改进,以适用于不同的定位场景。本文的主要研究内容和研究成果如下:（1）首先针对两种不同的定位场景分别建立了相应的节点定位模型,将节点定位问题转换为函数优化问题,再结合寻优高效的群体智能算法求解该问题,实现对未知节点位置的确定。（2）其次针对节点分布稀疏区域内质心算法定位精度较低的问题,论文提出了一种改进的蝙蝠算法。改进算法缩小了蝙蝠初始搜索区域,优化了随机向量β,并在位置更新公式中引入了惯性权重因子,再将改进的蝙蝠算法应用到质心算法定位模型中。仿真结果表明,该算法能有效提高节点的定位精度,更适用于噪声干扰较小、节点分布稀疏的定位场景。（3）最后针对在较大噪声干扰场景中定位性能不理想的问题,论文提出了一种改进的鸡群算法。改进算法根... 

【文章来源】：长春理工大学吉林省

【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 研究目的和意义
    1.2 国内外研究现状
    1.3 论文结构安排
第2章 无线传感器网络及定位技术
    2.1 无线传感器网络概述
        2.1.1 无线传感器网络介绍
        2.1.2 无线传感器网络结构
        2.1.3 无线传感器网络节点结构
        2.1.4 无线传感器网络协议栈
        2.1.5 无线传感器网络特点
        2.1.6 无线传感器网络应用
    2.2 无线传感器网络定位算法概述
        2.2.1 基于测距的定位算法
        2.2.2 基于非测距的定位算法
        2.2.3 节点位置基本计算方法
        2.2.4 定位算法性能评价标准
    2.3 本章小结
第3章 基于最佳初始区域的BA定位算法
    3.1 节点定位模型
    3.2 蝙蝠算法
        3.2.1 群体智能算法
        3.2.2 背景介绍
        3.2.3 算法原理
    3.3 鱼群质心算法
        3.3.1 算法概述
        3.3.2 鱼群质心算法优缺点分析
    3.4 基于最佳初始区域的BA定位算法
        3.4.1 缩小蝙蝠初始搜索范围
        3.4.2 修改随机向量β
        3.4.3 引入惯性权重因子
        3.4.4 算法流程
        3.4.5 基于最佳初始区域的BA定位算法步骤
    3.5 仿真结果分析
        3.5.1 仿真参数
        3.5.2 信标节点比例对定位精度的影响
        3.5.3 节点密度对定位精度的影响
        3.5.4 通信半径对定位精度的影响
        3.5.5 定位区域面积对定位精度的影响
    3.6 本章小结
第4章 基于距离帕累托的CSO定位算法
    4.1 节点定位模型
    4.2 鸡群算法
        4.2.1 背景介绍
        4.2.2 算法原理
    4.3 IPSO-DV-HOP算法
        4.3.1 算法概述
        4.3.2 IPSO-DV-Hop算法优缺点分析
    4.4 基于距离帕累托的CSO定位算法
        4.4.1 优化鸡群个体选取方法
        4.4.2 母鸡的随机游走策略
        4.4.3 引入净能量增益
        4.4.4 算法流程
        4.4.5 基于距离帕累托的CSO定位算法步骤
    4.5 仿真结果分析
        4.5.1 仿真参数
        4.5.2 未知节点定位误差比较
        4.5.3 信标节点比例对定位精度的影响
        4.5.4 节点密度对定位精度的影响
        4.5.5 通信半径对定位精度的影响
        4.5.6 噪声干扰对DPCSO-DV-Hop与 BIRBA质心算法的影响
    4.6 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献
攻读硕士学位期间取得的成果
致谢


【参考文献】：
期刊论文
[1]基于测距和灰狼优化的无线传感器网络定位算法[J]. 段亚青,王华倩,乔学工.  传感技术学报. 2018(12)
[2]免疫粒子群优化的DV-Hop定位算法[J]. 吴珍珍,方旺盛.  信息技术与网络安全. 2018(04)
[3]基于人工鱼群算法的改进质心定位算法[J]. 汪晨,张玲华.  计算机技术与发展. 2018(05)
[4]鸡群算法的收敛性分析[J]. 吴定会,孔飞,纪志成.  中南大学学报(自然科学版). 2017(08)
[5]基于无线传感器网络的安全网络运行环境构建[J]. 李健.  计算机工程与应用. 2017(22)
[6]基于阈值机制与距离校正的WSN改进DV-Hop定位算法[J]. 向满天,王胜,杨友华.  传感技术学报. 2016(06)
[7]无线网络定位综述[J]. 钱志鸿,孙大洋,LEUNG Victor.  计算机学报. 2016(06)
[8]几种常规群体智能算法的研究进展[J]. 刘利波,周洁.  电子技术与软件工程. 2016(03)
[9]基于Android平台的智能家居系统设计[J]. 李琪,秦会斌,杨永舒,张雄,屈力扬.  电子设计工程. 2014(24)
[10]智能建筑中无线传感器网络的特点及路由协议设计[J]. 李建,谭建伟.  计算机安全. 2013(09)

博士论文
[1]基于无线传感器网络的目标定位与跟踪技术研究[D]. 闫雷兵.南京邮电大学 2017
[2]面向城市环境的低功耗、高精度GPS定位技术[D]. 陈孔阳.中国科学院大学(中国科学院深圳先进技术研究院) 2017
[3]面向工业无线网络WIA-PA的路由技术研究[D]. 易秀双.东北大学 2012

硕士论文
[1]基于BIM和WSN技术的施工安全预警研究[D]. 冯明超.中国矿业大学 2019
[2]基于蚁群算法的无线传感器网络节点定位算法研究[D]. 谢松.华中师范大学 2014



本文编号：3188690