基于PSO和MCB的无线传感器网络移动节点定位研究

摘要

目前，无线传感器网络(Wireless Sensor Network，WSN)节点定位研究主要集中在静止节点的定位研究上，对移动节点的定位研究比较少。针对不同的应用场景，网络的部署情况将不尽相同。如果在静态无线传感器网络中部署若干具有移动能力的节点，可以有效的弥补静态无线传感器网络适应性差、无法动态组网等缺点，进一步扩展无线传感器网络的应用范围和应变能力，使无线传感器网络部署更加灵活。因此，无线传感器网络移动节点定位问题具有重要的研究意义。
　　 本文所做的主要研究工作可概括为如下：
　　 (1)在深入阐述无线传感器网络节点定位的基本概念与理论的基础上，对当前主流的各种节点定位算法进行分类，对比分析移动节点定位算法的研究现状，重点探讨了蒙特卡洛定位(Monte Carlo Localization，MCL)算法与MCB(Monte CarloLocalization Boxed)算法在移动节点定位中的优点和缺点。
　　 (2)提出了一种基于MCB思想的PSOMCB移动节点定位算法。针对MCL采样效率较低且定位精度不高的问题，首先利用移动节点的运动模型与MCB来预测待定位移动节点的估计位置，通过预测的估计位置与该节点到锚节点的测量距离来确定移动节点的位置修正函数，然后利用粒子群(Particle Swarm Optimization，PSO)算法对位置修正函数进行快速优化，进而确定待定位移动节点的最优位置。实验仿真结果表明，PSOMCB在定位精度上优于MCL和MCB，有较高的定位精度。
　　 (3)提出了一种基于模拟退火思想的混合移动节点定位算法：PSOMCB-SA算法。为了进一步提高PSOMCB算法在移动节点定位时的全局最优性和鲁棒性，引入了模拟退火的机制，提出了PSOMCB-SA定位算法。PSOMCB-SA算法既利用了粒子群优化算法的快速收敛能力，同时又具备了模拟退火算法的概率突跳能力，能有效的避免算法陷入局部最优解，并且又有较高的鲁棒性。实验结果表明，PSOMCB-SA算法的定位性能在定位精度和定位速度上比单纯的PSOMCB算法有较明显的提高。