基于粒子群优化与数据融合的无线传感器网络定位算法研究

摘要

无线传感器网络（Wireless Sensor Network，WSN）在医疗、军事国防、智慧工厂等众多领域得到应用。在所有应用当中，节点坐标信息是获取网络监控对象信息的基本。目前，无线传感器网络主要研究方向有支撑技术、通信协议、网络中数据的处理与管理技术等。无线传感器网络得以大规模应用的支撑技术的主要部分是网络中节点定位技术。所以研究无线传感器网络中的定位算法是拥有很大实际应用价值。网络中的定位算法分成基于测距的和基于非测距的两大种。本论文主要研究无线传感器网络当中的节点定位算法，获得如下研究成果： (1)针对目前无需测距的DV-HOP算法中的定位误差稍微大的问题，提出基于平均跳距修正和随机扰动的粒子群算法优化DV-HOP算法。通过分析传统的DV-HOP算法，发现DV-HOP算法里往往采用直线的距离去代替节点间的曲线的距离和其采用最大似然估计法求解待定位节点的坐标，这些都会导致定位精度增大。针于这个原因，本文第三章节从两个方面提高定位精度，一方面是基于平均每跳距离修正对DV-HOP算法改进，改进之后的算法叫DVC-HOP算法。二方面是在一方面基础之上，进一步采用基于随机扰动策略的粒子群算法优化DVC-HOP算法，优化之后的算法叫CPSODVC-HOP算法，其中引入随机扰动策略主要是为了解决传统粒子群算法的早熟问题。通过分析仿真结果，在定位精度方面CPSODVC-HOP算法的高于传统DV-HOP算法。 (2)针对目前基于TDOA技术的定位算法误差比较大问题。提出基于加权数据融合的定位算法。通过对基于TDOA技术的CHAN、TAYLOR和球面插值算法仿真实验分析发现单一算法定位精度往往受环境、迭代的初始值等因素影响，往往算法的定位效果很差。为此，通过CHAN与TAYLOR算法初步定位结果求得加权系数，接着进行数据融合，进而求得待定位节点坐标。其中为了求加权系数，引入残差的思想。通过对仿真实验结果进行相应分析，提出的加权数据融合算法可以取得比较好的定位精度。并且定位精度高于单一的CHAN和TAYLOR算法。 故本文研究无线传感器网络中的定位算法，通过采用粒子群算法和加权数据融合的思想改进定位算法。改进的算法在定位精度方面都比原始的算法高，并且在二维平面中都可以达到基本应用对定位精度的要求。

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 无线传感器网络定位算法国内外研究状况

1.3 论文的主要内容

第二章 无线传感器网络综述

2.1 无线传感器网络的介绍

2.2 无线传感器网络名词含义与定位机制

2.3 无线传感器网络定位算法

2.4 定位性能的评价指标

2.5 本章小结

第三章 基于改进粒子群算法优化CPSODVC-HOP算法

3.1 传统的DV-HOP算法及误差分析

3.2 平均每跳距离修正

3.3 粒子群优化算法改进DVC-HOP算法

3.4 改进的粒子群算法CPSO算法

3.5 基于改进的粒子群算法的DVC-HOP算法及其仿真分析

3.6 本章小结

第四章 基于TDOA数据融合算法

4.1 TDOA的定位模型

4.2 基于TDOA传统的定位算法分析与研究

4.3 基于TDOA的传统算法的仿真与分析

4.4 基于CHAN与TAYLOR算法加权数据融合定位算法

4.5 本章小结

第五章 总结与展望

5.1 本文总结

5.2 未来展望

参考文献

致谢

攻读学位期间的研究成果