群体智能在无线传感器网络定位中的研究与应用

摘要

无线传感器网络定位技术是研究传感器网络各项技术的重要的基础及前提，其中提高定位精度是研究定位技术的关键，将群体智能算法应用到无线定位技术中能显著减小定位误差。本文将着重研究结合了群体智能与仿生计算的无线传感器网络定位技术，主要工作内容有：
　　（1）介绍了无线传感器网络的基本概况，包括网络结构、节点结构及特点、应用等；同时概述了当前国内外定位技术的研究背景和现状。此外，阐述了常见的基于测距技术方法、影响定位精度的因素及抑制方法。
　　（2）研究了猫群算法在基于测距方式的定位技术中的应用。针对最小二乘法定位精度差的问题，提出了基于猫群算法的无线传感器网节点定位，用于提高网络定位精度。通过将无线传感器网络节点定位转化为求解非线性方程组最优化问题，把测量误差作为适应度函数，利用猫群算法全局优化的特点来解决非线性问题，有效地减小了误差。仿真实验表明，相比较于LS和PSO算法，基于CSO的定位算法能有效降低定位误差，提高定位精度，算法的鲁棒性好。
　　（3）对基于TDOA的测距方式进行了研究。为了减小非视距传播带来的非视距误差对无线传感器网络定位精度的影响，本文提出利用蜂群算法优化Elamn神经网络的定位算法。首先利用蜂群算法优化Elman神经网络各层的权值，接着用优化后的BC-Elman神经网络修正TDOA测量值，再用泰勒算法确定未知传感器节点的位置。仿真实验表明，该算法相较于经典的Taylor、Chan算法，能有效提高定位精度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1引言

1.2无线传感器网络概述

1.3群体智能与仿生计算

1.3节点定位技术的研究背景及意义

1.4国内外研究现状

1.5本课题的主要研究工作及论文结构安排

第二章 无线定位技术概况

2.1节点定位技术中基本概念介绍

2.2 常见的基于测距技术的测距方法

2.3节点位置估算方法

2.4经典测距技术定位算法

2.5影响定位精确度的因素

2.6 定位性能的评价

2.7 本章小结

第三章 基于猫群算法的无线传感器网络节点定位

3.1无线传感器定位问题描述

3.2 猫群算法

3.3 基于猫群算法的无线传感网节点定位

3.4 仿真条件与分析

3.5本章小结

第四章 蜂群算法优化Elman神经网络在定位中的应用

4.1蜂群算法介绍

4.2 Elman神经经网络

4.3蜂群算法优化Elman神经网络减小误差原理

4.4仿真结果及分析

4.5本章小结

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢