基于无线传感器网络的区域覆盖及目标定位的研究

摘要

无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术，在军用和民用领域有着广阔的应用前景，是目前学术界研究的热点之一。其特点是能够协作地完成实时监测、传感和采集目标对象的信息，并对其进行处理并传送给需要信息的用户。
　　 本课题以无线传感器网络为研究背景，对网络中的区域覆盖优化问题、入侵目标运动跟踪算法进行了深入研究，解决如下问题：
　　 首先，传感器节点分布具有随机性和密集性的特点，节点的传感范围之间会出现交叠，导致覆盖冗余节点的出现，这势必增加了网络整体能量消耗，对仅携带有限能量的传感器节点造成严重威胁。针对此类问题，本文以交互式遗传算法(IGA)为基础，对算法进行改进，加入精英选择策略(ES)和采用对适应度值标定(FC)的方法，完成对监测区域离散模型、工作节点模型、区域覆盖模型和总体目标函数的设计。对网络中的覆盖冗余节点进行智能优化，有效地减少了传感器网络的能量消耗。经试验验证，可明显延长网络的生存时间。
　　 其次，监测网络存在的目的是为了对其所覆盖的区域进行监测和控制，为此本文充分考虑了物体运动的一般行为规律，合理的设计了目标随机运动算法。对进入到监测区域的目标设计了距离检测算法和位置跟踪算法，以实现实时检测和跟踪的目的。对区域中的监测盲区进行了分析，并给出可行解决方案。
　　 最后，利用Micaz试验开发平台、Mote-View软件和Matlab软件，对本文所给出的算法进行了验证和仿真，结果表明在保证覆盖率的基础上，有效的降低了无线传感器网络的整体能量消耗，延长了网络的生存时间。同时对入侵目标的检测、跟踪误差也满足设计精度要求。

目录

文摘

英文文摘

第1章 绪论

1.1 无线传感器网络的研究背景和现状

1.2 无线传感器网络介绍

1.2.1 传感器网络结构

1.2.2 传感器节点的限制

1.3 无线传感器网络中存在的问题

1.3.1 区域覆盖优化

1.3.2 目标定位检测

1.4 论文结构

第2章 遗传算法及其应用

2.1 遗传算法的理论来源和基础

2.1.1 选择算子的概念

2.1.2 交叉算子的概念

2.1.3 变异算子的概念

2.2 遗传算法在实际问题中的实现

2.2.1 遗传算法的数学模型

2.2.2 染色体的编码方法

2.2.3 染色体的选择方法

2.2.4 染色体的交叉方法

2.2.5 染色体的变异方法

2.2.6 目标函数和适应度函数

2.2.7 约束条件

2.3 遗传算法的评估指标

2.3.1 总体评价

2.3.2 在线性能评估

2.3.3 离线性能评估

2.4 用于多目标优化问题的遗传算法

2.4.1 多目标问题解的定义

2.4.2 多目标问题Pareto解的求解方法

2.5 改进的遗传算法

2.5.1 交互式遗传算法

2.5.2 精英策略

2.5.3 适应度值标定

第3章 遗传算法在区域覆盖优化中的实现

3.1 覆盖问题的概述

3.1.1 覆盖问题的分类

3.1.2 冗余节点与盲点的判断

3.2 监测区域离散模型设计

3.3 工作节点数量子函数设计

3.4 区域覆盖子函数设计

3.4.1 覆盖率函数定义

3.4.2 节点覆盖面积算法

3.5 总体目标函数设计

3.6 仿真和试验

3.6.1 试验的基本参数

3.6.2 基站节点的原始随机分布

3.6.3 利用遗传算法优化结果

3.6.4 优化问题的另一组解

3.7 对比试验

3.8 本章小结

第4章 目标位置检测与跟踪算法设计

4.1 无线传感器网络的硬件试验平台

4.2 无线传感器网络的软件环境

4.2.1 TinyOS操作系统

4.2.2 Mote-View操作软件

4.3 目标物体位置检测与跟踪算法

4.3.1 定位技术简介

4.3.2 目标位置检测

4.4 跟踪算法设计

4.4.1 目标随机运动算法设计

4.4.2 目标与节点间距离检测算法设计

4.4.3 检测目标位置跟踪算法设计

4.4.4 目标不可检测位置分析

4.5 仿真与试验

4.5.1 仿真

4.5.2 跟踪误差分析

4.6 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢