動態(tài)無線傳感器網(wǎng)絡(luò)自適應(yīng)節(jié)點定位方法的研究.pdf

1、當今，隨著MEMS、無線通信、數(shù)電技術(shù)，特別是移動機器人技術(shù)的高速發(fā)展，動態(tài)無線傳感器網(wǎng)絡(luò)（Dynamic Wireless Sensor Networks，DWSN）作為一種特殊的無線傳感網(wǎng)（Wireless Sensor Networks，WSN），在工、農(nóng)、醫(yī)療和服務(wù)衛(wèi)生等領(lǐng)域，乃至軍事、太空和環(huán)境檢測等有害與危險行業(yè)都取得了顯著的成效并被普遍的應(yīng)用，成為了目前無線傳感器網(wǎng)絡(luò)研究領(lǐng)域中最熱門的領(lǐng)域之一。
　　DWSN的傳感器

2、節(jié)點是由移動錨節(jié)點來充當?shù)?，它在網(wǎng)絡(luò)的自組織以及適應(yīng)能力等方面有了極大的提升，同時也使WSN應(yīng)用到了越來越多的領(lǐng)域。因此，對DWSN節(jié)點的研究有著很深遠的意義。在DWSN中，傳感網(wǎng)正常運行的基礎(chǔ)是節(jié)點的位置信息。與靜態(tài)網(wǎng)絡(luò)的節(jié)點定位相比，動態(tài)傳感器網(wǎng)絡(luò)的傳感器節(jié)點的定位，因傳感器節(jié)點的移動性而顯得更加的錯綜。當前無線傳感器網(wǎng)絡(luò)定位面臨的難題在于如何實現(xiàn)對移動節(jié)點定位的低功耗、低復(fù)雜度和高精度的要求。
　　文章在大量閱讀文獻的基礎(chǔ)上

3、，學(xué)習(xí)和研究了WSN理論知識以及定位相關(guān)內(nèi)容，著重對MCL類定位算法進行學(xué)習(xí)以及相應(yīng)的研究和改進，提出了一種改進的MCL自適應(yīng)節(jié)點定位算法—DNSA-MCL算法。
　　DNSA-MCL算法針對動態(tài)無線傳感器網(wǎng)絡(luò)蒙特卡洛定位算法計算量大、易受環(huán)境因素影響、定位誤差大等問題，首先在算法的預(yù)測階段加入航位推算法，通過減少預(yù)測角度的偏差來提高位置預(yù)測的精度；其次在算法的過濾階段，通過濾波加權(quán)及Voronoi圖、權(quán)值的雙重篩選機制提高過濾精

4、度；最后在重要性采樣過程中加入樣本遺傳交叉策略來加快算法的收斂速度。通過理論與實驗相結(jié)合，驗證了改進算法的良好性能以及算法的可行性。
　　本文的具體內(nèi)容和創(chuàng)新點如下：
　　(1)本文在綜述了無線傳感網(wǎng)技術(shù)后，對DWSN定位進行了深入地研究，特別是對動態(tài)傳感器網(wǎng)絡(luò)定位原理、定位性能指標、定位的分類、定位特點以及到目前為止極具代表性的定位算法、模型進行了研究。為下文的算法改進埋下了伏筆。
　　(2)針對傳統(tǒng)MCL定位算法計