基于粒子群优化的无线传感器网络节点定位算法的研究

论文摘要

随着半导体技术、传感器技术、无线通信技术、嵌入式计算技术和微机电系统等技术的快速发展和日益成熟,使得具有低成本、低功耗、多功能特点的微型传感器能够得到大量的生产,无线传感器网络应运而生。无线传感器网络主要应用在一些特定区域内数据的收集和处理,而这些区域往往又是环境恶劣或是人力无法到达的地方,而且由于无线传感器节点往往体积小、质量小,能量特别有限,所以如何才能降低能量消耗,延长网络的生命周期一直都是无线传感器网络研究的重点。对于一些应用来说,没有位置信息的数据是没有任何意义的,而由于无线传感器网络的特殊应用,使得一些传感器节点通常是通过飞机随机撒放在特定的区域,这样就不可能得到这些节点的具体位置信息,只能使用一些特定的算法通过个数有限的已知位置的节点对未知节点进行定位。本文主要针对无线传感器网络节点定位精度不高,能量消耗较大的问题,提出了一种基于粒子群优化的无线传感器网络定位算法,该算法将粒子群优化算法和节点定位算法结合,从而提高了定位精度。虽然在粒子群优化算法的迭代过程中消耗了能量,但是由于本文给出的适应值函数较简单,所以消耗的能量比利用最小二乘法计算利用TDOA测距方式得到的定位方程组消耗的能量要小。本文的粒子群优化算法采用自适应PSO,线性地调整惯性因子w的值,使用未知节点到信标节点的距离作为适应值函数,从而减小了计算量。本文算法的主要思想是：使用TDOA测距方式测量未知节点到信标结点的距离,从而得到一个非线性方程组,然后利用改进的粒子群优化算法对该非线性方程组进行逐步的迭代,最后得到达到一定精度或迭代次数的最优解,即为未知节点的坐标。在NS2中仿真实验表明：当测距误差增大时,该算法的定位精度提高的趋势更为明显；在相同定位误差的情况下,需要的信标节点数更少；在节点数目相同的情况下,定位精度得到了提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 课题研究目的和意义
• 1.4 本文的研究内容及结构安排
• 第2章 无线传感器网络概述
• 2.1 无线传感器网络的概念
• 2.2 无线传感器网络的体系结构
• 2.2.1 体系结构
• 2.2.2 节点组成
• 2.3 无线传感器网络的特点
• 2.4 无线传感器网络的应用领域
• 2.5 无线传感器网络中的关键技术
• 2.5.1 MAC层技术
• 2.5.2 路由技术
• 2.5.3 安全机制
• 2.5.4 定位技术
• 第3章 无线传感器网络节点定位
• 3.1 距离测量的方法
• 3.1.1 接收信号强度指示（RSSI）
• 3.1.2 信号传播时间/时间差/往返时间（TOA/TDOA/RTOF）
• 3.1.3 接收信号相位差（PDOA）
• 3.1.4 近场电磁测距（NFER）
• 3.2 定位的技术指标
• 3.3 定位算法的分类
• 3.4 基于测距的定位技术
• 3.4.1 三边定位和多边定位
• 3.4.2 接收信号角度定位
• 3.5 无需测距的定位技术
• 3.5.1 质心算法
• 3.5.2 DV-Hop算法
• 3.5.3 不定型（Amorphous）定位算法
• 3.5.4 APIT算法
• 3.6 无线传感器网络定位系统
• 3.6.1 使用RSSI方式定位的系统
• 3.6.2 使用TOA/TDOA方式定位的系统
• 3.6.3 混合定位系统
• 3.6.4 无需测距的定位系统
• 第4章 基于粒子群优化的节点定位
• 4.1 粒子群优化算法的背景
• 4.2 粒子群优化算法
• 4.2.1 算法描述
• 4.2.2 粒子群优化算法的基本原理
• 4.3 改进的粒子群算法
• 4.4 基于粒子群优化的节点定位
• 4.4.1 惯性权重w的选择
• 4.4.2 适应值的计算
• 4.4.3 算法的计算过程
• 4.4.4 计算流程
• 4.5 仿真实验
• 4.5.1 仿真环境
• 4.5.2 锚节点个数与定位覆盖率的关系
• 4.5.3 定位误差与测距误差的关系
• 4.5.4 定位误差与节点数量的关系
• 4.5.5 定位误差与信标节点数的关系
• 4.5.6 算法的能量利用效率比较
• 4.6 小结
• 第5章 总结和展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及参与的科研项目