移动传感器网络节点部署及自定位技术研究

论文摘要

由于机器人成本的降低和性能的提高,使用移动机器人作为传感器网络的节点已经可行,这种移动传感器网络形式具有无线分布式传感器网络所有的功能,而且节点具有可移动性,扩大了传感器网络的覆盖范围,提高了传感器网络的感知能力,它可以广泛应用于外星球探索、军事侦察、灾难搜救等领域。多移动机器人具有并行处理、容错、柔性和信息冗余的优点,使用多机器人的协作功能扩展了单个机器人的能力。本文在国家863计划资助项目“分布式多机器人合作与竞争机制及其应用技术”和国家自然科学基金资助项目“基于不精确地图的移动机器人室内导航技术”的资助下,以拓展移动机器人应用领域为目的,以理论研究和仿真实验为手段对移动传感器网络需要的关键技术进行了研究,提出了移动传感器网络节点在覆盖、部署、自定位以及目标跟踪方面的一些新算法。首先介绍了多机器人系统的特点和国内外多机器人系统研究方面的现状,并简要介绍了多机器人协作的概念、分类、需要解决的关键问题等,进而引出由多机器人系统组成的移动传感器网络概念、体系结构、拓扑结构的种类和系统评价标准,并介绍了移动传感器网络的应用领域,研究现状,以及需要解决的关键问题。由于移动传感器网络是由移动机器人构成,具有移动的特性,可以扩大感知区域的覆盖范围。本文对移动传感器网络中机器人节点常使用的动态覆盖算法进行了介绍,由于通常的动态完全覆盖算法主要使用在规则的感知区域,针对移动传感器网络实际应用中的感知区域的不规则性的限制,提出了一种基于覆盖误差控制节点移动的算法,这种算法基于对覆盖误差梯度的计算,控制每个移动机器人节点移动速度和移动方向,同时还考虑了多节点移动的避碰问题。本文不仅在理论上进行了控制规则的分析,同时用仿真的方式进行了算法验证,此算法可以在灾难救援等实际应用中使用。节点部署是移动传感器网络研究领域另一个重要课题,本文介绍了几种经常用于移动传感器网络节点部署的算法,同时提出了基于虚拟力的传感器网络节点部署算法,这种算法不仅使用传感器范围内的节点之间的距离信息,而且还考虑了节点间进行通讯获得的邻居节点间的位置信息,通过这种分布式控制节点移动方式,达到在待感知区域均匀部署节点的目的,并最大化覆盖待感知区域。这种控制算法不需预知环境地图信息,具有分布式控制效果,且具有自适应性,可以应用于军事侦察领域。由于感知对象的信息和其物理位置信息密不可分,所以节点自定位是传感器网络应用中传感器节点必须具备的功能,本文介绍了基于测距和基于非测距的节点自定位算法,并根据蒙特卡罗法,提出了一种基于混合跳跃蒙特卡罗法HMCL的节点自定位算法,此算法可以根据锚节点数量的多少,自行选择适合的定位策略,计算自己的位置坐标,通过与其它近似算法的比较,此算法具有自适应性和较高的准确性。由多机器人组成的移动传感器网络的一个最广泛应用领域就是对动态目标的观测及跟踪。本文基于人工势场法,提出了基于局部机器人及目标密度的多目标跟踪算法LRTDA,根据机器人节点密度和目标密度,进行虚拟力控制参数的调整,达到分布式跟踪多个移动目标的目的,提高了对移动目标的观测率和传感器网络的覆盖率,仿真实验表明了这种算法的有效性和可行性。此算法可以应用于战场侦察和灾难救援等领域。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 多机器人系统研究综述
• 1.2.1 多机器人系统的特点
• 1.2.2 国内外多机器人系统研究现状
• 1.3 多机器人协作
• 1.3.1 多机器人协作的概念
• 1.3.2 多机器人协作的分类
• 1.3.3 多机器人协作需要解决的关键问题
• 1.4 移动传感器网络综述
• 1.4.1 移动传感器网络的定义
• 1.4.2 移动传感器网络的体系结构
• 1.4.3 移动传感器网络的拓扑结构
• 1.4.4 软件操作系统
• 1.4.5 移动传感器网络的通信结构
• 1.4.6 系统评价标准
• 1.4.7 国内外移动传感器网络研究现状
• 1.4.8 移动传感器网络需要解决的关键问题
• 1.5 课题研究的意义
• 1.5.1 课题来源
• 1.5.2 研究的目的和意义
• 1.6 本文的主要工作
• 第2章 移动传感器网络的动态覆盖控制算法
• 2.1 引言
• 2.2 动态覆盖的相关算法
• 2.2.1 启发式和随机算法
• 2.2.2 基于模板的算法
• 2.2.3 近似栅格分解的算法
• 2.2.4 精确单元分解的算法
• 2.3 移动传感器网络模型和覆盖模型
• 2.3.1 节点感知、通讯和移动模型
• 2.3.2 节点覆盖模型
• 2.4 移动传感器网络动态覆盖问题描述
• 2.4.1 节点感知模型的性质
• 2.4.2 覆盖函数的表示
• 2.5 动态覆盖控制规则
• 2.5.1 完全连接的移动传感器网络控制规则
• 2.5.2 部分连接的移动传感器网络控制规则
• 2.6 基于节点避碰的移动传感器网络覆盖控制
• 2.6.1 节点安全避碰控制规则分析
• 2.6.2 改进的节点安全避碰控制规则
• 2.6.3 动态覆盖算法
• 2.7 动态覆盖控制仿真实验
• 2.7.1 不同传感器网络规模的覆盖率比较
• 2.7.2 与其它近似算法的比较
• 2.8 本章小结
• 第3章 基于虚拟力的节点部署算法
• 3.1 引言
• 3.2 移动传感器网络节点部署的概念及分类
• 3.2.1 节点部署的概念
• 3.2.2 节点部署的分类
• 3.3 几种移动传感器网络节点部署算法
• 3.3.1 基于网格的节点部署
• 3.3.2 基于 V 氏图的节点部署
• 3.3.3 基于节点圆周覆盖的部署
• 3.3.4 基于节点连通覆盖的部署
• 3.4 混合移动传感器网络结构模型设想
• 3.4.1 移动传感器网络模型
• 3.4.2 移动机器人应具备的功能
• 3.4.3 传感器网络节点部署性能提高策略
• 3.5 基于局部人工势场虚拟力的传感器网络节点部署
• 3.5.1 问题描述
• 3.5.2 人工虚拟力原理
• 3.5.3 基于局部信息的移动传感器网络移动节点梯度分析
• 3.5.4 混合移动传感器网络节点部署算法
• 3.5.5 算法的时间复杂性分析
• 3.6 基于 HSDA 算法的节点部署仿真实验
• 3.6.1 节点覆盖效果
• 3.6.2 节点的能量消耗比较
• 3.6.3 网络信息复杂度比较
• 3.6.4 网络迭代运算次数比较
• 3.7 使用实际机器人的节点部署实验
• 3.7.1 HIT-II 型全自主机器人
• 3.7.2 节点部署实验
• 3.7.3 实验结果分析
• 3.8 本章小结
• 第4章 基于改进蒙特卡罗法的节点自定位算法
• 4.1 引言
• 4.2 节点自定位的概念和性能评价标准
• 4.2.1 节点自定位的概念
• 4.2.2 节点自定位的性能评价标准
• 4.3 节点自定位算法的分类
• 4.3.1 基于测距的定位算法
• 4.3.2 基于非测距的定位算法
• 4.4 蒙特卡罗定位
• 4.5 基于混合跳跃蒙特卡罗移动传感器网络节点定位算法
• 4.5.1 移动传感器网络节点的蒙特卡罗算法
• 4.5.2 混合蒙特卡罗箱算法
• 4.5.3 多跳蒙特卡罗节点定位算法
• 4.5.4 混合跳跃蒙特卡罗定位算法
• 4.5.5 算法分析
• 4.6 移动传感器网络节点自定位仿真实验
• 4.6.1 仿真实验参数设置
• 4.6.2 节点定位误差实验
• 4.6.3 与其它近似算法的定位误差比较实验
• 4.7 本章小结
• 第5章 移动传感器网络的多移动目标跟踪算法
• 5.1 引言
• 5.2 静态传感器网络中的目标跟踪
• 5.3 改进的多目标跟踪算法
• 5.3.1 多移动目标跟踪问题描述
• 5.3.2 机器人移动控制原理
• 5.3.3 基于局部机器人及目标区域密度的多目标跟踪算法
• 5.4 多机器人多目标跟踪仿真实验
• 5.4.1 仿真实验的建立
• 5.4.2 使用不同算法的实验结果比较
• 5.5 使用实际机器人的多目标跟踪实验
• 5.5.1 多目标跟踪实验
• 5.5.2 实验结果分析
• 5.6 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历