无线传感器网络移动节点定位算法研究

论文摘要

未知节点定位技术是无线传感器网络的核心问题之一,所谓定位就是确定网络中未知节点的具体位置。而定位算法按照网络中节点是否移动,分为静态定位算法和动态定位算法。随着技术的发展,节点静止状态下的定位已日趋完善,而节点运动时的定位问题由于问题复杂性相对较高,导致发展相对滞后,并且还存在许多不足。本文的研究重点是移动节点动态定位问题。当前动态定位算法主要有MCL（Monte Carlo localization）及其改进算法。在MCL的改进算法中,MCB（Monte Carlo localization boxed）算法则由于大幅提高了算法的运行效率,同时也提高了定位精度,成为移动定位中的主要算法之一。通过深入学习和研究了MCL算法及MCB算法,本文发现了MCB算法中存在的如下两个不足:1.当未知节点定位时如果侦测到的锚节点数量不足时,其定位误差相对较大;2.未知节点在移动过程中,连续多次定位时刻侦测到的锚节点数量及跳数都不发生变化时,由于算法本身的特性,其定位误差会出现累积。针对上述不足,本文提出了相应的改进:MCBPA（Monte Carlo localization boxed use provisional anchor node）算法及MCBMPF（Monte Carlo localization boxed use multi-point average forecast）算法。MCBPA算法中,定位精度相对较高的未知节点升级为临时锚节点,当某时刻未知节点侦测到的锚节点数量不足时,并收到临时锚节点的广播信息,可以启用临时锚节点来辅助定位,以提高定位的精度。通过仿真表明,MCBPA算法对未知节点的定位精度有提高作用,且其定位精度随网络中移动节点的数量增加而增加。MCBMPF算法通过使用位置预测的方式来预测下一时刻定位时未知节点的位置,并以此为中心重构边界盒,借此重构采样盒,通过使用更准确的采样盒采样,最终实现了算法定位误差减小的目的。算法的移动节点使用CRW移动模型（continuous random walk mobility model）产生移动轨迹,该移动模型按照牛顿力学原理来实现节点的运动,节点的移动轨迹和真实节点运动轨迹相似:既呈现出一定规律性、又具有很大的随机性,基本可以反映真实条件下节点的运动状况。由于未知节点仅能通过定位算法计算自身的估计位置,而估计位置与实际位置间存在的定位误差极大妨碍了预测算法的精确性,于是在MCBMPF算法中,通过使用前续多点估计位置的数学期望来模拟真实位置的数学期望,计算多点标准差来估计未知节点的运动加、减速情况。借此来保证预测的准确性。通过仿真表明,该算法在CRW移动模型下对定位精度有明显提高。最终,本文结合上述两种算法,提出了针对移动节点定位的改进算法:MCBPAF（Monte Carlo localization boxed use provisional anchor node and forecast）。该算法使用MCBPA算法规则来构建锚盒及使用MCBMPF算法规则来构建边界盒,最终生成精度更高的采样盒。仿真表明,该算法对移动节点定位精度提高明显,且在多数仿真环境下,算法有较好的适应性。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.1.1 无线传感器网络的产生与发展
• 1.1.2 无线传感器网络的现状
• 1.2 无线传感器网络概述
• 1.3 本文研究内容
• 第2章 无线传感器网络节点定位问题分析
• 2.1 节点定位概述
• 2.2 节点定位相关概念
• 2.3 节点定位技术
• 2.3.1 定位算法分类.
• 2.3.2 未知节点定位方法简述
• 2.3.3 常见的定位算法简介
• 2.4 节点定位性能评测标准
• 2.5 小结
• 第3章 蒙特卡洛及其改进的MCB 算法
• 3.1 蒙特卡洛算法理论基础
• 3.1.1 蒙特卡洛算法的起源
• 3.1.2 蒙特卡洛算法的基本思想.
• 3.1.3 蒙特卡洛算法的优点
• 3.1.4 蒙特卡洛定位算法描述.
• 3.2 MCB 算法
• 3.2.1 MCL 算法的缺陷及改进
• 3.2.2 MCB 算法描述.
• 3.2.3 MCB 算法在特殊情况下的处理.
• 3.3 MCL、MCB 算法及仿真中涉及的相关设定及概念
• 3.4 节点的移动模型
• 3.4.1 节点移动模型简介
• 3.4.2 CRW 移动模型
• 3.4.3 无线传感器网络节点运动分类
• 3.5 MCL、MCB 算法仿真及结果
• 3.5.1 仿真工具简介
• 3.5.2 MCL、MCB 算法仿真及分析
• 3.6 小结
• 第4章 基于MCB 算法的改进方案一
• 4.1 MCB 算法缺陷描述之一
• 4.2 MCBPA 算法
• 4.2.1 未知节点升级为临时锚节点的情况分析
• 4.2.2 MCBPA 算法
• 4.3 仿真及分析
• 4.3.1 MCBPA 算法典型情况分析
• 4.3.2 移动节点数量及M 值对定位精度的影响
• 4.3.3 节点运动速度对MCBPA 算法的影响
• 4.3.4 锚节点密度对MCBPA 算法的影响
• 4.3.5 未知节点密度对MCBPA 算法的影响
• 4.3.6 最大有效样本数对MCBPA 算法的影响
• 4.4 小结
• 第5章 基于MCB 算法的改进方案二
• 5.1 MCB 算法缺陷描述之二
• 5.2 MCBMPF 算法
• 5.2.1 改进方案的综述
• 5.2.2 MCBMPF 算法描述
• 5.3 仿真分析
• 5.3.1 MCBMPF 算法典型情况分析
• 5.3.2 前续估计位置数量不同对MCBMPF 算法的影响
• 5.3.3 运动轨迹对MCBMPF 算法的影响
• 5.3.4 边界盒大小对MCBMPF 算法的影响
• 5.3.5 节点运动速度对MCBMPF 算法的影响
• 5.3.6 锚节点密度对MCBMPF 算法的影响
• 5.4 小结
• 第6章 MCBPAF 算法
• 6.1 算法理论描述
• 6.2 仿真分析
• 6.2.1 节点运动速度对MCBPAF 算法的影响
• 6.2.2 移动节点数量对MCBPAF 算法的影响
• 6.2.3 锚节点密度对MCBPAF 算法的影响
• 6.2.4 未知节点密度对MCBPAF 算法的影响
• 6.3 小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间取得学术成果