无线传感器网络覆盖优化与目标定位技术研究

论文摘要

无线传感器网络由具有感知、计算和通信能力的传感器节点组成,已广泛应用于工业、农业、国防军事、环境监测、空间探索及生物医疗等领域。覆盖优化与目标定位是无线传感器网络的的主要支撑技术,网络覆盖决定了无线传感器网络所能提供的服务范围,在很大程度上影响了网络成本和具体性能,目标定位技术能够为网络提供重要的位置信息服务,是实现无线传感器网络众多应用的前提。本文对基于无线传感器网络的覆盖优化与目标定位问题进行了研究,主要研究内容和成果体现在以下几个方面：针对混合传感器网络中因节点分布不均匀及部分节点失效造成的覆盖区域缺失问题,提出了基于移动节点的混合网络覆盖优化方法。采用支持虚警率的节点感知模型计算网络协同检测概率,并针对移动节点能量有限问题,提出了节点虚拟移动的调度策略。仿真结果表明,在移动节点数目有限的情况下,该算法能够以较小的平均移动距离完成网络覆盖优化,进而降低节点的能量消耗,实现了更高的网络检测概率和更长的网络生存时间。针对随机部署的静态无线传感器网络存在的覆盖空洞问题,提出了基于能量均衡的网络重部署算法。该方法基于节点协同检测概率与能量分布建立网络状态模型,通过图像二值化及形态学处理方法准确的提取覆盖空洞边缘,并用Delaunay三角剖分寻找到最佳部署节点位置。仿真实验证明,该方法能够以较少的新增节点完成对网络覆盖空洞的修复,有效地提高了网络覆盖率,并改善了网络的服务质量。提出了一种基于粒子群优化算法的声源目标定位方法。利用射频信号和声音信号传播速度的显著差异,建立了基于到达时间差和最大似然估计方法的声源定位模型,将声源目标定位问题转化为非线性函数求极值问题,最后采用粒子群智能优化算法求解该问题。仿真实验表明,该算法定位精度高,计算复杂度低,优于经典的目标定位算法。针对网络中存在的非视距误差和信标节点位置估计误差问题,提出了一种基于信标节点选择的目标定位方法,有效地抑制了障碍物遮挡对目标定位精度的不利影响。仿真实验表明,与利用全部节点和随机选择节点的方法相比,本文算法能够在不同参数条件下有效抑制扰动误差,具有更高的定位精度。研究了二进制传感器网络多目标容错定位算法。针对二进制传感器网络中存在的多个目标源问题,提出了基于K均值聚类的报警节点分类方法,该方法不受目标源地理分布影响且适用于多个目标源的情况。针对信标节点的错误报警问题,提出了KMC-ISNAP容错定位算法,引入了影响因子降低了分类过程中的模糊节点对定位精度的不利影响。仿真实验证明,在不同信标节点个数、误警节点比例和不同单元格长度时,与CE算法和SNAP算法相比较,本文算法具有较高的定位精度和较好的容错性。设计并实现了一种基于射频与超声波信号到达时间差的高精度室内目标定位系统,实现了对移动目标节点的快速准确定位。系统中目标节点同时向信标节点发射射频同步信号和超声波信号,信标节点将接收到的信号通过无线方式发送给汇聚节点；汇聚节点计算出目标节点与信标节点的距离,并通过串口通信传给PC机。PC机根据已建立的坐标系、信标节点坐标和距离,利用基于粒子群优化的目标定位算法实现目标的定位。实验结果表明,该系统的最大定位误差在4.3cm以内,具有较高的准确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 无线传感器网络概述
• 1.2.1 无线传感器网络结构
• 1.2.2 无线传感器网络特点
• 1.2.3 无线传感器网络应用领域
• 1.2.4 无线传感器网络技术研究现状
• 1.3 论文的研究内容和主要贡献
• 1.4 论文的组织结构
• 第2章 基于移动节点的混合网络覆盖优化研究
• 2.1 无线传感器网络覆盖优化概述
• 2.2 无线传感器网络覆盖问题
• 2.2.1 确定性覆盖与随机性覆盖
• 2.2.2 静态覆盖与动态覆盖
• 2.2.3 点覆盖、区域覆盖与栅栏覆盖
• 2.3 传感器节点感知模型
• 2.3.1 布尔感知模型
• 2.3.2 概率感知模型
• 2.3.3 方向性感知模型
• 2.4 基于移动节点的覆盖优化研究
• 2.4.1 支持虚警率的感知模型建立
• 2.4.2 网络协同检测概率计算
• 2.4.3 网络覆盖质量评价指标
• 2.4.4 基于最佳概率的优化策略设计
• 2.4.5 虚拟节点部署及迭代优化设计
• 2.5 仿真实验与结果分析
• 2.5.1 实验环境及参数
• 2.5.2 实验结果与分析
• 2.6 本章小结
• 第3章 基于能量均衡的网络重部署方法研究
• 3.1 无线传感器网络节点部署方法分析
• 3.1.1 随机部署方法
• 3.1.2 基于网格的节点部署方法
• 3.1.3 基于规则的节点部署方法
• 3.1.4 基于优化算法的节点部署方法
• 3.2 基于能量均衡的网络模型设计
• 3.2.1 问题描述
• 3.2.2 节点概率感知模型
• 3.2.3 节点能量消耗建模
• 3.3 基于能量均衡的覆盖空洞检测研究
• 3.3.1 网络状态模型建立
• 3.3.2 网络覆盖空洞检测研究
• 3.3.3 重部署节点的位置计算
• 3.4 仿真实验与结果分析
• 3.4.1 实验环境及参数
• 3.4.2 实验结果与分析
• 3.5 本章小结
• 第4章 基于粒子群优化算法的声源目标定位研究
• 4.1 目标定位概述
• 4.2 无线传感器网络定位方法
• 4.2.1 节点位置的计算方法
• 4.2.2 距离相关的定位算法
• 4.2.3 距离无关的定位算法
• 4.3 基于粒子群优化算法的目标定位研究
• 4.3.1 声源模型的建立
• 4.3.2 基于粒子群优化的目标定位算法设计
• 4.4 仿真实验与数据分析
• 4.4.1 仿真环境及参数
• 4.4.2 实验结果与分析
• 4.5 本章小结
• 第5章 基于信标节点选择的噪声环境下目标定位研究
• 5.1 非视距下系统模型确定
• 5.1.1 非视距误差
• 5.1.2 测量模型的确定
• 5.2 信标节点选择算法研究
• 5.2.1 信标节点位置误差分析
• 5.2.2 目标位置估计误差分析
• 5.2.3 信标节点的选择策略设计
• 5.3 仿真实验及结果分析
• 5.3.1 实验环境及参数
• 5.3.2 实验结果及分析
• 5.4 本章小结
• 第6章 基于K均值聚类的二进制传感器网络多目标容错定位研究
• 6.1 多目标定位概述
• 6.2 二进制传感器模型
• 6.2.1 问题描述
• 6.2.2 传感器模型
• 6.3 基于K均值聚类的节点分类研究
• 6.3.1 K均值聚类算法描述
• 6.3.2 报警节点分类算法设计
• 6.4 二进制传感器网络多目标定位算法研究
• 6.4.1 SNAP容错定位算法
• 6.4.2 KMC-ISNAP多目标容错定位算法设计
• 6.5 多目标定位仿真实验及结果分析
• 6.5.1 实验环境及参数
• 6.5.2 聚类效果与分析
• 6.5.3 定位算法性能分析
• 6.6 本章小结
• 第7章 基于TDOA的室内移动目标定位系统设计
• 7.1 系统架构及硬件设计
• 7.1.1 系统架构及工作原理
• 7.1.2 系统节点设计
• 7.2 系统软件设计
• 7.2.1 系统工作流程
• 7.2.2 节点软件设计
• 7.3 基于TDOA的移动目标定位实验
• 7.3.1 测距误差及修正
• 7.3.2 目标定位效果及误差分析
• 7.4 本章小结
• 第8章 总结与展望
• 8.1 总结
• 8.2 展望
• 参考文献
• 致谢
• 博士期间发表论文和科研情况