基于传感器网络的室内人员定位算法研究

论文摘要

由于室内环境的特殊性,如空间受限、墙壁及障碍物较多、信号传输衰减大、多径衰落非常严重等,使得无线传感器网络定位算法的性能显著下降。室内定位技术的研究方法与普通定位技术相比难度较大,有着本身鲜明的特点。本文研究了基于RSSI的室内人员定位算法。针对室内RSSI定位误差较大的情况,提出了一种事先建立不可靠节点列表的方法来优选信标节点,再用均值法对测量信号值进行处理,利用信标节点实时测量更新环境参数因子,最后使用极大似然估计法对待定位节点进行定位。对提出的定位算法进行实验仿真,结果表明该算法定位精度较高。研究了室内TDOA定位算法。通过实地测量,确定了Cricket的测距死角和节点高度的变化关系,分析了环境温度对测距误差的影响,开启温度传感器可有效减小测距误差。提出了极大似然质心算法和改进的三边算法,仿真实验结果表明,本文提出的算法在减小定位误差方面优于传统的三边测量法和极大似然估计法。研究了基于能量的多声源定位算法。针对无线传感器网络多源定位极易陷入局部最优的情况,提出基于粒子群的多源定位算法。通过测量多个声源发出的能量建立声源能量模型,估算出模型中的声源能量和声源位置等参数,通过合理选择学习因子、惯性权重等粒子群算法的基本参数,有效避免了多源定位易陷入局部最优的情况。仿真结果表明,粒子群算法能够很好地避免局部最优,且定位精度高于EM、MR和EMR等其它几种优化算法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 无线传感器网络概述
• 1.2.1 无线传感器网络体系结构
• 1.2.2 无线传感器网络基本特征
• 1.2.3 无线传感器网络关键技术
• 1.3 国内外发展现状
• 1.4 本文研究内容及组织结构
• 第2章 传感器网络定位算法分析
• 2.1 室内定位技术分析
• 2.1.1 射频识别技术
• 2.1.2 Wi-Fi定位技术
• 2.1.3 超声波定位技术
• 2.1.4 红外线定位技术
• 2.2 无线传感器网络定位算法分析
• 2.2.1 基于测距的定位算法分析
• 2.2.1.1 基于AOA定位
• 2.2.1.2 基于TOA定位
• 2.2.1.3 基于TDOA定位
• 2.2.1.4 基于RSSI定位
• 2.2.2 基于非测距的定位算法分析
• 2.2.2.1 APIT算法
• 2.2.2.2 自适应网络定位算法APS
• 2.2.2.3 凸规划算法
• 2.2.2.4 质心算法
• 2.3 定位性能评价指标
• 2.4 本章小结
• 第3章 基于RSSI的室内无线定位技术研究
• 3.1 室内无线信号传播模型分析
• 3.1.1 RSSI测距原理
• 3.1.2 室内无线信号传播的经验模型
• 3.1.3 室内环境参数因子的计算
• 3.2 算法整体结构设计
• 3.2.1 RSSI滤波算法
• 3.2.2 基于不可靠列表的节点选择策略
• 3.2.3 极大似然估计定位算法
• 3.3 算法仿真结果与分析
• 3.4 本章小结
• 第4章 基于TDOA定位算法研究
• 4.1 基于Cricket的定位系统
• 4.1.1 Cricket测距死角分析
• 4.1.2 温度影响分析
• 4.1.3 测距修正
• 4.2 基于TDOA的定位算法研究
• 4.2.1 极大似然质心算法
• 4.2.2 改进的三边定位法
• 4.3 仿真结果与算法分析
• 4.4 本章小结
• 第5章 多源定位算法研究
• 5.1 多源定位模型建立
• 5.1.1 多源模型的建立
• 5.1.2 极大似然定位估计
• 5.1.3 集中式定位算法
• 5.2 基于粒子群的多源定位研究
• 5.2.1 粒子群算法原理
• 5.2.2 基于粒子群的多源定位算法
• 5.3 仿真结果与分析
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 作者简介