传感器网络定位算法及相关技术研究

论文摘要

近年来,微机电系统(MEMS)技术、通信技术和计算技术的发展,使得开发具有短距离无线通信能力的低成本、自组织、多功能传感器节点成为可能。这些大量的微节点即可组成分布式协同工作的传感器网络。传感器网络的快速布置、多跳路由、动态拓扑、容错、以数据为中心和面向应用等独特性,使其成为虚拟世界与物理世界互动的桥梁。在传感器网络中,节点以自组织方式获得自身位置信息的过程称为节点定位。在诸如环境监测、智能交通和目标跟踪等众多应用场合下,传感器网络需要节点定位技术支持。但是,传感器网络固有的资源受限、能量受限等问题使节点定位变得十分困难。现有定位算法的主要缺点是:定位精度不高、定位引起的额外通信开销偏高、对测距噪声鲁棒性不好、节点能量消耗大等。依托“基于网络的智能传感器技术理论研究”项目(广东海洋大学自然科学基金,项目编号:z0512142)及国家自然科学基金项目(项目批准号:50672015),本论文以传感器网络节点定位方法为研究对象,以提高定位精度和对测距噪声的鲁棒性、降低额外通信开销、降低节点能耗为目的,重点研究了节点的四种定位算法及其相关技术。四种定位算法包括:精确的二维节点定位算法(ACT)、具有低计算复杂性的二维节点定位算法改进(IACT)、具有通用性的三维节点定位算法(ACQ)和可明显降低节点成本、体积和能量消耗的加权最小二乘估计定位算法(WLS)。为了提高传感器网络节点定位信息传输可靠性、保证能量利用高效性,论文给出了基于主动队列管理、开环反向拥塞信息传播机制和优先权源节点速率调节机制的汇聚节点拥塞控制策略。由于能量问题一直是困扰传感器网络广泛应用的难题,所以论文最后初步探讨了基于MEMS技术的节点能量收集方法。本论文主要内容如下:第3章提出基于模型预测控制理论、用于汇聚节点队列长度控制的控制器,该控制器使用不同的延迟环节Pade近似方法,以增加队列稳定性、缩短节点响应时间。而且,针对传感器网络的特点,给出节点适时检测信道负载状况、开环反向广播拥塞信息和优先权源节点速率调节机制,目的是缩短数据包节点延时,稳定节点队列长度,提高链路利用率,减少数据包重传次数,提高定位及其它信息传输可靠性,降低能量消耗。第4章提出一种分布式节点定位算法——循环三边组合测量法(ACT)。该算法只需利用少量信标节点位置信息和未知节点与信标节点间测距,即可估计未知节点坐标。为了减小节点定位误差、降低额外通信开销、提高

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 传感器网络演化过程
• 1.2 传感器网络的定义
• 1.3 传感器网络的特点与应用
• 1.4 传感器网络节点定位技术
• 1.4.1 传感器节点定位的重要意义
• 1.4.2 传感器节点定位概念及基本术语
• 1.4.3 节点定位算法实施的两个步骤
• 1.4.4 节点定位算法的评价标准
• 1.4.5 节点定位技术现状及面临的技术难题
• 1.5 其他相关技术
• 1.6 本论文的主要目标与研究工作
• 1.7 论文的组织
• 2 网络体系结构
• 2.1 传感器节点和执行器节点的功能结构
• 2.2 传感执行网络的概念与特点
• 2.3 传感执行网络的跨层体系结构
• 2.3.1 通信平面
• 2.3.2 管理平面
• 2.3.3 协调平面
• 2.4 本章小结
• 3 汇聚节点的拥塞控制
• 3.1 相关研究
• 3.2 瓶颈网络的模型
• 3.3 模型预测算法及其控制器
• 3.4 拥塞节点的信道负载检测机制和开环反向拥塞信息广播机制
• 3.5 基于优先权的源节点发送速率调节机制
• 3.6 仿真及其结果
• 3.7 本章小结
• 4 二维节点定位算法
• 4.1 引言
• 4.2 传感器节点定位算法简介
• 4.2.1 免测距算法
• 4.2.2 测距算法
• 4.3 三边测量法
• 4.4 循环三边组合测量法（ACT）
• 4.4.1 假设
• 4.4.2 权重多边形、奇异组合和角度权重函数
• 4.4.3 算法的实现步骤
• 4.5 算法分析与仿真
• 4.5.1 可侦测信标节点数变化对定位误差的影响
• 4.5.2 测距噪声变化对定位误差的影响
• 4.5.3 算法的能量利用效率分析
• 4.6 本章小结
• 5 二维节点定位算法的改进——IACT 算法
• 5.1 引言
• 5.2 Lateration 算法
• 5.3 IACT 算法
• 5.3.1 角度权重函数
• 5.3.2 算法的实现步骤
• 5.4 算法分析与仿真
• 5.4.1 算法复杂性分析
• 5.4.2 数字仿真
• 5.5 本章小结
• 6 三维节点定位算法
• 6.1 引言
• 6.2 集中式算法
• 6.2.1 凸集点估计法
• 6.2.2 多维扩展映射图法
• 6.3 分布式算法
• 6.3.1 边界方合法
• 6.3.2 本地映射图法
• 6.4 循环四边组合测量法（ACQ）
• 6.4.1 相对位置系数、最小角度和贴近距离
• 6.4.2 算法实现过程
• 6.5 数字仿真与验证
• 6.5.1 可侦测信标节点数变化对感知误差影响
• 6.5.2 测距误差变化对感知误差影响
• 6.6 本章小结
• 7 基于 RSSI 的加权最小二乘节点定位
• 7.1 引言
• 7.2 相关研究
• 7.3 基于RSSI 的加权最小二乘估计定位
• 7.3.1 问题描述
• 7.3.2 无线电传播信道衰减模型
• 7.3.3 未知节点的最小二乘估计模型
• 7.3.4 加权最小二乘定位算法
• 7.3.5 算法实现的主要步骤
• 7.4 分析与仿真
• 7.4.1 信标节点数目对定位误差的影响
• 7.4.2 节点通信半径对定位误差的影响
• 7.4.3 信道衰减系数对定位误差的影响
• 7.4.4 不同的权值矩阵对定位误差的影响
• 7.4.5 对信道衰减系数估计的收敛性分析
• 7.5 本章小结
• 8 节点能量收集方法探讨
• 8.1 引言
• 8.2 研究背景
• 8.3 传感器节点的功率消耗
• 8.4 节点能量利用方法的评价标准
• 8.5 环境能量源及收集方法
• 8.5.1 太阳能和太阳能电池
• 8.5.2 振动源和使用振动能的微型发电机
• 8.5.3 气流和微型气流发电机
• 8.6 可利用人体能量源及利用方法
• 8.6.1 人行走时产生的能量
• 8.6.2 上肢运动时产生的能量
• 8.6.3 人体表皮散发的热量
• 8.6.4 人体能量压电式收集法
• 8.7 本章小结
• 9 结论与展望
• 9.1 内容总结
• 9.2 主要贡献和创新点
• 9.3 有待进一步深入研究的问题
• 9.4 展望
• 致谢
• 参考文献
• 附录
• A 作者在攻读博士学位期间发表的论文目录
• B 作者在攻读博士学位期间参加的科研项目