论文部分内容阅读
定位技术是无线传感器网络的关键技术之一。没有传感器节点的位置信息,节点采集到的数据将毫无意义。到目前为止,节点定位领域内绝大部分的研究成果都是基于静态无线传感器网络,而其应用于移动无线传感器网络时,由于节点的移动特性导致算法的定位性能不是很好。考虑到许多特殊场景的需求,如移动目标的跟踪和定位,大范围的环境监测等,移动无线传感器网络有着难以替代的优势。因此,研究应用于移动无线传感器网络的节点定位算法有着重要的理论意义和应用价值。本文以蒙特卡罗定位算法为理论基础,探索在传感器节点移动的场景下如何提高节点定位性能。论文的主要研究工作和创新成果如下：1.提出了一种基于优化采样的蒙特卡罗盒定位算法SOMCB。该算法在采样阶段引入了节点的接收信号强度信息用于进一步缩小采样箱,使得从中获取的初始样本以更大的概率靠近待定位节点的实际位置,因此更有可能满足滤波条件。当获得一定数目的初始样本后,不滤除不满足滤波条件的样本,而是选取样本的权值作为优化的目标函数,对其执行差分演化算法,使样本主动的向节点的实际位置靠近。仿真实验结果表明,在默认传感器网络参数下,SOMCB算法的采样箱大小比MCB算法减小约20%,平均定位误差比MCB算法减小约25%。2.提出了一种基于临时锚节点的定位算法MTB。该算法引入了普通节点作为临时锚节点,在具体实现时用普通节点的前一时刻的位置估计和最大定位误差来替代节点的当前时刻位置。同时,为了计算普通节点对应的部分权值,引入了节点置信度的概念。节点置信度是衡量一个节点定位性能优劣的指标。同样,选取样本的权值作为优化的目标函数,对样本执行差分演化算法。由于引入了临时锚节点,节点的采样箱将进一步缩小,最终得到的样本以更大的概率靠近待定位节点的实际位置。仿真实验表明,在低锚节点密度下如Sd=0.125, MTB算法的平均定位误差比WMCL算法小约33%,比MCB、MSL和SOMCB平均小约50%,同时在各个网络参数变化时MTB算法都比其他四种算法有更好的定位性能。