论文部分内容阅读
随着信息技术的快速发展,无线传感器网络(wireless sensor network,WSN)逐渐成为研究的重点。WSN主要应用在环境监测、工业控制、物流管理等领域。在应用中,WSN不仅需要收集数据信息还需要知道每个节点的具体位置信息,位置信息对WSN来说显得尤为重要。由于WSN节点的布置具有随机性,因此大部分节点只能通过少量的已知节点进行定位。由于传统的节点定位算法存在着效率低,定位误差大的问题,本文在传统的基于测距的节点定位技术上提出了几点改进。最后,本文对改进的算法进行了 MATLAB仿真验证,并在ZigBee CC2430组成的WSN中对算法进行了实用性验证。本文的主要研究内容是基于RSSI的节点定位算法。整个定位的过程分为三个阶段:测距、定位和修正阶段。本文重点对这三个阶段进行了改进。在测距阶段,本文运用高斯模型对RSSI数据进行过滤处理,减小了噪声对RSSI数据的影响。本文还改进了对数距离路径损耗模型中的参数设置方法,采用基于环境的参数测量方法实时更新距离路径损耗模型中的参数,降低了测距误差以及环境因素对测距的干扰。在定位和修正阶段,本文采用基于距离加权的最小二乘法与牛顿法相结合的方法进行定位,提高了定位精度。由于牛顿法对初值要求比较高,因此本文采用改进的基于距离加权的最小二乘法获得比较精确的初始定位,然后再运用牛顿法对定位进行修正。最后,本文利用MATLAB分别对本文改进的定位算法和其他定位算法进行了仿真验证。通过在不同已知节点数下的归一化平均误差和在不同通信半径下的平均定位误差对算法性能进行分析,结果显示本文改进的定位算法相对于其他定位算法在定位精度上有所提升。通过在ZigBee CC2430组成的WSN中获取本文算法所需数据,在MATLAB中使用本文改进的算法进行定位,从而验证了本文算法的实用性。