论文部分内容阅读
无线传感器网络和物联网方兴未艾,UWB和ZigBee等适用于近距离、低功耗的无线通信技术成为重要的备选方案。室内环境下,常规的GPS定位技术失效,因此无线测距和定位是室内无线通信最基本的应用之一。室内无线通信时,存在多径干扰、非视距误差以及阴影衰落等影响因素,测距和定位面临许多新的需求和挑战。故基于无线传感器网络的室内无线测距和定位算法有待进一步研究和完善。本文针对UWB和ZigBee等近距离无线通信技术,基于最优估计理论提出了几种到达时间(TOA)和接收信号强度(RSS)的测距与定位算法。主要工作和贡献包括以下几个方面：1.针对能量检测模式下超宽带测距的精度低,算法复杂等问题,提出基于最优门限和次优门限的两种TOA估计算法。最优门限算法以接收机信号统计特性与UWB小尺度衰减特性关系式为基础推导出门限选择的闭合表达式,并在最小均方误差指标下求解TOA估计值；次优门限算法以最优门限分析为基础,在虚警概率约束下使用牛顿迭代给出求解门限的递推算法。2.针对非视距条件下TOA测距精度低,正向偏差大的特点,提出一种基于偏置Kalman滤波和极大似然估计的标量加权信息融合算法,以消除UWB测距系统的非视距误差。该算法使用了TOA和RSS两种观测量来提高测距精度。首先,将IEEE802.15.4a给出的测距方法抽象为一个多传感器多尺度的采样过程。然后,分别在视距和非视距条件下使用信息融合算法估计测得的距离信息,并且重点考察了视距/非视距切换过程中误差消除算法的有效性。3.针对路径损耗模型与实际信道衰减特性匹配性差,模型参数估计不准确等问题,提出一种先进行路径损耗最优模型筛选的RSS测距算法。首先分析一组路径损耗模型的统计特性,然后考虑RSS观测的非完全数据,提出基于数学期望最大化的参数估计算法,在准则函数的基础上筛选最优模型,进而进行RSS测距。4.针对叶酸分布式检测对位置信息的要求及室内环境下RSS定位精度低的问题,提出基于Bayes估计和加权迭代的RSS定位算法。该算法首先使用极大似然估计在线估计路径损耗模型参数,然后利用Bayes准则建立关于位置信息的后验概率,最后在Bayes估计的位置信息的基础上使用加权迭代进行精确定位。该算法可与叶酸的分布检测有效结合。总之,本文围绕无线传感器网络的室内测距与定位问题展开了研究,所得结果不仅具有重要的理论价值,而且具有广泛的实际应用价值。