基于交叉變異的WSN節(jié)點蒙特卡羅定位算法研究.pdf

1、自無線傳感器網(wǎng)絡(luò)（WSN）于上個世紀90年代誕生以來，圍繞其在各個領(lǐng)域中的應(yīng)用研究就從未間斷過。WSN節(jié)點定位能夠提供節(jié)點的位置信息，是節(jié)點分簇、路由以及能量優(yōu)化等的基礎(chǔ)支撐技術(shù)。現(xiàn)階段，針對節(jié)點定位的研究大多集中于靜止的網(wǎng)絡(luò)環(huán)境中，而對移動節(jié)點的定位研究還很少。隨著WSN在移動場景中（如軍事偵察、智能交通等）應(yīng)用的不斷增多，對移動環(huán)境下的WSN節(jié)點定位算法研究迫在眉睫。
　　蒙特卡羅定位（MCL）最初應(yīng)用于機器人定位，之后用于W

2、SN移動節(jié)點定位，并取得了較好的定位效果。然而，MCL算法是一種粒子濾波，其最大缺陷就是粒子退化現(xiàn)象。雖然重采樣技術(shù)的引入在一定程度上改善了粒子退化現(xiàn)象，但隨之而來又出現(xiàn)了新的問題，即粒子多樣性的喪失。由于樣本集的多樣性變差，很難近似表征節(jié)點位置的后驗概率密度，使未知節(jié)點位置的估計精度難以提升。
　　針對上述問題，本文提出一種基于遺傳交叉、變異的多跳蒙特卡羅定位（GMMCL）算法，即利用遺傳交叉、變異獨特的尋優(yōu)能力，使先驗粒子向高

3、似然區(qū)域移動。從而緩解了粒子退化，改善了樣本的多樣性，提高了節(jié)點位置估計精度。論文結(jié)構(gòu)安排如下：第1章介紹了WSN研究背景、結(jié)構(gòu)、特點、關(guān)鍵技術(shù)及研究移動WSN節(jié)點定位的意義。第2章主要介紹了WSN中移動節(jié)點定位的常見典型算法，重點對基于統(tǒng)計方法的定位算法（如MCL、MCB等）進行描述，并對典型算法的性能進行了比較。最后，簡單介紹了一些其他適用于移動節(jié)點定位的算法。第3章首先對定位算法的理論基礎(chǔ)貝葉斯估計和粒子濾波做了相對深入的描述，接

4、著對遺傳算法進行了介紹，闡述其在問題解尋優(yōu)方面的獨特優(yōu)勢，最后提出一種基于交叉變異的MMCL算法（GMMCL），并從理論上驗證其可行性。第4章對提出的算法進行仿真驗證。針對結(jié)果與已有算法從不同方面進行比較。結(jié)論對全文進行總結(jié)，提出不足之處，并對其發(fā)展方向進行展望。
　　算法仿真方面，分析了未知節(jié)點定位誤差隨錨節(jié)點個數(shù)、節(jié)點最大移動速度、樣本個數(shù)以及節(jié)點密度的變化情況，并與MCL、MCB及MMCL算法進行了對比分析。仿真結(jié)果分析表明