無線傳感器網(wǎng)絡(luò)節(jié)點定位技術(shù)的理論和實驗研究.pdf

1、無線傳感器網(wǎng)絡(luò)是信息領(lǐng)域一次重大的發(fā)展和變革,是當今新興技術(shù)中的研究熱點,在軍事和民用領(lǐng)域都蘊含著十分廣闊的應(yīng)用前景。無線傳感器網(wǎng)絡(luò)節(jié)點定位技術(shù)是無線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一。然而,受低成本、低功耗以及復(fù)雜部署環(huán)境等條件的制約,節(jié)點定位技術(shù)在理論和實驗研究方面均面臨著重大挑戰(zhàn)。
　　無線傳感器網(wǎng)絡(luò)節(jié)點定位方法一般分為兩類:基于測距(Range-Based)的定位方法和無需測距(Range-Free)的定位方法。基于測距的定位方法可

2、以達到較高的定位精度,但是常常需要增加額外硬件來測量鄰居節(jié)點間的距離或角度,極大地增加了節(jié)點的成本和功耗,不適合大規(guī)模部署的無線傳感器網(wǎng)絡(luò)。無需測距的定位方法一般通過節(jié)點間的連接性來定位,不需要額外測距硬件,從經(jīng)濟、功耗等方面來看,這類方法更適合大規(guī)模部署的無線傳感器網(wǎng)絡(luò),然而這類方法的定位精度相對偏低。
　　本文著重研究無線傳感器網(wǎng)絡(luò)節(jié)點定位技術(shù)中的無需測距定位,分別從理論和實驗兩個方面展開。在理論研究中,分析了導(dǎo)致無需測距定位

3、精度低的根本原因:跳數(shù)-距離模糊問題,即一個傳感器節(jié)點簡單地認為自己到所有一跳鄰居的估計距離都相同,盡管實際距離并不相同;提出了相應(yīng)的改進方法來解決跳數(shù)-距離模糊問題,進而提高節(jié)點定位精度。在實驗研究中,利用了廣泛使用的Mica2節(jié)點來構(gòu)建實驗測試平臺,并利用該平臺展開定位實驗研究,具體來說,本文創(chuàng)新之處如下:
　　(1)針對無需測距定位中廣泛存在的跳數(shù)-距離模糊問題,提出了一種新的網(wǎng)絡(luò)測度,即歸一化鄰近距離(RND)。RND的基

4、本思想是利用兩鄰居節(jié)點之間的公共鄰居數(shù)來反映它們之間的接近程度,即公共鄰居數(shù)越多,那么這兩鄰居節(jié)點就越接近。分析了RND在有限和無限節(jié)點密度條件下的統(tǒng)計特征,進一步將RND應(yīng)用到經(jīng)典的DV-Hop算法中,進而提出一種基于RND的定位算法DV-RND,該算法的實現(xiàn)僅依賴于節(jié)點間的連接性和少量的鄰居列表交換,無需增加額外測距硬件。通過仿真,將DV-RND算法與經(jīng)典的DV-Hop算法和DV-CNED算法在不同的部署場景中進行比較,仿真結(jié)果表明

5、,在網(wǎng)格部署、隨機均勻部署、非均勻部署和含有網(wǎng)絡(luò)覆蓋空洞部署的場景中,DV-RND算法的定位性能優(yōu)于DV-Hop算法以及DV-CNED算法。DV-RND算法能有效解決跳數(shù)-距離模糊問題,具有較高的定位精度和可靠性。
　　(2)針對一般無線傳播模型下的最優(yōu)鄰居定義問題,提出了一種動態(tài)自適應(yīng)鄰居選擇算法,并結(jié)合DV-RND算法,進一步提出一種基于自適應(yīng)RND的定位算法DV-ARND。在接收功率測量實驗的基礎(chǔ)上,建立一種基于實驗數(shù)據(jù)的多

6、項式擬合模型,并歸納出一般無線傳播模型的特征:接收功率是隨機變量,且接收功率的期望是關(guān)于收發(fā)機之間距離的非單調(diào)增函數(shù)。在此模型下,利用收包率(PRR)重新定義了圓盤模型(UDG)中的‘跳’和‘鄰居’,并通過錨節(jié)點搜索最優(yōu)PRR門限來實現(xiàn)動態(tài)自適應(yīng)鄰居選擇算法,最終使得DV-ARND算法的定位性能達到最優(yōu)。DV-ARND算法不僅較好地解決了跳數(shù)-距離模糊問題,而且自適應(yīng)于一般無線傳播模型中。通過仿真,在一般無線傳播模型下驗證和比較了DV-

7、ARND算法的定位性能。仿真結(jié)果表明,在對數(shù)-正態(tài)陰影衰落模型和多項式擬合模型下,DV-ARND算法有效地提高了節(jié)點的定位精度。在相同條件下,DV-ARND算法的定位性能明顯優(yōu)于DV-Hop算法和DV-RND算法。
　　(3)針對基于接收信號強度(RSS)定位的環(huán)境依賴性問題,提出了一種基于自適應(yīng)權(quán)重(IRW)的加權(quán)質(zhì)心定位算法AWCL-IRW。該算法通過RI(RSSIndicator)倒數(shù)的g次方構(gòu)建自適應(yīng)權(quán)重函數(shù)IRW,并且通

8、過錨節(jié)點自學習算法獲得最優(yōu)權(quán)重因子g?,將環(huán)境依賴性很強的RSS和算法復(fù)雜度很低的加權(quán)質(zhì)心定位(WCL)有機地結(jié)合起來。構(gòu)建了一個由20個Mica2節(jié)點組成的實驗測試平臺,并利用該平臺測量了不同距離、不同環(huán)境、不同方向、不同發(fā)射功率等測試條件下的RSS。利用實驗測試平臺,驗證和比較了AWCL-IRW算法在不同實測環(huán)境中的定位性能。定位結(jié)果顯示,在水泥地面環(huán)境(20×30(m2))中,AWCL-IRW算法的平均定位誤差在2(m)以內(nèi);在小