無線傳感器網(wǎng)絡(luò)移動目標(biāo)的回歸建模定位仿真分析.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,簡稱WSN)是一種新興的分布式的測控網(wǎng)絡(luò),它具有良好的應(yīng)用前景,而WSN的節(jié)點自定位技術(shù)可以提供監(jiān)控活動目標(biāo)的位置信息,具有準(zhǔn)確的目標(biāo)跟蹤精度以及高效的路由效率,它是WSN中重要的技術(shù)之一。同時,在WSN的研究應(yīng)用中,也是一個亟待解決的關(guān)鍵技術(shù)問題。本論文結(jié)合國家自然基金項目,首先對WSN的目標(biāo)定位技術(shù)的國內(nèi)外的進展與研究作了介紹,探討了WSN目標(biāo)定位的方法以及最小二乘支持

2、向量機(Least Square Supportvector Regression,LSSVR)在定位中的應(yīng)用研究。然后提出了降低目標(biāo)失跟率的WSN目標(biāo)定位預(yù)測喚醒方法。論文的主要工作包括:
　　1.系統(tǒng)深入的研究了基于LSSVR的WSN目標(biāo)定位方法,討論了其定位特性和影響LSSVR三維節(jié)點定位誤差的因素,創(chuàng)建了目標(biāo)定為誤差的結(jié)構(gòu)模型,提出了幾種減小LSSVR定位誤差的方法,分析了LSSVR的目標(biāo)定位誤差的空間分布特性,討論核函數(shù)

3、對LSSVR目標(biāo)定位的作用機理,選擇的核函數(shù)應(yīng)具備形式簡單,參數(shù)少以及具有良好的建模預(yù)測能力。
　　2.引入局部建模思想,局部建模包括訓(xùn)練樣本點的分布,核函數(shù)以及邊界系數(shù)的選取等。指出不同的建模參數(shù)和LSSVR定位誤差的相互關(guān)系,通過粒子群對它們進行優(yōu)化,從而減小LSSVR定位誤差,增加LSSVR回歸模型在實際運用的適用性能,
　　3.研究LSSVR建模定位的節(jié)點喚醒機制,推導(dǎo)環(huán)境中的測量節(jié)點數(shù)Nd,喚醒節(jié)點數(shù)Nw,失跟率p