畢業(yè)論文--基于聲音能量的無線傳感網(wǎng)絡定位算法

1、<p><b>　　（</b></p><p>　　二 〇 一 三 年 六 月</p><p><b>　　摘 要</b></p><p>　　無線傳感器網(wǎng)絡在當今社會起著非常重要的作用。而傳感器節(jié)點的位置對整個應用又起著很大的作用，節(jié)點所采集到的信息必須與節(jié)點的位置結合才有意義，否則所采集的數(shù)據(jù)便毫無意義。因

2、此定位是無線傳感器網(wǎng)絡必備的功能，也是無線傳感器網(wǎng)絡的核心技術。</p><p>　　本文首先對無線傳感器網(wǎng)絡相關知識作了簡單的介紹，包括聲音能量的傳播規(guī)律和無線傳感器網(wǎng)絡的幾種算法，距離相關算法。</p><p>　　接著詳細介紹了幾種距離相關定位算法。設計主要針對三邊定位算法和極大似然估計算法展開，在認真了解這兩種算法后，分析其定位過程、定位方法、及定位誤差。</p>&

3、lt;p>　　最后利用matlab仿真軟件對接收到的聲音能量和定位算法進行仿真驗證，并將兩種算法的定位誤差進行比較，從而得出，基于聲音能量的無線傳感器網(wǎng)絡定位算法的兩種算法中極大似然估計算法更好一點的結論。</p><p>　　關鍵詞：無線傳感器網(wǎng)絡；三邊定位算法；極大似然估計算法；matlab</p><p><b>　　Abstract</b></p&

4、gt;<p>　　Wireless sensor network plays a very important role in today's society. And the position of the sensor nodes in the entire application plays a big role, node to collect information and the position of

5、 the node must be combined with meaningful, otherwise the data is meaningless. So the orientation is essential for wireless sensor network function, the core technology and wireless sensor network.</p><p>　　

6、Firstly, wireless sensor network related knowledge are introduced, several algorithms including the sound energy propagation and wireless sensor network, distance correlation algorithm.</p><p>　　Then introdu

7、ces the range-based localization algorithm. The design for the three main edge location algorithm and the maximum likelihood estimation algorithm, in the understanding of these two algorithms, analysis of its positioning

8、, positioning method, and the positioning error.</p><p>　　Finally, the simulation of the sound energy received and positioning algorithm using MATLAB simulation software, and the positioning error of two alg

9、orithms are compared, thus obtained, is more better conclusion MLE two algorithms for wireless sensor network localization algorithm based on acoustic energy.</p><p>　　Keywords: wireless sensor network; thre

10、e edge location algorithm; maximum likelihood estimation; MATLAB</p><p><b>　　目錄</b></p><p><b>　　第一章 緒論1</b></p><p>　　1.1 課題研究的背景和意義1</p><p>　　

11、1.2 無線傳感器網(wǎng)絡國內外研究現(xiàn)狀1</p><p>　　1.3 基于聲音能量的無線傳感器網(wǎng)絡目標定位簡介2</p><p>　　1.4 定位算法評價指標3</p><p>　　1.5 本章小結4</p><p>　　第二章 聲音能量的傳播規(guī)律及適用算法的分析5</p><p>　　2.1 聲音的基本概念

12、及其傳播規(guī)律5</p><p>　　2.2 聲音能量衰減模型及算法的提出5</p><p>　　2.3 基于聲音能量衰減模型提出WSN定位技術6</p><p>　　2.3.1 常用測距方法6</p><p>　　2.3.2 常用的定位計算方法7</p><p>　　2.4 定位算法設計的注意問題7<

13、/p><p>　　2.5 算法的流程圖及設計思路8</p><p>　　2.5.1 算法的流程圖8</p><p>　　2.5.2 設計思路8</p><p>　　2.6 本章小結9</p><p>　　第三章 無線傳感網(wǎng)絡目標定位算法10</p><p>　　3.1 論文定位算法介紹

14、10</p><p>　　3.2 三邊測量法10</p><p>　　3.3 極大似然估計法11</p><p>　　3.4 比較綜合兩種定位算法的優(yōu)劣13</p><p>　　3.5 本章小結13</p><p>　　第四章 基于聲音能量的無線傳感網(wǎng)絡定位算法仿真14</p><p&g

15、t;　　4.1 實驗環(huán)境14</p><p>　　4.2 采集聲音能量進行分析14</p><p>　　4.3 背景噪音均值為0，標準差為1環(huán)境下兩種算法定位圖16</p><p>　　4.4 不同定位算法誤差分布仿真17</p><p>　　4.5 本章小結18</p><p><b>　　結論

16、 19</b></p><p><b>　　參考文獻20</b></p><p><b>　　謝辭 22</b></p><p><b>　　附錄 23</b></p><p><b>　　第一章 緒論</b></p>&l

17、t;p>　　1.1 課題研究的背景和意義</p><p>　　隨著無線傳感技術的快速發(fā)展和日趨成熟，無線通信技術也發(fā)展到一定的程度，其發(fā)展的技術越來越成熟、快速，方向也越來越多，同時也越來越重要。大量的應用方案開始采用無線技術進行數(shù)據(jù)采集和通信傳輸[1]。無線傳感技術、傳感網(wǎng)絡已經被認定為重要的研究內容之一。值得慶幸的是，WSN技術在中國找到了發(fā)展機會。政府引導、研究人員推動和企業(yè)的積極參與大大加快了WSN

18、技術的市場化進程，中國必將在WSN技術和市場推進中發(fā)揮重要作用[2]。</p><p>　　無線傳感網(wǎng)絡是一種開創(chuàng)了新應用領域的新興概念和技術。無線傳感器網(wǎng)絡節(jié)點的穩(wěn)定運行是整個網(wǎng)絡可靠性的重要保障。低功耗無線傳感模塊研究具有極其重要的學習和研究價值，其功能的實現(xiàn)具有極其重要的理論和現(xiàn)實意義。首先，現(xiàn)有的眾多研究中，將性能和低功耗相結合的較少，有的只考慮低功耗而性能不高，有的性能高但是功耗太大[3]。其次，增加無

19、線傳感模塊的應用。無線傳感模塊應用已非常廣泛，除去組成無線傳感網(wǎng)絡的應用外，無線傳感技術還廣泛的應用于環(huán)境監(jiān)測，如車間溫濕度、短距無線通信等。克服了這些困難，無線傳感器網(wǎng)絡將會發(fā)揮巨大的功能。</p><p>　　1.2 無線傳感器網(wǎng)絡國內外研究現(xiàn)狀</p><p>　　無線傳感器網(wǎng)絡在許多國家的軍事和民用的各個領域都具有十分廣闊的應用前景，它的出現(xiàn)引起了許多國家越來越大的興趣以及挑戰(zhàn)。許

20、多國家都非常重視無線傳感器網(wǎng)絡的基礎理論和應用研究[4]。</p><p>　　從國外的研究現(xiàn)狀來看，美國是最早開始研究無線傳感器網(wǎng)絡技術的國家，美國國防部和軍方近年來投入了巨資，在一些著名的高校、研究機構和企業(yè)公司，開展一系列滿足軍方作戰(zhàn)須取得無線傳感器網(wǎng)絡技術和應用研究的活動，研究的重點主要集中在各種軍用偵察和監(jiān)視技術與系統(tǒng)，如“智能微塵”（SmartDust）、“無線綜合網(wǎng)絡傳感器”（WINS）、“傳感器信

21、息技術”（SensorIT）、“沙地直線系統(tǒng)”（A Line in the Sand）等。WSN網(wǎng)絡是面向應用的，貼近客觀世界的網(wǎng)絡系統(tǒng)，其產生和發(fā)展一直都與應用相聯(lián)系。多年來經過不同領域研究人員的演繹，WSN技術在軍事領域、安全監(jiān)控、環(huán)保監(jiān)測、建筑領域、工業(yè)監(jiān)控、智能交通、自由空間探索、智能家居等領域的應用得到了充分的肯定和一定的應用[5]。</p><p>　　在中國：中科院的微系統(tǒng)所主導的團隊積極開展基于W

22、SN的邊境防御系統(tǒng)的研發(fā)和試點，已取得了階段性的成果?，F(xiàn)在，無線傳感器網(wǎng)絡在人們的生活應用中已經起了積極地作用。比如：（1）在環(huán)境監(jiān)控和精細農業(yè)方面，WSN系統(tǒng)應用最為廣泛，英特爾公司建立了世界上第一個無線葡萄園，這是一個典型的精準農業(yè)、智能耕種的例子；中國杭州齊格科技有限公司與浙江農科院合作研發(fā)了遠程管理決策服務平臺，該平臺利用了無線傳感器技術實現(xiàn)對農田溫室大棚溫濕度、露點、光照等環(huán)境信息的監(jiān)測；（2）在民用安全監(jiān)控方面，英國的一家博

23、物館利用無線傳感器網(wǎng)絡設計了一個報警系統(tǒng)，他們將節(jié)點放在珍貴文物或藝術品的底部或背面，通過偵測燈光亮度的改變和振動的情況，來判斷展覽品的是否安全；中科院在故宮博物院實施的文物安全監(jiān)控系統(tǒng)也是WSN技術在民用安防領域中的突出應用；2004年，哈工大在深圳地王大廈實施部署了監(jiān)測環(huán)境噪聲和震動加速度響應測試的WSN網(wǎng)絡系統(tǒng)；（3）在醫(yī)療監(jiān)控方面，英特爾公司目前正在研制家庭護理的無線傳感器網(wǎng)絡定位系統(tǒng)，作為美國“應對老齡化社會技術”的一項重要內

24、容；在對特殊醫(yī)院(精神類或殘障類)中病人的位置監(jiān)控方面，WSN也有巨大的</p><p>　　總的來說，無線傳感器網(wǎng)絡以其獨特的優(yōu)勢已經在世界各地逐步地顯現(xiàn)出來，鑒于當前的使用和研究情況，相信無線傳感器網(wǎng)絡技術在未來的幾十年內將會被應用于更廣闊的領域。</p><p>　　1.3 基于聲音能量的無線傳感器網(wǎng)絡目標定位簡介</p><p>　　目標定位技術是利用無線傳

25、感器網(wǎng)絡節(jié)點分布式協(xié)作進行工作的一個重要應用，它利用網(wǎng)絡內多個傳感器節(jié)點檢測的目標信息進而估算出某一時刻該定位目標的具體位置[7]。</p><p>　　本文主要討論聲音能量的目標定位方法，基于聲音能量的目標定位相對于其他目標定位來說特點有：(1)不因視線和能見度而影響定位：聲音定位系統(tǒng)可以在晚上、陰雨天、霧霾天和下雪天工作，具有全天候工作的優(yōu)點；(2)易隱蔽，有較強的保密性：聲音定位系統(tǒng)不受電磁波的干擾，也不易

26、被無線電測量；(3)普遍存在于常見的目標和常見的監(jiān)測目標中：許多目標的出現(xiàn)都伴有不同的頻率、幅值的聲音，聲音目標定位在實際應用中更具普遍性；(4)用以目標定位的聲音能量傳感器成本低，能耗?。撼Ｒ姷穆曇魝鞲衅饔旭v極體麥克風、硅麥克風等，其價格相對于其他傳感器要低，功耗也較少；（5）聲音能量易檢測、易分辨：可以通過不同頻率、幅值及具體壞境因素分析目標位置[8]。</p><p>　　在諸多基于聲音能量的定位算法中，本

27、文在大的方面選擇了聲音能量在接收信號時強度強弱的定位。而在基于接收信號聲音能量強度的定位算法中，又選擇了基于測距的定位算法進行研究。根據(jù)聲音傳播的規(guī)律，尋找一個適合聲音能量傳播的合理模型，此模型反映了節(jié)點檢測的聲音能量強度與其目標節(jié)點之間距離的關系，根據(jù)此模型可以通過多個節(jié)點的檢測值估算出定位目標的位置，這種算法對節(jié)點的數(shù)量和分布密度要求相對來說較低，更適合于實際應用，所以本論文研究的是基于聲音能量強度中基于測距的無線傳感器網(wǎng)絡目標定位

28、問題。</p><p>　　1.4 定位算法評價指標</p><p>　　1.定位誤差與定位的精度：定位誤差指經算法定位未知節(jié)點的坐標與實際坐標之間的誤差。誤差值越大，定位精度越小，定位也越不準確；2.網(wǎng)絡規(guī)模：一種定位技術在給定的一段時間內或一定數(shù)量的基礎設施時，能夠定位目標的多少；3.節(jié)點密度：指單位面積上的節(jié)點數(shù)。節(jié)點密度影響整個網(wǎng)絡的開銷、網(wǎng)絡的連通性，從而影響定位算法的精度。在保

29、證定位精度的基礎上，盡量降低信標節(jié)點密度以減少網(wǎng)絡成本；4.容錯性和自適應性:無線傳感器系統(tǒng)或者定位算法需具有較高的容錯性和自適應性，能夠通過自身調整或者重構來糾正錯誤、適應環(huán)境、減少各種誤差的影響、提高定位精度；5.功耗：定位算法的功耗大小直接影響定位網(wǎng)絡系統(tǒng)的壽命長短，定位時產生的功耗開銷，節(jié)點之間相互通信時產生的功耗開銷，以及傳感器網(wǎng)絡節(jié)點存儲信息時所產生的功耗開銷，功耗越大，定位系統(tǒng)的壽命就越短，所以應該盡量設計耗能低的定位系統(tǒng)

30、；6.代價：節(jié)點定位算法的代價主要由時間代價、空間代價、能耗代價和資金代價[9]。</p><p>　　以上指標間相互關聯(lián)，不僅是設計網(wǎng)絡的考慮因素，在后期網(wǎng)絡優(yōu)化，網(wǎng)絡更新中也需著重考慮。</p><p><b>　　1.5 本章小結</b></p><p>　　本章主要介紹了無線傳感網(wǎng)絡的研究現(xiàn)狀、發(fā)展情況及定位方法的評價指標。</p

31、><p>　　第二章 聲音能量的傳播規(guī)律及適用算法的分析</p><p>　　2.1 聲音的基本概念及其傳播規(guī)律</p><p>　　大部分聲音的發(fā)出都來源于物體的振動。描述聲波的最常見的基本物理量是聲壓、聲功率和聲強。</p><p>　　(1)聲壓Pe：它是介質受擾動后產生的逾量壓強，單位是帕斯卡(Pa)。</p><p

32、>　　(2)聲功率W：單位時間內通過垂直于聲傳播方向面積的聲能量稱為聲功率，單位瓦特(W)，它和聲壓的關系如式W=Pe2S/PoCo其中，Pe為聲壓，S為垂直于聲傳播方向的面積，PoCo為空氣的特性阻抗率一般取值為400 Ns/m3。</p><p>　　(3)聲強I：單位面積上的平均聲功率稱為聲強，單位為W／m2，它和聲壓的關系如式I= Pe2/ PoCo，其中，Pe為聲壓，PoCo為空氣的特性阻抗率。&

33、lt;/p><p>　　聲壓的測量比較易于實現(xiàn)，而且通過聲壓的測量也可以間接求得其他聲學參量，所以實際中聲音傳感器大多都是檢測聲壓值，聲音傳感器的參數(shù)中會提供靈敏度參數(shù)，靈敏度是麥克風在單位聲壓激勵下輸出的電壓值，其單位是mV／Pa或V／Pa。靈敏度也經常用分貝表示，靈敏度分貝值與靈敏度值的關系如式：靈敏度分貝值Db=20lg靈敏度值mV/Pa／0dB對應的靈敏度值。其中，多數(shù)聲音傳感器的參數(shù)中規(guī)定0dB對應1V／P

34、a。這樣根據(jù)檢測的電壓值和傳感器的靈敏度就可以得出檢測的聲壓值，從而可以求得其他聲學參量[10]。</p><p>　　2.2 聲音能量衰減模型及算法的提出</p><p>　　聲音能量衰減模型是基于聲音能量強度的目標定位算法的基本研究目標,目標計算模型決定了定位的準確程度。我們知道，聲音信號的能量與它傳播距離的平方成反比，目標定位算法就是利用聲音的傳播的這個特點來計算目標的位置[11]。

35、將節(jié)點監(jiān)測到的電壓值轉化為聲音能量值,代入模型估算出聲源的位置,從而實現(xiàn)目標定位估計。具體化這一模型：假設在某一時刻t聲源目標進入了由n個聲音傳感器節(jié)點組成的無線傳感器網(wǎng)絡,理論上認為目標源均勻地向四周發(fā)射聲音信號能量,這樣,第i個傳感器節(jié)點在時刻t檢測到的聲音信號能量可以表示為式：</p><p>　　Yi（t）=si(t)+i(t)，i=1,2,3…

36、 （2-1）</p><p>　　si(t)：t時刻目標值因能量傳播到節(jié)點i衰減后的能量值</p><p>　　i(t)：t時刻節(jié)點i的背景噪音能量值，一般認為氣均值為0，方差為2</p><p>　　Yi（t）：t時刻節(jié)點i實際測得的能量值</p><p>　　在具體的測量過程中，忽略一些數(shù)據(jù)的影

37、響，就可以寫出聲音能量衰減模型的最終公式，替換si(t)，得公式為：</p><p>　　Yi（t）=gis（t）/di2（t）+i(t)，i=1,2,3… （2-2）</p><p>　　其中gi：節(jié)點i的噪音影響系數(shù)（取1）；</p><p>　　s（t） ：t時刻聲源能量（取1000

38、0）；</p><p>　　di（t）：節(jié)點i與生源目標之間的距離；</p><p>　　i(t) ：t時刻節(jié)點i的背景噪音能量值（均值為0，方差為1）。</p><p>　　值得注意的是，以上計算節(jié)點接收到的聲音能量的算法是在忽略了一定的因素之后得出的，（1）在不同采樣節(jié)點接收信號時，目標源的聲音突變使得接收信號不準確，我們一般認為采樣的頻率很高，可以忽略這一

39、點;（2）當聲源離墻面或山比較近時，這些障礙物都會吸收聲音能量導致節(jié)點采集信息有誤差，當節(jié)點離目標生源非常近的時候就不能把它當做一個點來看待。然而，傳感器有多點協(xié)作的的特點，同時，傳感器接收到信號的時間一般比聲源變化得快，所以，為了使目標定位算法簡潔而又不影響大的計算面，還是可以適當?shù)暮雎赃@些細小的干擾;（3）在具體的節(jié)點接受能量計算過程中，本文盡量會在不影響定位結果的情況下精簡計算量，降低計算復雜度[12]。</p>&

40、lt;p>　　2.3 基于聲音能量衰減模型提出WSN定位技術</p><p>　　上式中通過將每個聲音傳感器節(jié)點檢測到的電壓值轉化為聲音能量值，通過聲音信號的能量與它傳播距離的平方成反比這一結論可以就此算出各節(jié)點的位置，利用適當算法進而可以求出目標節(jié)點位置，以下就是對算法具體分析研究。</p><p>　　2.3.1 常用測距方法</p><p>　　1.接收

41、信號強度（Received Signal Sterength Indicator，RSSI ）指示法：接收機通過測量射頻信號的能量來確定與發(fā)送機的距離。RSSI有傳感器節(jié)點標準功能，實現(xiàn)起來簡單，且對節(jié)點的成本和功耗無影響，因此這個方法早已被采用，缺點是在被遮蓋或折射會引起嚴重的測量誤差[13]。</p><p>　　2.到達時間（Time of Arrival，TOA）法:通過測量信號的傳輸時間來估計兩節(jié)點間距

42、離。優(yōu)點是要求精度較高，缺點是無線信號的傳輸速度快，時間測量過程中很小的誤差都可能導致很大的距離誤差，其次也要求傳感器節(jié)點的計算能力強[13]。</p><p>　　3.到達時間差（Time Difference of Arrival,TDOA）法:測量不同接收節(jié)點接收到的同一個發(fā)射信號的時間差，進而進行計算。此方法比到達時間法要準確與好用些，因為它對時間的精準度與計算能力要求較低一些[13]。</p>

43、;<p>　　4.到達角（Angle Of Arrival，AOA）法:通過配備天線陣列多個接收器來估測其他節(jié)點發(fā)射的無線信號到達的角度。此算法需要硬件的結合，在功耗和體積上面對定位節(jié)點提出了更高的要求[13]。</p><p>　　2.3.2 常用的定位計算方法</p><p>　　1.三邊定位方法：設有三個節(jié)點坐標，未知節(jié)點坐標與這三個坐標距離公式進行整合計算就可以估算出

44、未知節(jié)點坐標的坐標。其優(yōu)點為計算方便簡單，需要定位的節(jié)點較少，但是定位的精度、準確度較低。</p><p>　　2.三角定位法：已知三個節(jié)點坐標，通過與未知節(jié)點坐標角度的確定可以畫出三個以三點為圓心的圖形，再根據(jù)三邊測量算法算出具體的未知點坐標。缺點為較為復雜。</p><p>　　3.極大似然估計(ML)法：將似然函數(shù)達到最大值時的參數(shù)最為參數(shù)的估計值。此方法計算過程稍微繁瑣點，但是其計

45、算的精度是非常高的。</p><p>　　2.4 定位算法設計的注意問題</p><p>　　WSN的定位算法有很多，但是非常完美的算法幾乎沒有，在具體的實際應用中，設計及選用算法時要根據(jù)以下的幾個因素進行考慮分析。無線傳感網(wǎng)絡需要用電池供電，所以選擇算法和相關的硬件時應該盡量選取耗能小的，并且盡量選擇節(jié)點占用空間少并且定位較準確的。同時，要想在無線傳感器網(wǎng)絡這個領域走的更好更遠，就需要將

46、定位與路由器、時間同步、數(shù)據(jù)融合等技術結合起來，分工合作，才可以將各自的長處發(fā)揮到最大，才會在定位應用中占據(jù)不敗的位置[14]。</p><p>　　另外，不同的定位算法在不同的外界因素下都有其各種的優(yōu)缺點，所以在具體的實際應用過程中，根據(jù)情況選擇設計相應的定位算法也是至關重要的。</p><p>　　最后，提出的重要的一點就是，定位節(jié)點的密度對定位算法的精確度的影響對于不同的算法影響程度

47、是不同的。在節(jié)點耗費較大的情況下，對于某些定位算法適當?shù)脑黾右恍┕?jié)點會大大的提高定位的精度[15]。</p><p>　　2.5 算法的流程圖及設計思路</p><p>　　2.5.1 算法的流程圖</p><p><b>　　否</b></p><p><b>　　是</b></p>

48、<p>　　圖2.1算法分析流程圖</p><p>　　其算法流程設計步驟：1.在100×100 的單位中，按均勻分布方式布置n個節(jié)點，作為信標節(jié)點；2.在該區(qū)域內，隨機分布若干節(jié)點為未知節(jié)點；各未知節(jié)點向周圍發(fā)送聲音信息，搜索自身通信范圍內的信標節(jié)點；3.測算該未知節(jié)點與信標節(jié)點的距離；4.每個未知節(jié)點計算出與其通信的信標節(jié)點的坐標；其坐標作為該未知節(jié)點的初次估算位置；5.在圖中標出該未知

49、節(jié)點對應的坐標；6.運用定位算法進行計算，滿足條件算出結果，不滿足條件從新采集計算定位[16]。</p><p>　　2.5.2 設計思路</p><p>　　圖2.2 設計思路流程圖</p><p><b>　　2.6 本章小結</b></p><p>　　本章分析了聲音傳播規(guī)律，提出了聲音能量衰減模型，計算了節(jié)點接收

50、信號的能量值算法，又根據(jù)聲音信號的能量與它傳播距離的平方成反比而確定了節(jié)點與目標聲源的位置關系及坐標來分析了定位算法。</p><p>　　第三章 無線傳感網(wǎng)絡目標定位算法</p><p>　　3.1 論文定位算法介紹 </p><p>　　無線傳感器網(wǎng)絡的節(jié)點定位算法一般分為與距離無關和距離相關兩種算法，典型的距離相關算法有AHLo，RADAR, Cricket

51、等，典型的距離無關定位算法有DV-HOP算法，質心定位算法，APIT等。經過研究算法，出于對時間和認知程度的綜合分析，本文著重討論兩種定位算法并對其進行研究、分析、仿真，既三邊定位算法與極大似然定位算法。選擇這兩種算法主要是基于三邊定位算法易分析，通俗易懂，而極大似然算法雖較三邊定位算法計算復雜了一些，但是它的定位精度高[17]。</p><p>　　3.2 三邊測量法 </p><p>

52、　　多變測量方法是聲音能量定位方法的前提，而多變測量法方法又是從三邊測量方法引申而來的。三邊測量法的理論依據(jù)就是：在一個平面上，已知目標節(jié)點到其它三個節(jié)點的距離，并且這三個點的坐標也是已知的，那么我們可以根據(jù)這三個點到目標節(jié)點的距離進行了方程組并且計算出目標節(jié)點的坐標[18]。</p><p>　　圖3.1 三邊測量法原理示意圖圖表</p><p>　　節(jié)點A,B,C為信標節(jié)點，其坐標分別

53、為，，，三點到未知節(jié)點D的距離分別為，，，假設D點坐標,則可得公式3-1</p><p><b>　　=</b></p><p>　　= (3-1)</p><p><b>　　=</b></p><p>　　公式3-1是一個非線性方程，

54、求解可得未知節(jié)點的坐標，如公式3-2</p><p><b>　?。?-2）</b></p><p>　　式中：，，分別是三個信標節(jié)點坐標，是未知節(jié)點到3個信標節(jié)點到未知節(jié)點的距離。式（3-2）經過線性化，可得到下列方程式 </p><p><b>　　AX+N=B</b></p><p>　　

55、A=， B=， X= </p><p>　　使用標準的最小均方差估計可得未知節(jié)點坐標為</p><p>　　X=(AAT)-1ATb （3-3）</p><p>　　式中的N是由于存在測距的誤差而引入的參數(shù)，它是根據(jù)測距誤差的分布形式存在的一個隨機誤差矢量。由于三邊定位算法易于接受，所

56、以對這種算法進行了研究，再與其它的算法進行比較，可以進一步對定位算法有一些深入的了解。三邊測量算法涉及到大量的矩陣運算和最小二乘運算，計算量相對較大，對于以上情況，有人也提出了最大最小值法，即通過簡單的折線運算估計出未知節(jié)點的位置，具體的運算不再寫出。</p><p>　　3.3 極大似然估計法</p><p>　　由聲音能量衰減模型可知，為正態(tài)隨機變量，其滿足密度為</p>

57、<p><b>　　N（）</b></p><p>　　的正態(tài)分布，模型已假設背景噪音 ，所以可由各個節(jié)點根據(jù)環(huán)境噪音測得。未知參數(shù)為聲源能量，通過n個節(jié)點的檢測得到來自總體的樣本（），最后得到關于的似然函數(shù)可表示如下</p><p>　　L()= = （3-4）</p><p>　　忽略掉式中的無

58、關項并求出式子達到最大值時的等價于求下式達到最小值時的</p><p>　　L(S(t),r(t))∝ （3-5）</p><p>　　之后便可求解式子，當然極大似然估計法是最小二乘法的基礎，求解上式可以用最小二乘原理。</p><p><b>　　12</b></

59、p><p><b>　　53</b></p><p><b>　　D4</b></p><p>　　圖3.2 極大似然估計法原理圖</p><p>　　當然在已知節(jié)點坐標信息后，也可以通過以下的算法來實現(xiàn)無線傳感器網(wǎng)絡定位。在已知1,2,3，…n個節(jié)點的坐標分別為，到節(jié)點D的距離分別為，則可得公式（

60、3-6）</p><p>　　用每個方程減去后一個方程，可得：</p><p>　　用線性方程表示為，其中：</p><p><b>　　，，</b></p><p>　　使用標準的最小均方差估計法可以得到節(jié)點D的坐標為</p><p>　　運用極大似然估計算法來計算節(jié)點位置信息，計算步驟較為復雜

61、，但是由于計算的結果精確度較高，所以本文中對這個算法進行了一些研究[19]。</p><p>　　3.4 比較綜合兩種定位算法的優(yōu)劣</p><p>　　三邊測量法：易分析，通俗易懂，但是計算量較大，定位精度不確定，適應環(huán)境能力差，是最基礎的定位算法；極大似然估計法：結合概率統(tǒng)計、隨機變量、以及矩陣等知識，能夠較準確的定位，當然相應的來說所需的運行時間較長。</p><

62、p><b>　　3.5 本章小結</b></p><p>　　本章提出了兩中常用的定位算法，并對每一種算法都進行了系統(tǒng)的分析，在理論上分析了兩種算法的優(yōu)缺點。</p><p>　　第四章 基于聲音能量的無線傳感網(wǎng)絡定位算法仿真</p><p>　　在前三章中，介紹了無線傳感器網(wǎng)絡的定位算法，提出并分析了三邊定位算法和極大似然估計（ML）

63、算法。本文使用Matlab軟件仿真環(huán)境建立所研究網(wǎng)絡系統(tǒng)的模型，在計算機上運行這個模型，并分析運行的輸出結果，對這些算法進行仿真。首先對三邊測量算法進行仿真，接著對極大似然估計算法的性能進行仿真，并得出仿真結果，最后對于兩種不同算法的誤差進行對比，總結。</p><p><b>　　4.1 實驗環(huán)境</b></p><p>　　Matlab是一款具有高效數(shù)值計算功能的

64、仿真軟件。它提供了強大的科學運算環(huán)境、靈活的程序設計流程、高質量的圖形與可視化界面設計、以及與其他程序和語言對接的功能。正是由于Matlab有如此多的功能特點和簡潔的操作環(huán)境，本文選擇使用Matlab R2009a軟件進行算法的仿真。</p><p>　　無線傳感器網(wǎng)絡最常使用的部署方式是使用飛機向感興趣區(qū)域拋灑無線傳感器節(jié)點，這樣部署方式使節(jié)點的分布具有隨機性，因此，本文的仿真首先使用Matlab在固定區(qū)域內隨

65、機產生傳感器節(jié)點，代碼如下</p><p>　　x(i)=10*normrnd(0,1,1,1) </p><p>　　y(i)=10*normrnd(0,1,1,1)</p><p>　　上述代碼是在固定的區(qū)域內產生一個一行一列的，背景噪音為均值為零，標準差為0.1的高斯白噪聲的隨機數(shù)。在傳感器網(wǎng)絡節(jié)點定位中，主要的評價標準是平均定位誤差。因此，本章在聲音能量衰減

66、模型下代入采集到的節(jié)點信息進行分析。其中平均定位誤差使用式進行計算[20]。</p><p><b>　?。?-1）</b></p><p>　　4.2 采集聲音能量進行分析</p><p>　　利用聲音傳感器節(jié)點檢測到聲音信號電壓、聲壓等值采集到的聲音能量圖形如圖4.1：（橫軸為時間，縱軸為電壓）</p><p>&l

67、t;b>　　4.1聲音能量圖形</b></p><p>　　取有用信號時間段，運用接收聲音信號能量的計算公式：Yi（t）=gis（t）/di2（t）+i(t)，i=1,2,3….( gi: ：節(jié)點噪聲系數(shù)取1；s（t）：t時刻聲源能量取10000；di（t）：節(jié)點i與聲源目標之間距離；i(t) ：均值為0，方差為1的高斯白噪聲)編碼并輸出檢測信號示意圖如下：（橫軸為時間，縱軸為電壓）</p

68、><p>　　4.2檢測信號示意圖</p><p>　　得到接收信號能量值圖形后，根據(jù)聲音信號的能量與它傳播距離的平方成反比而采用具體算法來確定目標節(jié)點坐標。</p><p>　　4.3 背景噪音均值為0，標準差為1環(huán)境下兩種算法定位圖</p><p>　　其中紅色圓圈和洋紅圓圈代表極大似然估計算法利用聲音能量衰減模型采集節(jié)點信息和定位后坐標，藍

69、色圓圈和綠色圓圈代表三邊定位算法代入聲音能量衰減模型采集節(jié)點和定位后坐標。</p><p>　　4.3兩種算法定位圖</p><p>　　下圖為極大似然估計算法誤差：</p><p>　　下圖為三邊定位算法誤差：</p><p><b>　　4.4算法誤差值</b></p><p>　　4.4 不

70、同定位算法誤差分布仿真</p><p>　　通過對比兩種定位算法可以在一幅圖中清晰地看到誤差的變化對比</p><p>　　節(jié)點數(shù)n=5時（橫軸為時間，縱軸為誤差大?。?lt;/p><p>　　圖4.5.1兩種定位算法誤差比較（1）</p><p>　　其中藍色線代表極大似然估計算法，紅色線代表三邊定位算法。</p><p&g

71、t;　　節(jié)點數(shù)n=50（橫軸為時間，縱軸為誤差大?。?lt;/p><p>　　圖4.5.2兩種定位算法誤差比較（2）</p><p>　　通過以上圖形仿真，可以清晰地看到極大似然估計算法的定位精度隨著節(jié)點數(shù)的增加會遠遠的高于三邊定位算法。</p><p><b>　　4.5 本章小結</b></p><p>　　本章通過借用

72、仿真平臺模擬仿真了兩種定位算法的結果，并注意對其進行了分析，最后在相同的外界環(huán)境下對兩種算法的誤差進行了比對，從而得出極大似然估計算法的定位精度遠遠高于三邊定位算法的結論。</p><p><b>　　結論</b></p><p>　　本文以無線傳感器網(wǎng)絡中節(jié)點定位為研究背景，分析了聲音能量傳輸規(guī)律，提出了聲音能量衰減模型，主要針對無線傳感網(wǎng)絡定位算法進行了主要的說明

73、和研究。</p><p>　　論文的主要內容可以概括為幾個方面:(l)介紹了無線傳感器網(wǎng)絡基本概念，并對無線傳感器網(wǎng)絡節(jié)點定位的概念、定位算法分類及節(jié)點坐標計算方法進行了介紹，此外，還介紹了幾種基于測距的定位算法、定位算法評價常用指標，并對幾種常用的基于測距定位算法進行分析。(2)論文分析了三邊定位算法和極大似然估計定位算法各自的優(yōu)勢和不足，并對兩種算法展開進行分析。 (3)在Matlab R2009a環(huán)境下，對

74、本文分析的聲音能量接收公式和兩種算法進行仿真，并對仿真結果進行分析。</p><p>　　由于無線傳感器技術的復雜性和多樣性，應用領域的廣泛性。本文對無線傳感器網(wǎng)絡節(jié)點定位技術的研究還有待提高。首先，本文的題目為基于聲音能量的無線傳感網(wǎng)絡定位算法，而在研究過程中偏向了分析算法而忽略了對于聲音能量的推敲以及聲音能量與定位的細一步聯(lián)系。再次，在分析兩種算法的過程中，因為時間和個人學識水平的限制，只是將現(xiàn)有的知識整合了

75、一下，在軟件中仿真模擬、總結。最后，本文的不足之處還在于對于聲音能量傳輸與算法銜接點不夠好，只進行了分塊研究。</p><p>　　通過本次畢業(yè)設計，對大學四年來所學的專業(yè)知識進行了檢驗和鞏固，也給了自己很多經驗和教訓，在選題開題時，只是課題進行了一個大概的了解，導致自己在以后的設計過程中找不到方向，終于確定研究方法時又因為能力不足而沒有達到預想的效果。所以，以后不管做什么事情都要對目標有詳細的了解，對工作有明確

76、的計劃，盡快的完成任務。</p><p><b>　　參考文獻</b></p><p>　　[1]王正林,劉明,陳連貫.精通MATLAB第三版[M].電子工業(yè)出版社.2013年1月 </p><p>　　[2]鄭軍,張寶賢.無線傳感器網(wǎng)絡技術[M].機械工業(yè)出版社.2012年2月：133-149</p><p>　　[3

77、] 陳敏,李軍華.無線傳感器網(wǎng)絡原理與實踐[M].化學工業(yè)出版社.2011年7月：110-155</p><p>　　[4]余成波，李洪兵，陶紅艷.無線傳感器網(wǎng)絡使用教程[M].清華大學出版社.2012年4月：100-130</p><p>　　[5]彭杰綱，寧靜.傳感器原理及應用[M].電子工業(yè)出版社.2012年9月</p><p>　　[6]唐宏，魯玉芳，唐倫.

78、無線傳感器網(wǎng)絡原理及應用[M].人民郵電出版社.2010年8月.</p><p>　　[7]許力.無線傳感器網(wǎng)絡的安全和優(yōu)化[M].北京電子工業(yè)出版社.2010年2月：191-218</p><p>　　[8]魯資.基于ZigBee的無線傳感及網(wǎng)絡定位技術研究[D].電子科技大學碩士學位論文.2011</p><p>　　[9]王濤.各向異性無線傳感器網(wǎng)絡節(jié)點定位算

79、法研究[D].中國石油大學碩士學位論文.2010</p><p>　　[10]衣曉，劉瑜，黃越平.無線傳感器網(wǎng)絡Range-free 自身定位算法仿真分析[J] 中國科學報.2012年6月</p><p>　　[11]田金鵬.無線傳感器網(wǎng)絡節(jié)點定位技術研究[D]上海大學博士學位論文.2011</p><p>　　[12]林闖, 單志廣, 盛立杰, 等. Intern

80、et區(qū)分服務及其幾個熱點[J]. 計算機學報, 2000, 23(04): 419-431</p><p>　　[13]張豫鶴，黃希，崔莉.面向交通信息采集的無線傳感器網(wǎng)絡節(jié)點.計算機研究與發(fā)展.2008：110-118</p><p>　　[14]劉剛，周興社，谷建華等.自組織、自適應無線傳感器網(wǎng)絡理論研究.計算機應用研究.2005 ：35-40</p><p>

81、　　[15]楊少軍，史浩山，陳敏.無線傳感器網(wǎng)絡QOS路由的研究與仿真.傳感技術學報.2005年第18卷第3期：102-106</p><p>　　[16]王汝傳.無線傳感器網(wǎng)絡技術與應用[M].北京：人民郵電出版社，2011:91-95.</p><p>　　[17]康冠林，王福豹，段渭軍.無線傳感器網(wǎng)絡時間同步綜述[J].計算機測量與控制，2005，13(10):1021-1023.&

82、lt;/p><p>　　[18]Peng H, Shen LC, Bu YL, Wan L. Group mobility model for ad hoc networks. Journal of Software, 2008,19(11):2999?3010</p><p>　　[19]Sheng-shin wang, kuei-ping shih and chin-yun chang.

83、Distributed direction-based based localization in wireless sensor networks [J]. computer communications,2007,30[6]:1424-1439</p><p>　　[20]L. Lazos and R. Poovendran. HiRLoc: High-resolution robust localizati

84、on for wireless sensor networks [J]. IEEE Journal on Selected Areas in communications. 2006,24(2):233-246</p><p><b>　　謝辭</b></p><p>　　經過一學期的努力，我的本科畢業(yè)設計終于完稿了。首先，要感謝我的畢業(yè)設計導師老師，感謝在畢業(yè)設計的

85、這半年畢業(yè)設計中對我的悉心指導，耐心講解，老師在學習、設計安排、督促等多方面的幫助，是我完成此次本科畢業(yè)設計的最大保障。</p><p>　　再者，感謝我的班主任老師及班級同學，感謝老師同學們在我的大學生涯中給予的無微不至的關懷和包容。是她們，在我難過的時候開導我，在我迷茫的時候指引我，在我有困難的時候幫助我。還有從我踏進大學校園起所有的授課老師，從大一時的懵懂到現(xiàn)在的學滿畢業(yè)，我感謝那么多老師精彩的課堂授予了我

86、豐富的專業(yè)知識，感謝老師們對我的諄諄教誨，使得我的畢業(yè)設計得以順利完成。</p><p>　　最后，感謝同組畢業(yè)設計的各位同學，大家一起對相關課題的研究探討，對我課題研究有很大的啟發(fā)和幫助，感謝他們在我學習和寫論文的過程中給予的幫助和建議。在后的工作學習中我一定踏實努力，不辜負老師的栽培，同學的幫助。</p><p><b>　　附錄</b></p>&

87、lt;p><b>　　1、接收信號程序：</b></p><p><b>　　fs=100;</b></p><p><b>　　fc=40;</b></p><p><b>　　fo=fs/20;</b></p><p><b>　　a=

88、2*fo;</b></p><p><b>　　T=40;</b></p><p>　　x=rand(40,1);</p><p>　　y=round(x);</p><p><b>　　a1=y*2-1;</b></p><p>　　z=ones(200,1);

89、</p><p>　　for i=1:40</p><p><b>　　for j=1:5</b></p><p>　　an(5*i-5+j)=z(5*i-5+j)*a1(i);</p><p><b>　　end</b></p><p><b>　　end<

90、/b></p><p>　　t=1/fs:1/fs:2;</p><p>　　xn=an.*cos(4*pi*fc*t);</p><p><b>　　figure(1)</b></p><p>　　plot(t,xn);</p><p>　　axis([0 2 -1.5 1.5]);<

91、;/p><p>　　window=kaiser(length(xn),0.5);</p><p><b>　　nfft=512;</b></p><p>　　[Pxx,f]=periodogram(xn,window,nfft,fs);</p><p>　　as=rand(20,1);</p><p>

92、;<b>　　b=as*2;</b></p><p>　　c=floor(b);</p><p>　　d=reshape(c,10,2);</p><p>　　e=bi2de(d,'left-msb');</p><p>　　h=modem.qammod(4);</p><p>　

93、　g=modulate(h,e);</p><p>　　scatterplot(g);</p><p>　　N=length(g);</p><p>　　x=real(g);</p><p>　　y=imag(g);</p><p><b>　　fc=40;</b></p><

94、p>　　t0=0.000001;</p><p>　　ts=1e-010;</p><p>　　t1=0:ts:t0;</p><p>　　n1=0.1*randn(1,N);</p><p><b>　　for i=1:N</b></p><p>　　s1=x(i)*cos(2*pi*fc

95、*t1)-y(i)*sin(2*pi*fc*t1);</p><p><b>　　end</b></p><p>　　t2=0.000001:1e-010:0.000002;</p><p>　　M1=length(t2);</p><p>　　nt=0.1*randn(1,M1);</p><p&g

96、t;　　s2=nt.*cos(2*pi*fc*t2);</p><p><b>　　%add nt</b></p><p>　　t=0:ts:0.000002;</p><p>　　s=zeros(1,20001);</p><p>　　for i=1:10001</p><p>　　s(i)=s

97、1(i);</p><p><b>　　end</b></p><p>　　for j=1:10000</p><p>　　s(j+10000)=s2(j);</p><p><b>　　end</b></p><p>　　cl=xcorr(s1);</p>&

98、lt;p>　　L=length(cl);</p><p><b>　　i2=1:2:L;</b></p><p>　　c2=cl(i2);</p><p><b>　　a1=fc;</b></p><p>　　p=exp(-2*pi*t1*j);</p><p>　　M

99、=length(p);</p><p><b>　　pp=c2.*p;</b></p><p>　　ts=1e-010;</p><p>　　cxx1=pp*ts;</p><p>　　u1=sum(cxx1(1:10),'double');</p><p>　　N1=length

100、(c2);</p><p>　　N2=length(t);</p><p><b>　　Te=0.03;</b></p><p><b>　　i3=1:N1;</b></p><p>　　a2=i3./(N1*Te);</p><p>　　tj1=exp(a2);</p

101、><p>　　cx1=tj1*u1*1e10;</p><p>　　U1=sum(cx1(1:10));</p><p>　　cl2=xcorr(s2);</p><p>　　L=length(cl2);</p><p><b>　　i3=1:2:L;</b></p><p>

102、　　c22=cl2(i3);</p><p>　　p2=exp(-2*pi*t2*j);</p><p>　　M2=length(p);</p><p>　　pp2=c22.*p2;</p><p>　　ts=1e-010;</p><p>　　cxx2=pp2*ts;</p><p>　　u2

103、=sum(cxx2(1:10),'double');</p><p><b>　　i3=1:N1;</b></p><p>　　a2=i3./(N1*Te);</p><p>　　tj2=exp(a2);</p><p>　　cx2=tj2*u2*1e10;</p><p>　　U

104、2=sum(cx2(1:10));</p><p>　　tz=0:ts:0.000002;</p><p>　　sz=zeros(1,20001);</p><p>　　for i=1:10001</p><p><b>　　sz(i)=U1;</b></p><p><b>　　end

105、</b></p><p>　　for j=1:10000</p><p>　　sz(j+10000)=U2;</p><p><b>　　end</b></p><p><b>　　figure(2)</b></p><p>　　plot(f,-10*log10(

106、Pxx));</p><p>　　window=kaiser(length(xn),0.5);</p><p>　　nfft=1024;</p><p>　　[Pxx,f]=periodogram(xn,window,nfft,fs);</p><p><b>　　figure(3)</b></p><

107、;p>　　plot(f,-10*log10(Pxx));</p><p>　　window1=boxcar(length(xn));</p><p>　　window2=hamming(length(xn));</p><p>　　window3=blackman(length(xn));</p><p>　　[Pxx1,f]=peri

108、odogram(xn,window1,nfft,fs);</p><p>　　[Pxx2,f]=periodogram(xn,window2,nfft,fs);</p><p>　　[Pxx3,f]=periodogram(xn,window3,nfft,fs);</p><p><b>　　figure(4)</b></p>&

109、lt;p>　　subplot(221)</p><p>　　plot(f,-10*log10(Pxx));</p><p>　　subplot(222)</p><p>　　plot(f,-10*log10(Pxx1));</p><p>　　subplot(223)</p><p>　　plot(f,-10*l

110、og10(Pxx2));</p><p>　　subplot(224)</p><p>　　plot(f,-10*log10(Pxx3));</p><p>　　2、兩定位算法程序：</p><p><b>　　close all</b></p><p><b>　　clc </b

111、></p><p>　　clear </p><p>　　disp('ÇëÊäÈëÒÑÖª½ÚµãÊýn(n>3);');</p><p>　　n=input(&#

112、39;input n=');</p><p>　　if n<3; </p><p>　　disp('ÊäÈë½ÚµãÊý´í');</p><p>　　return; end</p><

113、p><b>　　for i=1:n</b></p><p>　　x(i)=10*normrnd(0,0.1,1,1); % </p><p>　　y(i)=10*normrnd(0,0.1,1,1);</p><p>　　scatter(x(i),y(i),'r');</p><p><

114、b>　　hold on</b></p><p><b>　　end </b></p><p><b>　　grid; </b></p><p>　　x(n+1)=10*normrnd(0,0.1,1,1);</p><p>　　y(n+1)=10*normrnd(0,0.

115、1,1,1);</p><p>　　scatter(x(n+1),y(n+1),'r'); </p><p>　　P=[x(n+1),y(n+1)] </p><p>　　for i=1:n;</p><p>　　d(i)=sqrt((x(n+1)-x(

116、i))^2+(y(n+1)-y(i))^2);</p><p><b>　　end</b></p><p>　　d(1,i)=d(i) </p><p>　　for i=1:n;</p><p>　　D(i)=d(i)+2*normrnd(0,0.1,1,1); </p><p><b&

117、gt;　　end</b></p><p>　　D(1,i)=D(i)</p><p>　　for i=1:n-1</p><p>　　M(i,1)=[2*(x(i)-x(n))];</p><p>　　M(i,2)=[2*(y(i)-y(n))];</p><p><b>　　end</b&

118、gt;</p><p>　　for i=1:n-1;</p><p>　　N(i,1)=[x(i)^2-x(n)^2+y(i)^2-y(n)^2+D(n)^2-D(i)^2];</p><p><b>　　end</b></p><p><b>　　T=M';</b></p>