畢業(yè)論文--基于聲音能量的無(wú)線傳感網(wǎng)絡(luò)定位算法

1、<p><b>　?。?lt;/b></p><p>　　二 〇 一 三 年 六 月</p><p><b>　　摘 要</b></p><p>　　無(wú)線傳感器網(wǎng)絡(luò)在當(dāng)今社會(huì)起著非常重要的作用。而傳感器節(jié)點(diǎn)的位置對(duì)整個(gè)應(yīng)用又起著很大的作用，節(jié)點(diǎn)所采集到的信息必須與節(jié)點(diǎn)的位置結(jié)合才有意義，否則所采集的數(shù)據(jù)便毫無(wú)意義。因

2、此定位是無(wú)線傳感器網(wǎng)絡(luò)必備的功能，也是無(wú)線傳感器網(wǎng)絡(luò)的核心技術(shù)。</p><p>　　本文首先對(duì)無(wú)線傳感器網(wǎng)絡(luò)相關(guān)知識(shí)作了簡(jiǎn)單的介紹，包括聲音能量的傳播規(guī)律和無(wú)線傳感器網(wǎng)絡(luò)的幾種算法，距離相關(guān)算法。</p><p>　　接著詳細(xì)介紹了幾種距離相關(guān)定位算法。設(shè)計(jì)主要針對(duì)三邊定位算法和極大似然估計(jì)算法展開，在認(rèn)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(duì)接收到的聲音能量和定位算法進(jìn)行仿真驗(yàn)證，并將兩種算法的定位誤差進(jìn)行比較，從而得出，基于聲音能量的無(wú)線傳感器網(wǎng)絡(luò)定位算法的兩種算法中極大似然估計(jì)算法更好一點(diǎn)的結(jié)論。</p><p>　　關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)；三邊定位算法；極大似然估計(jì)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(wú)線傳感器網(wǎng)絡(luò)國(guó)內(nèi)外研究現(xiàn)狀1</p><p>　　1.3 基于聲音能量的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位簡(jiǎn)介2</p><p>　　1.4 定位算法評(píng)價(jià)指標(biāo)3</p><p>　　1.5 本章小結(jié)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(shù)6</p><p>　　2.3.1 常用測(cè)距方法6</p><p>　　2.3.2 常用的定位計(jì)算方法7</p><p>　　2.4 定位算法設(shè)計(jì)的注意問題7<

13、/p><p>　　2.5 算法的流程圖及設(shè)計(jì)思路8</p><p>　　2.5.1 算法的流程圖8</p><p>　　2.5.2 設(shè)計(jì)思路8</p><p>　　2.6 本章小結(jié)9</p><p>　　第三章 無(wú)線傳感網(wǎng)絡(luò)目標(biāo)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(cè)量法10</p><p>　　3.3 極大似然估計(jì)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(jié)13</p><p>　　第四章 基于聲音能量的無(wú)線傳感網(wǎng)絡(luò)定位算法仿真14</p><p&g

15、t;　　4.1 實(shí)驗(yàn)環(huán)境14</p><p>　　4.2 采集聲音能量進(jìn)行分析14</p><p>　　4.3 背景噪音均值為0，標(biāo)準(zhǔn)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(jié)18</p><p><b>　　結(jié)論

16、 19</b></p><p><b>　　參考文獻(xiàn)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(wú)線傳感技術(shù)的快速發(fā)展和日趨成熟，無(wú)線通信技術(shù)也發(fā)展到一定的程度，其發(fā)展的技術(shù)越來越成熟、快速，方向也越來越多，同時(shí)也越來越重要。大量的應(yīng)用方案開始采用無(wú)線技術(shù)進(jìn)行數(shù)據(jù)采集和通信傳輸[1]。無(wú)線傳感技術(shù)、傳感網(wǎng)絡(luò)已經(jīng)被認(rèn)定為重要的研究?jī)?nèi)容之一。值得慶幸的是，WSN技術(shù)在中國(guó)找到了發(fā)展機(jī)會(huì)。政府引導(dǎo)、研究人員推動(dòng)和企業(yè)的積極參與大大加快了WSN

18、技術(shù)的市場(chǎng)化進(jìn)程，中國(guó)必將在WSN技術(shù)和市場(chǎng)推進(jìn)中發(fā)揮重要作用[2]。</p><p>　　無(wú)線傳感網(wǎng)絡(luò)是一種開創(chuàng)了新應(yīng)用領(lǐng)域的新興概念和技術(shù)。無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的穩(wěn)定運(yùn)行是整個(gè)網(wǎng)絡(luò)可靠性的重要保障。低功耗無(wú)線傳感模塊研究具有極其重要的學(xué)習(xí)和研究?jī)r(jià)值，其功能的實(shí)現(xiàn)具有極其重要的理論和現(xiàn)實(shí)意義。首先，現(xiàn)有的眾多研究中，將性能和低功耗相結(jié)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(wú)

19、線傳感模塊的應(yīng)用。無(wú)線傳感模塊應(yīng)用已非常廣泛，除去組成無(wú)線傳感網(wǎng)絡(luò)的應(yīng)用外，無(wú)線傳感技術(shù)還廣泛的應(yīng)用于環(huán)境監(jiān)測(cè)，如車間溫濕度、短距無(wú)線通信等?？朔诉@些困難，無(wú)線傳感器網(wǎng)絡(luò)將會(huì)發(fā)揮巨大的功能。</p><p>　　1.2 無(wú)線傳感器網(wǎng)絡(luò)國(guó)內(nèi)外研究現(xiàn)狀</p><p>　　無(wú)線傳感器網(wǎng)絡(luò)在許多國(guó)家的軍事和民用的各個(gè)領(lǐng)域都具有十分廣闊的應(yīng)用前景，它的出現(xiàn)引起了許多國(guó)家越來越大的興趣以及挑戰(zhàn)。許

20、多國(guó)家都非常重視無(wú)線傳感器網(wǎng)絡(luò)的基礎(chǔ)理論和應(yīng)用研究[4]。</p><p>　　從國(guó)外的研究現(xiàn)狀來看，美國(guó)是最早開始研究無(wú)線傳感器網(wǎng)絡(luò)技術(shù)的國(guó)家，美國(guó)國(guó)防部和軍方近年來投入了巨資，在一些著名的高校、研究機(jī)構(gòu)和企業(yè)公司，開展一系列滿足軍方作戰(zhàn)須取得無(wú)線傳感器網(wǎng)絡(luò)技術(shù)和應(yīng)用研究的活動(dòng)，研究的重點(diǎn)主要集中在各種軍用偵察和監(jiān)視技術(shù)與系統(tǒng)，如“智能微塵”（SmartDust）、“無(wú)線綜合網(wǎng)絡(luò)傳感器”（WINS）、“傳感器信

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

22、SN的邊境防御系統(tǒng)的研發(fā)和試點(diǎn)，已取得了階段性的成果?，F(xiàn)在，無(wú)線傳感器網(wǎng)絡(luò)在人們的生活應(yīng)用中已經(jīng)起了積極地作用。比如：（1）在環(huán)境監(jiān)控和精細(xì)農(nóng)業(yè)方面，WSN系統(tǒng)應(yīng)用最為廣泛，英特爾公司建立了世界上第一個(gè)無(wú)線葡萄園，這是一個(gè)典型的精準(zhǔn)農(nóng)業(yè)、智能耕種的例子；中國(guó)杭州齊格科技有限公司與浙江農(nóng)科院合作研發(fā)了遠(yuǎn)程管理決策服務(wù)平臺(tái)，該平臺(tái)利用了無(wú)線傳感器技術(shù)實(shí)現(xiàn)對(duì)農(nóng)田溫室大棚溫濕度、露點(diǎn)、光照等環(huán)境信息的監(jiān)測(cè)；（2）在民用安全監(jiān)控方面，英國(guó)的一家博

23、物館利用無(wú)線傳感器網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)報(bào)警系統(tǒng)，他們將節(jié)點(diǎn)放在珍貴文物或藝術(shù)品的底部或背面，通過偵測(cè)燈光亮度的改變和振動(dòng)的情況，來判斷展覽品的是否安全；中科院在故宮博物院實(shí)施的文物安全監(jiān)控系統(tǒng)也是WSN技術(shù)在民用安防領(lǐng)域中的突出應(yīng)用；2004年，哈工大在深圳地王大廈實(shí)施部署了監(jiān)測(cè)環(huán)境噪聲和震動(dòng)加速度響應(yīng)測(cè)試的WSN網(wǎng)絡(luò)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(hù)理的無(wú)線傳感器網(wǎng)絡(luò)定位系統(tǒng)，作為美國(guó)“應(yīng)對(duì)老齡化社會(huì)技術(shù)”的一項(xiàng)重要內(nèi)

24、容；在對(duì)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(wú)線傳感器網(wǎng)絡(luò)以其獨(dú)特的優(yōu)勢(shì)已經(jīng)在世界各地逐步地顯現(xiàn)出來，鑒于當(dāng)前的使用和研究情況，相信無(wú)線傳感器網(wǎng)絡(luò)技術(shù)在未來的幾十年內(nèi)將會(huì)被應(yīng)用于更廣闊的領(lǐng)域。</p><p>　　1.3 基于聲音能量的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位簡(jiǎn)介</p><p>　　目標(biāo)定位技術(shù)是利用無(wú)線傳

25、感器網(wǎng)絡(luò)節(jié)點(diǎn)分布式協(xié)作進(jìn)行工作的一個(gè)重要應(yīng)用，它利用網(wǎng)絡(luò)內(nèi)多個(gè)傳感器節(jié)點(diǎn)檢測(cè)的目標(biāo)信息進(jìn)而估算出某一時(shí)刻該定位目標(biāo)的具體位置[7]。</p><p>　　本文主要討論聲音能量的目標(biāo)定位方法，基于聲音能量的目標(biāo)定位相對(duì)于其他目標(biāo)定位來說特點(diǎn)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(diǎn)；(2)易隱蔽，有較強(qiáng)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(wú)線電測(cè)量；(3)普遍存在于常見的目標(biāo)和常見的監(jiān)測(cè)目標(biāo)中：許多目標(biāo)的出現(xiàn)都伴有不同的頻率、幅值的聲音，聲音目標(biāo)定位在實(shí)際應(yīng)用中更具普遍性；(4)用以目標(biāo)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(fēng)、硅麥克風(fēng)等，其價(jià)格相對(duì)于其他傳感器要低，功耗也較少；（5）聲音能量易檢測(cè)、易分辨：可以通過不同頻率、幅值及具體壞境因素分析目標(biāo)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(hào)時(shí)強(qiáng)度強(qiáng)弱的定位。而在基于接收信號(hào)聲音能量強(qiáng)度的定位算法中，又選擇了基于測(cè)距的定位算法進(jìn)行研究。根據(jù)聲音傳播的規(guī)律，尋找一個(gè)適合聲音能量傳播的合理模型，此模型反映了節(jié)點(diǎn)檢測(cè)的聲音能量強(qiáng)度與其目標(biāo)節(jié)點(diǎn)之間距離的關(guān)系，根據(jù)此模型可以通過多個(gè)節(jié)點(diǎn)的檢測(cè)值估算出定位目標(biāo)的位置，這種算法對(duì)節(jié)點(diǎn)的數(shù)量和分布密度要求相對(duì)來說較低，更適合于實(shí)際應(yīng)用，所以本論文研究的是基于聲音能量強(qiáng)度中基于測(cè)距的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位

28、問題。</p><p>　　1.4 定位算法評(píng)價(jià)指標(biāo)</p><p>　　1.定位誤差與定位的精度：定位誤差指經(jīng)算法定位未知節(jié)點(diǎn)的坐標(biāo)與實(shí)際坐標(biāo)之間的誤差。誤差值越大，定位精度越小，定位也越不準(zhǔn)確；2.網(wǎng)絡(luò)規(guī)模：一種定位技術(shù)在給定的一段時(shí)間內(nèi)或一定數(shù)量的基礎(chǔ)設(shè)施時(shí)，能夠定位目標(biāo)的多少；3.節(jié)點(diǎn)密度：指單位面積上的節(jié)點(diǎn)數(shù)。節(jié)點(diǎn)密度影響整個(gè)網(wǎng)絡(luò)的開銷、網(wǎng)絡(luò)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(chǔ)上，盡量降低信標(biāo)節(jié)點(diǎn)密度以減少網(wǎng)絡(luò)成本；4.容錯(cuò)性和自適應(yīng)性:無(wú)線傳感器系統(tǒng)或者定位算法需具有較高的容錯(cuò)性和自適應(yīng)性，能夠通過自身調(diào)整或者重構(gòu)來糾正錯(cuò)誤、適應(yīng)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(luò)系統(tǒng)的壽命長(zhǎng)短，定位時(shí)產(chǎn)生的功耗開銷，節(jié)點(diǎn)之間相互通信時(shí)產(chǎn)生的功耗開銷，以及傳感器網(wǎng)絡(luò)節(jié)點(diǎn)存儲(chǔ)信息時(shí)所產(chǎn)生的功耗開銷，功耗越大，定位系統(tǒng)的壽命就越短，所以應(yīng)該盡量設(shè)計(jì)耗能低的定位系統(tǒng)

30、；6.代價(jià)：節(jié)點(diǎn)定位算法的代價(jià)主要由時(shí)間代價(jià)、空間代價(jià)、能耗代價(jià)和資金代價(jià)[9]。</p><p>　　以上指標(biāo)間相互關(guān)聯(lián)，不僅是設(shè)計(jì)網(wǎng)絡(luò)的考慮因素，在后期網(wǎng)絡(luò)優(yōu)化，網(wǎng)絡(luò)更新中也需著重考慮。</p><p><b>　　1.5 本章小結(jié)</b></p><p>　　本章主要介紹了無(wú)線傳感網(wǎng)絡(luò)的研究現(xiàn)狀、發(fā)展情況及定位方法的評(píng)價(jià)指標(biāo)。</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(dòng)。描述聲波的最常見的基本物理量是聲壓、聲功率和聲強(qiáng)。</p><p>　　(1)聲壓Pe：它是介質(zhì)受擾動(dòng)后產(chǎn)生的逾量壓強(qiáng)，單位是帕斯卡(Pa)。</p><p

32、>　　(2)聲功率W：?jiǎn)挝粫r(shí)間內(nèi)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(guān)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(qiáng)I：?jiǎn)挝幻娣e上的平均聲功率稱為聲強(qiáng)，單位為W／m2，它和聲壓的關(guān)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(cè)量比較易于實(shí)現(xiàn)，而且通過聲壓的測(cè)量也可以間接求得其他聲學(xué)參量，所以實(shí)際中聲音傳感器大多都是檢測(cè)聲壓值，聲音傳感器的參數(shù)中會(huì)提供靈敏度參數(shù)，靈敏度是麥克風(fēng)在單位聲壓激勵(lì)下輸出的電壓值，其單位是mV／Pa或V／Pa。靈敏度也經(jīng)常用分貝表示，靈敏度分貝值與靈敏度值的關(guān)系如式：靈敏度分貝值Db=20lg靈敏度值mV/Pa／0dB對(duì)應(yīng)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(duì)應(yīng)1V／P

34、a。這樣根據(jù)檢測(cè)的電壓值和傳感器的靈敏度就可以得出檢測(cè)的聲壓值，從而可以求得其他聲學(xué)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(qiáng)度的目標(biāo)定位算法的基本研究目標(biāo),目標(biāo)計(jì)算模型決定了定位的準(zhǔn)確程度。我們知道，聲音信號(hào)的能量與它傳播距離的平方成反比，目標(biāo)定位算法就是利用聲音的傳播的這個(gè)特點(diǎn)來計(jì)算目標(biāo)的位置[11]。

35、將節(jié)點(diǎn)監(jiān)測(cè)到的電壓值轉(zhuǎn)化為聲音能量值,代入模型估算出聲源的位置,從而實(shí)現(xiàn)目標(biāo)定位估計(jì)。具體化這一模型：假設(shè)在某一時(shí)刻t聲源目標(biāo)進(jìn)入了由n個(gè)聲音傳感器節(jié)點(diǎn)組成的無(wú)線傳感器網(wǎng)絡(luò),理論上認(rèn)為目標(biāo)源均勻地向四周發(fā)射聲音信號(hào)能量,這樣,第i個(gè)傳感器節(jié)點(diǎn)在時(shí)刻t檢測(cè)到的聲音信號(hào)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(shí)刻目標(biāo)值因能量傳播到節(jié)點(diǎn)i衰減后的能量值</p><p>　　i(t)：t時(shí)刻節(jié)點(diǎn)i的背景噪音能量值，一般認(rèn)為氣均值為0，方差為2</p><p>　　Yi（t）：t時(shí)刻節(jié)點(diǎn)i實(shí)際測(cè)得的能量值</p><p>　　在具體的測(cè)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g(shù)i：節(jié)點(diǎn)i的噪音影響系數(shù)（取1）；</p><p>　　s（t） ：t時(shí)刻聲源能量（取1000

38、0）；</p><p>　　di（t）：節(jié)點(diǎn)i與生源目標(biāo)之間的距離；</p><p>　　i(t) ：t時(shí)刻節(jié)點(diǎn)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(jì)算節(jié)點(diǎn)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(diǎn)接收信號(hào)時(shí)，目標(biāo)源的聲音突變使得接收信號(hào)不準(zhǔn)確，我們一般認(rèn)為采樣的頻率很高，可以忽略這一

39、點(diǎn);（2）當(dāng)聲源離墻面或山比較近時(shí)，這些障礙物都會(huì)吸收聲音能量導(dǎo)致節(jié)點(diǎn)采集信息有誤差，當(dāng)節(jié)點(diǎn)離目標(biāo)生源非常近的時(shí)候就不能把它當(dāng)做一個(gè)點(diǎn)來看待。然而，傳感器有多點(diǎn)協(xié)作的的特點(diǎn)，同時(shí)，傳感器接收到信號(hào)的時(shí)間一般比聲源變化得快，所以，為了使目標(biāo)定位算法簡(jiǎn)潔而又不影響大的計(jì)算面，還是可以適當(dāng)?shù)暮雎赃@些細(xì)小的干擾;（3）在具體的節(jié)點(diǎn)接受能量計(jì)算過程中，本文盡量會(huì)在不影響定位結(jié)果的情況下精簡(jiǎn)計(jì)算量，降低計(jì)算復(fù)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(shù)</p><p>　　上式中通過將每個(gè)聲音傳感器節(jié)點(diǎn)檢測(cè)到的電壓值轉(zhuǎn)化為聲音能量值，通過聲音信號(hào)的能量與它傳播距離的平方成反比這一結(jié)論可以就此算出各節(jié)點(diǎn)的位置，利用適當(dāng)算法進(jìn)而可以求出目標(biāo)節(jié)點(diǎn)位置，以下就是對(duì)算法具體分析研究。</p><p>　　2.3.1 常用測(cè)距方法</p><p>　　1.接收

41、信號(hào)強(qiáng)度（Received Signal Sterength Indicator，RSSI ）指示法：接收機(jī)通過測(cè)量射頻信號(hào)的能量來確定與發(fā)送機(jī)的距離。RSSI有傳感器節(jié)點(diǎn)標(biāo)準(zhǔn)功能，實(shí)現(xiàn)起來簡(jiǎn)單，且對(duì)節(jié)點(diǎn)的成本和功耗無(wú)影響，因此這個(gè)方法早已被采用，缺點(diǎn)是在被遮蓋或折射會(huì)引起嚴(yán)重的測(cè)量誤差[13]。</p><p>　　2.到達(dá)時(shí)間（Time of Arrival，TOA）法:通過測(cè)量信號(hào)的傳輸時(shí)間來估計(jì)兩節(jié)點(diǎn)間距

42、離。優(yōu)點(diǎn)是要求精度較高，缺點(diǎn)是無(wú)線信號(hào)的傳輸速度快，時(shí)間測(cè)量過程中很小的誤差都可能導(dǎo)致很大的距離誤差，其次也要求傳感器節(jié)點(diǎn)的計(jì)算能力強(qiáng)[13]。</p><p>　　3.到達(dá)時(shí)間差（Time Difference of Arrival,TDOA）法:測(cè)量不同接收節(jié)點(diǎn)接收到的同一個(gè)發(fā)射信號(hào)的時(shí)間差，進(jìn)而進(jìn)行計(jì)算。此方法比到達(dá)時(shí)間法要準(zhǔn)確與好用些，因?yàn)樗鼘?duì)時(shí)間的精準(zhǔn)度與計(jì)算能力要求較低一些[13]。</p>

43、;<p>　　4.到達(dá)角（Angle Of Arrival，AOA）法:通過配備天線陣列多個(gè)接收器來估測(cè)其他節(jié)點(diǎn)發(fā)射的無(wú)線信號(hào)到達(dá)的角度。此算法需要硬件的結(jié)合，在功耗和體積上面對(duì)定位節(jié)點(diǎn)提出了更高的要求[13]。</p><p>　　2.3.2 常用的定位計(jì)算方法</p><p>　　1.三邊定位方法：設(shè)有三個(gè)節(jié)點(diǎn)坐標(biāo)，未知節(jié)點(diǎn)坐標(biāo)與這三個(gè)坐標(biāo)距離公式進(jìn)行整合計(jì)算就可以估算出

44、未知節(jié)點(diǎn)坐標(biāo)的坐標(biāo)。其優(yōu)點(diǎn)為計(jì)算方便簡(jiǎn)單，需要定位的節(jié)點(diǎn)較少，但是定位的精度、準(zhǔn)確度較低。</p><p>　　2.三角定位法：已知三個(gè)節(jié)點(diǎn)坐標(biāo)，通過與未知節(jié)點(diǎn)坐標(biāo)角度的確定可以畫出三個(gè)以三點(diǎn)為圓心的圖形，再根據(jù)三邊測(cè)量算法算出具體的未知點(diǎn)坐標(biāo)。缺點(diǎn)為較為復(fù)雜。</p><p>　　3.極大似然估計(jì)(ML)法：將似然函數(shù)達(dá)到最大值時(shí)的參數(shù)最為參數(shù)的估計(jì)值。此方法計(jì)算過程稍微繁瑣點(diǎn)，但是其計(jì)

45、算的精度是非常高的。</p><p>　　2.4 定位算法設(shè)計(jì)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(shí)際應(yīng)用中，設(shè)計(jì)及選用算法時(shí)要根據(jù)以下的幾個(gè)因素進(jìn)行考慮分析。無(wú)線傳感網(wǎng)絡(luò)需要用電池供電，所以選擇算法和相關(guān)的硬件時(shí)應(yīng)該盡量選取耗能小的，并且盡量選擇節(jié)點(diǎn)占用空間少并且定位較準(zhǔn)確的。同時(shí)，要想在無(wú)線傳感器網(wǎng)絡(luò)這個(gè)領(lǐng)域走的更好更遠(yuǎn)，就需要將

46、定位與路由器、時(shí)間同步、數(shù)據(jù)融合等技術(shù)結(jié)合起來，分工合作，才可以將各自的長(zhǎng)處發(fā)揮到最大，才會(huì)在定位應(yīng)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(diǎn)，所以在具體的實(shí)際應(yīng)用過程中，根據(jù)情況選擇設(shè)計(jì)相應(yīng)的定位算法也是至關(guān)重要的。</p><p>　　最后，提出的重要的一點(diǎn)就是，定位節(jié)點(diǎn)的密度對(duì)定位算法的精確度的影響對(duì)于不同的算法影響程度

47、是不同的。在節(jié)點(diǎn)耗費(fèi)較大的情況下，對(duì)于某些定位算法適當(dāng)?shù)脑黾右恍┕?jié)點(diǎn)會(huì)大大的提高定位的精度[15]。</p><p>　　2.5 算法的流程圖及設(shè)計(jì)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(shè)計(jì)步驟：1.在100×100 的單位中，按均勻分布方式布置n個(gè)節(jié)點(diǎn)，作為信標(biāo)節(jié)點(diǎn)；2.在該區(qū)域內(nèi)，隨機(jī)分布若干節(jié)點(diǎn)為未知節(jié)點(diǎn)；各未知節(jié)點(diǎn)向周圍發(fā)送聲音信息，搜索自身通信范圍內(nèi)的信標(biāo)節(jié)點(diǎn)；3.測(cè)算該未知節(jié)點(diǎn)與信標(biāo)節(jié)點(diǎn)的距離；4.每個(gè)未知節(jié)點(diǎn)計(jì)算出與其通信的信標(biāo)節(jié)點(diǎn)的坐標(biāo)；其坐標(biāo)作為該未知節(jié)點(diǎn)的初次估算位置；5.在圖中標(biāo)出該未知

49、節(jié)點(diǎn)對(duì)應(yīng)的坐標(biāo)；6.運(yùn)用定位算法進(jìn)行計(jì)算，滿足條件算出結(jié)果，不滿足條件從新采集計(jì)算定位[16]。</p><p>　　2.5.2 設(shè)計(jì)思路</p><p>　　圖2.2 設(shè)計(jì)思路流程圖</p><p><b>　　2.6 本章小結(jié)</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(jì)算了節(jié)點(diǎn)接收

50、信號(hào)的能量值算法，又根據(jù)聲音信號(hào)的能量與它傳播距離的平方成反比而確定了節(jié)點(diǎn)與目標(biāo)聲源的位置關(guān)系及坐標(biāo)來分析了定位算法。</p><p>　　第三章 無(wú)線傳感網(wǎng)絡(luò)目標(biāo)定位算法</p><p>　　3.1 論文定位算法介紹 </p><p>　　無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位算法一般分為與距離無(wú)關(guān)和距離相關(guān)兩種算法，典型的距離相關(guān)算法有AHLo，RADAR, Cricket

51、等，典型的距離無(wú)關(guān)定位算法有DV-HOP算法，質(zhì)心定位算法，APIT等。經(jīng)過研究算法，出于對(duì)時(shí)間和認(rèn)知程度的綜合分析，本文著重討論兩種定位算法并對(duì)其進(jìn)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(jì)算復(fù)雜了一些，但是它的定位精度高[17]。</p><p>　　3.2 三邊測(cè)量法 </p><p>

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

53、為，，，三點(diǎn)到未知節(jié)點(diǎn)D的距離分別為，，，假設(shè)D點(diǎn)坐標(biāo),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(gè)非線性方程，

54、求解可得未知節(jié)點(diǎn)的坐標(biāo)，如公式3-2</p><p><b>　?。?-2）</b></p><p>　　式中：，，分別是三個(gè)信標(biāo)節(jié)點(diǎn)坐標(biāo)，是未知節(jié)點(diǎn)到3個(gè)信標(biāo)節(jié)點(diǎn)到未知節(jié)點(diǎn)的距離。式（3-2）經(jīng)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(biāo)準(zhǔn)的最小均方差估計(jì)可得未知節(jié)點(diǎn)坐標(biāo)為</p><p>　　X=(AAT)-1ATb （3-3）</p><p>　　式中的N是由于存在測(cè)距的誤差而引入的參數(shù)，它是根據(jù)測(cè)距誤差的分布形式存在的一個(gè)隨機(jī)誤差矢量。由于三邊定位算法易于接受，所

56、以對(duì)這種算法進(jìn)行了研究，再與其它的算法進(jìn)行比較，可以進(jìn)一步對(duì)定位算法有一些深入的了解。三邊測(cè)量算法涉及到大量的矩陣運(yùn)算和最小二乘運(yùn)算，計(jì)算量相對(duì)較大，對(duì)于以上情況，有人也提出了最大最小值法，即通過簡(jiǎn)單的折線運(yùn)算估計(jì)出未知節(jié)點(diǎn)的位置，具體的運(yùn)算不再寫出。</p><p>　　3.3 極大似然估計(jì)法</p><p>　　由聲音能量衰減模型可知，為正態(tài)隨機(jī)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(shè)背景噪音 ，所以可由各個(gè)節(jié)點(diǎn)根據(jù)環(huán)境噪音測(cè)得。未知參數(shù)為聲源能量，通過n個(gè)節(jié)點(diǎn)的檢測(cè)得到來自總體的樣本（），最后得到關(guān)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(wú)

58、關(guān)項(xiàng)并求出式子達(dá)到最大值時(shí)的等價(jià)于求下式達(dá)到最小值時(shí)的</p><p>　　L(S(t),r(t))∝ （3-5）</p><p>　　之后便可求解式子，當(dāng)然極大似然估計(jì)法是最小二乘法的基礎(chǔ)，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(jì)法原理圖</p><p>　　當(dāng)然在已知節(jié)點(diǎn)坐標(biāo)信息后，也可以通過以下的算法來實(shí)現(xiàn)無(wú)線傳感器網(wǎng)絡(luò)定位。在已知1,2,3，…n個(gè)節(jié)點(diǎn)的坐標(biāo)分別為，到節(jié)點(diǎn)D的距離分別為，則可得公式（

60、3-6）</p><p>　　用每個(gè)方程減去后一個(gè)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(biāo)準(zhǔn)的最小均方差估計(jì)法可以得到節(jié)點(diǎn)D的坐標(biāo)為</p><p>　　運(yùn)用極大似然估計(jì)算法來計(jì)算節(jié)點(diǎn)位置信息，計(jì)算步驟較為復(fù)雜

61、，但是由于計(jì)算的結(jié)果精確度較高，所以本文中對(duì)這個(gè)算法進(jìn)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(cè)量法：易分析，通俗易懂，但是計(jì)算量較大，定位精度不確定，適應(yīng)環(huán)境能力差，是最基礎(chǔ)的定位算法；極大似然估計(jì)法：結(jié)合概率統(tǒng)計(jì)、隨機(jī)變量、以及矩陣等知識(shí)，能夠較準(zhǔn)確的定位，當(dāng)然相應(yīng)的來說所需的運(yùn)行時(shí)間較長(zhǎng)。</p><

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

63、算法。本文使用Matlab軟件仿真環(huán)境建立所研究網(wǎng)絡(luò)系統(tǒng)的模型，在計(jì)算機(jī)上運(yùn)行這個(gè)模型，并分析運(yùn)行的輸出結(jié)果，對(duì)這些算法進(jìn)行仿真。首先對(duì)三邊測(cè)量算法進(jìn)行仿真，接著對(duì)極大似然估計(jì)算法的性能進(jìn)行仿真，并得出仿真結(jié)果，最后對(duì)于兩種不同算法的誤差進(jìn)行對(duì)比，總結(jié)。</p><p><b>　　4.1 實(shí)驗(yàn)環(huán)境</b></p><p>　　Matlab是一款具有高效數(shù)值計(jì)算功能的

64、仿真軟件。它提供了強(qiáng)大的科學(xué)運(yùn)算環(huán)境、靈活的程序設(shè)計(jì)流程、高質(zhì)量的圖形與可視化界面設(shè)計(jì)、以及與其他程序和語(yǔ)言對(duì)接的功能。正是由于Matlab有如此多的功能特點(diǎn)和簡(jiǎn)潔的操作環(huán)境，本文選擇使用Matlab R2009a軟件進(jìn)行算法的仿真。</p><p>　　無(wú)線傳感器網(wǎng)絡(luò)最常使用的部署方式是使用飛機(jī)向感興趣區(qū)域拋灑無(wú)線傳感器節(jié)點(diǎn)，這樣部署方式使節(jié)點(diǎn)的分布具有隨機(jī)性，因此，本文的仿真首先使用Matlab在固定區(qū)域內(nèi)隨

65、機(jī)產(chǎn)生傳感器節(jié)點(diǎn)，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(nèi)產(chǎn)生一個(gè)一行一列的，背景噪音為均值為零，標(biāo)準(zhǔn)差為0.1的高斯白噪聲的隨機(jī)數(shù)。在傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位中，主要的評(píng)價(jià)標(biāo)準(zhǔn)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(diǎn)信息進(jìn)行分析。其中平均定位誤差使用式進(jìn)行計(jì)算[20]。</p><p><b>　　（4-1）</b></p><p>　　4.2 采集聲音能量進(jìn)行分析</p><p>　　利用聲音傳感器節(jié)點(diǎn)檢測(cè)到聲音信號(hào)電壓、聲壓等值采集到的聲音能量圖形如圖4.1：（橫軸為時(shí)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(hào)時(shí)間段，運(yùn)用接收聲音信號(hào)能量的計(jì)算公式：Yi（t）=gis（t）/di2（t）+i(t)，i=1,2,3….( gi: ：節(jié)點(diǎn)噪聲系數(shù)取1；s（t）：t時(shí)刻聲源能量取10000；di（t）：節(jié)點(diǎn)i與聲源目標(biāo)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(cè)信號(hào)示意圖如下：（橫軸為時(shí)間，縱軸為電壓）</p

68、><p>　　4.2檢測(cè)信號(hào)示意圖</p><p>　　得到接收信號(hào)能量值圖形后，根據(jù)聲音信號(hào)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(biāo)節(jié)點(diǎn)坐標(biāo)。</p><p>　　4.3 背景噪音均值為0，標(biāo)準(zhǔn)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(jì)算法利用聲音能量衰減模型采集節(jié)點(diǎn)信息和定位后坐標(biāo)，藍(lán)

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(diǎn)和定位后坐標(biāo)。</p><p>　　4.3兩種算法定位圖</p><p>　　下圖為極大似然估計(jì)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(duì)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(duì)比</p><p>　　節(jié)點(diǎn)數(shù)n=5時(shí)（橫軸為時(shí)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(lán)色線代表極大似然估計(jì)算法，紅色線代表三邊定位算法。</p><p&g

71、t;　　節(jié)點(diǎn)數(shù)n=50（橫軸為時(shí)間，縱軸為誤差大小）</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(jì)算法的定位精度隨著節(jié)點(diǎn)數(shù)的增加會(huì)遠(yuǎn)遠(yuǎn)的高于三邊定位算法。</p><p><b>　　4.5 本章小結(jié)</b></p><p>　　本章通過借用

72、仿真平臺(tái)模擬仿真了兩種定位算法的結(jié)果，并注意對(duì)其進(jìn)行了分析，最后在相同的外界環(huán)境下對(duì)兩種算法的誤差進(jìn)行了比對(duì)，從而得出極大似然估計(jì)算法的定位精度遠(yuǎn)遠(yuǎn)高于三邊定位算法的結(jié)論。</p><p><b>　　結(jié)論</b></p><p>　　本文以無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)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(duì)無(wú)線傳感網(wǎng)絡(luò)定位算法進(jìn)行了主要的說明

73、和研究。</p><p>　　論文的主要內(nèi)容可以概括為幾個(gè)方面:(l)介紹了無(wú)線傳感器網(wǎng)絡(luò)基本概念，并對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的概念、定位算法分類及節(jié)點(diǎn)坐標(biāo)計(jì)算方法進(jìn)行了介紹，此外，還介紹了幾種基于測(cè)距的定位算法、定位算法評(píng)價(jià)常用指標(biāo)，并對(duì)幾種常用的基于測(cè)距定位算法進(jìn)行分析。(2)論文分析了三邊定位算法和極大似然估計(jì)定位算法各自的優(yōu)勢(shì)和不足，并對(duì)兩種算法展開進(jìn)行分析。 (3)在Matlab R2009a環(huán)境下，對(duì)

74、本文分析的聲音能量接收公式和兩種算法進(jìn)行仿真，并對(duì)仿真結(jié)果進(jìn)行分析。</p><p>　　由于無(wú)線傳感器技術(shù)的復(fù)雜性和多樣性，應(yīng)用領(lǐng)域的廣泛性。本文對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)的研究還有待提高。首先，本文的題目為基于聲音能量的無(wú)線傳感網(wǎng)絡(luò)定位算法，而在研究過程中偏向了分析算法而忽略了對(duì)于聲音能量的推敲以及聲音能量與定位的細(xì)一步聯(lián)系。再次，在分析兩種算法的過程中，因?yàn)闀r(shí)間和個(gè)人學(xué)識(shí)水平的限制，只是將現(xiàn)有的知識(shí)整合了

75、一下，在軟件中仿真模擬、總結(jié)。最后，本文的不足之處還在于對(duì)于聲音能量傳輸與算法銜接點(diǎn)不夠好，只進(jìn)行了分塊研究。</p><p>　　通過本次畢業(yè)設(shè)計(jì)，對(duì)大學(xué)四年來所學(xué)的專業(yè)知識(shí)進(jìn)行了檢驗(yàn)和鞏固，也給了自己很多經(jīng)驗(yàn)和教訓(xùn)，在選題開題時(shí)，只是課題進(jìn)行了一個(gè)大概的了解，導(dǎo)致自己在以后的設(shè)計(jì)過程中找不到方向，終于確定研究方法時(shí)又因?yàn)槟芰Σ蛔愣鴽]有達(dá)到預(yù)想的效果。所以，以后不管做什么事情都要對(duì)目標(biāo)有詳細(xì)的了解，對(duì)工作有明確

76、的計(jì)劃，盡快的完成任務(wù)。</p><p><b>　　參考文獻(xiàn)</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(wú)線傳感器網(wǎng)絡(luò)技術(shù)[M].機(jī)械工業(yè)出版社.2012年2月：133-149</p><p>　　[3

77、] 陳敏,李軍華.無(wú)線傳感器網(wǎng)絡(luò)原理與實(shí)踐[M].化學(xué)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(wú)線傳感器網(wǎng)絡(luò)使用教程[M].清華大學(xué)出版社.2012年4月：100-130</p><p>　　[5]彭杰綱，寧?kù)o.傳感器原理及應(yīng)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(wú)線傳感器網(wǎng)絡(luò)原理及應(yīng)用[M].人民郵電出版社.2010年8月.</p><p>　　[7]許力.無(wú)線傳感器網(wǎng)絡(luò)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(wú)線傳感及網(wǎng)絡(luò)定位技術(shù)研究[D].電子科技大學(xué)碩士學(xué)位論文.2011</p><p>　　[9]王濤.各向異性無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算

79、法研究[D].中國(guó)石油大學(xué)碩士學(xué)位論文.2010</p><p>　　[10]衣曉，劉瑜，黃越平.無(wú)線傳感器網(wǎng)絡(luò)Range-free 自身定位算法仿真分析[J] 中國(guó)科學(xué)報(bào).2012年6月</p><p>　　[11]田金鵬.無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究[D]上海大學(xué)博士學(xué)位論文.2011</p><p>　　[12]林闖, 單志廣, 盛立杰, 等. Intern

80、et區(qū)分服務(wù)及其幾個(gè)熱點(diǎn)[J]. 計(jì)算機(jī)學(xué)報(bào), 2000, 23(04): 419-431</p><p>　　[13]張?jiān)Q，黃希，崔莉.面向交通信息采集的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn).計(jì)算機(jī)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(yīng)無(wú)線傳感器網(wǎng)絡(luò)理論研究.計(jì)算機(jī)應(yīng)用研究.2005 ：35-40</p><p>

81、　　[15]楊少軍，史浩山，陳敏.無(wú)線傳感器網(wǎng)絡(luò)QOS路由的研究與仿真.傳感技術(shù)學(xué)報(bào).2005年第18卷第3期：102-106</p><p>　　[16]王汝傳.無(wú)線傳感器網(wǎng)絡(luò)技術(shù)與應(yīng)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(wú)線傳感器網(wǎng)絡(luò)時(shí)間同步綜述[J].計(jì)算機(jī)測(cè)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(jīng)過一學(xué)期的努力，我的本科畢業(yè)設(shè)計(jì)終于完稿了。首先，要感謝我的畢業(yè)設(shè)計(jì)導(dǎo)師老師，感謝在畢業(yè)設(shè)計(jì)的

85、這半年畢業(yè)設(shè)計(jì)中對(duì)我的悉心指導(dǎo)，耐心講解，老師在學(xué)習(xí)、設(shè)計(jì)安排、督促等多方面的幫助，是我完成此次本科畢業(yè)設(shè)計(jì)的最大保障。</p><p>　　再者，感謝我的班主任老師及班級(jí)同學(xué)，感謝老師同學(xué)們?cè)谖业拇髮W(xué)生涯中給予的無(wú)微不至的關(guān)懷和包容。是她們，在我難過的時(shí)候開導(dǎo)我，在我迷茫的時(shí)候指引我，在我有困難的時(shí)候幫助我。還有從我踏進(jìn)大學(xué)校園起所有的授課老師，從大一時(shí)的懵懂到現(xiàn)在的學(xué)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(shí)，感謝老師們對(duì)我的諄諄教誨，使得我的畢業(yè)設(shè)計(jì)得以順利完成。</p><p>　　最后，感謝同組畢業(yè)設(shè)計(jì)的各位同學(xué)，大家一起對(duì)相關(guān)課題的研究探討，對(duì)我課題研究有很大的啟發(fā)和幫助，感謝他們?cè)谖覍W(xué)習(xí)和寫論文的過程中給予的幫助和建議。在后的工作學(xué)習(xí)中我一定踏實(shí)努力，不辜負(fù)老師的栽培，同學(xué)的幫助。</p><p><b>　　附錄</b></p>&

87、lt;p><b>　　1、接收信號(hào)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>