基于K-means聚類點(diǎn)密度加權(quán)質(zhì)心定位算法研究.pdf

1、隨著移動(dòng)通信技術(shù)的飛速發(fā)展，基于無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks,WSNs）的定位技術(shù)受到越來(lái)越多的關(guān)注。無(wú)線傳感器網(wǎng)絡(luò)是由大量隨機(jī)部署在監(jiān)測(cè)區(qū)域的傳感器節(jié)點(diǎn)組成，這些傳感器節(jié)點(diǎn)通過(guò)自組織方式形成了一個(gè)多跳的動(dòng)態(tài)自組織網(wǎng)絡(luò)，目的是為了對(duì)網(wǎng)絡(luò)覆蓋區(qū)域中感興趣的信息進(jìn)行協(xié)同感知、采集以及處理。作為信息自動(dòng)獲取的重要技術(shù)之一，無(wú)線傳感器網(wǎng)絡(luò)技術(shù)綜合了無(wú)線通信、嵌入式技術(shù)以及傳感器技術(shù)等，其應(yīng)用領(lǐng)域非常的廣泛，如

2、井下人員定位、消防救援、安全監(jiān)控、環(huán)境監(jiān)測(cè)、智能家居等。
　　雖然如今的科技越來(lái)越發(fā)達(dá)，但礦難、火災(zāi)等的救援工作由于無(wú)法精確定位到受害者位置而增加了風(fēng)險(xiǎn)，是一個(gè)亟待解決的問(wèn)題。本文在傳統(tǒng)的基于RSSI測(cè)距和質(zhì)心定位非測(cè)距算法基礎(chǔ)上，取兩者的優(yōu)勢(shì)進(jìn)行融合，提出了基于K-means聚類點(diǎn)密度加權(quán)質(zhì)心定位算法（KCPD-WCLA）。本文的主要工作如下：
　?。?）首先對(duì)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位的相關(guān)算法進(jìn)行分析、研究，分為基于測(cè)距和基

3、于非測(cè)距兩種定位算法，其中本文最主要側(cè)重對(duì)基于RSSI的測(cè)距和質(zhì)心非測(cè)距定位算法研究。
　?。?）由于在WSNs應(yīng)用中，信標(biāo)節(jié)點(diǎn)的個(gè)數(shù)一般比較多。進(jìn)行定位時(shí)，對(duì)這些大量數(shù)據(jù)進(jìn)行處理將面臨計(jì)算量大、計(jì)算復(fù)雜度高的問(wèn)題，必須找出一種適合的算法來(lái)處理大量的數(shù)據(jù)集。而目前已有的處理大量數(shù)據(jù)集的聚類算法有很多種，本文主要對(duì)基于劃分方法中的K-means聚類算法進(jìn)行研究。
　?。?）利用RSSI測(cè)距得到未知節(jié)點(diǎn)與大量信標(biāo)節(jié)點(diǎn)的距離值，原

4、始的分組方式是對(duì)信標(biāo)節(jié)點(diǎn)數(shù)n采用C3n的分組方式，然后再利用三邊定位法得到許多接近真實(shí)位置的估計(jì)值。但是由于n值一般比較大，利用C3n計(jì)算量很大，會(huì)增加計(jì)算復(fù)雜度。對(duì)此進(jìn)行研究并提出一種計(jì)算復(fù)雜更小的分組方式。
　?。?）對(duì)基于RSSI測(cè)距及加權(quán)質(zhì)心非測(cè)距定位算法進(jìn)行融合，再結(jié)合K-means聚類某些特性，針對(duì)無(wú)線傳感器網(wǎng)絡(luò)在定位中的應(yīng)用，提出一種基于K-means聚類點(diǎn)密度加權(quán)質(zhì)心定位算法（KCPD-WCLA），因其簡(jiǎn)便、易行的