無(wú)線傳感器網(wǎng)絡(luò)中RSSI定位算法的自校正參數(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)是由大量具有通信和計(jì)算能力的微型傳感器節(jié)點(diǎn)，以無(wú)線的方式連接構(gòu)成的自治測(cè)控網(wǎng)絡(luò);對(duì)于無(wú)線傳感器網(wǎng)絡(luò)的許多應(yīng)用和網(wǎng)絡(luò)服務(wù)來(lái)說(shuō)，將感知到的信息和相應(yīng)的節(jié)點(diǎn)位置相結(jié)合是至關(guān)重要的，例如在軍事、航空、反恐、防爆、救災(zāi)等場(chǎng)景中的應(yīng)用;因此，未知位置的傳感器節(jié)點(diǎn)感知的數(shù)據(jù)信息是沒(méi)有意義的。而對(duì)節(jié)點(diǎn)間的距離的測(cè)量準(zhǔn)確性直接影響了無(wú)線傳感器網(wǎng)絡(luò)定位算法的精度和可靠性。在無(wú)線傳感

2、器網(wǎng)絡(luò)中，常用的測(cè)量節(jié)點(diǎn)間距離的方法主要有TOA(Time of Arrival)、TDOA(Time Difference of Arrival)、RSSI(ReceivedSignal Strength Indicator)及TOF(Time of Light)等;本文通過(guò)對(duì)RSSI定位算法的相關(guān)特性的研究以及對(duì)實(shí)驗(yàn)中的大量的仿真數(shù)據(jù)的進(jìn)行分析，提出一種基于RSSI定位技術(shù)與數(shù)據(jù)聚類分析相結(jié)合的方法，該方法計(jì)算出自校正參數(shù)融入RSS

3、I定位算法中解決了單一RSSI定位算法定位精度不高，誤差較大的問(wèn)題，通過(guò)MATLAB仿真也驗(yàn)證了本文提出的自校正參數(shù)方案能有效降低RSSI定位算法的定位誤差，提高定位精度。
　　本文根據(jù)國(guó)內(nèi)外對(duì)無(wú)線傳感器網(wǎng)絡(luò)的最新研究進(jìn)展，重點(diǎn)綜述了基于測(cè)距的無(wú)線傳感器網(wǎng)絡(luò)定位算法的研究現(xiàn)狀，及無(wú)線傳感器網(wǎng)絡(luò)中基于測(cè)距與非測(cè)距定位算法的優(yōu)缺點(diǎn)。其次，本文根據(jù)無(wú)線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn)，重點(diǎn)闡述和分析RSSI的定位算法在實(shí)際應(yīng)用中存在的問(wèn)題，并提出

4、一種通過(guò)某種自校正參數(shù)融入到網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的位置信息的計(jì)算中，達(dá)到降低基于RSSI定位算法的測(cè)距誤差，提高測(cè)距精度。因此，本文利用數(shù)據(jù)挖掘中的一個(gè)非?；钴S的研究領(lǐng)域:聚類分析對(duì)實(shí)驗(yàn)過(guò)程中產(chǎn)生的多組的大量的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，求解出同一節(jié)點(diǎn)位置的誤差集合的最優(yōu)解即誤差參數(shù)，將其定義為自校正參數(shù)并將其融入定位算法，提高基于RSSI定位算法的定位精度。
　　本文介紹兩種方案對(duì)實(shí)驗(yàn)的仿真數(shù)據(jù)進(jìn)行聚類分析:(1)基于RSSI定位算法融合

5、K-means數(shù)據(jù)分析;(2)基于RSSI定位算法融合層次聚類數(shù)據(jù)分析。兩種方案計(jì)算出穩(wěn)定的誤差值，并定義為自校正參數(shù)融入到基于RSSI的定位算法中，從而達(dá)到提高RSSI定位算法的定位精度。最后，將自校正參數(shù)融入到定位算法中進(jìn)行仿真實(shí)驗(yàn)，并且與單一未融合校正參數(shù)的RSSI定位及DV-Hop未融合校正參數(shù)的定位算法進(jìn)行定位誤差及精度比較，仿真結(jié)果表明:融合了校正參數(shù)的單一的RSSI定位算法的定位誤差明顯小于相同條件下未融合校正參數(shù)的定位算