WSN信號傳播狀態(tài)鑒別及魯棒定位方法研究.pdf

1、在無線傳感器網(wǎng)絡(luò)(WSN)中，信號的傳播狀態(tài)鑒別和節(jié)點間的魯棒定位成為WSN的關(guān)鍵技術(shù)。在室內(nèi)環(huán)境下，由于障礙物的反射和衍射，傳播信號的強度會因此削弱，從而產(chǎn)生非視距誤差。文本針對室內(nèi)非視距環(huán)境，研究了信號傳播的參數(shù)特性，提出了基于期望最大化的算法改進和基于傳播延遲估計的狀態(tài)鑒別算法，并結(jié)合本文提出的基于泰勒級數(shù)展開的TDOA定位算法，實現(xiàn)良好的非視距誤差鑒別和較高的定位精度。
　　本文針對傳播信號的參數(shù)特性，將期望最大化算法的改

2、進應(yīng)用于信號的狀態(tài)鑒別中。由于信號的測量值中可能既包含視距情況又包含非視距情況，且均服從高斯分布，故整體服從高斯混合模型(GMM)。基于GMM，通過期望最大化算法的改進確定GMM的分支項數(shù)目，從而達到對信號狀態(tài)的鑒別。從仿真結(jié)果來看，存在非視距的環(huán)境下，通過混合模型的分支數(shù)確定，結(jié)合定位算法可以很好地改善定位精度。
　　基于傳播延遲的測量值估計，本文提出一種改進算法對信號的傳播狀態(tài)進行鑒別。通過phase-only-correla

3、tor(POC)原理得到信號的傳播延遲時間，再乘以信號傳播速度得到距離的估計值。通過RSSI定位模型得到目標節(jié)點與信標節(jié)點之間的距離估計值。通過上述兩種距離估計值的比較，鑒別出的測量值屬于強非視距。在剩余的測量值中，利用期望最大化算法和交替優(yōu)化算法對分布的參數(shù)進行估計，通過判別式鑒別出的信號屬于弱非視距，其余的為視距。在仿真實驗中驗證了該算法較高的探測成功率，并能很好地轉(zhuǎn)化到定位精度上。
　　對于節(jié)點的魯棒定位，本文提出一種基于泰