動(dòng)態(tài)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)的研究.pdf

1、動(dòng)態(tài)傳感器網(wǎng)絡(luò)作為無(wú)線傳感器網(wǎng)絡(luò)的一種，近年來(lái)被廣泛的應(yīng)用于許多領(lǐng)域中，如環(huán)境監(jiān)測(cè)、動(dòng)物跟蹤、醫(yī)療健康、井下人員搜救等都依賴(lài)于傳感器節(jié)點(diǎn)的移動(dòng)性。移動(dòng)的節(jié)點(diǎn)不僅提高了事件監(jiān)測(cè)的靈活性，而且增強(qiáng)了無(wú)線傳感器網(wǎng)絡(luò)的自組織性和適應(yīng)性。對(duì)于動(dòng)態(tài)傳感器網(wǎng)絡(luò)而言，節(jié)點(diǎn)的位置信息是其各種應(yīng)用的前提。節(jié)點(diǎn)的移動(dòng)性使動(dòng)態(tài)傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位比靜態(tài)傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位更復(fù)雜。如何在動(dòng)態(tài)條件下，對(duì)節(jié)點(diǎn)實(shí)現(xiàn)低功耗、低復(fù)雜度和高精度的定位是無(wú)線傳感器網(wǎng)絡(luò)定位面臨

2、的挑戰(zhàn)之一。
　　本文以動(dòng)態(tài)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)為主要研究?jī)?nèi)容，分析并仿真研究了不同網(wǎng)絡(luò)模型下的動(dòng)態(tài)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位問(wèn)題，以及節(jié)點(diǎn)移動(dòng)模型對(duì)定位算法的影響。本文的主要工作和創(chuàng)新點(diǎn)如下:
　　首先，本文針對(duì)未知節(jié)點(diǎn)靜止、錨節(jié)點(diǎn)移動(dòng)的動(dòng)態(tài)傳感器網(wǎng)絡(luò)模型的定位問(wèn)題展開(kāi)了研究，提出了一種基于虛擬信標(biāo)選擇的移動(dòng)錨節(jié)點(diǎn)定位算法。該算法從幾何學(xué)的角度，對(duì)在測(cè)距誤差存在的情況下，如何減少誤差積累和確保定位誤差最小的問(wèn)題進(jìn)行了研究，定量的

3、分析了由節(jié)點(diǎn)間相對(duì)位置所引入的誤差，并通過(guò)數(shù)學(xué)證明了當(dāng)參與定位的三個(gè)虛擬信標(biāo)的位置成等邊三角形時(shí)定位誤差最小的定理。依據(jù)這一定理，未知節(jié)點(diǎn)在定位過(guò)程中對(duì)虛擬信標(biāo)進(jìn)行合適的選取，獲得了更準(zhǔn)確的位置信息。
　　接著，本文研究并探討了移動(dòng)錨節(jié)點(diǎn)定位算法中的錨節(jié)點(diǎn)路徑規(guī)劃問(wèn)題，提出了一種能自適應(yīng)網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)路徑規(guī)劃方法。為使移動(dòng)錨節(jié)點(diǎn)能根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)的分布情況進(jìn)行移動(dòng)，該算法對(duì)錨節(jié)點(diǎn)的移動(dòng)方向進(jìn)行了劃分，并利用錨節(jié)點(diǎn)與未知節(jié)點(diǎn)之間的信息

4、交互，獲取錨節(jié)點(diǎn)當(dāng)前通信范圍內(nèi)的節(jié)點(diǎn)的鄰居節(jié)點(diǎn)數(shù)，使錨節(jié)點(diǎn)的移動(dòng)路徑盡量規(guī)劃在鄰居節(jié)點(diǎn)數(shù)最多的區(qū)域內(nèi)，以此確定錨節(jié)點(diǎn)的移動(dòng)方向。仿真結(jié)果顯示，本文提出的動(dòng)態(tài)路徑規(guī)劃方法能有效的避免無(wú)節(jié)點(diǎn)區(qū)域的遍歷，特別適用于網(wǎng)絡(luò)節(jié)點(diǎn)非均勻分布的應(yīng)用場(chǎng)景。
　　其次，本文針對(duì)未知節(jié)點(diǎn)和錨節(jié)點(diǎn)均移動(dòng)的動(dòng)態(tài)傳感器網(wǎng)絡(luò)模型的定位問(wèn)題進(jìn)行了研究。蒙特卡洛定位算法是解決這類(lèi)定位問(wèn)題的重要方法，但蒙特卡洛定位算法為實(shí)現(xiàn)定位而進(jìn)行的大量采樣不僅降低了算法的執(zhí)行效

5、率，而且消耗了傳感器節(jié)點(diǎn)的大量能量。針對(duì)這些缺點(diǎn)，本文提出了一種自適應(yīng)采樣的改進(jìn)的蒙特卡洛定位算法。該算法首先使用未知節(jié)點(diǎn)接收到的一跳和二跳錨節(jié)點(diǎn)建立采樣區(qū)，然后采用Kullback-Leibler距離作為衡量節(jié)點(diǎn)位置的后驗(yàn)概率密度分布的真值與估計(jì)值之間的誤差限，依據(jù)采樣區(qū)的大小計(jì)算出基于此誤差限的最大采樣次數(shù)，在采樣區(qū)域內(nèi)進(jìn)行均勻的采樣和過(guò)濾，最后利用未知節(jié)點(diǎn)的一跳鄰居節(jié)點(diǎn)對(duì)樣本的權(quán)值進(jìn)行區(qū)分，計(jì)算出節(jié)點(diǎn)的估計(jì)位置。仿真結(jié)果顯示，該算

6、法能在保證節(jié)點(diǎn)定位精度的情況下，有效降低采樣次數(shù)，減少計(jì)算開(kāi)銷(xiāo)。
　　由于受到網(wǎng)絡(luò)規(guī)模和成本的限制，以及難以從實(shí)際場(chǎng)景中獲得節(jié)點(diǎn)的移動(dòng)軌跡，目前針對(duì)動(dòng)態(tài)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法的研究仍以仿真研究為主。節(jié)點(diǎn)移動(dòng)模型作為動(dòng)態(tài)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法仿真研究的基礎(chǔ)，對(duì)定位算法的性能分析具有重要的影響。通過(guò)研究發(fā)現(xiàn)，節(jié)點(diǎn)移動(dòng)模型的參數(shù)設(shè)置及許多與時(shí)間相關(guān)的特性是造成定位算法性能評(píng)估不一致的主要原因。因此，本文最后研究并分析了節(jié)點(diǎn)移動(dòng)模型對(duì)動(dòng)態(tài)