论文部分内容阅读
无线传感器网络作为一门新兴的多学科技术,已被广泛应用在环境监测、军事、医疗健康等领域。在实际应用中无线传感器网络的工作区域,或者是环境较恶劣的区域,或者是危险区域,而且网络中的节点是随意投放的,无法事先预知其位置,然而,在无线传感器网络的大部分应用中,如果只获取了信息但不知道是从哪个具体位置获取的信息,那么所获取的信息几乎没有实用价值。因此在实际应用中,综合考虑多种因素选择适当的定位技术来完成定位系统中节点的自我定位十分重要。因定位机制的不同,典型的定位技术分为基于测距的定位技术和无需测距的定位技术。通过分析各种典型的定位技术可知,基于测距的定位技术和无需测距的DV-Hop定位技术的定位都包括获得节点间的间距和定位计算两部分。实际应用中,通常选取尽可能多的利用定位系统中锚节点的位置信息的最小二乘法作为定位计算法。由最小二乘法的定位计算原理可知,该方法的定位准确度对某一个锚节点与未知节点间的测量误差比较敏感,即使在测得的其他锚节点与未知节点间的间距较准确的条件下,若该锚节点与未知节点间的测量距离误差较大,则该技术的定位准确度就较低。为了克服基于最小二乘法定位技术的不足,本文把基于最小二乘法的定位技术问题转化为基于测量距离和测量误差的约束优化问题。针对上述问题,本文通过对粒子群优化算法和模拟退火算法的寻优性能深入分析后,针对粒子群算法有较快的收敛速度,但易陷入局部极值的特性,及模拟退火算法有较强的摆脱局部极值能力,但收敛速度较慢的特性,本文提出在粒子群算法每次迭代更新个体极值和群体极值后,利用保留因子α对其个体极值和群体极值进行位置点附近波动的方式来构造新解并引入模拟退火算法的Metropolis接受准则来以一定的概率接受新解作为当前的个体极值和群体极值的复合粒子群算法。仿真实验表明该复合粒子群算法有较好的寻优性能和较快的收敛速度。由于复合粒子群算法不具备处理约束条件的能力,本文通过对常见的约束处理法进行分析后,选取操作简单、参数少的个体比较性原则法将其融合在复合粒子群算法中,提出复合粒子群约束优化算法。在处理约束优化问题时,该算法在构造新解的过程中利用保留因子α来保留粒子群算法搜索到的当前个体极值和群体极值的信息,并用1-α来保留当前个体最优不可行解和群体最优不可行解信息的新解构造法,弥补个体比较性原则法处理最优极值位于约束边界附近时的不足和粒子群算法易陷入局部极值的不足。仿真实验表明该算法能够寻得较优的约束最优解。最后将复合粒子群约束优化算法应用在基于测量距离和测量误差约束优化的无线传感器网络定位技术中。仿真表明:复合粒子群约束优化的节点定位技术有助于遏制测距误差叠加对定位准确度的干扰,提高了定位技术的定位准确度。