论文部分内容阅读
本文在详细分析了无线传感器网络节点定位技术的基础上,以节约成本,提高定位精度为目标,提出了三种基于高斯混合模型的定位算法(Location Estimation based on Gaussian Mixture Model,LEGMM)。在这三种定位算法中,两种是基于高斯混合模型的传感器网络离线定位算法(Offline LEGMM),它们分别是:基于高斯混合模型的网格循环定位算法(Iterative Grid LEGMM, IGrid-LEGMM)和基于高斯混合模型的期望最大化网格定位算法(Grid and Expectation Maximization LEGMM, Grid-EM-LEGMM);另外一种是基于高斯混合模型的传感器网络在线定位算法(Online LEGMM)。在本文中,无论是Offline LEGMM算法还是Online LEGMM算法都使用相同的信号采样方式:用一个配备了GPS设备的可移动节点收集来自传感器网络中其他节点的RSS信息。这个配备了GPS设备的可移动节点,叫做“RSS收集器”。本文中的三种定位算法均采用“最小化已知信息”对传感器节点进行定位,也就是说,我们的已知条件只有两个:一是RSS收集器在定位区域内沿着其移动路径采样到来自其它节点的RSS,二是接收到这些RSS信息时,RSS收集器自身的位置信息。本文所提出的算法不假设传感器网络中的节点数量已知,而是用定位算法来估计网络中传感器节点的数量。Offline LEGMM算法需要在RSS收集器经过其移动路径,并采样所有数据以后进行定位;而Online LEGMM算法可以在RSS收集器采样数据的同时,对定位区域内的传感器节点进行定位。