论文部分内容阅读
无线传感器网络(WSN)是由具有感知能力、通信能力和计算能力的传感器节点组成的无线网络。该网络具有价格低廉、可扩展性好、可靠性高、准确、灵活和易于部署的优点,使得该网络已经成为未来最有发展前途的技术之一。目前无线传感器网络已经被广泛应用在各行各业中,如工业、农业、医疗、环境和国防等领域。目标追踪技术和覆盖优化技术是无线传感器网络中的主要技术。目标追踪技术是实现无线传感器网络众多应用的前提。网络覆盖决定着网络所提供的服务范围和服务质量,很大程度上影响网络的性能和网络所花费的成本。本文对无线传感器网络的目标追踪和覆盖优化问题行了研究。本文的具体的工作如下:1.基于数据驱动的扩展Kalman滤波算法的WSN目标追踪。扩展Kalman滤波算法作为传统的目标追踪算法,它在对目标状态进行预测时,只利用了当前时刻的目标状态信息。由于目标的运动过程中会有干扰噪声产生,因此目标的下一时刻的状态会产生偏移。针对这个问题,本文对扩展Kalman滤波算法进行了改进,提出了一种基于数据驱动的扩展Kalman滤波算法。改进后的算法利用了目标运动的前驱数据信息结合当前状态信息来预测目标的下一时刻状态,并且适度的增加了扩展Kalman滤波算法中对测量值的“信任度”。通过仿真实验,改进后的算法在一定程度上可以提高目标追踪的精度。改进的基于数据驱动的扩展Kalman滤波追踪算法在传感器测量的时间间隔慢慢增大时,对目标的追踪更精确。在传感器测量的时间间隔较小时,两个算法的追踪精度几乎相同。传感器能量是有限的,传感器测量的时间间隔增大,则可以节约传感器的能量。2.基于鸟群算法的WSN覆盖优化策略。本文研究了基于鸟群算法的无线传感器网络覆盖优化策略。基于粒子群算法的传统无线传感器网络覆盖优化策略存在收敛速度较慢,节点覆盖率低,节点分布不均匀的问题。本文提出了基于鸟群算法的无线传感器网络覆盖优化策略。仿真实验结果显示,在移动节点数目有限的情况下,鸟群算法能够快速收敛,达到较高的覆盖率,更均匀的节点分布,实现更合理的节点部署,延长传感器节点的使用寿命和网络的生存时间。3.基于PSO和BSA结合算法的WSN节能覆盖优化策略。在研究了只考虑覆盖问题的基础上,进一步研究考虑网络覆盖的同时也考虑网络中节点传递信息能量消耗的网络节能覆盖优化问题。通过构建由静态传感器节点和动态传感器节点组成的分布式无线传感器网络,研究无线传感器网络的节能覆盖优化问题。本文提出了粒子群和鸟群结合算法的优化方法。通过仿真实验,将粒子群和鸟群结合算法的优化结果和单独使用鸟群算法和粒子群算法的优化结果进行对比。仿真实验结果显示,在网络中的传感器节点数目有限的情况下,粒子群和鸟群结合算法优化方法,能够使得网络得到较高的覆盖率和一个较低的能量度量。因此基于粒子群和鸟群结合算法的无线传感器网络节能覆盖优化策略不仅可以提高无线传感器网络的服务质量而且能够延长无线传感器网络的生命周期。