论文部分内容阅读
无线传感器网络WSN的出现与发展,带来了信息领域的一场革命,已经逐步影响到我们生活的方方面面。在WSN的众多应用中,传感器节点定位是无线传感器网络普遍应用要解决的关键问题,在许多应用领域中扮演重要角色。目标跟踪是无线传感器网络的重要应用之一,无线传感器网络以其较强的容错能力、高密度部署,精确的跟踪能力等优势备受目标跟踪系统青睐。本文的研究工作围绕无线传感器网络节点定位技术和活动目标跟踪技术展开,针对提高节点的自身定位精度和目标跟踪的准确度,提出了一些具有理论意义和实用价值的方法,通过仿真验证了算法的有效性。论文的主要研究内容如下:首先,针对如何提高节点自身定位的精度,本文在经典三边测量法初始定位的基础上,提出以节点接收信号强度为观测量,将无迹卡尔曼滤波算法应用到节点精确定位中。通过仿真验证使用该方法能提高节点的定位精度,并定量的分析了节点定位算法的误差概率分布。通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了该节点定位算法的实用性,具有一定的应用意义。其次,针对如何提高活动目标跟踪的准确度,本文提出在二进制传感器网络中,通过可变判决门限模型进行目标的感测,利用距离加权算法进行单点位置估计,并采用多项式曲线拟合方法拟合出目标的运动轨迹。通过仿真,确定了最佳参考判决门限值及其极值,并以此为参数跟踪活动目标并拟合运动轨迹,与传统的固定判决门限方法相比,该方法有良好的性能。最后,本文进一步研究当节点定位存在误差时的二进制传感器网络目标跟踪问题。研究表明,通过多项式曲线拟合算法进行跟踪,跟踪精度受节点定位误差的影响较大。据此,文中提出将可变判决门限的感测模型和粒子滤波器跟踪算法相结合,通过仿真验证,较之采用多项式曲线拟合算法,采用粒子滤波器算法跟踪精度明显高。