论文部分内容阅读
本文研究内容为无线传感器网络的分布式无测距依赖定位算法。无线传感器网络由大量具有感知、计算和无线通信能力的廉价传感器节点以自组织方式构成。网络布线多采用空投抛撒,节点位置未知。但节点观测信息一般要求附带位置参数,因此节点自定位算法是无线传感器网络首先要解决的关键技术之一。分布式无测距依赖算法不需要网络计算中心和节点硬件测距能力,成本低、鲁棒性好、定位精度基本满足需要,更有实用价值。目前代表性算法只有四种,其中DV-Hop算法综合性能最好,它用两次泛洪法通信量达到33%定位精度。本文介绍了研究背景和主流算法；分析了分布式无测距依赖定位算法原理,指出定位误差根本原因是量化误差；提出了四种新算法,理论分析并通过OPNET仿真证实,四种新算法以近一次泛洪法的通信量可以获得高于DV-Hop算法16-20个百分点的定位精度,最高可达13%。本文的主要研究成果如下：1.分析分布式无测距依赖定位算法原理,构建理论模型。推导计算公式：平均连通度与节点数、无线射程平方成正比,和测试区域面积成反比。推导估算公式：通信量和锚节点数、节点数成正比。分析定位精度：跳数是用无线射程对节点间距量化后的量化值,量化误差是以跳数为基础的定位算法产生定位误差的根本原因。2. LSHop算法,综合指标良好,可以全面替代DV-Hop算法。折合跳数降低量化误差,与折合跳距结合,可以提高测距精度。迭代三(多)边法,充分利用冗余信息,提高定位精度。记忆泛洪法,避免转发不参与定位计算的无用消息,减少通信量。仿真证实,可以用DV-Hop算法52.0%通信量,达到15%定位精度。3. Cluster算法,抗不可靠锚节点和路径影响。三边比例法,知道三点之间距离比例值(跳数)和其中两点(锚节点)位置,可计算出第三点(未知节点)一对候选共轭位置。简单密度聚类法,用聚类半径内候选位置数作为密度来确定相似类,用类质心定位,排除不可靠网络参数,提高定位精度。选举泛洪法,利用最短路径生成树获取聚类定位所需信息,减少通信量。仿真证实,聚类半径等于无线射程时算法定位精度最好,建议作为经验值使用。该条件下,可以用DV-Hop算法52.3%通信量,达到17%定位精度。4. HopScale算法,抗节点失效和位移,可以应用于移动锚节点场景。比例定位法,知道节点到锚节点距离比例和锚节点位置,即可实现定位。定义邻域(节点无线覆盖区域)内所有节点到同一锚节点的跳数为邻域值,折半查找法可以用实测获得的邻域值计算出梯度,梯度可以消除量化误差,是更好的距离比例值。邻域泛洪法,基于一次普通泛洪法,不增加通信量即可实测获得邻域值。仿真证实,可以用DV-Hop算法50.0%通信量,达到16%定位精度。5. Fuzzy算法,定位精度高,可以用较小改造代价提高已有算法性能。以已有算法粗测位置作为模糊聚类核心,去共轭干扰并确定候选位置概率分布统计参数。用候选位置正态分布概率密度作为模糊隶属度加权定位,降低不可靠锚节点和路径影响。梯度泛洪法,对已有算法增加附加通信阶段,较小改造即可获得邻域值,拟合曲线可以简化邻域值到梯度的计算。仿真证实,可以用DV-Hop算法54.4%通信量,达到13%定位精度