论文部分内容阅读
确定事件发生的位置或获取信息的节点的位置是传感器网络最基本的功能之一。随着无线传感器网络研究的深入,其应用愈加广泛,固定的网络结构已无法满足新增应用的需要,移动节点的引入扩展了无线传感器的应用领域,同时也带来了技术上的挑战。目前,移动节点定位问题已成为无线传感器网络的热点研究之一。本论文首先论述无线传感器网络节点定位的基本原理,综述无线传感器网络自身定位算法、性能评价指标和分类方法,并对现有的基于蒙特卡罗定位思想的移动节点定位算法进行了总结。接下来针对蒙特卡罗定位算法在后验密度分布取值较大区域中的采样数较少,算法需要大量的样本才能取得较好定位效果的不足,提出了一种基于Voronoi图的蒙特卡罗定位算法(MCVD,monte carlo localization based on Voronoi diagram)。该算法利用两跳范围内的锚节点集合所覆盖区域的几何中心去逼近待定位节点的当前位置,并对以逼近位置为中心的优化区域进行样本采集,使样本向后验密度分布取值较大的区域移动,从而更准确地表达系统的后验密度分布。仿真结果表明,基于Voronoi图的蒙特卡罗定位算法能够有效抑制锚节点分布不均匀给定位带来的负面影响,缩小了目标采样区域,具有更少的抽样次数和更高的定位精度。本文还深入研究非锚节点特性,提出了一种临时锚节点的蒙特卡罗定位算法(MCBN,monte carlo localization boxed using non-anchor)。该算法建立在蒙特卡罗定位算法基础之上,利用两跳范围内可信任度权值最小且坐标确定的静态非锚节点,辅助网络中两跳范围内的锚节点构建最小锚盒,同时利用待定位节点上一时刻的位置信息和临时锚节点的特性增强样本过滤条件,进行快速抽样和样本过滤。仿真结果表明:MCBN同MCL、MCB和MCVD算法相比,提高了节点定位精度,降低了节点能量损耗。最后,对全文进行了总结,并对未来的研究工作进行了展望。