论文部分内容阅读
无线传感器网络是由大规模的传感器节点以自组织方式组成的无线网络,作为一种新兴技术,已广泛应用于军工、工业、农业、商业、环境科学等领域,对人类的生产生活带来巨大影响。在无线传感器网络的众多应用中,传感器节点的位置信息是至关重要的,传感器节点只有知道自身位置才能在目标区域内准确而快速地感知数据,从而能够对相关的数据进行分析和处理。因此,无线传感器网络定位技术在各个应用中必不可少。在复杂传输环境下NLOS通常对定位有很大影响,本文在TOF测距的基础上,对复杂环境下TOF测距的NLOS误差消除以及空洞网络中节点定位算法进行深入研究,提出了相应的算法。本文的主要工作有以下几个方面：1.总结了几种典型的测距方法和节点定位算法,分析了它们的基本原理,并指出了它们的优缺点和适用场景,为基于TOF测距的无线传感器网络定位算法研究提供理论前提。2针对复杂环境下TOF测距中包含大量NLOS误差的问题,提出了一种消除NLOS误差的有色噪声自适应卡尔曼滤波算法。对于NLOS误差模型的确立,进行了复杂环境下TOF测距实验,实验证实了NLOS误差不服从高斯分布,而是有色噪声。算法将有色噪声融入到卡尔曼滤波过程,滤波参数自适应于有色噪声,从而实时获取最优估计。实验结果表明,改进算法能够明显消除TOF测距中NLOS误差,提高测距精度。3针对传统定位算法在传输条件恶劣、具有空洞的复杂网络环境中定位精度低,提出了一种基于ACN-KF的节点定位算法。该算法首先在网络中选取两种辅助节点来进行全网泛洪,根据泛洪形成的树状结构来选择网络中的notch节点以及节点间的最短路径,然后邻居节点进行TOF测距及NLOS误差消除,定义路径弯曲指数以进行最短距离计算,最后通过最短距离构成距离矩阵,对矩阵采用迭代协强函数进行迭代求解定位问题。实验结果表明,该算法在定位精度方面有明显改善。综上,本文围绕基于TOF测距的定位算法的定位性能进行了深入研究,并分别在TOF测距的NLOS误差消除和复杂环境下提高定位精度方面提出了两个算法。仿真实验验证了算法的有效性,结果表明,算法有效改善了定位精度。