论文部分内容阅读
近年来,随着人们对水下探索的不断增加,水声传感器网络(Underwater Acoustic Sensor Network,UASN)受到了广泛的关注。其中水下节点定位是当前研究的一大热点,基于位置的应用具有良好的市场前景。但是,由于水下环境复杂多变,节点定位误差相对较大。因此,提高定位精度成为UASN节点定位的主要问题。为了解决这一问题,本文提出了两种适用于水声传感器网络的水下节点定位算法。本文主要工作介绍如下:(1)为了不增加额外硬件的同时提高节点的定位精度,本文基于DV-Hop提出了一种改进的CWDV-Hop算法。该算法主要分为三步:首先,为了充分利用锚节点之间的距离信息,本文首次定义了距离加权因子和单节点平均跳距的概念,并以此来修正锚节点的平均跳距。由于锚节点之间的距离信息已知,因此可在一定程度上减少极度弯曲的路径对平均跳距结果所造成的影响。其次,采用双曲线定位算法代替最小二乘法估计未知节点的位置,这在一定程度上减小了最小二乘算法中方程相减所带来的坐标损失。最后,采用鸡群优化算法进一步优化未知节点的坐标。通过设置适应度函数和相应参数,可有效利用鸡群个体的位置更新获取节点的最优位置。仿真表明,CWDV-Hop算法在不同的参数下定位性能均优于对比算法,其中比传统DV-Hop算法的定位精度提高了约53.6%。(2)为了降低网络能耗和节点定位误差,同时提高水声传感器网络的覆盖性,本文还提出了一种自主式水下机器人(Autonomous Underwater Vehicle,AUV)辅助的定位算法KVDV-Hop。该算法分为三步:首先,在充分考虑节点的分布情况后,采用聚类的思想来确定虚拟锚节点的位置,对经典的K-means算法进行改进,使其可以自动给出聚类中心和数目。其次,水下机器人具有精确的导航和定位能力,把它看作移动的锚节点,并在移动过程中广播虚拟锚节点数据包,用来辅助水声传感器网络节点定位。本文将基于水下机器人的路径规划问题转化为商旅问题,采用蚁群算法来确定水下机器人移动的最优路径。水下机器人的移动不仅降低了网络能耗,而且提高了网络覆盖。最后,未知节点通过接收虚拟锚节点信息,可确定自身坐标。Matlab仿真实验表明,在定位精度方面该算法比DV-Hop算法提高了约41.5%。