论文部分内容阅读
无线传感器网络综合了传感器技术、嵌入式系统、Internet及无线通信、分布式信息处理技术等,在军事、环境监测、灾难救援及其他商业活动领域有着广阔的应用前景。无线传感器网络中节点的位置是随机且未知的,如何实现节点准确地定位是传感器网络应用的前提,也是研究的热点。多维标度技术的系列方法是一类有效的节点定位法,但度量多维标度有一定的局限性,要求实体间的相异性与实体间的距离保持线性关系。而非度量多维标度技术在定位中对实体间的相异性与实体间的距离关系没有严格的要求,只需要满足单调的顺序等级关系。目前利用非度量多维标度技术还有一定的技术难度,计算和通信的代价会随着网络节点数的增多而迅速增大,不适合于大规模的无线传感器网络,并且在部分节点移动的情况下适应性不强,如果网络中有少量节点移动,需要再重新定位所有节点。本文讨论和分析了多维标度技术在无线传感器网络定位中的应用方式,提出了一种分布式多维标度定位算法NMDS-RSSI-C(D)(Non-metric Multidimensional-Receive Singnal Strength Indicator-Cluster(Distributed)),该算法将节点间的无线信号强度指示值直接作为节点间的相异性数据,在每个局部网络的簇头计算局部网络内各节点的最短路径,运用非度量多维标度技术来计算节点坐标。通过利用局部信息计算出局部相对坐标图,然后再由若干局部相对坐标图合并成全局相对坐标图。非度量多维标度技术对实体间的相异性与实体间的距离关系只需满足单调的顺序等级关系,不需要定量的表示出来。而RSSI测距是通过接收节点收到的信号的强度值,利用的无线信号传播模型把无线信号强度值转化为距离。采用二者的结合能直接对无线信号强度值进行定位省去了繁琐的转换过程,减少了由于无线信号传播模型中的参数不准确而带来的计算误差。最后,本文对NMDS-RSSI-C(D)算法和MDS-MAP(D)算法进行比较,当两种算法在节点连通度较低时,定位误差都很大。但是,本文提出的算法在相同节点连通度下获得的平均定位误差要小一些。在本算法中,节点的连通度越大,合并的就次数越少,合并所带来的积累误差也就减小。仿真实验表明,针对大型的无线传感器网络,算法能实现有效的定位,定位误差较小