测距与非测距结合的无线传感器网络节点定位算法的研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:fffdsa4te
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着微机电系统的快速发展和传感器技术的日益成熟,无线传感器网络逐渐成为人们研究的热点,并在军事、医疗、环境监测等许多领域都显示出了巨大的应用前景和实用价值。无线传感器网络是由海量的低价微小型传感器节点,通过无线的方式,相互通信彼此协作而自组织成的一种多跳网络,是一种新型的信息获取、传递和处理技术。在多数应用领域中,无线传感器网络节点的地理位置是分析获取到的信息的基础,所以,无线传感器网络节点的定位问题成为了科研人员的重点研究方向。本文在对国内外以往的无线传感器网络节点定位算法进行分类研究的基础上,提出了一种测距和非测距结合的DV-hop改进型算法。传统DV-hop算法原理简单,复杂度低,能够在无测距设施的条件下对分布均匀的网络拓扑实现定位,但是其定位精度较低,仅仅适用于内部节点分布均匀的网络。本文提出的算法在充分继承DV-hop算法实现方便的特点,保持DV-hop算法在连通度高、锚节点密度低的均匀网络定位效果优秀的同时,扩展了DV-hop算法的应用场景,该算法在节点分布不均匀但锚节点密度较高的网络中也有优秀的表现,同时,本文提出的算法还带有一个可选的迭代求精阶段,能够在牺牲一定算法复杂度的基础上提高定位的精度。最后,本文在详细阐明算法原理的基础上,给出了算法的软件设计方案,并在OMNeT++仿真平台上,以C++按照面向对象的思想实现了所提出的算法。仿真结果表明本文提出的改进型算法的定位误差效果明显优于传统的DV-hop,并且还可以适用于节点分布不均匀但锚节点密度稍高的网络,大大扩展了DV-hop算法的应用场景。
其他文献
随着互联网的迅猛发展,海量的数据信息与人们的生活紧密相关,图片、视频等多媒体信息迅速增加。如何从海量的信息库中准确、高效的搜索出所需的信息是信息化时代的热点问题。
作为自动理解、识别,进而管理图像的方法,图像分类成为计算机视觉领域的重要议题。近年来,基于稀疏表达的图像分类表现出很好的前景。本文以稀疏表示在图像分类中的应用为课
随着计算机的发展,计算机视觉技术成为近年来的研究热点,计算机视觉就是利用摄影机等成像设备代替人眼采集信息,然后由计算机代替人脑完成对运动目标的检测、跟踪、识别等过程。
无线传感器网络是由部署区域内大量的廉价的微型传感器节点通过自组织方式连接而形成的,可以实时地感知、收集和处理各种环境信息,然后提交给感兴趣的观察者,且具有广阔的应用前
燃气轮机作为目前大型设备动力装置之一,在航空航天、工业领域得到广泛的应用。由于燃气轮机的结构复杂,工作环境恶劣,其部件易发生各种故障,如气路部件的故障、旋转部件的磨损及
天线是无线通讯系统的关键一环,能量通过天线以电磁能量形式辐射出去,天线辐射性能的好坏直接影响通信质量。微带天线具备共面性好,结构简单,易集成等优点,在各类无线电子设
随着无线通信技术的发展,未来移动通信的一个重要发展趋势就是宽带多媒体通信,限制它发展的主要原因是频谱资源的紧张以及频谱分配方式的缺乏灵活性。目前绝大多数适合无线电
跳频通信具备良好的抗干扰、抗衰落以及多址等性能,不管是在军事通信领域还是民用通信领域都被广泛地运用。在组网通信时,跳频图案是作为跳频系统中控制跳频频率跳变的关键技
近几年,非接触的射频识别技术(Radio Frequency Identification,RFID)已成为人们生活中不可或缺的一部分,凭借着自身体积小、远距离通信、无线识别、具有一定存储能力且无需
利用深度学习方法辅助医学图像信息处理是属于人工智能技术在医学领域的应用与研究。基于体素的脑肿瘤图像分割任务最重要的工作是对脑肿瘤组织区域像素实现高精度的分类。但