论文部分内容阅读
节点定位是无线传感器网络的重要支撑技术,也是很多传感网应用的基础。大量传感器节点由于小型化、低功耗等特点,需要通过节点定位算法来获得自身位置。传感网部署环境的差异性、部署条件的多样性等因素,给定位算法的性能带来很大影响。针对此问题,本文研究了几种典型的节点定位问题,提出一系列基于协同自适应策略的定位算法,以克服部署环境、条件的影响。本文的主要贡献如下:
第一,无线信道参数在时空分布上存在差异性,给RSSI测距带来很大误差,针对此问题,提出一种自适应定位方法:RBAL算法。算法基于简化的信道衰减模型,使用分散在网络中的锚节点协作评估出局部的信道参数,即时用于当地节点的测距定位。仿真结果表明,在环境差异化的网络中,RBAL算法定位精度较传统RSSI算法可提高约40%。在办公室环境下的实际节点测试结果显示,RBAL算法定位精度较传统方法提升了约23%。
第二,当前蒙特卡罗移动节点定位法中,获取多跳节点信息可能影响实时性,且滤波权值设置与实际情况有偏差,针对此问题,提出改进的定位算法:MMCL,采用k跳锚节点信息预存机制解决实时性问题,引入“通信成功率”模型优化滤波权值,模型参数自适应获得。通过仿真结果验证,当使用3跳锚信息时,MMCL算法定位精度较传统方法可提高近50%。
第三,针对节点分布(节点分布密集和不均衡)影响非测距定位性能的问题,提出基于节点筛选策略的非测距算法:SBL,它包含NSBL和ASBL两个算法。其中,NSBL算法使节点协作感知两跳范围内的通信能耗值,基于此从一跳邻居中筛选出直接邻居,从而自适应的调整网络跳距,在分布密集网络中提高定位精度;ASBL算法利用对节点密度的协作感知和节点间几何关系,对锚节点做出筛选,自适应划分出网络的不同密度区,各区分别执行定位以避免相互影响。通过仿真实验证明,SBL算法可在节点分布密集和不均衡的条件下获得更高的非测距定位精度。