论文部分内容阅读
由于物联网技术的蓬勃发展,无线传感器网络(wireless sensor network,WSN)在军队、医院、救灾等领域中的运用也日益普遍,尤其是室内定位领域,更是当下研究的热点。节点定位技术也是整体WSN中的一个重点技术,对整体WSN的数据传输必不可少。在现实应用,由于充分考虑到成本问题,无法在全部的节点上都配置GPS定位系统,所以针对未知节点的定位需要一定数量的已知位置信息的节点支持。而节点定位体系一般包括了测距阶段和定位阶段,因此本文将在两个阶段中对节点定位算法加以改进,以提高节点的定位精度。(1)在测距阶段,经由锚节点传输的信息会受到多径衰落、障碍物遮挡等环境的干扰,从而使得当测量值转化为实际间距数值时,信息丢失。因此我们将传统高斯滤波算法改良后,提供了一个采用中值的加权高斯滤波算法。此计算先将所采集到的几个RSSI值加以过滤处理后,利用高斯滤波算法去除不同的RSSI值。然后利用中位值有效的抗差性原理,对各种RSSI值经过加权来降低各种数据波动性。最后再将RSSI值转变为间距,从而实现了节点中间的测距。经仿真试验结果显示,和其它滤波算法比较,这种改进算法有效地降低了在测距阶段的定位误差。(2)在定位阶段,本文提出了基于优化鸡群与差分进化的RSSI定位算法(ICSO-DE-RSSI)。先对传统鸡群算法进行改进,分析各鸡群小组适应度,在鸡群位置中引入动态簇,解决更新问题,优化了传统鸡群算法的种群分组更新机制,经过仿真验证,本文提出的改进算法相较于传统算法,在保证较好收敛性的同时,定位精度得到了较大提高。再通过对鸡群计算引入差分进化算法,在鸡群计算实现了快速寻优之后,还可利用对差分进化算法的不断进行优化,来使正处于局部最优预测中的个体迅速跳出当前范围,从而寻找全局最优估计解。两个算法优势互补,结合后都具有较强的寻优能力,并发挥了各自优点,最后未知节点的位置可大致上由改进算法的全局最优预测解确定。ICSO-DE-RSSI算法融合了鸡群算法整体搜寻能力强大,收敛速率较快和差分进化算法全局搜寻能力强大的优点,从而有效降低了节点的定位误差。仿真实验结果表明,ICSO-DE-RSSI算法相较于RSSI定位算法、基于粒子群优化的RSSI定位算法(PSO-RSSI)和基于传统鸡群的RSSI定位算法(CSO-RSSI),定位精度有了一定的提高。(3)在测试部分,通过配置不同的节点,组建无线通信网络,获取待测节点的信息,并通过串口传送给电脑端;然后,电脑端上位机通过解析所接收信息,计算并显示待测节点的位置信息,同时通过保存的待测节点的位置信息,上位机可对其轨迹进行完整重现。