- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
无线传感器网络的节点定位方法研究.pdf
摘要 无线传感器网络在医疗卫生、环境监测和军事等领域有着广阔的应用前景, 是近年来研究的一个热门课题。在大多数应用中,如大范围的动物跟踪,敌占 区情报侦察,地质环境恶劣地区的环境监测等,节点定位都是一项必不可少的 关键技术。从1992年ATTLaboratories Cambridge开发出室内定位系统Active Badge至今,已经有许多定位系统和算法被陆续提出,都是分别针对不同的问 题和应用来解决无线传感器网络的节点自定位问题。 本文的研究工作就是围绕无线传感器网络的节点自定位问题而展开。由于 不同的应用对节点定位有不同要求,因此定位方法的研究应针对特定的应用场 景。本文考虑的应用场景是高密度高连接度的网络,相邻节点间能进行一定精 度的测距,不同的监测任务对节点定位精度有不同要求,定位糖度可由粗到细。 基于该应用场景,我们需要研究以下两个问题:一是研究具有较高的定位精度、 较少的通信量和计算量的定位方法;二是研究在一定通信量和计算量的约束条 件下具有灵活性的定位方法。 针对第一个问题,本文对现有的众多节点自定位方法进行了调研和分析后, 发现具有广泛适应性和鲁棒性的MDS算法较适合本文提出的应用场景,因此 把它作为研究的起点。在对MDS算法进行深入分析和研究后,本文确定了在 已知部分测距信息的情况下采取先求初值再进行迭代计算的基本定位模式,接 着对现有的几种初值计算方法进行了详细分析,并对其中一种初值生成算法进 行了改进,提出了AFL直角坐标初值生成算法。随后,在MDS算法的基础上, 本文提出了随机扩散的分布式定位算法,并对其进行了详尽的复杂度分析和广 泛的仿真试验。与同类算法相比,随机扩散的分布式定位算法只需更少的计算 量和通信量就能达到较高的定位精度。 针对第二个问题,本文提出了分层定位的思想,研究了一种集中与分布相 结合的定位方法。通过筛选具有吲定连接度的框架节点并分步定位,使得该方 法的计算复杂度与网络连接度无关,更能适用于高连接度的网络。由于采用了 分层定位的策略,该方法能快速获得整个网络框架结构的粗定位结果,并能根 据不同的要求实现部分节点或全部节点的定位,以及不同精度的定位,增加了 定位的灵活性。 最后,本文对分层定位方法的后续研究提出了几个方向。并对随机扩散分 布式定位算法与定向扩散路由协议的结合做了畅想,这些都有待后续的研究工 作进行深入分析。 Abstract andmorearentionsinrecent 1heWireIessSensorNetworkshasattraetedmore a of onsensor’slocation lot information,sensor years.For applicationsdepend for SensorNetworl【s. becameafundamentalandcrucialiSSUeWireless positioning SincetheATTLaboratories Active in1992, BadgeSystem Cambridgedeveloped localizationsvstemsand were tosolvevarialltsensor marly algorithmsproposed nodes’localization problems. ThisthesisfoCases0nSensornodesself-localization research.Fisrt,
文档评论(0)