面向复杂环境的无线传感器网络定位及覆盖空洞修复算法研究

【摘要】：无线传感器网络是由分布在监测区域内大量节点构成的新型信息获取系统,具有低成本、随机部署、分布式计算等特点,能够广泛应用于军事、民用、工业等领域,因此受到越来越多研究人员的关注。本文在分析总结国内外研究成果的基础上,针对复杂环境下无线传感器网络存在的环境嘈杂、非视距传播、节点移动、多目标和节点易损等特点和难点,对节点定位、目标定位以及网络维护的关键技术和方法进行了深入地研究,论文的主要研究内容和成果体现在以下几个方面:针对传统GPS技术无法实现室内精确定位以及RSS测量易受环境干扰的问题,提出了基于EM(Expectation Maximization)算法的室内定位方法,通过信标节点间的通信获取RSS(Recei.ved Signal Strength)测量值,利用EM算法估计出信道传播模型的参数,采用改进禁忌搜索算法估计出未知节点的位置,实验结果表明所提算法具有较高的定位精度。蓝牙技术在无线电嘈杂环境下传输稳定,且大部分移动设备都支持蓝牙通信,非常适合应用在室内复杂环境,因此,设计开发了蓝牙室内定位系统,为验证算法的有效性提供了实验平台支撑。针对建筑物内或特殊环境中,信号的传播信道通常受障碍物遮挡而产生非视距传播,并且非视距误差对测量值影响较大的问题,提出了两种基于非视距检验的节点定位方法。根据TOA测量,提出了基于Pearson-卡方检验的非视距定位方法,利用统计分析方法检验传播状态,建立定位代价函数,采用粒子群优化算法估计位置。根据TOA和RSS测量,提出了基于假设检验的非视距误差削弱算法,将假设检验算法融入Kalman滤波中,利用融合算法削弱非视距误差对定位精度的影响。实验结果表明,所提两种算法能够有效降低非视距误差对定位精度的影响。针对非视距误差难以估算以及动态节点的定位精度不高的问题,提出了未知非视距误差参数的移动节点非视距定位算法。首先分析了滤波算法的性能,然后采用广义似然比检验方法检测信号传播状态,并利用VB-AKF算法估计非视距环境下测量噪声的均值和方差,最后通过极大似然估计方法估计移动节点的位置。仿真结果表明,所提算法在视距/非视距切换频繁的复杂环境下能够有效地提高移动节点的定位精度。针对传统多目标定位计算复杂度高且对测量设备硬件要求较高的问题,提出了基于量化测量的轻量级多声源定位方法。首先分析了超声声源的传播模型,然后针对该模型提出了量化方法,并利用极大似然估计方法建立定位目标函数,采用粒子群优化方法估计信号源的位置,最后采用Kalman滤波预测信号源的下一时刻位置,实验结果表明,所提算法在降低数据传输量的情况下,能够较精确的估计信号源位置。针对长期运行的网络易产生覆盖空洞的问题,提出了基于模糊C均值的网络覆盖空洞检测及修复方法。首先采用Neyman-Pearson准则建立节点探测模型,然后提出了基于空间约束模糊C均值的空洞检测方法,能够有效检测出网络中的空洞面积,最后提出了基于禁忌搜索的空洞修复方法。仿真结果表明所提算法能够有效修复网络覆盖空洞,实现传感器网络对监测区域的全覆盖。本文系统地研究了无线传感器网络定位及覆盖空洞修复的理论及方法,对提出的算法进行了仿真实验。通过与其它方法的对比与分析,验证了本文所提方法具有可行性、有效性和先进性。