基于蝙蝠算法的无线传感网络节点定位研究

基于蝙蝠算法的无线传感网络节点定位研究

ID:35070097

大小:3.08 MB

页数:68页

时间:2019-03-17

基于蝙蝠算法的无线传感网络节点定位研究_第1页
基于蝙蝠算法的无线传感网络节点定位研究_第2页
基于蝙蝠算法的无线传感网络节点定位研究_第3页
基于蝙蝠算法的无线传感网络节点定位研究_第4页
基于蝙蝠算法的无线传感网络节点定位研究_第5页
资源描述:

《基于蝙蝠算法的无线传感网络节点定位研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文题目:基于蝙蝠算法的无线传感网络节点定位研究研究生刘春菊专业信号与信息处理指导教师尚俊娜副教授完成日期2015年11月抗州电子科技大学学位论文原创性声明和使用授极说巧原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研巧工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过。的作品或成果对本文的研究做出重要贡献的个人和集体?明确方式标明。,均已在文中y申请学位论文与资輯若有不实之处一,本人承担切相关责任。

2、论文作者签名日期:年,月作日:叫若彌学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研巧生巧校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件,^^1公布论文的全部或部分内容,可、允许登阅和借阅论文;学校可^1^允许采用影印缩印或其它复制手段保存论文。(保密论文在解密后遵守此规定)■论文作者签名:如U、爾日期;tW年f月

3、/本日i指导教师签名:日期:的年I月/中日杭州电子科技大学硕士学位论文基于蝙蝠算法的无线传感网络节点定位研究研究生:刘春菊指导教师:尚俊娜副教授2015年11月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchofnodelocalizationinWirelessSensorNetworksBasedonBatAlgorithmCandidate:LiuChunjuSupervisor:As

4、s.Prof.ShangJunnaNovember,2015杭州电子科技大学硕士学位论文摘要随着科技的进步,无线传感网络(wirelesssensornetwork,WSN)作为一种新兴技术,集成了传感器技术、现代无线通信技术、分布式信息处理等技术,广泛应用于医疗卫生、军事、智能交通、环境监测等领域,是国内外关注焦点。在各种应用场景中,无线传感网络的节点位置信息的精确程度是衡量整个网络性能优劣的标准之一,也是无线传感网络广泛应用的保证,因此节点定位技术一直是无线传感网络的关键技术和研究热点。节点定位

5、算法中为了保证节点预测位置的准确性,通常采用基于接收信号强度指示(ReceivedSignalStrengthIndicator,RSSI)、基于到达时间的定位技术(TimeofArrival,TOA)、基于信号到达时间差的测距技术(TimeDifferenceofArrival,TDOA)、基于到达角度的测距技术(Angle-of-Arrival,AOA)等一些基于测距的相关定位算法来实现节点距离信息的求解。在得到节点之间的距离后,通过三边定位、三角定位、最大似然估计等方法计算出未知节点的位置坐标

6、。但在这些基本的定位算法的实际应用中,无法完全消除误差,使得测距误差对定位结果影响极大。因此本文在分析研究无线传感网络节点定位的基础上,将蝙蝠算法(BatAlgorithm,BA)及其改进算法引入到无线传感网络节点位置优化的问题上,通过智能优化算法的自身的优越性来补偿测距误差等因素对定位精度的影响,从而提高节点精度。本文主要研究工作如下:(1)研究了蝙蝠算法的全局收敛性问题。本文在深入阐述无线传感网络节点定位的理论基础上,将节点定位问题转化为数学优化问题,通过蝙蝠算法进行优化求解。蝙蝠算法每一次进化

7、的实质是一个随机过程,满足Markov链的过程条件,因此本文首先将Markov链模型引入到基本蝙蝠算法,详细论证了蝙蝠群体状态空间具有的可约性和齐次性,并对蝙蝠算法的收敛性进行了理论分析,推导出蝙蝠算法的种群序列能以概率1收敛于最优解集,具有全局收敛性。随后,将蝙蝠算法应用到无线传感网络节点定位的问题上,实验结果显示了蝙蝠算法具有明显优于其他算法的寻优性能,提高了节点定位的精度。(2)提出了基于自学习能力的变异蝙蝠算法的无线传感网络节点定位方法。在研究分析基本蝙蝠算法存在易陷于局部最优,后期收敛速度

8、较慢等问题的基础上,提出了具有自学习能力的变异蝙蝠算法。该算法融入了变异操作和自我优化操作,变异操作使得每个蝙蝠个体可以动态成比例地形成变异群,依据贪婪选择机制,在变异群中寻找优良个体,增加了种群的多样性,避免个体退化。自我优化算子使全局最优个体在小范围内再次进行自我学习,可以引导算法进行深度搜索。改进的算法增强了跳出局部最优的能力,避免算法早熟,提高了算法的优化精度和收敛速度。通过对基本标准函数的测试,验证了算法具有寻优能力强,搜索精度高的优点。将改进算法应用到无线

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。