基于矩阵补全的无线传感器网络节点定位算法研究

《基于矩阵补全的无线传感器网络节点定位算法研究》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、：，、、＇／ｒ义Ｉ．斗．‘，？Ｊ終＾讀：：｜．媒打；．音別＃，‘ｒ踞—读Ｊ：；佩職２Ｗ密＾！‘＾‘Ｍ－孫＾Ｖｖ．．．；．１：：＇考：．｝＾‘：４：＾ｒ＇矣．；’ｉ＞之．韦‘識执户ｒ驚—蘇為ｉ．弓啤‘為、＾著．擎嗜－：－ｖ一，．一Ｈ．．．＾４；’．Ｈ．Ｊｒ朽－Ｓ．＂＞ｊ４．；硕ｆ合缘．偉，ｆ讀．’．．作１惠／．．－．一，．Ｉ＂诗．聲攝．＞碱、ｓ！．扭＼．餐＾＼．、，＂－％＾ｒ＂舅卢慰ｖ？襄，．Ｐ護ｉ堯＇－．ｙ’击．．ｔＫＶ／．．＇皆Ｓ扣＇若婪．骄－夢＾

2、．錄化题目：辭輔ｇ鎌齡器网旷郎谁親暇．；．；．．．、？．；：．．Ｕ．Ｖ秦难於＞Ｖ峡參片＇；Ｓ．Ｘ．；．擎管朱＇４璋！苦：一Ｗ＾．Ｖ；学号．二彎、：？舞違；姓測１＇名，單皆；．导师肖：：Ｉ＾学科专业娜用技术Ｍ－．．硏究方向网络－＇＾＞．－＜家中请学位＾财ｔ；、一作论文提交理３年二月，ｌ；荀．，．．－＇ｒ晏：．．咕／每对；＾＇＾．．．Ｃ．卖．．．＼；：ｖ‘；／＾，與．／．扣ｗ＇译＇＾；４托擊、．Ａａ穀八齡式坤－養Ｐ．ｆ單Ｖ；

3、－．冥＇，一／矣打．ｖ：．梦．Ｖ诗＾’＾折’‘＞；费。．＇Ｖ：．義ｃＩ為；細讀．／療－＇．‘．，、；：；麥泣苗＂＂寮填LocalizationforWirelessSensorNetworksviaMatrixCompletionThesisSubmitted toNanjing University of Posts and Telecommunications for the Degree of Master of EngineeringByC

4、haoheng ShaSupervisor: Prof. Fu XiaoMarch2016摘要近年来，无线传感器网络获得了快速的发展，并以其低成本、大规模和自组织的特点带来了信息感知的一场变革。在无线传感器网络中，传感器节点自身位置信息的获取对各种应用而言至关重要。因此，如何实现节点的精确定位是无线传感器网络的关键技术之一。现有无线传感器网络节点定位算法在定位精度、抗噪性能、定位代价方面仍存在不足，本文基于压缩感知领域的矩阵补全理论，深入研究和探讨了无线传感器网络定位算法。论文首先改进了现有的矩阵补全模型，引入正则化

5、技术对野值噪声和高斯噪声进行处理，提出了一种基于范数正则化的新型矩阵补全算法。在此基础上，针对区域随机部署的无线传感器网络设计了一种只需少量测距的鲁棒定位算法，算法基于节点间距离矩阵的低秩特性，将元素缺失且含噪的距离矩阵的恢复问题建模为范数正则化矩阵补全问题，并采用MDS算法将距离矩阵映射为节点位置，从而实现了部分测距采样条件下的精准的节点定位，且算法对各类测距噪声具有很好的抗干扰能力。此外，论文针对室内场景研究设计了一种基于信号指纹矩阵补全的鲁棒定位算法，算法利用指纹矩阵的低秩性，只需进行少量信号指纹采集即可恢复出

6、原始指纹库，从而减少离线阶段构造指纹数据库的工作开销；范数正则化补全算法能够有效平滑噪声信号，从而提升了定位算法的鲁棒性。关键词：无线传感器网络，节点定位，矩阵补全，范数正则化IAbstractIn recent years, wireless sensor networks gained rapid development, and has brought a revolution of information perception by its low-cost, large-scale and self-org

7、anization features.In WSNs, the location information of sensor nodes is essential for a variety of applications. Therefore, how to achieve precise localization is one of the key technologies of WSNs. Existing WSN nodelocalization algorithms still have defects o

8、n localization accuracy, robustness and localization costs. A deep research and discussion is made in this paper based on the matrix completion theory in Compressed Sensing