WSN中基于气体扩散模型的气体源点定位分析

《WSN中基于气体扩散模型的气体源点定位分析》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、摘要摘要无线传感器网络由于具有组网成本低、节点可随机散布在目标区域、覆盖区域广、能耗低及工作时间长等特点，近来在军事、民用等相关领域都有着广阔的应用前景。借助无线传感器网络实现气体源点定位的研究目的是寻找有效且精确的定位方案，及时对监测区域做出预警。其研究成果可广泛应用于火灾早期监测、毒气扩散、易燃易爆气体泄漏、气态生化剂传播等场合。本文针对无线传感器网络中的气体源点定位问题，具体展开了如下几个方面的研究工作：首先对无线传感网络的发展、特点、传感器节点的组成、WSN体系结构和主要应用领域进行了概述，总结了当前无线传感器网络应用于气体源点定

2、位的研究现状及研究意义，引出课题的难点。其次对无线传感器网络定位技术的基本原理及类型进行了阐述，按照基于测距和非测距的分类标准，着重讨论并分析了常见的几种经典定位算法。同时针对气体源点定位的特点，介绍了一些常用的气体扩散模型，并在此基础上，推导出了适合于各种风向的气体扩散模型的通用表达式。然后以有风时气体浓度衰减模型为基础，构建了源点定位模型，并结合当前的智能优化算法和传感器节点在监测场中的分布特性，提出了两种集中式的气体源点定位算法——基于力导向量子粒子群优化的气体源点定位算法和基于加权距离差法的气体源点定位算法。并通过实验仿真验证了算

3、法在不同条件下的可行性。最后针对集中式计算存在的一些问题，引入了分布式计算的思想，并分析了分布式计算的特点。考虑到用于定位的目标函数非凸化，本文提出了一种基于分布式自适应偏转次梯度投影的气体源点定位算法。该算法依然是以有风时气体浓度衰减模型为基础，以自适应偏转次梯度投影算法为核心，利用偏转次梯度方向代替原次梯度，以偏转次梯度投影的超平面作为搜索区域来进行松弛投影，对节点获取的气体浓度信息进行分布式计算，从而估计出气体源点位置。最后也通过仿真结果证明了该算法相对于其它同类算法的优越性。关键词：无线传感器网络；气体源点定位；气体扩散模型；集中

4、式；分布式IAbstractAbstractBecauseofitscharacteristicssuchaslowcostofnetworking,nodesbeingdeployedrandomly,widecoveringfieldandlongperiodofworkability,wirelesssensornetworks(WSN)hasawidevarietyofapplicationsincludingmilitaryandcivilianfieldsinrecentyears.Theresearchpurposeofga

5、ssourcelocalizationbasedonWSNistofindaneffectiveandaccuratelocalizationscheme,thentogiveouttheearlyfore-warningaboutthemonitoringfield.Theresearchresultscouldbeappliedtomanydifferentfieldssuchasfireearlymonitoring,poisonousgasspreading,flammableandexplosivegasleakageandga

6、seousbiochemicalagentpropagating.Focusingontheproblemofgassourcelocalizationinwirelesssensornetworks,thispapermainlyincludestheseresearchworksasfollows:Firstly，thispaperdiscussedrespectivelythedevelopmentandcharacteristicofWSN,sensornodescomposition,WSNarchitectureanditsm

7、ainapplications;ThenconcludedthestateandsignificanceofgassourcelocalizationbasedonWSN,andanalyzedtheexistingdifficultproblems.Secondly,theprincipleandclassificationoflocalizationtechnologyinwirelesssensornetworkwerestated.Accordingtothestandardclassificationofrange-baseda

8、ndrange-freetechnology,thispaperdiscussedandanalyzedsomeclassicallocalizationalgorithms.Meanwhil