基于蒙特卡罗法的移动传感器网络定位算法研究.pdf

《基于蒙特卡罗法的移动传感器网络定位算法研究.pdf》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、基于蒙特卡罗法的移动传感器网络定位算法研究栾景叶2015年1月中图分类号：TP393.0UDC分类号：004.75基于蒙特卡罗法的移动传感器网络定位算法研究作者姓名栾景叶学院名称自动化学院指导教师张百海教授答辩委员会主席夏元清教授申请学位工学硕士学科专业控制科学与工程学位授予单位北京理工大学论文答辩日期2015年1月StudyofSelf-LocalizationTechnologyBasedonMonteCarloinMobileSensorNetworksCandidateName：JingyeLuanSchoolorDepartment:TheSchoolof

2、AutomationFacultyMentor:Prof.BaihaiZhangChair,ThesisCommittee：Prof.YuanqingXiaDegreeApplied:MasterofPhilosophyMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January，2015北京理工大学硕士学位论文摘要无线传感器网络是由大量的具有感知、计算和通信能力的传感器节点组成的多跳自组织网络。根据节点是否可移动，无线传感器网络分为静态

3、和移动传感器网络。与静态传感器网络相比，具有机动能力的移动传感器网络凭借灵活自组网、鲁棒性强等特点而被广泛地应用于军事、生物医药、环境监测等多个科学领域。在这些实际应用中，节点位置信息的获取是前提条件，没有位置信息对于它们来说是毫无意义的。因此，致力于研究移动传感器网络定位技术具有重要的理论意义和应用价值。本文首先对目前已有的移动定位算法进行了分类介绍，并详细阐述了基于蒙特卡罗方法的移动定位算法，其中包括蒙特卡罗方法的理论推导与分析、蒙特卡罗方法在移动传感器网络定位技术中的应用原理和具体的实现流程，同时指出了现有移动定位算法中存在的问题。然后，针对蒙特卡罗定位算法在

4、稀疏网络环境中采样效率低的问题，提出了基于虚拟信标选举的改进算法。该算法通过引进遗传算法中的交叉和变异操作来间接增加信标节点的数量和改善重采样带来的粒子退化问题；再利用未知节点与信标节点的距离信息对样本区分对待。大量的仿真实验结果表明，该算法在信标节点分布稀疏的网络环境下，能够有效提高节点的定位效果。最后，针对定位算法的执行效率低和计算复杂度高的问题，提出了一种动态采样的改进算法。该算法将Kullback-Leibler距离视为节点真实位置与估计位置的差限概率，根据采样区域计算基于差限概率所需的样本个数；再利用信标节点的连通度信息对样本进行区分，从而计算节点的位置坐

5、标。仿真结果表明，该算法不仅减少了节点定位过程中的时间消耗，而且提高了整个网络的定位精度。关键词：移动传感器网络；节点定位；蒙特卡罗；虚拟信标；自适应采样；I北京理工大学硕士学位论文AbstractWirelessSensorNetworksismadeupofalargenumberofsensornodes,eachofwhichhassensing,communicating,andcomputingabilities.Dependingonwhetherthenodesmoveornot,itcanbedividedintostaticandmobilese

6、nsornetworks.Comparedwithstaticsensornetworks,mobilesensornetworksiswidelyusedinmilitaryaffairs,biologicalmedicine,environmentalmonitoringrelyingonitsflexibleself-organizingandstrongrobustnessfeatures.However,thepracticalapplications’prerequisiteistoacquirethepositioninformationofnodes

7、,otherwisetheywouldbemeaningless.Therefore,researchonthelocalizationtechnologyofmobilesensornetworkshasimportanttheoreticalsignificanceandextensiveapplicationvalue.Inthisthesis,theexistinglocalizationalgorithmsareelaboratedandclassified,especiallytheseriesofalgorithmsbasedonMonteCarl