基于声音能量强度的无线传感器网络目标定位研究

《基于声音能量强度的无线传感器网络目标定位研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、南京理工大学硕士学位论文基于声音能量强度的无线传感器网络目标定位研究姓名：程清远申请学位级别：硕士专业：检测技术与自动化装置指导教师：吴晓蓓;黄成硕上论文基于声音能量强度的无线传感器网络目标定位研究摘要本文研究的基于声音能量强度的无线传感器网络目标定位，相对于基于时间差的目标定位不需要精准的时间同步，相对于基于波达方向的目标定位不需要传感器阵列高昂的成本，相对于质心定位等不基于测距的目标定位不需要较多的节点数量和较大的节点密度，只需要通过适量节点检测的声音能量值便可快速、准确地完成定位任务，减少了节点的能量消耗和对无线通信带宽的要求。本文首

2、先对声音的传播特性进行了分析，根据声音的传播规律找到声音能量强度与目标和节点之间距离的关系，提出声音能量衰减模型，基于此模型介绍了基本的目标定位算法，包括极大似然估计定位算法、非线性最小二乘估计定位算法、线性最小二乘估计定位算法，并对各算法的优点折中提出声源能量和位置联合估计的联合线性最小二乘估计定位算法。在分析基本目标定位算法的误差的基础上，令加权系数为噪音协方差的倒数，引入权值矩阵进行算法改进，从而得到相比于不加权算法定位精度大大提高的加权非线性最小二乘估计定位算法、加权线性最小二乘估计定位算法和加权联合线性最小二乘估计定位算法，并提出

3、从加权目标定位算法参与定位的节点个数和参与定位的方程个数入手进行节点和方程个数的二次削减，从而在保证定位精度的前提下，大大降低了定位算法的复杂度，减少了定位的运行时间，降低了节点的能耗，延长了节点的使用寿命。最后，论文基于MATLAB仿真平台，对上述目标定位算法及其改进措施进行仿真，通过比较分析，算法和改进措施的可行性和有效性得到了很好的验证。关键词：无线传感器网络，目标定位，声音能量强度，最小二乘，超球面，联合线性，权系数AbstractYargetlocalizationbasedonacousticenergystrengthinwi

4、relesssensornetwork．researChedforinthisdissertation，doesn’tneedaccuratetimesynchronizationcomparedwi廿1targetlocalizationbasedontimedifferenceofarrival，anddoesn’tneedhighcostofsensora仃aycomparedwithtargetlocalizationbasedonangleofarrival，anddoesn，tneedlargenumberorlli曲densi

5、tyofnodescomparedwithtargetlocalizationnotbasedondistancesuchascen仃D1dposition·ItCanfinishthelocalizationquicklyandaccuratelyusingdetectedacoustlcene唧valuesoffewnodes，aSwellaSreducingtheenergyconsumptionofnodesanddemandforwirelesscommunicationbandwidtll．F1rstly,acousticpro

6、pagationcharacteristicisanalyzedinthediss叭ation．Basedon1awofacousticpropagation，therelationshipbetweenacousticenergystrengthanddistancef．romtargettonodeisfound，thenacousticenergyattenuationmodelisproposed．Basictargetlocalizationalgorithmsareintroducedbasedonthemodel，includ

7、ingmaximum．1ikelihood(ML)algorithm，nonlinearleast—squares(NLS)algorithm，linearleast-squaresalgorithm(LS)andene鼢positionunitedlinearleast—squares(ULS)algorithmcompromisingadvantagesofothers．An贫analyzingtheestimationerrorofbasictargetlocalizationalgorithms．makingwaghtingcoef

8、ficientbetheinverseofthenoisecovariance，algorithmsareimprovedthrou西mtroduclngweightingmat