论文部分内容阅读
无线传感器网络涉及无线通信、传感器技术、分布式信息处理、嵌入式技术以及微电子等众多技术,在交通、军事、医疗、环保等领域有着广泛的应用。在无线传感器网络众多用途中,确定事件发生的位置是监测到事件发生后需要解决的关键问题之一。位置信息除了确定事件发生的地点外,还具有网络管理、移动目标跟踪、辅助路由等功能。因此设计高效的WSN定位算法是无线传感器网络管理中不可或缺的一部分。本文针对无线传感器网络的定位算法展开了研究。主要的研究工作有:(1)对WSN的定位算法进行了深入的研究,分别从机器学习、测距和非测距三个方面分析总结了WSN定位技术的优势和不足,为设计出高精度、低能耗的WSN定位算法提供了有力的基础。(2)在对基于LE-LPCCA定位算法研究的基础上,引入局部拓扑结构和分布式特性,提出了一种基于局部保持的分布式定位算法LE-DLPCCA。通过仿真实验验证,当训练样本比例为70%,定位精度可达86%,且能耗大幅降低,可延长整个无线传感器网络的生命周期,建模速度同时也提高了8倍。(3)分析了无线传感器网络的拓扑基本符合流形的特点,引入局部拓扑结构和非信标节点的信息,采用半监督学习技术研究节点的定位问题,提出了一种基于拉普拉斯映射的移动节点定位算法LP-LapRLS。该算法不仅提高了映射模型的泛化能力,而且在典型的的流形学习算法中建模效率较高。实验结果表明与同类算法相比LP-LapRLS具有更高的建模效率和定位精度,当训练集比例为60%,定位精度可达84%。(4)在研究了无线传感器网络的体系结构和协议栈的基础上,在VS2010集成环境中采用VC++,设计并实现了WSN定位仿真平台。在该平台中实现了LE-DLPCCA算法和LP-LapRLS算法,最后对这两种基于机器学习的定位算法的定位效果进行了对比与分析。LE-DLPCCA算法相比LP-LapRLS算法定位精度更高,大约提升了2个百分点。但是LP-LapRLS算法在出现离群值的情况下,鲁棒性较好,并且在定位算法中建模效率最高。