论文部分内容阅读
无线传感器与执行器网络(Wireless Sensor and Actor Network,WSAN)是在无线传感器网络(Wireless Sensor Network,WSN)的基础上衍生而来,通常由若干传感器节点和执行器节点组成。执行器节点具有较强的处理能力、较高的能量,能够根据传感器节点采集的信息进行分析、决策并采取相应的措施。在某种意义上,WSAN是能够改变物理世界的新型网络。因此,WSAN对于重要的定位技术也提出了更高的要求。另外现有的WSN定位算法不能直接移植到WSAN中使用,故本文针对传统WSN定位算法的缺陷并结合WSAN的定位需求,对WSAN定位算法进行了研究。具体研究内容如下1.总结了国内外关于WSN/WSAN定位算法的研究进展并分析了现有WSN定位算法不适用于WSAN的原因。以WSN为基础,从体系结构、节点组成、网络特征等方面对WSAN进行了全面介绍。同时列举了WSAN定位算法中常见的6种分类方式,并对其中的代表算法进行了详细介绍。2.提出了一种基于正方形区域的移动非测距定位算法(Mobile Range-free Localization Algorithm based on Square Area,MRFS)。算法利用移动的执行器节点代替WSN中的锚节点进行定位,首先通过执行器节点正方形的布局确定未知节点所在区域,然后通过迭代不断缩小该区域,最后计算该区域质心作为未知节点的坐标。利用移动的执行器节点能有效节省网络部署成本,另外与测距技术相比,非测距的定位方式大大降低了硬件成本。仿真实验表明,算法能够取得不错的定位效果。为避免执行器节点分布局部密集或稀疏,使空闲执行器节点的分布均匀合理,在定位的同时引入虚拟力模型,提出了一种基于虚拟力的MRFS非测距定位算法(MRFS Localization Algorithm based on Virtual Force,MRFSVF)。仿真实验证明,虚拟力算法的引入能有效改善执行器节点分布不均的情况,从而优化其覆盖面积,并且减少了定位误差及时间。3.测距定位方面,传统的基于信号传输时间(Time of Arrival,TOA)的定位算法通过计算信号的传输时间来测量节点间距离,将TOA算法与虚拟力模型相结合,促使执行器节点在虚拟力作用下不断移动,有利于执行器节点向请求定位的传感器节点靠近,从而提高定位成功率。仿真实验验证了算法的性能。4.针对各定位算法的特点及适用场合,介绍了各算法的应用。