论文部分内容阅读
无线传感器网络(WSN:WirelessSensorNetwork)作为获取信息的重要手段,在军事、环境监测、医疗等诸多领域有广泛的应用。而对于诸多应用如目标跟踪、森林火灾监控、远程数据采集等都需要确定的位置信息,因此节点定位技术对WSN应用的有效性至关重要,是WSN核心技术之一。 本论文主要研究了基于测距和非测距相结合的无线传感器网络混合定位技术。在进行测距定位研究中,首先设计了一套基于Zigbee技术的无线通讯节点,并扩展超声波测距装置,构建了基于TDOA的精确定位系统。考虑到TDOA定位中超声波测距覆盖范围较小,本文又引入RSSI测距辅助定位。由于RSSI值易受环境因素的影响,且其与实际距离之间的转化模型具有相当大的不确定性,因此RSSI测距距离与实际距离往往存在较大误差。对此本文采用递推平均滤波和高斯模型相结合的数据处理策略对RSSI进行滤波和筛选,并利用人工神经网络进行RSSI值与实际距离之间的计算,实验证明本文方法能有效抑制短暂遮挡干扰对RSSI测距结果的影响,并使RSSI测距精度得到较高提升。 在此基础上,本文进一步开展了测距定位和非测距定位相结合的混合定位研究,利用测距定位中优化的RSSI测距模型改善非测距定位DV-Distance算法中定位节点与信标节点间有效距离信息的精度,并将测距定位中节点之间的定位距离和累计跳段距离的比值作为修正权值,对有效距离进行二次修正。以提高大规模无线传感网络中非测距定位精度。本文提出的混合定位思想实现了一种由局部到整体,三重定位,多级修正的定位方法。 最后本文利用C#开发了一套结合TDOA定位、RSSI定位和非测距定位仿真技术的混合定位实验平台,并通过实验验证了本文混合定位算法的优越性。