论文部分内容阅读
无线传感器网络(WSN)内每个传感器节点在其工作区域内明确自己所处坐标位置这一过程节称之为节点定位。对于WSN实际应用来看,它能够有效开展工作的基本前提条件就是要准确确定工作节点的位置信息和确定监测事件出现的准确位置。当前对于节点定位技术的研究,主要是集中在静态WSN网络内,即网络内的节点一经部署就保持在静止不动的状态。而在实际应用中,倘若网络内的节点能够进行随机游走活动,则能更灵活的监测整个网络内的对象事件,提供更多具备实时性的信息要素,例如对煤矿井下工作人员进行定位、牧场中动物行迹跟踪。因此,对于WSN移动节点定位算法的研究十分有必要。本文首先介绍了无线传感器网络节点定位技术的重要性,并对传感器网络定位技术进行了详细说明,随后引入移动传感器网络节点定位的概念,对蒙特卡罗方法在WSN移动节点定位中的应用原理进行了详细的介绍,并结合相关算法进行说明分析。针对当前基于蒙特卡罗方法的WSN移动节点定位算法在锚节点分布稀疏时定位效果较差的问题,提出了一种当处于锚节点稀疏环境下定位效果也较为理想的基于蒙特卡罗方法的WSN移动节点定位算法(SDANMCB)。算法的主要思想可通过以下几个方面来体现:(1)该算法在定位过程中将周围锚节点分布较密集的节点转化为虚拟锚节点来辅助其他周围锚节点信息稀疏的待定位节点来实现自身的定位,同时根据虚拟锚节点的实际定位误差来引进扩张系数,根据这个系数适当地放大虚拟锚节点的通信距离,优化虚拟锚节点盒的搭建,让采样区域更为贴切,从而改进采样的效率;(2)在采样阶段使用自适应采样,根据采样箱的面积和锚节点密度相应调整定位所需要的样本数量,有效地减少计算量,降低WSN运行耗能;(3)在滤波环节添加虚拟锚节点的信息来过滤样本,并在滤波环节结束后,根据样本的分布位置来调整样本权重,提升算法的定位精度。仿真结果表明:SDANMCB算法相比于MCL、MCB算法在定位精度、采样效率上都有明显的提升,并且在锚节点密度比较低时定位效果有较大改善。