论文部分内容阅读
节点定位技术是无线传感器网络的重要研究内容之一。现有的基于测距的无线传感器网络定位技术通常需要复杂的硬件设备,从成本和部署角度考虑,这类技术应用于大规模的无线传感器网络时具有较大的局限性。相比于基于测距的定位技术,非测距定位技术具有较大的技术优势,它们无需精确的距离信息、通过网络的连通性信息来定位,因此不需要复杂的硬件设备,这类方法经济有效。但这类方法通常假设无线传感器网络处于理想情况(各向同性),忽略了实际环境中可能存在的不规则部署、通信模型不理想等情况(各向异性),因此定位误差较大。本文针对各向异性无线传感器网络中使用非测距定位算法精度不高的问题,将移动信标和机器学习引入无线传感器网络的节点定位,提出了移动信标辅助和基于核函数的非测距节点定位算法,并给出了仿真实验分析。本文取得的研究成果和主要创新点如下:(1)提出了基于非测距的3个移动信标辅助的二维DV-Hop节点定位算法,该算法基于等距三重覆盖的思想,同一时刻可产生多个虚拟信标,借助三边定位技术,每个未知节点可实现一次性定位,在实现高精度定位的同时,节省了能耗。仿真实验结果表明,该算法具有较好的定位性能,体现在较高的定位精度、较少的通信量和较短的信标移动距离。(2)针对三维空间中节点定位存在的“共面”的问题,引入了共面度的概念,将第三章所提出的定位算法扩展到三维空间,提出了多移动信标辅助的分层式三维DV-Hop节点定位算法,通过设定共面度阈值来筛选用于定位的信标节点,最后通过四边定位技术来实现节点定位。二维空间中的等距三重覆盖思想通过移动信标的分层式路径扩展到三维空间中。仿真实验结果表明,该算法比扩展的三维DV-Hop算法具有更高的定位精度,更小的通信量。(3)设计了基于核函数的非测距节点定位算法。由于大多数传统的非测距算法并没有利用整个无线传感器网络的全局或拓扑信息,仅仅利用了节点周围的局部邻居信息,当无线传感器网络的节点分布是各向异性时,仅仅利用节点周围的局部邻居信息会降低定位性能,该算法通过引入支持向量回归机来采用无线传感器网络的全局信息,用一种非线性模型描述无线传感器网络中节点对之间的近似距离与欧式距离之间的关系。仿真实验表明,本算法的定位精度高于DV-Hop算法,尤其是在各向异性的无线传感器网络中。(4)针对样本规模大、样本含有异构信息或高维特征空间中分布不平坦的数据时,采用单一核函数进行映射的方式对所有样本进行处理并不合理的问题,将两个或多个核函数进行组合,由组合核函数构成的支持向量回归机兼顾了各个单核的优点,提出了基于组合核函数的非测距节点定位算法,将RBF核与多项式核进行组合,兼顾了RBF良好的插值能力和多项式核良好的推广能力。仿真实验表明,基于组合核函数的非测距算法的定位精度高于基于单核的定位算法。