论文部分内容阅读
无线传感器网络(Wireless Sensor Networks,WSN)节点定位是一种根据已知节点位置计算未知节点位置的技术。现有的节点定位算法大多是基于二维平面研究的,由于三维空间中求解问题的复杂性,二维平面的节点定位算法很难直接应用到三维环境中。所以,三维无线传感器网络中的节点定位算法要求新的理论和方法。在分析已存在的众多算法的基础上,本文基于模糊信息几何理论,通过引入移动锚节点、Delaunay三角剖分和自适应节点分簇等知识,建立新的网络定位算法模型来提高节点定位精度。主要工作如下:1.在三边定位算法的基础上,针对无线传感器网络节点定位精度问题,提出一种基于模糊几何理论的移动锚节点定位算法(Mobile Anchor Node Localization on Fuzzy Information,MANLFI)。该算法中引入移动锚节点,通过测量锚节点和未知节点之间的几何角度实现节点定位。对求得的某一节点的若干个可能的坐标,通过加权计算求得节点的最终坐标,每一轮定位结束后重新计算移动锚节点的速率和方向。实验结果表明,基于移动锚节点的模糊信息节点定位算法增大了锚节点利用率,提高了节点定位精度,有效延长了网络生命周期。2.在上述移动锚节点模糊信息定位算法的基础上,引入了图论中Delaunay三角剖分的知识,提出了一种基于Delaunay三角剖分的模糊信息节点定位算法(Fuzzy Information Node Localization on Delaunay Triangulation,FINL-DT)。该算法定位前对定位区域中的锚节点实现Delaunay三角剖分,然后通过锚节点和未知节点之间的模糊信息实现节点定位,同时该算法增加了对锚节点有效性的判断,并对无效锚节点位置更新。网络中的节点被定位后充当二级锚节点辅助定位其他节点。实验结果表明,基于Delaunay三角剖分的模糊信息节点定位算法提高了节点的有效性和节点定位精度,降低了网络能耗。3.在上述两种定位算法的基础上,引入虚拟分层和节点自适应分簇知识,提出了一种三维空间中节点自适应分簇的模糊信息定位方法。该方法初始时通过引入虚拟分层对定位区域降维,对分层后处于同一平面的节点实现自适应分簇,在分簇的基础上实现节点模糊信息定位,最后通过泰勒级数展开求精提高节点定位精度。实验结果表明,本文算法提高了节点定位精度,降低了网络能耗。