论文部分内容阅读
无线传感器网络（Wireless Sensor Networks, WSN）是由大量具有信息采集、数据处理和无线通信等多种功能的传感器节点随机散布在特定的区域中并组成多跳的自组织网络系统。WSN以其独特的潜力和优势成为未来三大高科技产业之一。在大多数应用中，节点所采集的信息又必须以节点的定位为前提和基础才有意义。由于传感器节点携带能量和处理能力有限，研究节点的定位技术就有着十分重要的意义。鉴于现有无线传感器网络节点定位算法大多是二维的，无法应用于三维环境，本文对基于到达时间（Time ofArrival, TOA）估计的超宽带（Ultra Wideband,UWB）无线传感器网络三维定位问题展开了深入研究。在节点设备低成本、低复杂度、低功耗的原则下，考虑多径效应、非视距传播和复杂噪声的存在，提出了基于酉矩阵束（Unitary Matrix Pencil, UMP）、APES （Amplitude and PhaseEstimation）和单元平均恒虚警概率（CA-CFAR）的超分辨率TOA估计算法，并与多边测距定位算法相结合，可实现无线传感器网络未知节点的三维位置精确定位。论文首先阐述了课题的研究意义，介绍了无线传感器网络节点定位方法的常见分类及其研究现状，进而提出三种基于超分辨TOA估计的UWB无线传感器网络三维定位方法，对算法进行了仿真并分析了信噪比、锚节点数量和分布对定位精度的影响。本文的研究工作得到吉林省自然科学基金项目“密集多径环境下基于阈值TOA估计的UWB无线传感器网络三维节点定位”（项目批准号：201215014）的资助。本文的主要创新性工作如下：1、提出了基于矩阵束（MP）算法和酉矩阵束（UMP）算法的UWB无线传感器三维节点定位方法。这两种方法通过MP算法和UMP算法进行超分辨率TOA估计和测距，并与三维Taylor算法或三维Chan算法相结合进行未知节点的位置计算。两种算法都可以抑制非高斯噪声，且只需单次采样。其中，UMP算法是对MP算法的改进，在保留MP算法优点的基础上，计算量更小，精度更高。仿真结果验证了所提出算法的有效性。2、提出了基于APES技术的UWB无线传感器三维节点定位方法。在多径环境下，该方法基于APES技术同时对未知节点的TOA和信号幅度进行超分辨率估计，进而进行三维位置计算。通过对信号幅度的估计，可以在视距（LOS）情况下直观判断出直达路径，从而有效克服多径效应。仿真结果验证了所提出算法的有效性。3、提出了基于CA-CFAR算法的UWB无线传感器三维节点定位方法。该方法借鉴雷达中的CA-CFAR算法来估计未知节点的TOA。CA-CFAR算法是一种基于阈值的估计方法，可以在密集多径环境下有效地判断出真正的TOA从而克服非视距（NLOS）带来的影响，且计算量小，鲁棒性好，适合于电源能量有限的系统。仿真结果验证了所提出算法的有效性。