论文部分内容阅读
随着海洋经济在国民经济中所占比重的不断增加,人类日益重视海洋资源的开发和利用。而传感器网络因灵活性高、自组织能力强的特点,被广泛应用于海洋领域。水下传感器节点定位技术,实现了节点监测信息与位置信息的结合,使监测信息具有实际应用价值,因此,水下节点定位技术成为研究热点之一。海洋环境下,节点不断运动,位置变化频繁;并且部署环境难以实现节点的能量补充或电池更换,给水下传感器网络节点的定位带来巨大挑战。本文重点研究了节能的水下动态节点实时位置信息更新机制,建立了节点的运动预测模型,通过模型系数的传递实现水下传感器节点的定位,减少网络的通信消耗;考虑位置精度要求较高的应用场景,在节点估计位置基础上,设计基于动态搜索空间的粒子群算法,快速高效地提高节点定位精度。主要工作内容如下:(1)在近海环境中,本文以高斯径向基函数作为空间基函数,建立了时间和空间分辨率较高的节点运动模型。为提高模型实时性并降低数据的更新频率,采用K-medoids方法和扩展卡尔曼算法预测模型系数,降低通信能量消耗,为节点定位奠定基础。(2)考虑锚节点与普通节点的差异性,设计了基于运动模型的分层定位算法,分别对锚节点和普通节点实时定位,降低了通信能量能耗。锚节点采用K-medoids方法和扩展卡尔曼算法预测运动模型,并结合历史位置预测定位。通过定位误差及预测窗口的判定,锚节点实时更新模型系数,提高模型精度。以传递的模型信息为基础,普通节点计算运动模型,并结合历史位置实现定位。设计了普通节点的参考节点列表更新方法,及时调整参考信息,提高信息准确度。(3)对于节点位置精度要求较高的应用场景,建立了节点位置优化模型,并提出了基于动态搜索区域的粒子群优化位置算法。针对水下动态节点,以根据运动模型估计的位置为中心向空间延伸,形成动态的二维搜索区域,提高了搜索效率和定位精度。(4)分别对基于运动模型的定位方法和基于动态搜索区域的粒子群优化位置算法仿真分析。结果表明基于运动模型的定位方法在定位覆盖度、平均定位误差及平均通信能耗方面均优于SLMP算法和MP-PSO算法。基于动态搜索区域的粒子群优化位置算法明显降低了节点的平均定位误差。