在无线传感器网络的应用中,对传感器节点的定位是不可或缺的。大多数情况下,传感器节点被随机地部署在监测区域内,无法预先知道自身的地理位置。通常,监测区域往往是立体的空间范围,因此,只对节点进行二维平面定位不能准确地刻画出其位置所在,需要进行三维空间定位。课题来源于江西省科技攻关项目。本课题针对大规模无线传感器网络的节点计算能力低下,网络拓扑复杂和能量受限的特点,对无线传感器网络的三维空间定位算法进行了研究,考虑大规模部署下如何降低成本和提高定位精度的问题。
本文提出基于多维定标的无线传感器网络三维定位算法(A Three-dimensional Localization Method Based on Multidimensional Scaling in Wireless Sensor Networks,简称3D-MDS),针对大规模无线传感器网络的特点,研究MDS(Multidimensional Scaling)技术和基于距离的定位算法,利用成簇机制和构建全局坐标系的方式对网络进行两次逻辑划分。簇结构的使用能够有效减少簇内节点的数目,同时抑制了簇内多跳距离的存在,从而降低计算的复杂性,提高以簇为单位的相对定位精度。为了降低测距误差对定位精度的影响,本文使用RSS经验衰减模型估测单跳节点间的距离,并对利用卡尔曼滤波算法降低噪声的过程进行了探讨。在利用基于MDS技术的定位算法计算簇内相对坐标时,结合节点的可变功率和三角形法则,对测距所形成的相异性矩阵的误差提出一种修正方法,并采用一种轻量级矩阵分解算法计算簇内三维相对坐标,以降低计算的复杂度。为了得到整网所有节点的全局坐标,在全局坐标转换阶段,算法由簇头在每个簇内选取一定数目的节点参与构建全局坐标系,并通过节点间最短路径上跳段累加的方法获得相应的距离估算,再由后台完成全局坐标和转换变量的计算。簇头节点根据转换变量,只需计算一次即可得到簇内节点的全局坐标。最后,为了进一步提高节点的初始坐标精度,在后台使用一种迭代优化算法对MDS的系数方程进行迭代求精。
文章的实验部分详细设计了基于3D-MDS定位算法的定位平台,在TinyOS和TelosB平台下利用nesC完成了定位平台的主要功能,并分别在室内和室外进行了定位实验。
近几年来,随着移动通信、无线技术的迅猛发展以及“情境感知服务”、“普适计算”等概念的提出,越来越多的应用领域需要对环境中的物体进行信息的获取与处理,感知环境中的各种变化,并获得多样的背景服务。其中,获取服务对象的位置信息决定着情境感知服务能否准确、高效地施行。因此,无线定位技术受到人们越来越多的关注。射频识别(Radio Frequency Identification, RFID)技术,具有容量大、体积小、非接触、成本低、精度高、灵敏度高、寿命长以及对环境的适应能力强等优势,成为在室内环境中进行目标定位的首选技术,且越来越多的应用领域需要通过定位得到目标物体的高度或者深度,因此本文主要研究基于RFID的三维定位算法。本文在研究了基于RFID的经典定位算法之后,提出了两种基于RFID的三维定位算法:基于改进BVIRE的三维定位算法以及MR-VLM三维定位算法。基于改进BVIRE的三维定位算法是将BVIRE定位算法扩展到三维空间,提出了新的三维定位模型,并针对其缺点进行了以下两个方面的改进:第一,采用三元多阶非线性插值算法代替线性插值算法计算虚拟参考标签的RSSI (Received Signal Strength Indication)值;第二,提出三维密度地图,对待定位标签潜在位置区域的细化方法进行改进。MR-VLM三维定位算法,是在VLM三维定位算法的基础上,在位于H/2(H为定位空间高度)的平面上加入了移动的RFID读写器,该读写器通过移动来增强包容性约束以及排他性约束,这样不仅可以减小待定位标签的潜在位置区域的范围,也能够有效地避免RFID读写器的读取盲区。最后,本文将这两种基于R-FID的三维定位算法使用MATLAB进行了仿真分析,经过实验得出,基于改进BVIRE的三维定位算法的定位精确度比BVIRE算法提高了12.8%-41%, MR-VLM三维定位算法的定位精确度比VLM三维定位算法提高了22.97%~42.74%。
针对无线传感器网络中近似四面体内点三维(APIT—3D)定位算法存在的问题,提出一种基于球切割的APIT(APIT—SC)定位算法。该算法改善在节点分布不均匀时定位精度和定位覆盖率差的问题,用体积规则减少PIT—3D测试中出现Out To In和In To ...
详细信息
针对无线传感器网络中近似四面体内点三维(APIT—3D)定位算法存在的问题,提出一种基于球切割的APIT(APIT—SC)定位算法。该算法改善在节点分布不均匀时定位精度和定位覆盖率差的问题,用体积规则减少PIT—3D测试中出现Out To In和In To Out错误。以球切割法和轮回选择法改善算法性能,降低计算复杂度。仿真实验表明:500个节点随机部署在100 m×100 m×100 m的理想网络环境下,APIT—SC算法定位覆盖率可达91%,定位误差在23%左右。与APIT—3D算法相比,降低了计算复杂度,提高了定位精度。
暂无评论