基于粒子群算法WSN节点自定位【开题报告】

基于粒子群算法WSN节点自定位【开题报告】

ID:440276

大小:28.00 KB

页数:5页

时间:2017-08-02

基于粒子群算法WSN节点自定位【开题报告】_第1页
基于粒子群算法WSN节点自定位【开题报告】_第2页
基于粒子群算法WSN节点自定位【开题报告】_第3页
基于粒子群算法WSN节点自定位【开题报告】_第4页
基于粒子群算法WSN节点自定位【开题报告】_第5页
资源描述:

《基于粒子群算法WSN节点自定位【开题报告】》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、毕业设计开题报告电子信息工程基于粒子群算法WSN节点自定位一、综述本课题国内外研究动态,说明选题的依据和意义1、近年来课题国内外研究状况:人类进入信息社会的一个主要标志就是因特网的迅速普及应用。因特网是信息传输网络与信息处理计算机相互融合的产物。当前的因特网使人类社会进入了“网络即计算机”的网络时代,人们可以在网上找到资源,进行网络计算和存储资料。而传感器网络将是信息获取、信息传输与信息处理三大子领域技术又一次相互融合的产物,人们可以通过传感网络直接感知真实客观世界的一切,从而极大地扩展网络的功能和人类认识世界的能力,必将极大地推动相关学科的

2、发展,并带来社会的深刻变革。因此、传感器网络将逐渐引领人类步入“网络即传感器”的传感时代。WSN网络在很多领域都有用途。在商业和工业方面,有些数据很难用有线传感器来监视,或者实现起来代价过于昂贵,在这种场合可以用WSN网络来监视。WSN节点可以被部署在野外环境,它们可以被放置多年(用来监视某些环境因素)而不需要重新充电或者更换能量装备。它们能够组成属地的边界,监视入侵者的行进过程(将信息在WSN节点之间传递)。WSN网络的用途很多,典型的应用包括监视、跟踪和控制。它一般被用于自然环境监视、目标跟踪、核反应堆控制、火警监测、交通监视等用途。在一

3、个典型的工作环境中,WSN节点被分散布置到区域中的各处,通过它的WSN节点来采集数据。节点定位是WSN网络的关键技术之一,因为在许多应用中WSN网络采集的信息与节点所处的位置有关。无线传感器网络自身的特点决定了它不能使用目前已经存在的一些标准协议,国外的研究工作者为无线传感器网络的各个层次都提出了一些解决方案,但是总的来说,到目前为止还没有形成可被广泛认同的标准。目前比较流行的WSN网络节点定位算法可以分为基于距离的定位算法和与距离无关的定位算法。不基于距离的定位算法无需额外的硬件支持,使用成本低,但定位精度不高,不能满足一些较精确场合的使用

4、。基于距离的定位算法包括两个步骤,测距和定位计算。常用的定位方法是range-based方法,这种方法需要先测量出节点之间的距离或者角度信息,再通过数学方法计算出节点自身的位置。测量节点间距离或者角度信息通常采用的方法有:TOA,TDOA,RSSI和AOA等。Range-free定位方法无需测量距离或者角度信息,仅根据网络的连通性等信息就可以实现节点的自身定位。这种方法降低了对接点硬件的要求,在成本和功耗方面比range-based方法具有优势,但定位的误差也相应有所增加。目前提出的算法只要有:质心算法,DV-hop算法,Amorphous算

5、法,APIT算法等。关于无线传感网络的定位跟踪研究的比较新颖的技术方法有:(1)基于微粒群算法的群集智能技术本算法结合了无线传感器技术和群集智能技术两者的优势,其基本思想是:机器人在前进过程中设计导航控制器以安全快速地达到目的地。导航控制器依据关于当前局部环境的已知或部分已知信息建立概率地图,设置由规划出的路径作为参看路径计算出的最优路径,根据由无线传感器获得的实时空间信息生成有效的运动控制命令。实验证实此算法提高了智能导航的整体性能,满足了在复杂环境未知障碍物下的实时和有效性要求。(2)多点协作跟踪簇算法多节点协作跟踪簇算法主要就是用节点间

6、的相互协作对目标进行跟踪,通过簇成员节点的汇报数据,簇首节点进行数据聚合,预测下一时刻位置以唤醒邻居信标节点参与跟踪,从而达到跟踪定位的功能。实验证明多节点协作跟踪簇算法比一般的分布式预测跟踪算法更加精确,并且能够保障跟踪精确度的前提下有效降低节点间的数据通信量,从而节省节点能量和通信带宽。(3)基于分簇的能量有效目标跟踪算法此算法与一般的能量有效地无线传感网络节点跟踪算法的主要区别是本算法在改进了当前时刻的状态估计方法。算法的具体思路是:先根据信号强度以及剩余能量的多少选择簇头节点,而剩余节点则根据与该簇头节点的跳数是否在一跳范围内判断是否

7、为簇员节点,被选中的簇员节点再根据其自身的剩余能量、与簇头节点的距离和自身能量消耗的速度等因素来计算自己的权值。接着由在该簇上运行无迹粒子滤波算法以及后验卡尔曼滤波获得当前时刻状态估计,并将该时刻的分布拟合成高斯混合模型参数;接着将此模型的参数传递给下一个簇头节点(下一时刻信号强度最大的节点),下一个簇头节点根据参数信息重新模拟粒子分布,进行簇员选择,数据采集,重复上一个阶段的算法流程即可对下一时刻的状态进行估计。实验证明该算法由于受到信号干扰及节点计算能力低等因素的影响,定位存在一定的误差(4)综合RSSI算法和切圆圆心法的RCM(接收信号

8、强度指示与切圆圆心混合定位算法)算法接收信号强度指示与切圆圆心混合定位算法的基本原理是利用RSSI粗略测量各个锚节点到移动节点的距离,即用锚节点到移动节点之间的信号

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。