论文摘要
动态传感器网络作为无线传感器网络的一种,近年来被广泛的应用于许多领域中,如环境监测、动物跟踪、医疗健康、井下人员搜救等都依赖于传感器节点的移动性。移动的节点不仅提高了事件监测的灵活性,而且增强了无线传感器网络的自组织性和适应性。对于动态传感器网络而言,节点的位置信息是其各种应用的前提。节点的移动性使动态传感器网络的节点定位比静态传感器网络的节点定位更复杂。如何在动态条件下,对节点实现低功耗、低复杂度和高精度的定位是无线传感器网络定位面临的挑战之一。本文以动态传感器网络节点定位技术为主要研究内容,分析并仿真研究了不同网络模型下的动态传感器网络节点定位问题,以及节点移动模型对定位算法的影响。本文的主要工作和创新点如下：首先,本文针对未知节点静止、锚节点移动的动态传感器网络模型的定位问题展开了研究,提出了一种基于虚拟信标选择的移动锚节点定位算法。该算法从几何学的角度,对在测距误差存在的情况下,如何减少误差积累和确保定位误差最小的问题进行了研究,定量的分析了由节点间相对位置所引入的误差,并通过数学证明了当参与定位的三个虚拟信标的位置成等边三角形时定位误差最小的定理。依据这一定理,未知节点在定位过程中对虚拟信标进行合适的选取,获得了更准确的位置信息。接着,本文研究并探讨了移动锚节点定位算法中的锚节点路径规划问题,提出了一种能自适应网络拓扑的动态路径规划方法。为使移动锚节点能根据网络中节点的分布情况进行移动,该算法对锚节点的移动方向进行了划分,并利用锚节点与未知节点之间的信息交互,获取锚节点当前通信范围内的节点的邻居节点数,使锚节点的移动路径尽量规划在邻居节点数最多的区域内,以此确定锚节点的移动方向。仿真结果显示,本文提出的动态路径规划方法能有效的避免无节点区域的遍历,特别适用于网络节点非均匀分布的应用场景。其次,本文针对未知节点和锚节点均移动的动态传感器网络模型的定位问题进行了研究。蒙特卡洛定位算法是解决这类定位问题的重要方法,但蒙特卡洛定位算法为实现定位而进行的大量采样不仅降低了算法的执行效率,而且消耗了传感器节点的大量能量。针对这些缺点,本文提出了一种自适应采样的改进的蒙特卡洛定位算法。该算法首先使用未知节点接收到的一跳和二跳锚节点建立采样区,然后采用Kullback-Leibler距离作为衡量节点位置的后验概率密度分布的真值与估计值之间的误差限,依据采样区的大小计算出基于此误差限的最大采样次数,在采样区域内进行均匀的采样和过滤,最后利用未知节点的一跳邻居节点对样本的权值进行区分,计算出节点的估计位置。仿真结果显示,该算法能在保证节点定位精度的情况下,有效降低采样次数,减少计算开销。由于受到网络规模和成本的限制,以及难以从实际场景中获得节点的移动轨迹,目前针对动态传感器网络节点定位算法的研究仍以仿真研究为主。节点移动模型作为动态传感器网络节点定位算法仿真研究的基础,对定位算法的性能分析具有重要的影响。通过研究发现,节点移动模型的参数设置及许多与时间相关的特性是造成定位算法性能评估不一致的主要原因。因此,本文最后研究并分析了节点移动模型对动态传感器网络节点定位算法性能的影响,提出了为了能准确衡量算法的性能,在定位算法的仿真研究中必须综合考虑定位算法的应用场景和节点移动模型的基本特性的观点,并举例加以了分析和说明。