无线传感器网络定位系统研究及设计

论文摘要

无线通信、传感器技术、嵌入式技术的日益成熟,使得低成本、低功耗、大规模的无线传感器网络得到快速发展,且逐步应用于军事、民用等众多领域。在无线传感器网络中,位置信息扮演着不可或缺的重要角色,如何设计高效实用的定位算法和系统一直是无线传感器网络的研究热点之一。定位算法是无线传感器网络定位系统设计的核心内容,在分析国内外定位算法及系统技术难点的基础上,针对以下问题:1、如何在不增加网络通信负担情况下,提供较高的定位精度,满足大多数无线传感器网络定位系统需求;2、如何在网络拓扑结构变化频繁情况下,具有较强的可扩展性;3、如何在高噪声环境下,具有较强的抗环境干扰鲁棒性;进行了深入研究,取得如下研究成果:1、建立WSN节点定位模型,主要包括系统模型、测距模型和误差模型。2、通过分析未知节点与信标节点的距离和信标节点间的共线性这两个影响定位精度的因素,提出了一种最优信标组选择机制。3、研究节点定位的扩展卡尔曼模型,通过其迭代求精过程有效抑制测量噪声,提高了未知节点的定位精度。4、结合最优信标组选择机制与扩展卡尔曼滤波的优点,提出一种新的基于最优信标组的扩展卡尔曼滤波定位算法（BBG-EKF）。该算法复杂度低,通信量小,定位精度较高。5、搭建无线传感器网络定位系统,包括硬件平台与软件平台。硬件平台主要有传感器节点设计和汇聚节点设计,测距方式结合RSSI和超声波两种测距方式。软件平台主要是BBG-EKF定位算法实现,以及节点软件和监控中心软件的详细设计。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.2.1 无线传感器网络概述
• 1.2.2 无线传感器网络的特点
• 1.2.3 无线传感器网络中的节点定位
• 1.3 国内外研究现状
• 1.4 典型定位算法分析
• 1.4.1 单跳定位算法
• 1.4.1.1 基于TDOA的定位
• 1.4.1.2 基于AOA的定位
• 1.4.1.3 基于TOA的定位
• 1.4.2 多跳定位算法
• 1.4.2.1 DV-Hop 算法
• 1.4.2.2 DHL 算法
• 1.4.2.3 MDS-MAP 算法
• 1.5 论文内容与结构
• 第2章 WSN 节点定位模型建立
• 2.1 系统模型
• 2.2 测距模型
• 2.2.1 RSSI测距
• 2.2.2 超声波测距
• 2.3 误差模型
• 2.3.1 测距误差
• 2.3.2 定位误差
• 2.3.3 基于CRLB 的定位误差分析
• 2.4 本章小节
• 第3章 基于最优信标组的扩展卡尔曼定位算法
• 3.1 信标节点选择
• 3.1.1 未知节点与信标节点之间距离
• 3.1.2 信标节点间共线度
• 3.1.2.1 共线度情况分析
• 3.1.2.2 共线度定义
• 3.1.2.3 共线度与定位误差关系
• 3.1.3 最优信标组
• 3.2 扩展卡尔曼定位
• 3.3 BBG-EKF 算法
• 3.4 BBG-EKF 仿真与分析
• 3.4.1 BBG-EKF 定位效果
• 3.4.2 通信半径变化
• 3.4.3 迭代次数变化
• 3.4.4 信标节点密度变化
• 3.5 本章小结
• 第4章 WSN 定位系统设计
• 4.1 传感器节点设计
• 4.1.1 微处理器
• 4.1.2 通信模块
• 4.1.3 测距模块
• 4.1.4 电压转换摸块
• 4.1.5 舵机模块
• 4.2 汇聚节点设计
• 4.3 软件设计
• 4.3.1 数据包格式
• 4.3.2 传感器节点软件设计
• 4.3.3 汇聚节点软件设计
• 4.3.4 BBG-EKF 算法实现
• 4.3.5 监控中心软件设计
• 4.4 本章小结
• 第5章 实验验证
• 5.1 基于RSSI 测距的定位实验
• 5.2 基于超声波的定位实验
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果