基于无线传感器网络的区域覆盖及目标定位的研究

论文摘要

无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术,在军用和民用领域有着广阔的应用前景,是目前学术界研究的热点之一。其特点是能够协作地完成实时监测、传感和采集目标对象的信息,并对其进行处理并传送给需要信息的用户。本课题以无线传感器网络为研究背景,对网络中的区域覆盖优化问题、入侵目标运动跟踪算法进行了深入研究,解决如下问题：首先,传感器节点分布具有随机性和密集性的特点,节点的传感范围之间会出现交叠,导致覆盖冗余节点的出现,这势必增加了网络整体能量消耗,对仅携带有限能量的传感器节点造成严重威胁。针对此类问题,本文以交互式遗传算法（IGA）为基础,对算法进行改进,加入精英选择策略（ES）和采用对适应度值标定（FC）的方法,完成对监测区域离散模型、工作节点模型、区域覆盖模型和总体目标函数的设计。对网络中的覆盖冗余节点进行智能优化,有效地减少了传感器网络的能量消耗。经试验验证,可明显延长网络的生存时间。其次,监测网络存在的目的是为了对其所覆盖的区域进行监测和控制,为此本文充分考虑了物体运动的一般行为规律,合理的设计了目标随机运动算法。对进入到监测区域的目标设计了距离检测算法和位置跟踪算法,以实现实时检测和跟踪的目的。对区域中的监测盲区进行了分析,并给出可行解决方案。最后,利用Micaz试验开发平台、Mote-View软件和Matlab软件,对本文所给出的算法进行了验证和仿真,结果表明在保证覆盖率的基础上,有效的降低了无线传感器网络的整体能量消耗,延长了网络的生存时间。同时对入侵目标的检测、跟踪误差也满足设计精度要求。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 无线传感器网络的研究背景和现状
• 1.2 无线传感器网络介绍
• 1.2.1 传感器网络结构
• 1.2.2 传感器节点的限制
• 1.3 无线传感器网络中存在的问题
• 1.3.1 区域覆盖优化
• 1.3.2 目标定位检测
• 1.4 论文结构
• 第2章 遗传算法及其应用
• 2.1 遗传算法的理论来源和基础
• 2.1.1 选择算子的概念
• 2.1.2 交叉算子的概念
• 2.1.3 变异算子的概念
• 2.2 遗传算法在实际问题中的实现
• 2.2.1 遗传算法的数学模型
• 2.2.2 染色体的编码方法
• 2.2.3 染色体的选择方法
• 2.2.4 染色体的交叉方法
• 2.2.5 染色体的变异方法
• 2.2.6 目标函数和适应度函数
• 2.2.7 约束条件
• 2.3 遗传算法的评估指标
• 2.3.1 总体评价
• 2.3.2 在线性能评估
• 2.3.3 离线性能评估
• 2.4 用于多目标优化问题的遗传算法
• 2.4.1 多目标问题解的定义
• 2.4.2 多目标问题Pareto解的求解方法
• 2.5 改进的遗传算法
• 2.5.1 交互式遗传算法
• 2.5.2 精英策略
• 2.5.3 适应度值标定
• 第3章 遗传算法在区域覆盖优化中的实现
• 3.1 覆盖问题的概述
• 3.1.1 覆盖问题的分类
• 3.1.2 冗余节点与盲点的判断
• 3.2 监测区域离散模型设计
• 3.3 工作节点数量子函数设计
• 3.4 区域覆盖子函数设计
• 3.4.1 覆盖率函数定义
• 3.4.2 节点覆盖面积算法
• 3.5 总体目标函数设计
• 3.6 仿真和试验
• 3.6.1 试验的基本参数
• 3.6.2 基站节点的原始随机分布
• 3.6.3 利用遗传算法优化结果
• 3.6.4 优化问题的另一组解
• 3.7 对比试验
• 3.8 本章小结
• 第4章 目标位置检测与跟踪算法设计
• 4.1 无线传感器网络的硬件试验平台
• 4.2 无线传感器网络的软件环境
• 4.2.1 TinyOS操作系统
• 4.2.2 Mote-View操作软件
• 4.3 目标物体位置检测与跟踪算法
• 4.3.1 定位技术简介
• 4.3.2 目标位置检测
• 4.4 跟踪算法设计
• 4.4.1 目标随机运动算法设计
• 4.4.2 目标与节点间距离检测算法设计
• 4.4.3 检测目标位置跟踪算法设计
• 4.4.4 目标不可检测位置分析
• 4.5 仿真与试验
• 4.5.1 仿真
• 4.5.2 跟踪误差分析
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢