基于无线传感器网络的污染源定位研究

论文摘要

污染监测与污染源定位对环境保护有重要意义。无线传感器网络具有节点分布密集、多节点协同工作、成本相对低廉、监测范围广、地理位置限制小等诸多优点，其在污染源监测与定位中的应用越来越广泛，是遥感探测、移动机器人探测、人工探测等常用方法的重要补充。本文研究了多污染对象监测网络覆盖问题、不同地形条件下的水污染源定位问题和移动的污染源追踪问题。主要内容如下：1.提出并解决了多种污染源监测情形下无线传感器网络多重覆盖问题。针对节点随机分布的无线传感器网络，提出一种平均子网寿命模型，在给定成本预算与各子对象的基本覆盖率需求下，给出一种基于整数向量规划的多目标多重覆盖算法。首先求取监测不同子对象的传感器数量，然后基于平均子网寿命模型，求取不同类型的异构节点数量。针对向量规划问题，文中给出两种不同次优解法。在仿真实验部分，将不同次优解法进行了对比，并分析了算法计算复杂度。仿真示例验证了所提出的多重覆盖算法的有效性。2.提出了具有较高稳健性的SL-n （Samples for Localization-n nodes）估计算法。在SL-n算法中，先将目标源周围所有观测节点以n个节点为一组进行分组，通过局部最小二乘方法求出每组观测值的估计样本，然后基于样本集数据估计源位置。运用该算法解决了无边界静态水体中的污染源定位问题。在仿真实验部分，对比了最小二乘算法，SL-n算法，最小一乘算法随观测点个数，观测误差变化的定位性能，验证了SL-n算法的优越性。3.分析了静态水体中边界影响下的近岸污染源扩散过程，提出了一种分段浓度模型，结合不同应用需求分别应用非线性最小二乘方法与无迹卡尔曼滤波方法进行参数估计问题建模，给出了通用模型法、近似函数法、基于无迹卡尔曼滤波（UKF）的估计法三种近岸污染源定位算法。在仿真实验部分，对近岸污染源扩散过程进行了水文模拟，根据MODFLOW模拟数据对比了不同算法的性能。结果表明三种算法各有优势，通用模型法可快速获取目标源相关信息，近似函数法有更稳健的参数估计性能，基于无迹卡尔曼滤波的估计方法可权衡数值计算复杂度与估计性能。4.分析了移动的污染扩散源的扩散过程，给出一种离散化浓度场模型。将连续线源目标追踪问题转化为离散点源目标追踪的次优问题，提出了一种离散化移动扩散源追踪算法。先采用约束最小二乘方法估计目标实时位置，到达时间等相关参数，并进一步采用仅针对位置序列的Sage-Husa卡尔曼滤波方法优化初始位置估计。该算法克服了一般基于动态序列的追踪方法无法直接应用于离散移动扩散源追踪问题的不足。在仿真实验中，分别在匀速率平滑曲线运动与变速非平滑曲线运动的情形下进行追踪实验，分析了追踪精度与采样间隔以及观测节点密度的关系。仿真结果说明了本文移动扩散源追踪方法的有效性。

论文目录

• 摘要
• Abstract
• 缩写、术语表
• 第一章 绪论
• 摘要
• 1.1 无线传感器网络概述
• 1.2 无线传感器网络污染源定位研究的意义与背景
• 1.3 无线传感器网络污染源定位研究中的主要问题
• 1.3.1 无线传感器网络覆盖
• 1.3.2 无线传感器网络污染源定位
• 1.3.3 无线传感器网络移动源追踪
• 1.3.4 本文研究问题
• 1.4 本文研究内容及组织结构
• 第二章 背景知识
• 摘要
• 2.1 污染源扩散模型
• 2.2 网络部署
• 2.3 扩散仿真工具
• 2.4 数学工具
• 第三章 多对象监测应用中的多重覆盖算法
• 摘要
• 3.1 引言
• 3.2 基本知识与问题描述
• 3.2.1 相关定义与假设
• 3.2.2 问题描述
• 3.3 多目标规划次优解法
• 3.3.1 基本次优解法
• 3.3.2 快速次优解法
• 3.4 覆盖策略求解全流程
• 3.5 仿真分析
• 3.5.1 仿真示例
• 3.5.2 复杂度仿真分析
• 3.6 小结
• 第四章 SL-n 污染源定位算法
• 摘要
• 4.1 引言
• 4.2 SL-n 定位算法
• 4.2.1 最小二乘定位分析
• 4.2.2 SL-n 定位算法的提出
• 4.2.3 非线性 SL-n 估计
• 4.3 SL-n 算法用于无边界静态水体中污染源定位
• 4.4 定位仿真
• 4.5 小结
• 第五章 无线传感器网络下静态水体中近岸污染源定位
• 摘要
• 5.1 引言
• 5.2 近岸受限浓度场分析
• 5.3 单边界影响扩散场中污染源定位
• 5.3.1 通用模型法
• 5.3.2 近似函数法
• 5.3.3 基于无迹卡尔曼滤波的参数估计法
• 5.4 双边界影响扩散场中污染源定位探讨
• 5.5 仿真示例
• 5.5.1 扩散模拟
• 5.5.2 定位仿真
• 5.6 小结
• 第六章 无线传感器网络下移动扩散源追踪
• 摘要
• 6.1 引言
• 6.2 问题描述
• 6.2.1 背景描述
• 6.2.2 追踪问题
• 6.3 浓度场分析
• 6.4 移动扩散源追踪
• 6.4.1 最小二乘实时位置估计
• 6.4.2 位置序列滤波
• 6.4.3 算法描述
• 6.5 仿真分析
• 6.6 小结
• 第七章 总结与展望
• 7.1 本文工作总结
• 7.2 本文工作展望
• 参考文献
• 攻读博士学位期间发表论文和科研情况
• 致谢