无线传感器网络节点自定位技术研究

论文摘要

无线传感器网络（WSN:Wireless Sensor Network）作为一种全新的信息获取手段,在军事、医疗、环境监测等众多领域都有着广泛的应用。由于网络节点采集的数据、对目标的追踪、网络拓扑管理等都需要确定的位置信息才有意义。因此,节点定位作为WSN众多核心技术之一,对WSN应用的有效性起着关键的作用。本文首先描述了目前定位研究存在的一些问题,并介绍了定位算法的分类,然后对分类中最常用的一种分类方法:基于测距技术的定位算法和基于网络连通性的定位算法分别进行了介绍。分析比较了各种测距技术的优缺点,得出在各种测距技术中RSSI（Receive Single Strength Indicator）测距技术更适合对硬件的要求低、廉价、低功耗的无线传感领域。接着利用Crossbow提供的Micaz节点进行了基于RSSI测距技术的定位实验,实验结果表明:基于RSSI测距技术的定位短距离范围内有着很高的定位精度,2*2m内室内节点平均定位精度在20%左右。距离增大,定位的误差随之增大,当节点间距离超过8m时不适合使用基于RSSI测距的定位技术。为了实现较远距离的定位,本文分析比较几种基于网络连通性的定位算法,从精确度、健壮性和适应性方面考虑选择了DV-Hop定位算法,但是在节点较为稀疏的环境中,节点定位误差较大,平均定位精度在40%左右。针对这种情况,本文采用共线度抑制的方法部署锚节点的位置,并提出了利用LQI（Link Quality Indicator）来修正DV-Hop算法的跳数信息,而且对于以单跳与锚节点进行通信的节点,利用RSSI来修正两个节点之间的距离。实验表明:改进后的定位算法节点定位误差有着显著的提高,节点平均定位精度上升到20%左右。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 节点自定位的研究意义
• 1.3 国内外研究现状
• 1.4 本文的研究内容和创新点
• 1.4.1 本文的研究内容
• 1.4.2 本文的创新点
• 第二章 无线传感器网络的组建
• 2.1 无线传感器网络的体系结构
• 2.1.1 通讯结构
• 2.1.2 节点结构
• 2.1.3 网络协议体系结构
• 2.2 CROSSBOW 套件硬件系统
• 2.3 CROSSBOW 软件平台
• 2.3.1 XServe 采集数据数据解析
• 2.3.2 MoteView 网络拓扑及数据显示
• 2.3.3 MoteConfig 节点空中编程
• 2.4 CROSSBOW 节点通信技术
• 第三章 无线传感器网络数据采集和网络通信
• 3.1 NESC 编程简介
• 3.1.1 接口
• 3.1.2 组件
• 3.1.3 并发模型
• 3.2 TINYOS 操作系统
• 3.2.1 TinyOS 消息通讯机制
• 3.2.2 TinyOS 任务设计和调度
• 3.3 实验中相关接口和组件
• 3.3.1 系统接口和组件
• 3.3.2 数据采集接口和组件
• 3.3.3 网络通信接口和组件
• 第四章 无线传感器网络自定位算法分析
• 4.1 定位存在的问题
• 4.2 定位算法的性能评价和各项指标
• 4.3 无线传感器网络节点自定位算法分类
• 4.4 基于测距技术的定位算法
• 4.5 基于网络连通性的定位算法
• 4.5.1 质心定位算法
• 4.5.2 DV-Hop 定位算法
• 4.5.3 Amorphous 定位算法
• 4.5.4 APIT 定位算法
• 4.5.5 Range-free 定位算法比较
• 4.6 本章小结
• 第五章 基于RSSI 测距技术的定位算法研究
• 5.1 RSSI 测距技术的理论依据
• 5.1.1 信号衰减模型
• 5.1.2 通讯距离计算
• 5.2 三边测量法
• 5.3 实验过程
• 5.3.1 接收和发送信号强度获取
• 5.3.2 界面显示和误差计算
• 5.4 本章小结
• 第六章 基于LQI 和RSSI 的DV-HOP 定位算法的改进
• 6.1 DV-HOP 算法存在的不足
• 6.2 DV-HOP 算法的改进策略
• 6.2.1 LQI 的获取
• 6.2.2 改进依据
• 6.2.3 定位流程
• 6.3 实验验证
• 6.3.1 共线度和锚节点部署
• 6.3.2 定位实验过程
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 全文总结
• 7.2 展望
• 参考文献
• 致谢
• 在学习期间的研究成果