论文部分内容阅读
随着“互联网+”行动计划被列入中国政府报告，物联网、大数据等相关产业得到迅猛发展，作为物联网纽带中极其重要一环的无线传感器网络也吸引着越来越多来自不同领域学者们的关注。在当今倡导物物互联的世界，“物”的位置无疑也逐渐进入人们的视野，引发学者们新一轮的研究热潮。而随着物联网、移动互联等技术的飞速发展，传统的静态无线传感器网络已不能满足当今人们的需求，人们的目光逐渐转移至移动无线传感器网络(Mobile Wireless Sensor Network,MWSN)上，这也更符合当今世界发展的趋势。 本论文主要针对无线传感器网络中移动节点定位技术定位精度不足问题进行研究，并在前人研究基础之上提出一种新的适合移动节点定位的方案:基于指数平滑模型的移动节点定位方法(Index Smoothing Prediction methods based onMonte Carlo Localization Boxed，ISPMCB)。本文首先对无线传感器网络做了一个概述，包括网络的结构、类型及应用，接着介绍了论文的研究背景及意义和定位算法的国内外研究现状，着重介绍了国内外学者近些年来针对蒙特卡罗定位算法(Monte Carlo Localization, MCL)提出的一些改进算法。其次，对无线传感器网络中的定位技术进行了详细介绍，包括移动节点定位的基本术语、定位性能评价标准、节点移动模型及在移动传感器网络中的典型定位算法。接着对蒙特卡罗定位算法及其改进算法蒙特卡罗箱定位方法(Monte Carlo Localization Boxed，MCB)进行了深入分析，并提出了基于指数平滑预测模型的移动节点定位算法。ISPMCB算法通过利用指数平滑预测模型获得节点的速度信息和方向信息，并再根据节点的历史轨迹通过R/S分析法获得H指数来进一步精确采样区域，通过这些信息来预测节点的下一时刻状态并得到更接近于未知节点位置的高质量样本点。此外，通过已经生成的高质量样本点构建“有效样本点矩形盒子”，减少了算法重复计算量，提高了定位精度。 为了验证算法的有效性，本文在MATLAB平台上做了一系列仿真实验，将本文提出的ISPMCB算法与MCB算法进行了对比分析。在同等条件下，对两种不同算法的平均定位误差随通信半径、节点移动最大速度、锚节点密度等因素做了仿真实验，仿真结果表明，改进算法在不同运动速度、运行周期、锚节点密度及通信半径等条件下，均比MCB算法表现出了较好的性能。