论文部分内容阅读
无线传感器网络是由多个带有传感器模块、微处理模块及无线收发模块的节点根据数据采集任务的需求自组织而成的。网络中的传感器节点通过相互协作来监控、采集和处理网络覆盖范围内感知对象的信息,并传递给无线传感器网络的用户进行进一步的扩展应用。由于具有易扩展、自组织、分布式结构和实时性等特点,无线传感器网络被广泛的应用于国防军事、国家安全、环境检测、交通管理、医疗卫生、反恐抗灾等领域。这些应用中的绝大部分都需要监测和检测传感器节点所在网络范围内的各种数据信息,尤其是节点本身的位置信息。本文利用课题组自主研发的传感器节点SCIN(Supervisory & ControllingIntelligent Networks)收集数据,对多种无线信道传播模型进行实验分析,提出了利用BP神经网络来减小测距误差的BP衰减模型,并在此基础上本着低成本、高性能的思想,提出了一种基于RSSI差值模型的优化定位算法RMIC(RSSI-Margin & Improved Chan)。仿真实验和实测实验均证明该算法具有良好的性能和稳定性。本文首先介绍了无线传感器网络的基本体系结构、特点及其应用领域等相关背景,并在此基础上强调了定位算法在整个无线传感器网络中的重要地位。接下来,本文详细介绍了定位算法的基础理论,如定位算法的常用概念,定位算法的分类、基于测距的基本定位原理、典型的定位系统、及国内外定位算法的研究现状等。特别地,本文将定位误差分为系统误差、信道误差和定位计算误差3个部分,并从各级误差入手逐个减小其对整体定位性能的影响。首先,在介绍无线电波传播特性的基础上,引出对不同信道传播模型的分析和讨论。在实测RSSI数据的基础上,对多种信道模型产生的测距误差进行仿真实验和分析比较,提出了基于BP神经网络的信号衰减模型,并通过弹性最陡下降的方法加快其收敛。其次,针对SCIN节点的特性,本文提出一种基于RSSI差值模型的优化定位算法RMIC。当网络部署完成后并测得信标节点与目标节点的间距后,将多节点间的距离进行差值,再利用优化的Chan算法求解所得到的非线性方程以得到更优的定位结果。当由多径衰落引起的误差因有相同的反射体而具有相关性时,这种差值模型可有效提高定位精度和稳定性。同时针对应用中信标节点冗余的情况,本文提出了建立优选信标节点库的思想,降低了由于目标节点与信标节点相对位置不同、实时干扰不同等因素对定位性能的影响。本文对所提出的RMIC定位算法模型进行了详细的仿真验证。通过层层递进的方式,首先分析了不同噪声环境、不同测距误差、不同信标节点个数等因素对定位性能影响,然后给出了基于BP衰减模型的RMIC定位算法的详细仿真过程和结果分析。最后,本文介绍了RMIC的实物测试平台和演示结果,实测实验的结果与仿真结果基本吻合。