论文部分内容阅读
微电子技术、计算技术和无线通信等技术的进步，推动了低功耗多功能传感器的快速发展，使其在微小体积内能够集成信息采集、数据处理和无线通信等功能。目前，无线传感器网络广泛应用在人们生产、生活的各个方面。例如，环境监测，军事应用，医疗护理，智能家居等。在传感器网络中，位置信息对传感器网络的监测活动至关重要，事件发生的位置是传感器节点监测消息中包含的重要信息，没有位置信息的监测消息是毫无意义的。因此，确定事件发生的位置是传感器网络的基本功能之一，对传感器网络的应用的有效性起着关键的作用。
然而，部署在实际环境中的无线传感器网络可能由于各种各样的原因，例如，软件设计的缺陷，节点硬件的故障，无线电的干扰，恶劣环境的影响，节点电池电量的耗尽，人为的恶意破坏等等，而导致节点采集到的数据发生较大的偏差。基于以上背景，本文针对监测区域中有单个事件和多个事件发生的情况，分别提出了一种具有故障容忍功能的事件定位算法，使得在故障率不大于40％的时候，两种算法仍然具有较高的定位精度。
本文研究利用无线传感器网络实现事件源定位，前提是该事件能够持续不断地向周围发出某种随距离衰减的信号。
对于监测区域中仅有单个事件源的情况，本文对SNAP(Subtract on Negative Add onPositive)定位算法进行改进，提出一种定位精度更高，容错能力更好的定位算法MSNAP(Modified Subtract on Negative Add on Positive)。首先，每个传感器节点将观测值与设定的阈值进行比较，如果大于阈值，节点就将观测值发送给基站节点；否则，节点保持沉默状态。基于节点汇报的观测值，基站节点通过在每个节点周围区域简单的加1和减1构造一个似然矩阵，似然矩阵中的最大值对应的位置就是事件发生的位置。与SNAP算法相比，构造似然矩阵时，本文根据每个节点汇报的观测值的大小，动态地调整它们估计的事件所在区域的大小。实验结果表明：这个简单的算法有效地提高了事件定位的精度，并且在故障率小于35％时，仍然表现出较好的性能。
对于监测区域中有多个事件源的情况，本文对DSNAP(Decentralized Subtract on NegativeAdd on Positive)[2]定位算法进行改进，并且引入节点信任指数模型，提出一种定位精度更高，容错性能更好的多事件源定位算法TIDSNAP(Trust Index based Decentralized Subtract onNegative Add on Positive)。该算法主要分为三个阶段：检测阶段，定位阶段和更新信任指数阶段。在检测阶段，基站节点通过分析所有节点汇报的二进制数据，确定簇头节点；在定位阶段，基站节点根据每个簇头节点的所有邻居节点的报警状态和信任指数构造似然矩阵，从而确定多个事件源的位置；在更新信任指数阶段，基站节点更新所有传感器节点的信任指数。具体地说，基站节点根据每个节点的位置和报警信息，判断该节点上次汇报的报警信息是否正确。若正确，则提高该节点的信任指数，反之则降低其信任指数。与DSNAP算法相比，TIDSNAP算法引入了节点的信任指数概念。节点的信任指数越大，其在定位过程中的影响越大；节点的信任指数越小，则其对定位的影响越小。这也是该算法具有故障容忍功能的根本原因。实验结果表明：TIDSNAP算法在故障率小于50％的时候，该算法仍然能够准确的确定事件源的个数，并且对它们进行准确的定位。
论文工作对无线传感器网络中的事件定位和容错问题研究具有一定的参考价值。