论文部分内容阅读
无线传感器网络作为一种信息采集平台，能够实时监测和采集网络分布区域内各种检测对象的信息，并将这些信息传送到网关节点，以实现监测区域内的目标检测与跟踪。低功耗、体积小、自组织及网络动态强等特点让无线传感器网络一出现就引起了全世界范围的广泛关注，世界各国的科研机构和科研人员对无线传感器网络的研究投入了极大的热情。它综合了传感器技术、微电子技术、无线通信技术、嵌入式计算技术等多个学科，是一种交叉研究领域。考虑到基于无线传感器网络的目标定位与跟踪的误差主要来源于多径、多址以及非视距传输，尤其是非视距传输所带来的挑战。因此主要研究非视距条件下，节点的定位与跟踪问题，提出相应的算法有效地减轻非视距传输对于移动位置跟踪所带来的影响。具体研究工作如下：首先，介绍了无线传感器网络的基本特征和背景知识，分析了国内外移动目标定位与跟踪的研究现状。详细地介绍了基于无线传感器网络的定位与跟踪技术，并对已有的经典定位与目标跟踪算法进行了仿真实验。其次，在上述分析的基础上提出了一种基于支撑向量回归与博弈论的移动节点位置的跟踪算法。算法将定位问题嵌入到机器学习框架内，也就是说，假定射频特征如TOA、RSSI等与节点位置坐标存在一定映射关系，通过实际测量不同位置（坐标已知）的无线电信号特征，然后通过机器学习的方法估计无线电信号特征与节点位置坐标的关系来实现位置估计。该算法中TOA、RSSI仅为特征，不作为精确的距离估计，因此能够显著降低非视距传输对定位误差的不良影响。为进一步降低目标节点位置跟踪误差，算法采用基于博弈论对移动节点的位置估计进行平滑。仿真实验证明，该算法具有更好的位置估计性能，尤其是在非视距的环境下其效果更为明显。最后，以支撑向量回归的位置估计算法为基础，将其应用于实际的环境中，对监测区域内的移动节点进行定位跟踪。实验结果表明，在实际环境中由于节点之间信号的相互干扰以及节点计算能力有限，定位的结果并不如仿真实验理想，但还是能较好的反映目标节点运行轨迹。