發(fā)布時間：2018-06-24 07:45

  本文選題：無線傳感器網(wǎng)絡(luò) + DV-Hop算法�。� 參考：《吉林大學(xué)》2015年碩士論文

【摘要】：無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)是一種由眾多能夠檢測和感知客觀世界并能夠通過電磁波、超聲波、紅外線等無線通信方式發(fā)送和接收信息的節(jié)點以自組織的方式形成的多跳分布式網(wǎng)絡(luò)。它具有廣闊的應(yīng)用前景未來將會被廣泛應(yīng)用于地震監(jiān)測、動物生活習(xí)性監(jiān)測、深海探測、精細農(nóng)業(yè)、智能家居等各個領(lǐng)域，必將對人類的生產(chǎn)和生活產(chǎn)生極為深遠的影響。在其眾多應(yīng)用中節(jié)點自身位置的獲取是必不可少的，一方面是因為沒有采集位置的信息是沒有任何價值和意義的，另一方面是因為節(jié)點的管理與分簇、監(jiān)測目標的跟蹤、網(wǎng)絡(luò)拓撲的獲取與控制以及路由的生成與優(yōu)化等系統(tǒng)功能的實現(xiàn)也需要節(jié)點位置信息的支持，所以說節(jié)點定位技術(shù)是WSN中十分重要和非常關(guān)鍵的技術(shù)。 經(jīng)過多年的研究和發(fā)展，雖然目前已經(jīng)提出了很多用于無線傳感器網(wǎng)絡(luò)的節(jié)點定位技術(shù)，但是其定位精度和實現(xiàn)成本仍然是魚和熊掌的關(guān)系，高精度節(jié)點定位的實現(xiàn)都依賴于成本和能耗較高的測量模塊的支持，因此十分有必要研究低成本、高精度的節(jié)點定位技術(shù)。 本文在深入研究了DV-Hop算法原理的基礎(chǔ)上，詳細分析了算法誤差的外在和內(nèi)在兩方面因素，，并通過查閱大量的文獻研究了學(xué)者們對本算法進行的一些優(yōu)化改進并總結(jié)了研究現(xiàn)狀。為了進一步提高算法的定位性能，本文以減小算法的內(nèi)在誤差為出發(fā)點，提出了基于跳數(shù)優(yōu)化和迭代加權(quán)的改進算法──TDDV-Hop定位算法和基于RSSI和優(yōu)化魚群算法的改進算法──RPFDV-Hop定位算法。 TDDV-Hop定位算法進行的改進工作如下：首先基于相鄰兩個節(jié)點的鄰居集合的異同性與兩者距離的關(guān)系對相鄰節(jié)點的跳數(shù)進行了優(yōu)化；其次未知節(jié)點以周圍幾個距離較近的信標節(jié)點的坐標和跳數(shù)信息計算自身的加權(quán)跳距；然后未知節(jié)點基于三角形的邊長與內(nèi)角的關(guān)系以及原始算法中的方法計算自身與信標節(jié)點之間的加權(quán)距離，進而提高了兩者之間距離估計的準確性；最后對方程組最后一個方程的選擇進行了優(yōu)化處理，并利用迭代加權(quán)最小二乘估計法計算未知節(jié)點的坐標，從而提高了未知節(jié)點坐標估計的精度。Matlab仿真結(jié)果表明，TDDV-Hop定位算法的穩(wěn)定性和定位精度都明顯高于原始算法以及文獻[33]和文獻[35]的改進算法。 RPFDV-Hop定位算法進行的改進工作如下：首先對節(jié)點接收到的RSSI值利用MeanShift算法進行濾波處理以獲取RSSI的真實值并計算節(jié)點間的路徑損耗值，信標節(jié)點計算自身平均每跳距離和平均每跳路徑損耗值并進行廣播，網(wǎng)絡(luò)中的節(jié)點接收周圍信標節(jié)點的廣播信息并基于最小二乘估計法估計自身的路徑損耗指數(shù)等參數(shù)，之后利用對數(shù)-常態(tài)分布無線信道模型計算自身與相鄰節(jié)點之間的距離，并將此值作為兩者之間優(yōu)化后的跳數(shù)；其次未知節(jié)點基于加權(quán)的方法估計與周圍不同信標節(jié)點之間的跳距；最后采用基于粒子群算法進行優(yōu)化改進的人工魚群算法計算未知節(jié)點的坐標。Matlab仿真結(jié)果表明，RPFDV-Hop定位算法性能由于RSSI測距技術(shù)和改進人工魚群智能算法的應(yīng)用得到了明顯提升，好于原始算法以及文獻[27]和文獻[37]的改進算法。
[Abstract]:Wireless Sensor Network ( WSN ) is a multi - hop distributed network formed by many nodes capable of detecting and sensing objective world and capable of transmitting and receiving information in wireless communication mode such as electromagnetic wave , ultrasonic wave , infrared ray , etc .

After many years of research and development , although many node positioning technologies for wireless sensor networks have been put forward , the positioning accuracy and realization cost are still the relations of fish and bear palm , and the realization of high - precision node positioning depends on the support of the measurement module with high cost and energy consumption , so it is necessary to study the node positioning technology with low cost and high precision .

On the basis of studying the principle of DV - Hop algorithm , this paper analyzes the external and internal factors of the algorithm error , and studies the current situation of the research . In order to further improve the positioning performance of the algorithm , this paper presents an improved algorithm based on hop count optimization and iterative weighting , which is based on the internal error of the algorithm .

The improvement of the TDDV - Hop localization algorithm is as follows : Firstly , the hop count of adjacent nodes is optimized based on the relationship between the difference of the neighbor set of two adjacent nodes and the distance between the two nodes ;
secondly , the unknown node calculates its own weighted hop distance based on the coordinate and the hop count information of the beacon node which is closer to the surrounding several distances ;
then the unknown node calculates the weighted distance between itself and the beacon node based on the relationship between the edge length and the inner angle of the triangle and the method in the original algorithm , thereby improving the accuracy of the distance estimation between the two nodes ;
Finally , the selection of the last equation of the equations is optimized , and the coordinates of the unknown nodes are calculated by the iterative weighted least squares estimation method . The simulation results show that the stability and the positioning accuracy of the TDDV - Hop positioning algorithm are obviously higher than those of the original algorithm and the improved algorithm of the literature review 33 and the literature review 35 .

The improved operation of RPFDV - Hop positioning algorithm is as follows : firstly , the RSSI value received by the node is filtered by the MeanShift algorithm to obtain the real value of the RSSI and calculate the path loss value between the nodes , the beacon node calculates the average per - hop distance and the average per - hop path loss value and carries out broadcasting ;
secondly , the unknown node estimates the hop distance from the surrounding different beacon nodes based on the weighted method ;
Simulation results show that the performance of RPFDV - Hop localization algorithm is improved obviously due to the RSSI ranging technology and the application of improved artificial fish swarm intelligence algorithm .
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN929.5;TP212.9

【相似文獻】

相關(guān)期刊論文 前10條

1 黃光球,蘇錦旗;基于人工魚群算法的高級綜合生產(chǎn)計劃優(yōu)化研究[J];微機發(fā)展;2005年10期

2 黃光球;王西鄧;劉冠;;基于網(wǎng)格劃分策略的改進人工魚群算法[J];微電子學(xué)與計算機;2007年07期

3 范玉軍;王冬冬;孫明明;;改進的人工魚群算法[J];重慶師范大學(xué)學(xué)報(自然科學(xué)版);2007年03期

4 于飛;張秋亮;王智慧;;基本人工魚群算法的研究與改進[J];中國電力教育;2007年S3期

5 黃華娟;周永權(quán);;求解全局優(yōu)化問題的混合人工魚群算法[J];計算機應(yīng)用;2008年12期

6 曲良東;何登旭;;混合變異算子的人工魚群算法[J];計算機工程與應(yīng)用;2008年35期

7 聶黎明;周永權(quán);;用人工魚群算法求解二重數(shù)值積分[J];計算機工程與應(yīng)用;2009年10期

8 胡孟杰;;TSP問題的人工魚群解決方案[J];中國科技信息;2009年11期

9 曲良東;何登旭;;基于自適應(yīng)高斯變異的人工魚群算法[J];計算機工程;2009年15期

10 劉彥君;江銘炎;;自適應(yīng)視野和步長的改進人工魚群算法[J];計算機工程與應(yīng)用;2009年25期

相關(guān)會議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前3條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

3 張梅鳳;人工魚群智能優(yōu)化算法的改進及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 黃華娟;改進型人工魚群算法及其在數(shù)值方法中的應(yīng)用[D];廣西民族大學(xué);2009年

3 聶黎明;人工魚群算法及其應(yīng)用[D];廣西民族大學(xué);2009年

4 魏巍;人工魚群算法的改進研究與應(yīng)用[D];華北電力大學(xué)（北京）;2010年

5 張紅霞;人工魚群算法的改進及其在異步電動機模型參數(shù)辨識中的應(yīng)用[D];華北電力大學(xué)（北京）;2011年

6 鄭曉鳴;人工魚群算法的改進及應(yīng)用[D];上海海事大學(xué);2006年

7 王西鄧;人工魚群算法的改進研究[D];西安建筑科技大學(xué);2007年

8 王闖;人工魚群算法的分析及改進[D];大連海事大學(xué);2008年

9 施秋紅;人工魚群算法的改進及應(yīng)用研究[D];甘肅農(nóng)業(yè)大學(xué);2010年

10 李志武;人工魚群算法的改進及在無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化的應(yīng)用[D];湖南大學(xué);2012年

本文編號：2060666