無線傳感器網(wǎng)絡(luò)是集成了監(jiān)測、控制和無線通信的綜合式網(wǎng)絡(luò)系統(tǒng),由多種技術(shù)共同支撐。其中節(jié)點(diǎn)定位技術(shù)是無線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一,準(zhǔn)確獲取節(jié)點(diǎn)的位置信息對于整個網(wǎng)絡(luò)的信息采集具有重要的意義。目前基于群體智能算法的定位算法研究已經(jīng)成為熱門研究課題。在定位算法中引入群體智能算法可有效降低節(jié)點(diǎn)位置計算誤差,提高定位精度。論文根據(jù)不同群體智能算法的特點(diǎn),對定位算法進(jìn)行相應(yīng)改進(jìn),以適用于不同的定位場景。本文的主要研究內(nèi)容和研究成果如下:（1）首先針對兩種不同的定位場景分別建立了相應(yīng)的節(jié)點(diǎn)定位模型,將節(jié)點(diǎn)定位問題轉(zhuǎn)換為函數(shù)優(yōu)化問題,再結(jié)合尋優(yōu)高效的群體智能算法求解該問題,實(shí)現(xiàn)對未知節(jié)點(diǎn)位置的確定。（2）其次針對節(jié)點(diǎn)分布稀疏區(qū)域內(nèi)質(zhì)心算法定位精度較低的問題,論文提出了一種改進(jìn)的蝙蝠算法。改進(jìn)算法縮小了蝙蝠初始搜索區(qū)域,優(yōu)化了隨機(jī)向量β,并在位置更新公式中引入了慣性權(quán)重因子,再將改進(jìn)的蝙蝠算法應(yīng)用到質(zhì)心算法定位模型中。仿真結(jié)果表明,該算法能有效提高節(jié)點(diǎn)的定位精度,更適用于噪聲干擾較小、節(jié)點(diǎn)分布稀疏的定位場景。（3）最后針對在較大噪聲干擾場景中定位性能不理想的問題,論文提出了一種改進(jìn)的雞群算法。改進(jìn)算法根... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)安排
第2章 無線傳感器網(wǎng)絡(luò)及定位技術(shù)
    2.1 無線傳感器網(wǎng)絡(luò)概述
        2.1.1 無線傳感器網(wǎng)絡(luò)介紹
        2.1.2 無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.3 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)結(jié)構(gòu)
        2.1.4 無線傳感器網(wǎng)絡(luò)協(xié)議棧
        2.1.5 無線傳感器網(wǎng)絡(luò)特點(diǎn)
        2.1.6 無線傳感器網(wǎng)絡(luò)應(yīng)用
    2.2 無線傳感器網(wǎng)絡(luò)定位算法概述
        2.2.1 基于測距的定位算法
        2.2.2 基于非測距的定位算法
        2.2.3 節(jié)點(diǎn)位置基本計算方法
        2.2.4 定位算法性能評價標(biāo)準(zhǔn)
    2.3 本章小結(jié)
第3章 基于最佳初始區(qū)域的BA定位算法
    3.1 節(jié)點(diǎn)定位模型
    3.2 蝙蝠算法
        3.2.1 群體智能算法
        3.2.2 背景介紹
        3.2.3 算法原理
    3.3 魚群質(zhì)心算法
        3.3.1 算法概述
        3.3.2 魚群質(zhì)心算法優(yōu)缺點(diǎn)分析
    3.4 基于最佳初始區(qū)域的BA定位算法
        3.4.1 縮小蝙蝠初始搜索范圍
        3.4.2 修改隨機(jī)向量β
        3.4.3 引入慣性權(quán)重因子
        3.4.4 算法流程
        3.4.5 基于最佳初始區(qū)域的BA定位算法步驟
    3.5 仿真結(jié)果分析
        3.5.1 仿真參數(shù)
        3.5.2 信標(biāo)節(jié)點(diǎn)比例對定位精度的影響
        3.5.3 節(jié)點(diǎn)密度對定位精度的影響
        3.5.4 通信半徑對定位精度的影響
        3.5.5 定位區(qū)域面積對定位精度的影響
    3.6 本章小結(jié)
第4章 基于距離帕累托的CSO定位算法
    4.1 節(jié)點(diǎn)定位模型
    4.2 雞群算法
        4.2.1 背景介紹
        4.2.2 算法原理
    4.3 IPSO-DV-HOP算法
        4.3.1 算法概述
        4.3.2 IPSO-DV-Hop算法優(yōu)缺點(diǎn)分析
    4.4 基于距離帕累托的CSO定位算法
        4.4.1 優(yōu)化雞群個體選取方法
        4.4.2 母雞的隨機(jī)游走策略
        4.4.3 引入凈能量增益
        4.4.4 算法流程
        4.4.5 基于距離帕累托的CSO定位算法步驟
    4.5 仿真結(jié)果分析
        4.5.1 仿真參數(shù)
        4.5.2 未知節(jié)點(diǎn)定位誤差比較
        4.5.3 信標(biāo)節(jié)點(diǎn)比例對定位精度的影響
        4.5.4 節(jié)點(diǎn)密度對定位精度的影響
        4.5.5 通信半徑對定位精度的影響
        4.5.6 噪聲干擾對DPCSO-DV-Hop與 BIRBA質(zhì)心算法的影響
    4.6 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于測距和灰狼優(yōu)化的無線傳感器網(wǎng)絡(luò)定位算法[J]. 段亞青,王華倩,喬學(xué)工.  傳感技術(shù)學(xué)報. 2018(12)
[2]免疫粒子群優(yōu)化的DV-Hop定位算法[J]. 吳珍珍,方旺盛.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(04)
[3]基于人工魚群算法的改進(jìn)質(zhì)心定位算法[J]. 汪晨,張玲華.  計算機(jī)技術(shù)與發(fā)展. 2018(05)
[4]雞群算法的收斂性分析[J]. 吳定會,孔飛,紀(jì)志成.  中南大學(xué)學(xué)報(自然科學(xué)版). 2017(08)
[5]基于無線傳感器網(wǎng)絡(luò)的安全網(wǎng)絡(luò)運(yùn)行環(huán)境構(gòu)建[J]. 李健.  計算機(jī)工程與應(yīng)用. 2017(22)
[6]基于閾值機(jī)制與距離校正的WSN改進(jìn)DV-Hop定位算法[J]. 向滿天,王勝,楊友華.  傳感技術(shù)學(xué)報. 2016(06)
[7]無線網(wǎng)絡(luò)定位綜述[J]. 錢志鴻,孫大洋,LEUNG Victor.  計算機(jī)學(xué)報. 2016(06)
[8]幾種常規(guī)群體智能算法的研究進(jìn)展[J]. 劉利波,周潔.  電子技術(shù)與軟件工程. 2016(03)
[9]基于Android平臺的智能家居系統(tǒng)設(shè)計[J]. 李琪,秦會斌,楊永舒,張雄,屈力揚(yáng).  電子設(shè)計工程. 2014(24)
[10]智能建筑中無線傳感器網(wǎng)絡(luò)的特點(diǎn)及路由協(xié)議設(shè)計[J]. 李建,譚建偉.  計算機(jī)安全. 2013(09)

博士論文
[1]基于無線傳感器網(wǎng)絡(luò)的目標(biāo)定位與跟蹤技術(shù)研究[D]. 閆雷兵.南京郵電大學(xué) 2017
[2]面向城市環(huán)境的低功耗、高精度GPS定位技術(shù)[D]. 陳孔陽.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院) 2017
[3]面向工業(yè)無線網(wǎng)絡(luò)WIA-PA的路由技術(shù)研究[D]. 易秀雙.東北大學(xué) 2012

碩士論文
[1]基于BIM和WSN技術(shù)的施工安全預(yù)警研究[D]. 馮明超.中國礦業(yè)大學(xué) 2019
[2]基于蟻群算法的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法研究[D]. 謝松.華中師范大學(xué) 2014



本文編號：3188690