基于RSSI的无线传感器网络节点定位算法研究
在物联网技术与人工智能火热发展的浪潮之下，WSNs（WirelessSensorNetworks，无线传感器网络）得到了更好的发展，成为了学术研究的重要方向之一。WSNs拥有信息相互传输的的特点，是一种自组织分布式网络，其中涉及的定位算法得到了深入的研究。在已知少量传感器节点位置的前提下，依靠定位算法来计算未知位置的传感器节点坐标能有效满足用户的要求和研究需要。 本文主要叙述了无线传感器网络目前的背景意义和现状，详细介绍网络的组成结构与关键技术以及常用的定位算法，还对RSSI（ReceiveSignalStrengthIndication，接收信号强度指示）作了进一步研究。提出了基于RSSI积分改进的加权质心定位算法、基于自适应基准值改进的RSSI加权质心定位算法和基于RSSI自适应参数结合二范数改进的定位算法。通过仿真实验结果的比较，验证了三种改进后算法相对于传统算法有着更高的定位精度。本文主要研究内容如下： （1）首先提出了通过数据优化过滤的高斯分布模型，提高了测量数据的可靠性，建立多组信号传播模型，利用最小二乘法拟合出单位距离时损耗的信号强度值和该拓扑网络下的路径损耗参数值，在加权公式中引入定积分，将拟合值作为权重因子中的参数，相对比传统RSSI加权定位算法，定位精度的优化率达到了35.7%。 （2）其次针对无线信号在网络中的传输过程中，随着传播距离改变而带来的信号损耗能力的变化，导致定位结果会存在非线性误差的情况，提出一种通过设置一个信号强度测量阈值，更新网络结构中各个信标节点相对于未知节点测得值的方法，来修正最近锚节点与其他锚节点对待测节点的影响程度，优化各个节点间的主次关系。该方法不仅减小了算法的计算复杂度，而且有效的减小了定位误差。在10m*10m的仿真范围中，相比较于传统质心定位算法，该方法的平均定位精度提高了2.13m，其定位的优化率也达到了17.9%。 （3）最后提出了自适应参数融合二范数改进的算法。第一阶段设置参数阈值更新信号强度测量值，第二阶段将测得的各个信号强度值作为矢量，修正定位算法权重，重新定义节点间相互的影响程度。在10m*10m的仿真范围中，它的平均定位误差相较于传统质心定位算法提高了1.675m，优化程度达到了52.8%。
无线传感器网络;接收信号强度指示;室内定位;线性最小二乘法;非线性最小二乘法;凸集投影法;半正定规划法
长春工业大学
硕士
电子与通信工程
程超;白晓亮
2019
中文
TN925.93
2019-11-19（万方平台首次上网日期，不代表论文的发表时间）