无线传感器网络定位算法的研究.doc
约63页DOC格式手机打开展开
无线传感器网络定位算法的研究,摘要传感器节点的位置信息在无线传感器网络的监测活动等应用中起着至关重要的作用。而取得节点位置信息较简便、快捷、精确的方法是通过手动设定或携带gps定位设备等手段，但通过这种方式获取的成本很高。因此，较好的方法是采用定位算法进行估计。本文将主要研究基于多维标度的无线传感器网络定位算法。首先，本文在查阅大量相关文献的基础上...
内容介绍
此文档由会员 小花仙66 发布
摘 要
传感器节点的位置信息在无线传感器网络的监测活动等应用中起着至关重要的作用。而取得节点位置信息较简便、快捷、精确的方法是通过手动设定或携带GPS定位设备等手段，但通过这种方式获取的成本很高。因此，较好的方法是采用定位算法进行估计。本文将主要研究基于多维标度的无线传感器网络定位算法。
首先，本文在查阅大量相关文献的基础上，综述了无线传感器网络的研究背景、研究意义及现状，并介绍了无线传感器网络的结构、特点以及典型的定位算法。
其次，介绍了多维标度技术及其在无线传感器网络定位算法中的应用。在分析经典MDS-MAP定位算法的基础上，提出基于Hop-Euclidean的MDS-MAP(D)定位算法。该算法先采用分簇的算法，将大规模网络分成多个具有簇首的局部网络，在局部网络中通过Hop-Euclidean算法计算邻居节点间的欧氏距离来代替MDS-MAP算法中的所使用的最短路径距离，这样不仅提高了定位精度，而且有利于网络的扩展。
再次，针对分布式加权MDS定位算法不能适应网络连通度变化、网络拓扑不规则且收敛速度较慢的不足，提出一种改进算法。本文采用的加权机制与邻居选择机制综合考虑1跳邻居数目、节点自身定位精度与测距误差，并且引入最速下降法优化其目标代价函数。
最后，采用Matlab仿真平台从定位误差、拓扑结构等方面对提出的两种改进算法进行仿真分析并与原来算法做比较。仿真结果表明，提出的算法在定位精度提高的情况下对不规则、大规模网络有很好的适应性。
关键词：无线传感器网络；多维标度；Hop-Euclidean算法；分布式加权；邻居选择机制
Abstract
Location information has played an increasingly important role in many applications of wireless sensor networks, such as monitoring activities and so on. The simple, quick and precise way to obtain location information is either to set up manually or to install GPS, which will waste a vast amount of time and human resources. A better way to obtain location information is to use the localization algorithm.In this paper, we mainly focuse on the research of wireless sensor network location algorithm based on multi-dimensional scaling.
Firstly, the research background, significance and status for WSN are summarized in this paper based on large amount of related literatures. And the framework, characteristics and typical localization algorithms of wireless sensor networks are introduced.
Secondly, in this paper, we give details of classical multidimensional scaling and its application in wireless sensor network location algorithm. Based on the analysis of the classic MDS-MAP of the location algorithm, this paper presents Hop-Euclidean based MDS-MAP(D) location algorithm, which uses the clustering method to divide large-scale network into several local networks with cluster head, and in the local positioning, using the Hop-Euclidean algorithm in place of the shortest path distance to calculate Euclidean distance between the nodes neighbor. Obviously, this algorithm not only increases the positioning accuracy, but also is beneficial to the expansion of the network.
Thirdly, in this paper, we propose an improved algorithm, which makes up for the shortage of the distributed weighted multi-dimensional scaling localization algorithm that can not adapt to the network connectivity change, the irregular network topology and the convergence speed is slow. We use the weighted mechanism and neighbor choice mechanism that comprehensively considerate the number of one hop neighbors, the node positioning precision and the location error. We also introduce the steepest descent method to ptimize the goal cost function.
Lastly, the two improved algorithms are tested by simulations via Matlab according to localization error, network topology and so on. Simulation results show that these algorithms proposed in this paper improve the localization accuracy and are more adaptable to the irregular topology, large-scale network.
Keywords: Wireless Sensor Network; Multi-dimensional scaling; Hop-Euclidean algorithm; Distribution weighted; Neighbors choice mechanism
目 录
摘 要 I
Abstract III
第1章 绪 论 1
1.1 研究背景及研究意义 1
1.2 国内外研究现状 2
1.3 研究内容及主要工作 4
1.4 论文结构安排 5
第2章 无线传感器网络及其定位技术 7
2.1 无线传感器网络概述 7
2.1.1 无线传感器网络体系结构 7
2.1.2 无线传感器网络的特点 8
2.2 定位技术的相关概念及术语 9
2.3 基于测距技术的定位 10
2.4 无需测距的定位算法 11
2.4.1 DV-Hop算法 11
2.4.2 Euclidean定位算法 12
2.4.3 Hop-Euclidean定位算法 13
2.4.4 MDS-MAP算法 13
2.5 本章小结 13
第3章 基于MDS-MAP(D)定位算法的改进 15
3.1 引言 15
3.2 多维标度技术和MDS-MAP定位算法 15
3.2.1 多维标度技术基本原理 15
3.2.2 MDS-MAP定位算法 16
3.3 基于Hop-Euclidean的MDS-MAP(D)定位算法 17
3.3.1 改进算法的相关研究工作 17
3.3.2 分簇算法 18
3.3.3 局部定位 20
3.3.4 求解全局坐标 23
3.3.5 基于Hop-Euclidean的MDS-MAP(D)算法定位过程 25
3.4 本章小结 25
第4章 分布式加权多维标度算法的改进 27
4.1 引言 27
4.2 分布式加权多维标度算法 27
4.2.1 分布式加权多维标度算法概述 27
4.2.2 dwMDS(G)算法定位过程 28
4.3 dwMDS(G)算法的改进 28
4.3.1 改进算法的相关研究工作 28
4.3.2 邻居选择机制 29
4.3.3 加权机制 30
..
传感器节点的位置信息在无线传感器网络的监测活动等应用中起着至关重要的作用。而取得节点位置信息较简便、快捷、精确的方法是通过手动设定或携带GPS定位设备等手段，但通过这种方式获取的成本很高。因此，较好的方法是采用定位算法进行估计。本文将主要研究基于多维标度的无线传感器网络定位算法。
首先，本文在查阅大量相关文献的基础上，综述了无线传感器网络的研究背景、研究意义及现状，并介绍了无线传感器网络的结构、特点以及典型的定位算法。
其次，介绍了多维标度技术及其在无线传感器网络定位算法中的应用。在分析经典MDS-MAP定位算法的基础上，提出基于Hop-Euclidean的MDS-MAP(D)定位算法。该算法先采用分簇的算法，将大规模网络分成多个具有簇首的局部网络，在局部网络中通过Hop-Euclidean算法计算邻居节点间的欧氏距离来代替MDS-MAP算法中的所使用的最短路径距离，这样不仅提高了定位精度，而且有利于网络的扩展。
再次，针对分布式加权MDS定位算法不能适应网络连通度变化、网络拓扑不规则且收敛速度较慢的不足，提出一种改进算法。本文采用的加权机制与邻居选择机制综合考虑1跳邻居数目、节点自身定位精度与测距误差，并且引入最速下降法优化其目标代价函数。
最后，采用Matlab仿真平台从定位误差、拓扑结构等方面对提出的两种改进算法进行仿真分析并与原来算法做比较。仿真结果表明，提出的算法在定位精度提高的情况下对不规则、大规模网络有很好的适应性。
关键词：无线传感器网络；多维标度；Hop-Euclidean算法；分布式加权；邻居选择机制
Abstract
Location information has played an increasingly important role in many applications of wireless sensor networks, such as monitoring activities and so on. The simple, quick and precise way to obtain location information is either to set up manually or to install GPS, which will waste a vast amount of time and human resources. A better way to obtain location information is to use the localization algorithm.In this paper, we mainly focuse on the research of wireless sensor network location algorithm based on multi-dimensional scaling.
Firstly, the research background, significance and status for WSN are summarized in this paper based on large amount of related literatures. And the framework, characteristics and typical localization algorithms of wireless sensor networks are introduced.
Secondly, in this paper, we give details of classical multidimensional scaling and its application in wireless sensor network location algorithm. Based on the analysis of the classic MDS-MAP of the location algorithm, this paper presents Hop-Euclidean based MDS-MAP(D) location algorithm, which uses the clustering method to divide large-scale network into several local networks with cluster head, and in the local positioning, using the Hop-Euclidean algorithm in place of the shortest path distance to calculate Euclidean distance between the nodes neighbor. Obviously, this algorithm not only increases the positioning accuracy, but also is beneficial to the expansion of the network.
Thirdly, in this paper, we propose an improved algorithm, which makes up for the shortage of the distributed weighted multi-dimensional scaling localization algorithm that can not adapt to the network connectivity change, the irregular network topology and the convergence speed is slow. We use the weighted mechanism and neighbor choice mechanism that comprehensively considerate the number of one hop neighbors, the node positioning precision and the location error. We also introduce the steepest descent method to ptimize the goal cost function.
Lastly, the two improved algorithms are tested by simulations via Matlab according to localization error, network topology and so on. Simulation results show that these algorithms proposed in this paper improve the localization accuracy and are more adaptable to the irregular topology, large-scale network.
Keywords: Wireless Sensor Network; Multi-dimensional scaling; Hop-Euclidean algorithm; Distribution weighted; Neighbors choice mechanism
目 录
摘 要 I
Abstract III
第1章 绪 论 1
1.1 研究背景及研究意义 1
1.2 国内外研究现状 2
1.3 研究内容及主要工作 4
1.4 论文结构安排 5
第2章 无线传感器网络及其定位技术 7
2.1 无线传感器网络概述 7
2.1.1 无线传感器网络体系结构 7
2.1.2 无线传感器网络的特点 8
2.2 定位技术的相关概念及术语 9
2.3 基于测距技术的定位 10
2.4 无需测距的定位算法 11
2.4.1 DV-Hop算法 11
2.4.2 Euclidean定位算法 12
2.4.3 Hop-Euclidean定位算法 13
2.4.4 MDS-MAP算法 13
2.5 本章小结 13
第3章 基于MDS-MAP(D)定位算法的改进 15
3.1 引言 15
3.2 多维标度技术和MDS-MAP定位算法 15
3.2.1 多维标度技术基本原理 15
3.2.2 MDS-MAP定位算法 16
3.3 基于Hop-Euclidean的MDS-MAP(D)定位算法 17
3.3.1 改进算法的相关研究工作 17
3.3.2 分簇算法 18
3.3.3 局部定位 20
3.3.4 求解全局坐标 23
3.3.5 基于Hop-Euclidean的MDS-MAP(D)算法定位过程 25
3.4 本章小结 25
第4章 分布式加权多维标度算法的改进 27
4.1 引言 27
4.2 分布式加权多维标度算法 27
4.2.1 分布式加权多维标度算法概述 27
4.2.2 dwMDS(G)算法定位过程 28
4.3 dwMDS(G)算法的改进 28
4.3.1 改进算法的相关研究工作 28
4.3.2 邻居选择机制 29
4.3.3 加权机制 30
..
