基于自適應罰函數(shù)優(yōu)化粒子群的WSN定位算法
發(fā)布時間:2020-04-13 03:36
【摘要】:無線傳感器網絡(Wireless Sensor Networks,WSN)是由大量隨機部署在目標區(qū)域中具備以自組織和多跳通信能力的傳感器節(jié)點構成的分布式傳感網絡,廣泛應用于軍事、智能交通、環(huán)境監(jiān)控、醫(yī)療衛(wèi)生、智慧農業(yè)等多個領域。在WSN眾多技術中,節(jié)點定位不但是WSN應用的基礎和重要組成部分,而且也是WSN理論研究的核心技術之一,也是目前國內外學者研究的熱點。本文首先介紹了節(jié)點定位的研究背景、意義以及國內外研究現(xiàn)狀,由此說明了本課題的重要性。針對目前無線傳感器網絡節(jié)點定位中存在精度不高、算法收斂速度較慢等問題,在傳統(tǒng)粒子群算法定位技術研究的基礎上,提出了一種自適應罰函數(shù)優(yōu)化粒子群的節(jié)點定位算法。并從以下兩個方面做了研究與探討:(1)通過優(yōu)化粒子群算法提高節(jié)點定位精度:由于傳統(tǒng)罰函數(shù)的懲罰因子是固定不變的,罰因子大小的選取難以控制,過大或過小都將會導致算法病態(tài)發(fā)展。本課題通過引入自適應罰函數(shù),根據粒子群體可行解比例的大小,自適應調節(jié)罰因子的大小進行迭代尋優(yōu),加快算法收斂的速度,達到提高定位精度以及算法的穩(wěn)定性,解決了算法易于陷入局部最優(yōu)等問題。(2)通過減少測距誤差來提高定位精度:由于RSSI測距結果對算法的定位精度有較大影響,為了減少測距誤差對定位誤差的影響,課題通過對測距結果與計算結果加權求和,然后將加權求和系數(shù)作為罰函數(shù)懲罰項的約束值,優(yōu)化粒子的搜索空間,從而提高算法的定位精度。通過仿真及實驗結果分析可知,本課題設計的基于自適應罰函數(shù)優(yōu)化粒子群的WSN定位算法(PSOAPF算法)與同類優(yōu)化算法相比,在定位精度和收斂速度都有了一定提高。
【圖文】:
WSN結構
理后的信息與外部網絡進行通信;(3)互聯(lián)網或衛(wèi)星主要為數(shù)據信息的傳輸提供線路。一般根據實際情形要求,選擇不同數(shù)據信息傳式,大部分情況下使用互聯(lián)網,但是衛(wèi)星可以在互聯(lián)網沒有覆蓋范圍或者人力很到的地區(qū)使用。(4)任務管理節(jié)點該部分的主要功能是數(shù)據分析、數(shù)據存儲,,并根據處理結果判斷是否結束當前任2 傳感器節(jié)點結構典型的 WSN 節(jié)點通常具有傳感器、A/D 單元、CPU、存儲單元、電源、通信機一般的節(jié)點結構如圖 2.2,傳感器和 A/D 單元作用是信息采集預處理;CPU 存儲要作用是將節(jié)點采集到信息數(shù)據進行處理、計算和存儲;通信模塊確保多個節(jié)點數(shù)據傳輸;能量供應模塊一般選用微小型鋰電池。
【學位授予單位】:江西理工大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TP18;TN929.5;TP212.9
本文編號:2625535
【圖文】:
WSN結構
理后的信息與外部網絡進行通信;(3)互聯(lián)網或衛(wèi)星主要為數(shù)據信息的傳輸提供線路。一般根據實際情形要求,選擇不同數(shù)據信息傳式,大部分情況下使用互聯(lián)網,但是衛(wèi)星可以在互聯(lián)網沒有覆蓋范圍或者人力很到的地區(qū)使用。(4)任務管理節(jié)點該部分的主要功能是數(shù)據分析、數(shù)據存儲,,并根據處理結果判斷是否結束當前任2 傳感器節(jié)點結構典型的 WSN 節(jié)點通常具有傳感器、A/D 單元、CPU、存儲單元、電源、通信機一般的節(jié)點結構如圖 2.2,傳感器和 A/D 單元作用是信息采集預處理;CPU 存儲要作用是將節(jié)點采集到信息數(shù)據進行處理、計算和存儲;通信模塊確保多個節(jié)點數(shù)據傳輸;能量供應模塊一般選用微小型鋰電池。
【學位授予單位】:江西理工大學
【學位級別】:碩士
【學位授予年份】:2019
【分類號】:TP18;TN929.5;TP212.9
【參考文獻】
相關期刊論文 前10條
1 張亞明;史浩山;陳客松;程偉;;一種改進的無線傳感器網絡優(yōu)化定位算法[J];電子科技大學學報;2015年03期
2 劉韻婷;張嗣瀛;井元偉;;基于粒子群優(yōu)化的無線傳感器網絡非視距節(jié)點定位算法[J];控制與決策;2015年06期
3 陳濤;陳自凱;段利斌;王彬;成艾國;;針對結構動態(tài)非線性優(yōu)化問題的ESLM梯度優(yōu)化方法[J];機械工程學報;2015年08期
4 姚英彪;姜男瀾;;無線傳感器網絡定位的分布式求精算法[J];通信學報;2015年01期
5 劉曉陽;李宗偉;方軻;田子建;;基于距離約束的井下目標定位方法[J];煤炭學報;2014年04期
6 崔瑋;吳成東;張云洲;賈子熙;程龍;;基于高斯混合模型的非視距定位算法[J];通信學報;2014年01期
7 趙雁航;錢志鴻;尚小航;程超;;基于跳距修正粒子群優(yōu)化的WSN定位算法[J];通信學報;2013年09期
8 高鵬;石為人;周偉;王小剛;李洪兵;;基于圖論模糊聚類的室內自適應RSSI定位算法[J];儀器儀表學報;2013年09期
9 王敬東;賁偉;王子瑞;馬駿;;基于ZigBee技術的TDOA定位系統(tǒng)設計[J];測控技術;2013年03期
10 肖竹;譚光華;李仁發(fā);張小明;;無線傳感器網絡中基于超寬帶的TOA/AOA聯(lián)合定位研究[J];計算機研究與發(fā)展;2013年03期
本文編號:2625535
本文鏈接:http://www.lk138.cn/kejilunwen/zidonghuakongzhilunwen/2625535.html
最近更新
教材專著