無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究

第1章 無(wú)線傳感器網(wǎng)絡(luò)概述

1．1 無(wú)線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)

1．2 無(wú)線傳感器網(wǎng)絡(luò)的特點(diǎn)

1．3 無(wú)線傳感器網(wǎng)絡(luò)的應(yīng)用領(lǐng)域

1．4 無(wú)線傳感器網(wǎng)絡(luò)的研究現(xiàn)狀與發(fā)展趨勢(shì)

第2章 無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位技術(shù)

2．1 節(jié)點(diǎn)定位技術(shù)的研究背景和研究現(xiàn)狀

2．2 節(jié)點(diǎn)定位技術(shù)的基礎(chǔ)

2．3 典型的基于測(cè)距定位算法和基于非測(cè)距定位算法

2．4 節(jié)點(diǎn)定位算法的性能評(píng)價(jià)標(biāo)準(zhǔn)

第3章 基于智能算法優(yōu)化的WSN節(jié)點(diǎn)二維定位技術(shù)

3．1 差分進(jìn)化算法理論

3．2 粒子群優(yōu)化算法理論

3．3 基于差分進(jìn)化算法優(yōu)化的WSN節(jié)點(diǎn)二維定位

3．4 基于粒子群優(yōu)化算法優(yōu)化的WSN節(jié)點(diǎn)二維定位

3．5 基于差分進(jìn)化和粒子群算法混合優(yōu)化的WSN節(jié)點(diǎn)二維定位

第4章 基于智能算法優(yōu)化LSSVR的WSN節(jié)點(diǎn)三維定位技術(shù)

4．1 最小二乘支持向量機(jī)理論

4．2 布谷鳥(niǎo)搜索算法理論

4．3 DV-Hop理論

4．4 基于DV-Hop的WSN節(jié)點(diǎn)三維定位

4．5 基于布谷鳥(niǎo)搜索算法優(yōu)化DV-Hop的WSN節(jié)點(diǎn)三維定位

4．6 基于LSSVR的WSN節(jié)點(diǎn)三維定位算法

4．7 基于粒子群算法優(yōu)化LSSVR的WSN節(jié)點(diǎn)三維定位

4．8 基于差分進(jìn)化算法優(yōu)化LSSVR參數(shù)的WSN節(jié)點(diǎn)三維定位

第5章 基于KF-LSSVR的WSN三維移動(dòng)節(jié)點(diǎn)定位技術(shù)

5．1 移動(dòng)節(jié)點(diǎn)定位算法介紹

5．2 基于LSSVR的回歸建模定位理論

5．3 卡爾曼濾波算法理論

5．4 基于LSSVR的WSN移動(dòng)節(jié)點(diǎn)三維定位

5．5 基于KF-LSSVR的WSN移動(dòng)節(jié)點(diǎn)三維定位

第6章 基于RSSI-LSSVR的WSN節(jié)點(diǎn)安全定位技術(shù)

6．1 安全定位算法概述及分類

6．2 安全定位攻擊模型及性能評(píng)價(jià)指標(biāo)

6．3 傳統(tǒng)RSSI測(cè)距算法原理及其改進(jìn)

6．4 基于改進(jìn)RSSI-LSSVR的WSN三維節(jié)點(diǎn)定位

6．5 基于改進(jìn)RSSI-LSSVR的女巫攻擊檢測(cè)

第7章 基于WSN的老人行為監(jiān)測(cè)技術(shù)應(yīng)用

7．1 監(jiān)控系統(tǒng)方案設(shè)計(jì)

7．2 系統(tǒng)硬件電路設(shè)計(jì)

7．3 系統(tǒng)軟件設(shè)計(jì)

7．4 實(shí)驗(yàn)與結(jié)果分析

參考文獻(xiàn)2100433B

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor NetWork，WSN）是在傳感器技術(shù)、無(wú)線通信技術(shù)、網(wǎng)絡(luò)技術(shù)和嵌入式計(jì)算機(jī)技術(shù)基礎(chǔ)上發(fā)展起來(lái)的一門(mén)新興的信息獲取技術(shù)，廣泛應(yīng)用于軍事、智能交通、環(huán)境監(jiān)控、醫(yī)療衛(wèi)生等眾多領(lǐng)域。其中，節(jié)點(diǎn)位置信息在WSN應(yīng)用中非常重要，一個(gè)沒(méi)有節(jié)點(diǎn)位置信息的WSN是沒(méi)有任何意義的。

《無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究》對(duì)WSN節(jié)點(diǎn)定位技術(shù)進(jìn)行了較為詳細(xì)的研究，主要內(nèi)容包括：WSN的節(jié)點(diǎn)定位技術(shù)、基于智能算法優(yōu)化的WSN節(jié)點(diǎn)二維定位技術(shù)、基于智能算法優(yōu)化LSSVR的WSN節(jié)點(diǎn)三維定位技術(shù)、基于KF-LSSVR的WSN三維移動(dòng)節(jié)點(diǎn)定位技術(shù)、基于RSSI-LSSVR的WSN節(jié)點(diǎn)安全定位技術(shù)、基于WSN的老人行為監(jiān)測(cè)技術(shù)應(yīng)用等。

《無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究》結(jié)構(gòu)合理，條理清晰，內(nèi)容豐富新穎，可讀性強(qiáng)，是一本值得學(xué)習(xí)研究的著作，可供從事WSN領(lǐng)域的研究人員和工程技術(shù)人員參考使用。

本課題的主要目標(biāo)是綜合考慮各種不完整性，探索利用矩陣完成方法解決目前十分突出的由于復(fù)雜應(yīng)用環(huán)境等因素導(dǎo)致的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位中數(shù)據(jù)矩陣結(jié)構(gòu)受到損壞的途徑，改善無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的性能。針對(duì)矩陣完成方法在無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位中的應(yīng)用，將其分為兩大類來(lái)考慮：一類是顯式矩陣完整性分析，即在數(shù)據(jù)矩陣中明確知道存在數(shù)據(jù)缺失或者存在野值及其相應(yīng)位置的情況；另一類是隱式矩陣完整性分析，指的是數(shù)據(jù)矩陣在形式上是完整的，但其中部分元素受噪聲影響較大或者存在野值并且該元素的位置未知的問(wèn)題。針對(duì)第一類問(wèn)題，首先引入數(shù)據(jù)矩陣的低秩特性，使得求解成為可能；其次通過(guò)圖直觀地了解除了低秩以外，數(shù)據(jù)矩陣還需要滿足的三個(gè)基本條件，即頂點(diǎn)可測(cè)性、連通性和采樣集合勢(shì)大小的要求；特別地，針對(duì)歐氏距離矩陣的顯示完成問(wèn)題，利用交替秩完成方法考察了矩陣完成的成功率對(duì)采樣集合勢(shì)的要求。從仿真結(jié)果上看，需要的測(cè)量值個(gè)數(shù)要數(shù)倍于實(shí)際自由度才能獲得較高的成功率。針對(duì)第二類問(wèn)題，主要考慮具備低秩特性的歐氏距離矩陣的完成問(wèn)題。為了消除秩約束引入的非凸性，采用半定松弛來(lái)獲得進(jìn)行求解。由于加權(quán)矩陣的存在，使得半定松弛方法既適用于隱式矩陣完整性分析，也適用于顯式矩陣完整性分析。仿真結(jié)果驗(yàn)證了半定松弛方法的穩(wěn)健性。在對(duì)上述問(wèn)題研究過(guò)程中，也對(duì)有關(guān)的參數(shù)估計(jì)方法和定位方法，如直達(dá)方向重建方法、基于混合范數(shù)優(yōu)化的波達(dá)方向估計(jì)、利用角度差測(cè)量進(jìn)行自主定位等做了相應(yīng)的研究。 2100433B

第1章緒論1

1.1研究背景及意義1

1.2研究現(xiàn)狀7

1.2.1節(jié)點(diǎn)定位技術(shù)研究現(xiàn)狀7

1.2.2協(xié)作跟蹤技術(shù)研究現(xiàn)狀10

1.3章節(jié)安排13

參考文獻(xiàn)15

第2章無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位和協(xié)作跟蹤技術(shù)21

2.1節(jié)點(diǎn)定位21

2.1.1節(jié)點(diǎn)定位原理22

2.1.2定位系統(tǒng)27

2.1.3性能評(píng)價(jià)31

2.2協(xié)作跟蹤32

2.2.1目標(biāo)跟蹤算法32

2.2.2協(xié)作跟蹤方案39

2.2.3評(píng)價(jià)指標(biāo)47

2.3本章小結(jié)47

參考文獻(xiàn)48

第3章室內(nèi)復(fù)雜環(huán)境下節(jié)點(diǎn)定位算法49

3.1路徑損耗模型49

3.2室內(nèi)測(cè)距模型參數(shù)辨識(shí)52

3.3室內(nèi)定位方案62

3.4人員定位實(shí)驗(yàn)64

3.5本章小結(jié)68

參考文獻(xiàn)68

第4章野外環(huán)境下三維節(jié)點(diǎn)定位算法69

4.1網(wǎng)絡(luò)模型69

4.2三維輔助定位算法71

4.3定位誤差和能量消耗分析77

4.4仿真實(shí)驗(yàn)81

4.5本章小結(jié)88

參考文獻(xiàn)89

目錄傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位與協(xié)作跟蹤第5章基于粒子群優(yōu)化的協(xié)作跟蹤算法90

5.1系統(tǒng)描述90

5.2多傳感器協(xié)作跟蹤方案91

5.2.1高斯粒子濾波91

5.2.2多傳感器數(shù)據(jù)融合94

5.3基于粒子群優(yōu)化的動(dòng)態(tài)簇組織算法96

5.3.1基于位置預(yù)測(cè)的簇成員節(jié)點(diǎn)選擇97

5.3.2基于粒子群優(yōu)化的簇頭節(jié)點(diǎn)選擇98

5.4仿真實(shí)驗(yàn)102

5.5本章小結(jié)107

參考文獻(xiàn)107

第6章基于貝葉斯理論的多傳感器交互濾波算法109

6.1問(wèn)題描述109

6.2接力卡爾曼算法110

6.2.1狀態(tài)和協(xié)方差更新110

6.2.2預(yù)測(cè)方程111

6.2.3傳感器概率更新111

6.3多傳感器交互濾波算法111

6.4后驗(yàn)克拉美羅下界112

6.5仿真實(shí)驗(yàn)114

6.5.1PCRLB115

6.5.2IMSF的性能115

6.5.3傳感器概率118

6.6本章小結(jié)120

參考文獻(xiàn)120

第7章基于后驗(yàn)克拉美羅下界的機(jī)動(dòng)目標(biāo)跟蹤算法122

7.1相關(guān)工作123

7.2問(wèn)題描述123

7.3多模型后驗(yàn)克拉美羅下界124

7.4通信受限節(jié)點(diǎn)調(diào)度策略126

7.5模型參數(shù)預(yù)測(cè)127

7.6仿真實(shí)驗(yàn)128

7.7本章小結(jié)134

參考文獻(xiàn)134

第8章連續(xù)泄漏穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法137

8.1連續(xù)泄漏穩(wěn)態(tài)氣體源參數(shù)估計(jì)模型137

8.1.1有風(fēng)條件下穩(wěn)態(tài)氣體擴(kuò)散模型137

8.1.2穩(wěn)態(tài)氣體源參數(shù)估計(jì)狀態(tài)空間模型142

8.2連續(xù)泄漏穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法142

8.2.1穩(wěn)態(tài)氣體源參數(shù)的粗估計(jì)142

8.2.2確定粒子濾波的似然函數(shù)143

8.2.3基于粒子濾波的穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法145

8.3氣體源參數(shù)估計(jì)性能分析145

8.3.1氣體源參數(shù)估計(jì)CRLB的定義146

8.3.2氣體源參數(shù)估計(jì)的CRLB推導(dǎo)146

8.4仿真實(shí)驗(yàn)與結(jié)果分析150

8.4.1實(shí)驗(yàn)條件150

8.4.2實(shí)驗(yàn)結(jié)果與分析151

8.5本章小結(jié)158

參考文獻(xiàn)158

第9章連續(xù)泄漏非穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法159

9.1連續(xù)泄漏非穩(wěn)態(tài)參數(shù)估計(jì)模型159

9.1.1二維非穩(wěn)態(tài)氣體擴(kuò)散模型159

9.1.2傳感器測(cè)量模型161

9.2連續(xù)泄漏非穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法162

9.2.1構(gòu)造目標(biāo)優(yōu)化函數(shù)162

9.2.2基于多種群遺傳算法的非穩(wěn)態(tài)氣體源參數(shù)估計(jì)算法164

9.3仿真實(shí)驗(yàn)與結(jié)果分析167

9.3.1仿真條件168

9.3.2仿真結(jié)果與分析168

9.4本章小結(jié)173

參考文獻(xiàn)173

第10章瞬時(shí)泄漏氣體源參數(shù)估計(jì)算法174

10.1瞬時(shí)泄漏氣體源參數(shù)估計(jì)模型174

10.1.1有風(fēng)條件下瞬時(shí)氣體擴(kuò)散模型174

10.1.2瞬時(shí)氣體源參數(shù)估計(jì)狀態(tài)空間模型176

10.2基于高斯粒子濾波的瞬時(shí)氣體源參數(shù)估計(jì)算法179

10.2.1瞬時(shí)氣體源參數(shù)的粗估計(jì)180

10.2.2基于高粒子濾波的瞬時(shí)氣體源參數(shù)估計(jì)方法181

10.3瞬時(shí)氣體源參數(shù)估計(jì)性能分析183

10.4仿真實(shí)驗(yàn)與結(jié)果分析184

10.4.1實(shí)驗(yàn)條件184

10.4.2實(shí)驗(yàn)結(jié)果與分析186

10.5本章小結(jié)193

參考文獻(xiàn)194

附錄A矩陣求逆195

附錄B預(yù)測(cè)距離的推導(dǎo)196 2100433B

無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)喚醒方式，顧名思義，是無(wú)線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)的喚醒方式。分全喚醒模式、隨機(jī)喚醒模式、由預(yù)測(cè)機(jī)制選擇喚醒模式和任務(wù)循環(huán)喚醒模式。

(1) 全喚醒模式：這種模式下，無(wú)線傳感器網(wǎng)絡(luò)中的所有節(jié)點(diǎn)同時(shí)喚醒，探測(cè)并跟蹤網(wǎng)絡(luò)中出現(xiàn)的目標(biāo)，雖然這種模式下可以得到較高的跟蹤精度，然而是以網(wǎng)絡(luò)能量的消耗巨大為代價(jià)的。

(2) 隨機(jī)喚醒模式：這種模式下，無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)又給定的喚醒概率p隨機(jī)喚醒。

(3) 由預(yù)測(cè)機(jī)制選擇喚醒模式：這種模式下，無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)根據(jù)跟蹤任務(wù)的需要，選擇性的喚醒對(duì)跟蹤精度收益較大的節(jié)點(diǎn)，通過(guò)本拍的信息預(yù)測(cè)目標(biāo)下一時(shí)刻的狀態(tài)，并喚醒節(jié)點(diǎn)。

(4) 任務(wù)循環(huán)喚醒模式：這種模式下，無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)周期性的出于喚醒狀態(tài)，這種工作模式的節(jié)點(diǎn)可以與其他工作模式的節(jié)點(diǎn)共存，并協(xié)助其他工作模式的節(jié)點(diǎn)工作。

其中由預(yù)測(cè)機(jī)制選擇喚醒模式可以獲得較低的能耗損耗和較高的信息收益。