论文部分内容阅读
无线传感器网络(Wireless Sensor Network,简称WSN)是一种新兴的分布式的测控网络,它具有良好的应用前景,而WSN的节点自定位技术可以提供监控活动目标的位置信息,具有准确的目标跟踪精度以及高效的路由效率,它是WSN中重要的技术之一。同时,在WSN的研究应用中,也是一个亟待解决的关键技术问题。本论文结合国家自然基金项目,首先对WSN的目标定位技术的国内外的进展与研究作了介绍,探讨了WSN目标定位的方法以及最小二乘支持向量机(Least Square Support vector Regression,LSSVR)在定位中的应用研究。然后提出了降低目标失跟率的WSN目标定位预测唤醒方法。论文的主要工作包括：1.系统深入的研究了基于LSSVR的WSN目标定位方法,讨论了其定位特性和影响LSSVR三维节点定位误差的因素,创建了目标定为误差的结构模型,提出了几种减小LSSVR定位误差的方法,分析了LSSVR的目标定位误差的空间分布特性,讨论核函数对LSSVR目标定位的作用机理,选择的核函数应具备形式简单,参数少以及具有良好的建模预测能力。2.引入局部建模思想,局部建模包括训练样本点的分布,核函数以及边界系数的选取等。指出不同的建模参数和LSSVR定位误差的相互关系,通过粒子群对它们进行优化,从而减小LSSVR定位误差,增加LSSVR回归模型在实际运用的适用性能,3.研究LSSVR建模定位的节点唤醒机制,推导环境中的测量节点数Nd,唤醒节点数Nw,失跟率p。公式,探索研究几种用节点唤醒来降低失跟率的方法。建设性的提出几种提高目标预测准确度的方法。在测量节点的低功耗工作状态下,提出了基于动态预测的LSSVR建模定位节点唤醒机制,该方法可以在保持目标低失跟率的同时提高目标定位精度。由仿真实验结果可以知道,基于LSSVR的WSN目标定位算法可以有效的提高活动目标定位的预测准确度,同时能够降低目标失跟率,具备优良的实时监控性能。