论文部分内容阅读
无线传感器网络以其低成本、低功耗、自组织和分布式的特点在各个领域得到广泛应用，展现出了巨大的实用价值，其中节点定位问题更是作为许多应用的基础而显得尤为重要。本文对基于LSSVR的定位算法进行研究，主要工作如下：(1)针对RSSI测距算法误差较大的问题进行算法改进，通过加入多组已知节点之间的距离和接收功率作为参考，推导出一种新的改进的RSSI的测距算法，再将改进的RSSI测距作为最小二乘支持向量回归机LSSVR的输入向量，得到基于改进RSSI测距的LSSVR三维定位算法模型，并通过MATLAB仿真分析了改进后算法与传统LSSVR定位算法相比，在定位准确性上有较大改进。(2)在使用改进RSSI测距作为LSSVR学习机的输入向量的基础上，将质心定位算法应用于LSSVR定位算法中，得到了基于质心定位算法的LSSVR三维定位模型，通过改进LSSVR中的训练函数学习过程，增加未知节点附近的网格密度，来提高LSSVR学习机的定位准确性。MATLAB仿真实验表明，在节点随机分布的三维环境中，改进后算法的定位误差比传统LSSVR的定位误差有较大改进。(3)对影响LSSVR回归学习性能的RBF核函数性能进行研究，通过遗传算法结合LOO检测来优化RBF核函数的参数组(γ,δ)，从而使LSSVR回归学习机获得更准确的定位，再通过MATLAB仿真对改进后算法进行分析。