论文部分内容阅读
无线传感器网络由大量具备感知能力、计算能力以及通信能力的传感器节点组成的自组织网络，广泛地应用在各个领域中。本文在研究了目前典型的无线传感器网络节点定位算法的基础上，对于当前定位算法在实际应用中所存在的问题进行分析后，提出了新的定位算法，在不改变现有的无线传感器网络节点配置的情况下，达到了提高无线传感器网络节点的定位精度的目的。本文主要围绕无线传感器节点定位算法，在不增加计算开销的前提下，实现了定位精度的提高。下面将概述本论文的主要研究内容和创新点:1、对现有的无线传感器网络节点定位算法进行了综述，其中包括无线传感器网络的组成以及特点，相关关键技术和定位性能指标及影响因素。介绍了当前典型的无线传感器节点定位算法的原理以及这些定位算法的性能评估，并对这些典型的定位算法进行了综合分析，归纳了这些定位算法在实际的应用中存在的不足。2、在对基于CSS(Chirp Spread Spectrum,线性调频扩频技术)的SDSTWR(Symmetrical Double-Sided Two Way Ranging,对称双向双面测距法)测距算法进行了研究和分析，并实验验证该算法具有测距误差低，测距范围广，成本较低，适用于室内和室外环境的优点。由于实际定位场景中，存在多种类未知的噪声对定位精度造成影响，本文提出了一种基于SDSTWR测距的加权最大似然估计和Kalman滤波的节点定位算法。该算法中首先利用SDSTWR测量未知节点距离锚节点之间的距离，然后采用WMLE（加权最大似然估计）将非线性的距离测量值转换成目标状态的线性观测值，最后通过使用Kalman滤波算法对目标状态的观测值进行迭代，解决因为测量噪声对于定位精度造成的影响。3、对于提出的基于SDSTWR测距的加权最大似然估计和卡尔曼滤波算法进行了系统仿真设计，设计并实现了基于卡尔曼滤波的无线传感器网络定位系统。4、对上述提出的算法以及设计实现的定位系统进行了实测分析，其中包括了实测环境的搭建，下位机测距数据的采集，对于传统的最大似然估计算法和加权最大算法以及本论文所提出的基于SDSTWR测距的加权最大似然估计和卡尔曼滤波定位算法进行了分析比较，通过实验验证分析，本文所提出的SDSTWR-WMLE-KALMAN算法提高了定位精度，降低了定位误差。