無線傳感器網(wǎng)絡(luò)定位與跟蹤技術(shù)研究.pdf

1、無線傳感器網(wǎng)絡(luò)由無線通信、嵌入式系統(tǒng)、微機(jī)電系統(tǒng)和低功耗設(shè)計等技術(shù)融合發(fā)展而來,是一種新興的信息獲取和處理技術(shù)。無線定位與跟蹤是無線傳感器網(wǎng)絡(luò)中的關(guān)鍵技術(shù)之一,它具有重要的研究意義。
　　無線定位與跟蹤技術(shù)通常包括測量、定位、跟蹤三個層次。它們既相互獨立又互相影響。測量是定位的基礎(chǔ),跟蹤是定位的延伸。本文在分析現(xiàn)有定位跟蹤算法的基礎(chǔ)上,針對傳統(tǒng)算法精度較低、收斂性差,或依賴于復(fù)雜的運動建模,或復(fù)雜度高、計算量大等問題,從理論方法和

2、實現(xiàn)技術(shù)上對無線定位的三個層次開展了深入研究。
　　在基于測量的定位方法研究中,首先針對傳統(tǒng)方法在低信噪比下精度偏低,收斂性差等問題,提出了一種改進(jìn)的基于測距的定位算法。該方法以最小二乘法估計初始位置,然后代入信賴域優(yōu)化算法,將迭代位置求精的每一次過程,轉(zhuǎn)換為一個信賴域子問題的求解,以預(yù)設(shè)精度作為迭代結(jié)束的判決門限,最終得到了比傳統(tǒng)算法更好的定位性能。通過仿真證明了改進(jìn)算法在信噪比較低的惡劣環(huán)境下,也能得到較精確的位置估計,它受錨

3、節(jié)點幾何位置分布的影響較小,具有更強(qiáng)的適應(yīng)性。最后通過現(xiàn)場實驗證明改進(jìn)算法魯棒性高,收斂性好。針對傳統(tǒng)基于測距的定位方法精度較低,而指紋法定位建庫工作量大等問題,將慣性導(dǎo)航信息融入定位跟蹤過程,設(shè)計了一種指紋法與慣性導(dǎo)航結(jié)合的跟蹤方案。該方法利用慣性導(dǎo)航短期精度高的特點,與指紋法定位信息進(jìn)行加權(quán)融合的軌跡推算,通過實驗驗證了其能有效提高跟蹤性能。
　　在無線傳感器網(wǎng)絡(luò)跟蹤問題中,針對傳統(tǒng)粒子濾波的粒子退化及粒子貧乏問題,提出了一種

4、改進(jìn)的重采樣方法。通過引入遺傳交叉及免疫變異機(jī)理,在重要性采樣和重采樣過程中,對粒子進(jìn)行算術(shù)交叉及變異操作,提高了粒子的多樣性,以似然函數(shù)重新進(jìn)行權(quán)重計算,并挑選大權(quán)重的粒子,緩解了粒子退化和粒子貧乏問題。改進(jìn)的算法能應(yīng)對系統(tǒng)狀態(tài)的突變,在目標(biāo)跟蹤問題中,相對傳統(tǒng)方法具有更高的估計精度。針對粒子濾波依賴狀態(tài)轉(zhuǎn)移模型進(jìn)行預(yù)測,而由于建模不準(zhǔn)確帶來性能下降等問題,提出了一種使用信賴域改進(jìn)的狀態(tài)轉(zhuǎn)移估計方法,和基于預(yù)測狀態(tài)鄰域的迭代重要性采樣

5、方法。基于運動目標(biāo)在相鄰時刻位置的相關(guān)性,以信賴域最優(yōu)化方法進(jìn)行狀態(tài)轉(zhuǎn)移估計,并在預(yù)測狀態(tài)的某一鄰域內(nèi),進(jìn)行迭代的重要性采樣。通過對運動目標(biāo)跟蹤的仿真,驗證了該算法不存在運動建模誤差對精度的影響,且在粒子采樣數(shù)較低的情況下,仍能保證一定的跟蹤精度。
　　在到達(dá)角估計的研究中,針對傳統(tǒng)方法需要進(jìn)行譜峰值搜索,以及對高維樣本協(xié)方差矩陣進(jìn)行特征值分解,而帶來計算量大的問題,提出了一種低復(fù)雜度的到達(dá)角估計算法,使用傳播算子方法來估計兩個旋