無線傳感器網(wǎng)絡中RSSI定位算法的自校正參數(shù)研究.pdf

1、無線傳感器網(wǎng)絡(Wireless Sensor Networks，WSNs)是由大量具有通信和計算能力的微型傳感器節(jié)點，以無線的方式連接構成的自治測控網(wǎng)絡;對于無線傳感器網(wǎng)絡的許多應用和網(wǎng)絡服務來說，將感知到的信息和相應的節(jié)點位置相結合是至關重要的，例如在軍事、航空、反恐、防爆、救災等場景中的應用;因此，未知位置的傳感器節(jié)點感知的數(shù)據(jù)信息是沒有意義的。而對節(jié)點間的距離的測量準確性直接影響了無線傳感器網(wǎng)絡定位算法的精度和可靠性。在無線傳感

2、器網(wǎng)絡中，常用的測量節(jié)點間距離的方法主要有TOA(Time of Arrival)、TDOA(Time Difference of Arrival)、RSSI(ReceivedSignal Strength Indicator)及TOF(Time of Light)等;本文通過對RSSI定位算法的相關特性的研究以及對實驗中的大量的仿真數(shù)據(jù)的進行分析，提出一種基于RSSI定位技術與數(shù)據(jù)聚類分析相結合的方法，該方法計算出自校正參數(shù)融入RSS

3、I定位算法中解決了單一RSSI定位算法定位精度不高，誤差較大的問題，通過MATLAB仿真也驗證了本文提出的自校正參數(shù)方案能有效降低RSSI定位算法的定位誤差，提高定位精度。
　　本文根據(jù)國內外對無線傳感器網(wǎng)絡的最新研究進展，重點綜述了基于測距的無線傳感器網(wǎng)絡定位算法的研究現(xiàn)狀，及無線傳感器網(wǎng)絡中基于測距與非測距定位算法的優(yōu)缺點。其次，本文根據(jù)無線傳感器網(wǎng)絡的結構和特點，重點闡述和分析RSSI的定位算法在實際應用中存在的問題，并提出

4、一種通過某種自校正參數(shù)融入到網(wǎng)絡中傳感器節(jié)點的位置信息的計算中，達到降低基于RSSI定位算法的測距誤差，提高測距精度。因此，本文利用數(shù)據(jù)挖掘中的一個非?；钴S的研究領域:聚類分析對實驗過程中產(chǎn)生的多組的大量的實驗數(shù)據(jù)進行數(shù)據(jù)分析，求解出同一節(jié)點位置的誤差集合的最優(yōu)解即誤差參數(shù)，將其定義為自校正參數(shù)并將其融入定位算法，提高基于RSSI定位算法的定位精度。
　　本文介紹兩種方案對實驗的仿真數(shù)據(jù)進行聚類分析:(1)基于RSSI定位算法融合

5、K-means數(shù)據(jù)分析;(2)基于RSSI定位算法融合層次聚類數(shù)據(jù)分析。兩種方案計算出穩(wěn)定的誤差值，并定義為自校正參數(shù)融入到基于RSSI的定位算法中，從而達到提高RSSI定位算法的定位精度。最后，將自校正參數(shù)融入到定位算法中進行仿真實驗，并且與單一未融合校正參數(shù)的RSSI定位及DV-Hop未融合校正參數(shù)的定位算法進行定位誤差及精度比較，仿真結果表明:融合了校正參數(shù)的單一的RSSI定位算法的定位誤差明顯小于相同條件下未融合校正參數(shù)的定位算