第 1 章 绪 论
1.1本文的研究背景及选题意义
作为一种新兴的网络——无线传感器网络(Wireless Sensor Networks, WSNs)涉及到了多种学科，包括计算机、通信、传感器以及网络等。数量庞大的微型传感器节点之间相互通信，通过自组织的方式形成协同监控的网络。一般这些微型传感器节点会被放置到人类无法到达或者是危险的监测区域，它们携带着可以感知目标环境的传感器模块以及处理、计算、存储采集数据的处理模块，它们将所监测到的信息最终通过无线通信技术实时的传递给用户。因此利用无线传感器网络可以使人们更好的了解世界，为人类做贡献。1999 年的美国《商业周刊》指出无线传感器网络是新世纪以来最有价值的技术之一，具有广泛的应用前景。随着对传感器网络深入的研究，它已经从军事系统中必不可少的组成部分逐渐步入普通人的视野。例如在精细农业领域内，可以利用无线传感器网络实现农产品产量的监测、变量喷药及监测杂草分布等；在医疗保健领域内，可实现远距离监控患者并能够减少医护人员的工作量。在交通控制领域上，利用无线传感器网络收集行驶在道路上车辆的密度、行驶速度等信息来推测道路拥堵情况，给司机出行提出建设性意见。1995 年美国交通部提出将 WSNs 应用到智能化的交通中并希望该方案在 2025 年可以广泛使用[1]。在诸多应用中，如果无法确定采集信息的具体位置，监测人员就无法发送指令。因此节点的位置信息是一切应用的基础。然而，在 WSNs 的应用中传感器节点一般为随机部署，由于 GPS 的成本和功耗较高，给每一个传感器节点都安装上 GPS 是不现实的，网络中只有少量安装 GPS 的节点了解自身所在位置，没有安装 GPS 的节点只能通过位置已知的锚节点获得自身确切位置。为了保证该过程定位结果的准确性，越来越多的学者致力于研究节点定位算法。
………….
1.2国内外研究现状
上世纪九十年代初，国内外的专家和学者开始了无线传感器网络的研究，开始主要是对传感器节点的研制和网络协议的设计等方面。国外公司和研究机构在传感器网络上投入了大量精力并取得了丰富的研究成果。著名的有普林斯顿大学电子工程系提出的ZebraNet工程、麻省理工学院负责开发的UAMPS项目、获得美国国防部计划研究局资助的智能尘埃（Smart Dust）项目以及 2001 年美国陆军提出的“传感器网络通信”计划等[3-5]。这些项目体现了无线传感器网络在野生动物的研究和保护、国防、军事等领域的应用。21 世纪初期，研究者们开始了无线传感器网络节点定位算法的研究。最早的算法是南加利福尼亚大学的 Nirupama Bulusu 教师提出的质心算法。该算法首次提出计算未知节点时无需测量节点之间的距离而是需要依靠网络的连通性进行计算，这种算法使定位结果基本上不依赖环境的影响。同时，一些学者将几何学的知识与无线传感器网络相结合，代表学者为加州大学伯克利分校 Doherty。他用节点之间位置的几何关系来表示传感器节点的通信关系，通过几何约束使 WSNs 转化为凸集合，使节点定位转化成凸集合的优化问题。
………..
第 2 章 基于无线传感器网络 RSSI 定位算法
2.1 基于 RSSI 测距模型
无线传感器网络中，信号传播强度与传感器节点的通信距离成负相关。 RSSI值与信号传播强度也成负相关，那么 RSSI 值的大小与节点之间的通讯距离成负相关。RSSI值一般是由 RSSI 指示器测量的，再利用信号的传输模型最终计算及节点之间的相互距离。但是在真实的室内环境下，有很多的因素影响着 RSSI 值，例如：门、窗、墙壁等各种障 碍物。这些障碍物的存在导致无线信号在传播过程时发生信号的减弱或者激增，这会使节点接收到相同地点的RSSI发生偏差。利用偏差大的测量值计算未知节点坐标则结果一定不准确。为此，有必要经过多次试验得出该实际环境下的距离与信号损耗的关系，建立RSSI 距离损耗模型获得偏差较小的 RSSI 值。常用的传输模型主要有自由 空 间传输模型、两路径地面反射模型以及阴影模型[13]。
…………
2.2 基于 RSSI 的测距误差补偿
基于测距的定位算法中采用RSSI技术，由于RSSI技术跟随环境的影响导致最终定位结果与真实结果不同。影响 RSSI 测量结果的因素有：传感器节点自身的限制、环境因素、算法本身存在误差[15]。表 2-2 为影响 RSSI 值的因素及改善方法。与周围环境及算法的设计对整个定位结果产生的影响相比，硬件设备给 RSSI 测量值带来的影响几乎可以忽略不计。因此如果要减少定位误差，需要改进算法以及采取有效的方法减少周围环境对算法的影响，使节点的定位精度提高。研究者提出了多种方法进行 RSSI 测距技术的误差补偿。包括统计均值模型、中位数模型、高斯滤波模型。下面主要介绍一下前两者。该模型需要测距过程中保存n 个RSSI值，模型中精确性与实时性由n 来控制。n值的过大或者过小都会给算法带来一定的影响。若n 值过小，式（2-7）计算的结果会因为个别误差大的RSSI值影响整个统计均值模型，使该模型失效。相反，若n 值过大，虽然可以减少上述情况给算法带来的影响，但是随之带来的是使节点之间的通信成本增加，存储量的加大。模型一般是统计测距过程中采集的RSSI值，查询某个数据在统计值中出现的频率，利用出现的频率的大小设定相应的权值信息[15]。这样误差较大的数据会因为在统计数据中出现的频率低而权值较低，使该数据对算法的影响较小；反之，若误差低的数据由于在统计数据中出现的较为集中而使其权值较高，使该数据对算法的影响很大，因此整体算法的误差较小。
………..
第 3 章 基于 GA 的无线传感器网络定位算法的优化.......... 20
3.1 遗传算法的概述 ....... 20
3.2 DV-HOP 算法 .... 22
3.3 改进 DV-HOP 定位算法......... 24
3.4 本章小结 .... 28
第 4 章 基于最小二乘拟合的 MCL 移动节点...... 29
4.1 移动节点定位算法 .......... 29
4.2 蒙特卡洛移动节点定位算法 ........ 29
4.3 改进蒙特卡洛定位算法......... 32
4.4 本章小结 .... 37
第 5 章 WSNS 室内节点定位系统的设计 ...... 38
5.1ZIGBEE 技术........ 38
5.2 WSNS 室内节点定位系统功能分析..... 41
5.3 硬件平台的搭建 ....... 41
5.4 上位机定位系统的设计 ......... 46
5.5 定位监控系统测试 .......... 55
5.6 本章小结 .... 58
第 5 章 WSNs 室内节点定位系统的设计
5.1ZigBee 技术
国内外常用的无线个人区域网技术(Wireless Personal Area Network，WPAN)主要包括：蓝牙技术(Bluetooth)、超宽带技术(UWB)、红外技术(IrDA)、Wi-Fi 技术、GPRS、ZigBee 技术等[50]。ZigBee 技术又名紫蜂技术。紫蜂技术名称是来源于蜜蜂相互交流的方式 ZigZag舞。蜜蜂利用ZigZag舞的动作判断花丛距离蜂巢的距离以及方向等位置信息。ZigBee是近些年来提出的一种双向无线传感器通信技术。由于该技术具有较低的功耗以及较低的使用成本，广泛的应用于小型廉价的无线网络和远程控制设备等。除了GPRS技术外，其他的无线个域网技术都具有通信距离短、功率损耗低、使用成本低等特点。由于不同的个人区域网络的特点不尽相同，使得选择底层协议时要求根据应用环境进行选择。表 5-1 为针对这几种无线协议的应用重点、工作频段、电池寿命、网络大小、传输距离以及优点进行对比分析[51]。
………..
总结
目前，无线传感器网络作为一种新兴起的网络技术，凭借它自身低成本、低功耗的特点，在各种领域展露它的拳脚。节点定位技术则是其他应用的支撑技术。用户需要知道“在什么地点”，“发生了什么事”。传感器节点所采集的数据必须和节点的位置相匹配才会有意义。因此节点定位技术已经成为该领域的研究热点。本文主要对最小二乘算法、DV-HOP 算法以及蒙特卡洛移动节点算法深入研究探讨。在研究课题期间主要的工作内容如下：
（1）阅读国内外期刊关于介绍无线传感器网络的基础知识、学习无线传感器网络定位算法的研究现状以及定位算法的分类，学习了 ZigBee 协议，为后面算法的改进打下了坚实的基础。
（2）提出以一种改进最小二乘算法，降低该基础算法的定位误差。改进算法利用接受信号强度与节点之间的距离成正相关的特点，优先选择距离未知节点距离较近的锚节点参与定位；并在定位过程中筛选定位单元，将能够组成质量差的定位单元的锚节点过滤掉，选择出最优的参考节点。最后将统一参考节点的 RSSI 值经过中位数法修正，最终得到节点位置。
（3）针对经典 DV-HOP 算法中大于等于两跳的测量误差不准确导致定位误差较大的特点，提出了改进 DV-HOP 算法。改进算法引入遗传算法，通过对初始种群以及适应值函数的重新设计，将遗传算法与传统 DV-HOP 算法融合。
（4）为了克服传统蒙特卡洛移动节点定位算法中对采样区域限定不高导致的较大定位误差，提出了改进蒙特卡洛定位算法。改进算法利用曲线拟合的方法估算出移动节点的运动趋势，重新定义采样区域，并在计算节点位置时，引入权值，优化定位结果。
............
参考文献（略）