关 闭

新闻中心

EEPW首页 > 工控自动化 > 设计应用 > 基于MCL算法的无线传感网络节点定位技术

基于MCL算法的无线传感网络节点定位技术

作者:时间:2011-08-04来源:网络收藏

 引言

本文引用地址:http://www.eepw.com.cn/article/161643.htm

  

  凡是利用一定的物性(物理、化学、生物)法则、定理、定律、效应等把物理量或化学量转变成便于利用的电信号的器件。器是测量系统中的一种前置部件,它将输入变量转换成可供测量的信号”。按照Gopel等的说法是:“传感器是包括承载体和电路连接的敏感元件”,而“传感器系统则是组合有某种信息处理(模拟或数字)能力的系统”。传感器是传感系统的一个组成部分,它是被测量信号输入的第一道关口。 [全文]

的应用中,位置信息是采集数据时不可缺少的部分,没有位置信息的监测信息通常是毫无意义的。确定事件发生的位置或采集数据的位置是传感器最基本的功能之一。为了能够提供有效的位置信息,随机布置的传感器
传感器
  凡是利用一定的物性(物理、化学、生物)法则、定理、定律、效应等把物理量或化学量转变成便于利用的电信号的器件。传感器是测量系统中的一种前置部件,它将输入变量转换成可供测量的信号”。按照Gopel等的说法是:“传感器是包括承载体和电路连接的敏感元件”,而“传感器系统则是组合有某种信息处理(模拟或数字)能力的系统”。传感器是传感系统的一个组成部分,它是被测量信号输入的第一道关口。

部署完成后必须能够确定自身所在的位置。一般的分类为距离和距离无关距离的定位能够实现节点的精确定位,但往往对节点的硬件要求较高。出于硬件成本、能耗等方面的考虑,使用距离无关(Range-free)的节点定位可不需要测量节点之间的绝对距离或者方位,降低了对节点的硬件要求,但定位误差相应有所增加。

  传感器网络
无线传感器网络

  无线传感器网络作为计算、通信和传感器三项相结合的产物,是一种全新的信息获取和处理。由于近来微型制造的技术、通讯技术及电池技术的改进,促使微小的传感器可具有感应、无线通讯及处理信息的能力。此类传感器不但能够感应及侦测环境的目标物及改变,并且可处理收集到的数据,并将处理过后的资料以无线传输的方式送到数据收集中心或基地台。这些微型传感器通常由传感部件、数据处理部件和通信部件组成,随机分布的集成有传感器、数据处理单元和通信模块的微小节点通过自组织的方式构成网络。借助于节点中内置的形式多样的传感器测量所在周边环境中的热、红外、声纳、雷达和地震波信号,从而探测包括温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等众多我们感兴趣的物质现象。在通信方式上,虽然可以采用有线、无线、红外和光等多种形式,但一般认为短距离的无线低功率通信技术最适合传感器网络使用,一般称作无线传感器网络。

的节点定位策略通常使用少量位置已知的信标节点.其它位置未知的普通节点从它们接收到的信息估计自己所处的位置。现有节点定位方法大多采用上述策略,典型的Range-free定位算法主要包括:质心定位、A-morphous、SPA(self-positioning algorithm)、凸规划、APS(adhoc positioning system、APIT等。然而这些方法都没有考虑节点(包括普通节点和信标节点)具有位置移动性的网络情形。节点的移动性会导致定位过程变得更加困难而且复杂。本文使用Monte Carlo定位()算法来解决节点具有移动性的无线传感器网络
传感器网络
  通信技术和计算机技术的飞速发展,人类社会已经进入了网络时代。智能传感器的开发和大量使用,导致了在分布式控制系统中,对传感信息交换提出了许多新的要求。 单独的传感器数据采集已经不能适应现代控制技术和检测技术的发展,取而代之的是分布式数据采集系统组成的传感器网络,传感器网络可以实施远程采集数据,并进行分类存储和应用。

的节点定位问题,并针对算法的一些应用限制进行了改进。

  l 定位算法

  MCL算法的核心思想是利用一系列加权采样值表示可能位置的后验概率分布,目的在于确定节点所在可能位置的后验概率分布。算法每一步都包括位置预测和位置更新两个阶段。位置预测阶段是利用m个加权采样值对后验概率分布进行描述的过程,位置更新阶段则是通过重要性采样操作对其进行及时不断更新,采样值的权重值从O和l中取值。

  MCL,定位算法的基本步骤:

  1.1 位置估计

  无线传感器网络节点的移动定位问题可以在如下状态空间内描述。以£表示离散时间,lt表示f时刻节点的位置分布,Dt表示节点在t-1t时刻到t时刻之间接收到的来自信标节点的观测值。转换方程p(lt|lt-1)表示节点先前位置对其当前所在位置的估计。观测方程p(lt,Ot,)表示在给定观测值的情况下节点位于位置lt的概率。算法的目标是对节点位置的滤波分布p(lt|O0,O1,…,Ot)随时间进行反复估计。用一组采样值Lt(N个)表示节点的位置分布lt,而且每一时间段内算法要对采样序列进行反复计算,由于Lt-1是对先前所有观测值的一个集中反映,因此仅使用Lt-1和Ot就可以计算出lt。

  位置估计算法的实现流程:

  (1)初始化。节点最初不具备任何关于其自身所在N个位置的先验知识,需要对其进行初始化操作(N表示算法执行过程中所要维持的采样数)。

  L0=[节点部署区域内随机选择的N个可能位置]

  (2)循环计算。根据Lt-1、上一时间段内节点的可能位置序列以及新的观测值Ot计算出节点新的可能位置Lt。

  预测:

  在算法起始阶段节点对其所在的位置没有任何先验知识。因此可由质心算法估计初始位置。质心算法的核心思想是:普通节点以所有在其通信范围内的信标节点的几何质心作为自己的估计位置。其实现过程非常简单:信标节点向邻居节点广播一个信标信号,信号中包含有信标节点自身的ID和位置信息。当位置未知的普通节点接收到来自信标节点的信标信号数量超过某一个预设的门限值后,该节点认为与此信标节点连通,并将自身位置确定为所有与之连通的信标节点所组成的多边形的质心。

  初始位置确定后的每一时间段内.位置序列都会根据节点的运动和新的观测信息进行更新。节点位置的估计可以通过计算集合L内节点的所有可能位置的平均值获得。


上一页 1 2 3 下一页

评论


相关推荐

技术专区

关闭