选择特殊符号
选择搜索类型
请输入搜索
无线传感器网络(Wireless Sensor NetWork,WSN)是在传感器技术、无线通信技术、网络技术和嵌入式计算机技术基础上发展起来的一门新兴的信息获取技术,广泛应用于军事、智能交通、环境监控、医疗卫生等众多领域。其中,节点位置信息在WSN应用中非常重要,一个没有节点位置信息的WSN是没有任何意义的。
《无线传感器网络节点定位技术研究》对WSN节点定位技术进行了较为详细的研究,主要内容包括:WSN的节点定位技术、基于智能算法优化的WSN节点二维定位技术、基于智能算法优化LSSVR的WSN节点三维定位技术、基于KF-LSSVR的WSN三维移动节点定位技术、基于RSSI-LSSVR的WSN节点安全定位技术、基于WSN的老人行为监测技术应用等。
《无线传感器网络节点定位技术研究》结构合理,条理清晰,内容丰富新颖,可读性强,是一本值得学习研究的著作,可供从事WSN领域的研究人员和工程技术人员参考使用。
第1章 无线传感器网络概述
1.1 无线传感器网络的结构
1.2 无线传感器网络的特点
1.3 无线传感器网络的应用领域
1.4 无线传感器网络的研究现状与发展趋势
第2章 无线传感器网络的节点定位技术
2.1 节点定位技术的研究背景和研究现状
2.2 节点定位技术的基础
2.3 典型的基于测距定位算法和基于非测距定位算法
2.4 节点定位算法的性能评价标准
第3章 基于智能算法优化的WSN节点二维定位技术
3.1 差分进化算法理论
3.2 粒子群优化算法理论
3.3 基于差分进化算法优化的WSN节点二维定位
3.4 基于粒子群优化算法优化的WSN节点二维定位
3.5 基于差分进化和粒子群算法混合优化的WSN节点二维定位
第4章 基于智能算法优化LSSVR的WSN节点三维定位技术
4.1 最小二乘支持向量机理论
4.2 布谷鸟搜索算法理论
4.3 DV-Hop理论
4.4 基于DV-Hop的WSN节点三维定位
4.5 基于布谷鸟搜索算法优化DV-Hop的WSN节点三维定位
4.6 基于LSSVR的WSN节点三维定位算法
4.7 基于粒子群算法优化LSSVR的WSN节点三维定位
4.8 基于差分进化算法优化LSSVR参数的WSN节点三维定位
第5章 基于KF-LSSVR的WSN三维移动节点定位技术
5.1 移动节点定位算法介绍
5.2 基于LSSVR的回归建模定位理论
5.3 卡尔曼滤波算法理论
5.4 基于LSSVR的WSN移动节点三维定位
5.5 基于KF-LSSVR的WSN移动节点三维定位
第6章 基于RSSI-LSSVR的WSN节点安全定位技术
6.1 安全定位算法概述及分类
6.2 安全定位攻击模型及性能评价指标
6.3 传统RSSI测距算法原理及其改进
6.4 基于改进RSSI-LSSVR的WSN三维节点定位
6.5 基于改进RSSI-LSSVR的女巫攻击检测
第7章 基于WSN的老人行为监测技术应用
7.1 监控系统方案设计
7.2 系统硬件电路设计
7.3 系统软件设计
7.4 实验与结果分析
参考文献2100433B
无线传感器是有接收器和。接收器上可以接多个传感器的。输送都是两三百米、频率是2.4GHz。如果需要传输更远的距离的话就需要跳频了。这样整个形式就是无线传感器的网络了。
基于XL.SN智能传感网络的无线传感器数据传输系统,可以实现对温度,压力,气体,温湿度,液位,流量,光照,降雨量,振动,转速等数据参数的实时,无线传输,无线监控与预警。在实际应用中,无线传感器数据传输...
这个....好难说哦,既然天线增益是有的,那么就存在了信号不规则的问题,那么有效通信距离要怎么规定,丢包率低于什么的时候才叫做有效通信半径....接收功率和你所说的通信距离肯定是有关系的。存在着一个功...
无线传感器网络组网设计
无线传感器网络是一种集成了计算机技术、通信技术、传感器技术的新型智能监控网络。本文分析了Zig Bee无线传感器网络的结构,并研究了采用Zig Bee技术如何建立无线传感器网络,及实现终端节点和协调节点的通信。
构筑全球无线传感器网络
如果说互联网构成了逻辑上的信息世界,改变了人与人之间的沟通交流方式,那么,无线传感器网络则是将逻辑上的信息世界与客观上的物理世界融合在一起,改变人类与自然界的交互方式。如今,无线传感器网络如同其他高新技术一样,在经历了十几年的发展之后,正逐步走出象牙塔,迈向更广阔的应用领域。
本课题的主要目标是综合考虑各种不完整性,探索利用矩阵完成方法解决目前十分突出的由于复杂应用环境等因素导致的无线传感器网络节点定位中数据矩阵结构受到损坏的途径,改善无线传感器网络节点定位的性能。针对矩阵完成方法在无线传感器网络节点定位中的应用,将其分为两大类来考虑:一类是显式矩阵完整性分析,即在数据矩阵中明确知道存在数据缺失或者存在野值及其相应位置的情况;另一类是隐式矩阵完整性分析,指的是数据矩阵在形式上是完整的,但其中部分元素受噪声影响较大或者存在野值并且该元素的位置未知的问题。针对第一类问题,首先引入数据矩阵的低秩特性,使得求解成为可能;其次通过图直观地了解除了低秩以外,数据矩阵还需要满足的三个基本条件,即顶点可测性、连通性和采样集合势大小的要求;特别地,针对欧氏距离矩阵的显示完成问题,利用交替秩完成方法考察了矩阵完成的成功率对采样集合势的要求。从仿真结果上看,需要的测量值个数要数倍于实际自由度才能获得较高的成功率。针对第二类问题,主要考虑具备低秩特性的欧氏距离矩阵的完成问题。为了消除秩约束引入的非凸性,采用半定松弛来获得进行求解。由于加权矩阵的存在,使得半定松弛方法既适用于隐式矩阵完整性分析,也适用于显式矩阵完整性分析。仿真结果验证了半定松弛方法的稳健性。在对上述问题研究过程中,也对有关的参数估计方法和定位方法,如直达方向重建方法、基于混合范数优化的波达方向估计、利用角度差测量进行自主定位等做了相应的研究。 2100433B
第1章绪论1
1.1研究背景及意义1
1.2研究现状7
1.2.1节点定位技术研究现状7
1.2.2协作跟踪技术研究现状10
1.3章节安排13
参考文献15
第2章无线传感器网络节点定位和协作跟踪技术21
2.1节点定位21
2.1.1节点定位原理22
2.1.2定位系统27
2.1.3性能评价31
2.2协作跟踪32
2.2.1目标跟踪算法32
2.2.2协作跟踪方案39
2.2.3评价指标47
2.3本章小结47
参考文献48
第3章室内复杂环境下节点定位算法49
3.1路径损耗模型49
3.2室内测距模型参数辨识52
3.3室内定位方案62
3.4人员定位实验64
3.5本章小结68
参考文献68
第4章野外环境下三维节点定位算法69
4.1网络模型69
4.2三维辅助定位算法71
4.3定位误差和能量消耗分析77
4.4仿真实验81
4.5本章小结88
参考文献89
目录传感器网络节点定位与协作跟踪第5章基于粒子群优化的协作跟踪算法90
5.1系统描述90
5.2多传感器协作跟踪方案91
5.2.1高斯粒子滤波91
5.2.2多传感器数据融合94
5.3基于粒子群优化的动态簇组织算法96
5.3.1基于位置预测的簇成员节点选择97
5.3.2基于粒子群优化的簇头节点选择98
5.4仿真实验102
5.5本章小结107
参考文献107
第6章基于贝叶斯理论的多传感器交互滤波算法109
6.1问题描述109
6.2接力卡尔曼算法110
6.2.1状态和协方差更新110
6.2.2预测方程111
6.2.3传感器概率更新111
6.3多传感器交互滤波算法111
6.4后验克拉美罗下界112
6.5仿真实验114
6.5.1PCRLB115
6.5.2IMSF的性能115
6.5.3传感器概率118
6.6本章小结120
参考文献120
第7章基于后验克拉美罗下界的机动目标跟踪算法122
7.1相关工作123
7.2问题描述123
7.3多模型后验克拉美罗下界124
7.4通信受限节点调度策略126
7.5模型参数预测127
7.6仿真实验128
7.7本章小结134
参考文献134
第8章连续泄漏稳态气体源参数估计算法137
8.1连续泄漏稳态气体源参数估计模型137
8.1.1有风条件下稳态气体扩散模型137
8.1.2稳态气体源参数估计状态空间模型142
8.2连续泄漏稳态气体源参数估计算法142
8.2.1稳态气体源参数的粗估计142
8.2.2确定粒子滤波的似然函数143
8.2.3基于粒子滤波的稳态气体源参数估计算法145
8.3气体源参数估计性能分析145
8.3.1气体源参数估计CRLB的定义146
8.3.2气体源参数估计的CRLB推导146
8.4仿真实验与结果分析150
8.4.1实验条件150
8.4.2实验结果与分析151
8.5本章小结158
参考文献158
第9章连续泄漏非稳态气体源参数估计算法159
9.1连续泄漏非稳态参数估计模型159
9.1.1二维非稳态气体扩散模型159
9.1.2传感器测量模型161
9.2连续泄漏非稳态气体源参数估计算法162
9.2.1构造目标优化函数162
9.2.2基于多种群遗传算法的非稳态气体源参数估计算法164
9.3仿真实验与结果分析167
9.3.1仿真条件168
9.3.2仿真结果与分析168
9.4本章小结173
参考文献173
第10章瞬时泄漏气体源参数估计算法174
10.1瞬时泄漏气体源参数估计模型174
10.1.1有风条件下瞬时气体扩散模型174
10.1.2瞬时气体源参数估计状态空间模型176
10.2基于高斯粒子滤波的瞬时气体源参数估计算法179
10.2.1瞬时气体源参数的粗估计180
10.2.2基于高粒子滤波的瞬时气体源参数估计方法181
10.3瞬时气体源参数估计性能分析183
10.4仿真实验与结果分析184
10.4.1实验条件184
10.4.2实验结果与分析186
10.5本章小结193
参考文献194
附录A矩阵求逆195
附录B预测距离的推导196 2100433B
无线传感器网络节点唤醒方式,顾名思义,是无线传感器网络中,节点的唤醒方式。分全唤醒模式、随机唤醒模式、由预测机制选择唤醒模式和任务循环唤醒模式。
(1) 全唤醒模式:这种模式下,无线传感器网络中的所有节点同时唤醒,探测并跟踪网络中出现的目标,虽然这种模式下可以得到较高的跟踪精度,然而是以网络能量的消耗巨大为代价的。
(2) 随机唤醒模式:这种模式下,无线传感器网络中的节点又给定的唤醒概率p随机唤醒。
(3) 由预测机制选择唤醒模式:这种模式下,无线传感器网络中的节点根据跟踪任务的需要,选择性的唤醒对跟踪精度收益较大的节点,通过本拍的信息预测目标下一时刻的状态,并唤醒节点。
(4) 任务循环唤醒模式:这种模式下,无线传感器网络中的节点周期性的出于唤醒状态,这种工作模式的节点可以与其他工作模式的节点共存,并协助其他工作模式的节点工作。
其中由预测机制选择唤醒模式可以获得较低的能耗损耗和较高的信息收益。