基于蝙蝠算法的无线传感网络节点定位研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research of node localization in Wireless Sensor Networks Based on Bat Algorithm Candidate: Liu Chunju Supervisor: Ass.Prof. Shang Junna November，2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州 杭州电子科技大学硕士学位论文 摘 要 随着科技的进步，无线传感网络(wireless sensor network，WSN)作为一种新兴技术，集成 了传感器技术、现代无线通信技术、分布式信息处理等技术，广泛应用于医疗卫生、军事、 智能交通、环境监测等领域，是国内外关注焦点。在各种应用场景中，无线传感网络的节点 位置信息的精确程度是衡量整个网络性能优劣的标准之一，也是无线传感网络广泛应用的保 证，因此节点定位技术一直是无线传感网络的关键技术和研究热点。 节点定位算法中为了保证节点预测位置的准确性，通常采用基于接收信号强度指示 (Received Signal Strength Indicator，RSSI)、基于到达时间的定位技术(Time of Arrival，TOA)、 基于信号到达时间差的测距技术 (Time Difference of Arrival，TDOA)、基于到达角度的测距 技术(Angle-of-Arrival，AOA)等一些基于测距的相关定位算法来实现节点距离信息的求解。 在得到节点之间的距离后，通过三边定位、三角定位、最大似然估计等方法计算出未知节点 的位置坐标。但在这些基本的定位算法的实际应用中，无法完全消除误差，使得测距误差对 定位结果影响极大。因此本文在分析研究无线传感网络节点定位的基础上，将蝙蝠算法(Bat Algorithm, BA)及其改进算法引入到无线传感网络节点位置优化的问题上，通过智能优化算法 的自身的优越性来补偿测距误差等因素对定位精度的影响，从而提高节点精度。 本文主要研究工作如下： (1) 研究了蝙蝠算法的全局收敛性问题。本文在深入阐述无线传感网络节点定位的理论 基础上，将节点定位问题转化为数学优化问题，通过蝙蝠算法进行优化求解。蝙蝠算法每一 次进化的实质是一个随机过程，满足 Markov 链的过程条件，因此本文首先将 Markov 链模型 引入到基本蝙蝠算法，详细论证了蝙蝠群体状态空间具有的可约性和齐次性，并对蝙蝠算法 的收敛性进行了理论分析，推导出蝙蝠算法的种群序列能以概率 1 收敛于最优解集，具有全 局收敛性。随后，将蝙蝠算法应用到无线传感网络节点定位的问题上，实验结果显示了蝙蝠 算法具有明显优于其他算法的寻优性能，提高了节点定位的精度。 (2) 提出了基于自学习能力的变异蝙蝠算法的无线传感网络节点定位方法。在研究分析 基本蝙蝠算法存在易陷于局部最优，后期收敛速度较慢等问题的基础上，提出了具有自学习 能力的变异蝙蝠算法。该算法融入了变异操作和自我优化操作，变异操作使得每个蝙蝠个体 可以动态成比例地形成变异群，依据贪婪选择机制，在变异群中寻找优良个体，增加了种群 的多样性，避免个体退化。自我优化算子使全局最优个体在小范围内再次进行自我学习，可 以引导算法进行深度搜索。改进的算法增强了跳出局部最优的能力，避免算法早熟，提高了 算法的优化精度和收敛速度。通过对基本标准函数的测试，验证了算法具有寻优能力强，搜 索精度高的优点。将改进算法应用到无线传感网络节点定位的问题上，实验结果表明，节点 I 的定位精度进一步提高，降低了测距误差对定位精度影响，有很好的应用