APP下载

动态无线传感器网络的改进蒙特卡罗定位算法*

2012-10-21朱海平于红丞钟小勇余钱红

传感技术学报 2012年9期
关键词:区域

朱海平,于红丞,钟小勇,余钱红

(华中科技大学,数字制造装备与技术国家重点实验室,武汉 430074)

对于无线传感器网络(wireless sensor networks,WSN)来说,节点自定位是网络提供的基本服务之一。在许多应用中,不包含传感器节点位置信息的感知数据是没有意义的,例如:军事目标追踪[1]、防火监测[2]、矿井探测[3]等。如何实现高效、高精度的节点定位是无线传感器网络的研究热点之一。

许多学者提出了不同的定位方法,包括Cricket定位系统[4],质心定位算法,DV-HOP 定位算法[5],APIT 定 位 算 法[6],凸 规 划 定 位 算 法[7],MDSMAP[8],它们都是针对于静态无线传感器网络的定位方法。然而,在很多实际应用中,传感节点是处在运动中的,这些定位系统和定位算法只能通过频繁反复的计算来实现移动节点定位。因此,受移动节点动态特性的影响,静态定位算法的定位精度会降低,并且能量消耗增加、计算时间增长。

为实现一般网络环境下移动节点的定位,Hu和Evans提出了一种叫做MCL(Monte Carlo Localization)的动态传感器网络定位算法[9]。该算法基于蒙特卡罗算法,利用节点的移动特性来改善定位效果,克服了静态定位算法在动态定位中的局限性,取得了较好的定位精度。在MCL算法的基础上,一些学者提出了MCB[10]、RSS-MCL[11]、MMCL[12]等定位算法。

1 蒙特卡罗定位算法

MCL是在考虑了节点的移动特性的基础上,专门为动态无线传感器网络而设计的。其核心思想是利用一系列的加权样本来估计节点位置的后验概率密度分布,并不断迭代更新样本集合。

在文献[9]中,定义了移动节点,并且把时间离散化为一个时间序列。……

登录APP查看全文

猜你喜欢

区域
分割区域
探寻区域创新的密码
基于BM3D的复杂纹理区域图像去噪
小区域、大发展
论“戎”的活动区域
区域经济
关于四色猜想
分区域
公司治理与技术创新:分区域比较
基于严重区域的多PCC点暂降频次估计