《现代检测技术》由会员分享，可在线阅读，更多相关《现代检测技术（27页珍藏版）》请在金锄头文库上搜索。
1、目录摘要2ABSTRACT2第一章 对于无线传感器节点位置布置路径优化问题的探究21.Hopfield神经网络32.蚂蚁算法33采取人工鱼算法进行研究44 遗传算法求解4第二章 对于节点问题的新型处理方法5方法一：基于测距的方法设计，即三边定位原理5方案二 最大似然估计定位算法6方案三 采用非测距方案设计：质心算法7方案四 非测距方案设计：DV-Hop9方案五 节点自定位算法:SLR定位算法11第三章 基于无线传感器节点的组网新算法研究131 无线传感器网络拓扑控制组网算法介绍142 无线传感器网络路由组网算法介绍143 虚拟无线传感器的位置放置研究144 基于无线传感器节点的路由算法的选取1
2、5展望16致谢16参考文献17程序清单18对无线传感器网络节点的简单研究安俊峰11 东华大学，信息科学与技术学院，上海，202120摘要日前，无线传感器是一个新型的传感器，给人类生活带来了很多方便，随之就产生了无线传感器网络，这以被认为是21世纪伟大的发现之一，它是将嵌入式系统技术，微型计算机技术，微型传感器技术和分布信息处理技术集于一身的高新技术，简称WSN.WSN通过在监控区域放置大量的传感器节点，节点之间使用无线通信进行信息传递，因此我认为无线传感器节点起到了很重要的作用。要做好WSN，节点成为了一个很重要的话题之一本文围绕这一个主题展开研究，通过研究节点位置放置，如何优化节点网络做了算
3、法探究，最后对现有的先进技术做了学习，并提出了展望，也希望自己能通过学习研究出一项新技术，带给WSN的开展一定的促进作用。The simple study of wireless sensor network nodeAnjunfeng1(1 Donghua university, college of information science and technology,shanghai,202120)ABSTRACTRecently, wireless sensor is a new type of sensor, bring lots of convenience to human li
4、fe, then the wireless sensor network (WSN), which is considered to be one of great discoveries of the 21st century, it is the embedded system technology, microcomputer technology, micro sensor technology and distributed information processing technology of high and new technology, referred to as WSN
5、. WSN in a monitored area placed a large number of sensor nodes, wireless communication between nodes used for information transfer, so I think the wireless sensor node has played a very important role. WSN node has became one of an important topicThis research revolves around this one theme, resear
6、ch on node place matter, explore how to optimize the node network though algorithm, finally, do the study on the existing advanced technology and put forward the outlook, also I hope that I can pass the study to develope a new technology, which can have something important to the development of WSN.
7、第一章 对于无线传感器节点位置布置路径优化问题的探究无线传感器网络(WSN)大局部的能耗来自于通信,通信所消耗的能量比感知和计算所消耗的能量要大得多，因此，通信协议的优化是延长无线传感器网络生存时间的一个重要途径。从网络节能的角度来看,如何选择最小能耗的路由是无线传感网络中需要研究的一个重要问题，也就是如何布置网络节点的问题成为了一个重要的研究问题。首先我们做了如下的假设，每个传感节点都有唯一的地址，用横坐标和纵坐标表示，每个传感器的节点传输功率相同，有效的通信距离都是一样的。参考论文中?基于 Hopfield 神经网络算法的 WSN 路径优化?中的节点设计方案，各个节点的坐标如下1(1.40
8、00,1.4439),2(1.2439,1.1463),3(1.1707,1.2293),4 (1.2293,1.7610，5 (1.5171,1.9414), 6 (1.8732,1.6536), 7 (1.6878,1.5219),8 (1.8488,1.3609), 9 (1.6683,1.2536),10(1.6195,1.2634)，那么如何优化路径问题我们可以采用多种方案，这里我采用了hopfield神经网络和蚁群算法，人工鱼算法，遗传算法分别进行进行研究，结果如下：Hopfield神经网络主要思想是，找到能量最低点，到达稳定，不能再降低的时候就是网络适应度的最正确值，进行编程，对
9、传感器节点进行优化，得到了下面图： 2.蚂蚁算法就是近年来出现的，搜索效果良好的一种启发式搜索方法。蚂蚁算法的主要思想，是模拟蚂蚁寻找食物的过程。在蚂蚁在搜索的过程中，会不断分泌外激素。蚂蚁之间通过外激素交流信息，可以很快找到从蚁穴到食物之间的最短路线。蚂蚁算法的核心，就是让蚂蚁以外激素为媒介，互相交流信息，不断搜索更好的旅行路线，从而取得旅行商问题的令人满意的答案，我们得到了下面的结果3采取人工鱼算法进行研究在一片水域中，鱼往往能自行或尾随其他鱼找到营养物质多的地方，因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方，人工鱼群算法就是根据这一特点，通过构造人工鱼来模仿鱼群的觅食。聚群
10、及追尾行为，从而实现寻优，以下是鱼的几种典型行为:觅食行为，群居行为，追尾行为，随机行为，我们同过这些行为设计出一套方案，可以对传感器节点进行优化正好这个结果与前面得出的结论是一样的，最有的节点路径选择路线都是一致的。4 遗传算法求解遗传算法的根本运算过程如下：a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。b)个体评价：计算群体P(t)中各个个体的适应度。c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估根底上的。d)交叉运算：将交叉算子作
11、用于群体。所谓交叉是指把两个父代个体的局部结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算子。e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t 1)。f)终止条件判断:假设t=T,那么以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算上面是用四种方法做出的结果，那么我们可以按照上面的位置去布置节点位置到达能耗最小的效果，因此我们对于节点位置原那么有了新的思路和方法。但是我提出的思想是当节点数量大的时候用遗传算法去做，这样可以提高正确性；当节点数目小的时候用一群算法去
12、做，这样的话可以节约时间。第二章 对于节点问题的新型处理方法上述的一个方法的问题探索我们是知道了每个节点位置的前提下做出了上面的讨论，那如果使我们知道其中几个节点位置，但是不知道其他位置呢？那么我们通过算法做一下下面的研究。方法一：基于测距的方法设计，即三边定位原理三边定位算法(trilateration)在监测区域中利用介绍的测距手段测量出通信半径中三个信标节点与未知节点的距离,再结合三个信标节点的己知位置坐标即可计算未知节点的定位坐标。在基于测距定位算法中,三边定位算法是根底算法,也是局部非测距定位算法定位的关键步骤(例如:DV-Hop算法)。三边定位算法原理如下图,将三个信标节点作为圆心
13、,以各信标节点到未知节点距离值作为半径画圆,三个圆的交点就是未知节点的定位坐标。图中点D代表未知节点,其定位坐标假设为x,y,在节点D通信半径内有三个信标节点分别用点A、B、C表示,坐标分别是(x1,y1).(x2,y2),(x3,y3)、距未知节点D的距离分d1,d2,d3.平面空间中两点距离计算式,根据距离公式我们得到那么进行求解上面的方程我们可以得到未知节点的位置；方案二 最大似然估计定位算法由于上述的三个节点距离测距的方案可以行的通，但是有很大的误差，如果选择多个节点去计算的话，可以大大的减小这个误差，那么下面就是分析过程最大似然估计定位算法(Maximum Likelihood Es
14、timation,简称MLE)是未知节点在通信半径内与三个以上的信标节点进行通信,测量得到自身与多个信标节点间距离,再利用冗余信标节点与未知节点间的距离信息以及信标节点坐标对未知节点定位。图中点D代表未知节点,其定位坐标假设为x,y,在节点D通信半径内有三个信标节点分别用点A、B、C，D.表示,坐标分别是(x1,y1).(x2,y2),(x3,y3).、距未知节点D的距离分d1,d2,d3.d4.平面空间中两点距离计算式,根据距离公式我们得到可用线性方程组表示为使用标准最小方差估计法可以得到节点D的定位坐标:那么我们采用这种方案得到的未知节点的位置的精度会大大的提高了。方案三 采用非测距方案设
15、计：质心算法本文中由于笔者能力有限，主要的设计方法有非测距方法有很多，主要有质心算法;DV-Hop算法。在这里我主要以这两种算法做了如下的研究，质心算法是南加州大学的Nirupama Bulusu等人提出的一种利用节点间连通性对未知节点定位的非测距定位算法。质心算法定位过程中,网络中每个信标节点周期性向全网播送信息包,信息包中包含信标节点识别ID以及自身坐标,未知节点存储接收到的信息包。当未知节点收到的不同识别ID发来的信息包数量超过门限值或全网播送结束后,未知节点将I 收到信息包中识别ID不同的信标节点假设为多边形的顶点,计算出此多边形的质心(几何中心)作为未知节点定位坐标。质心算法定位过程中,信标节点只负责周期性向全网络播送信息包,而不管哪些节点接收发送的信息包;未知节点只需要接收存储的信标节点坐标,将这些坐标作为多边形的顶点,并计算质心即可完成定位。质心算法对无线传感器网络没有节点间的同步要求,所以质心算法定位步骤简单,无需昂贵复杂的硬件支持;节点间通信是单向的,质心算法定位操作过程中通信开销很小。下面未知节点的个数是50个下面是我们得到的质心和以这个质心未知指点节点的测量误差，只以两个例子来说明通过上面的过程我
