淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2307200817044700
中文論文名稱 運用PSO演算法於無線感測網路之定位
英文論文名稱 PSO-based Localization in Wireless Sensor Networks
校院名稱 淡江大學
系所名稱(中) 電機工程學系碩士班
系所名稱(英) Department of Electrical Engineering
學年度 96
學期 2
出版年 97
研究生中文姓名 吳政沛
研究生英文姓名 Cheng-Pei Wu
電子信箱 695450386@s95.tku.edu.tw
學號 695450386
學位類別 碩士
語文別 中文
第二語文別 英文
口試日期 2008-06-18
論文頁數 59頁
口試委員 指導教授-莊博任
委員-李維聰
委員-陳省隆
中文關鍵字 PSO  定位  多邊測量  效能評估  無線感測網路 
英文關鍵字 PSO  Localization  multilateration  performance evaluation  wireless sensor networks 
學科別分類 學科別應用科學電機及電子
中文摘要 目前無線感測網路定位法已發展成兩大類:range-free與range-based定位演算法。range-free為不需要任何測距技術而使用參考節點間的連結度來估算為數眾多的未知節點位置。Range-based定位則需使用一些測距技術,如TOA、TDOA、AOA和RSSI等當作測量鄰居節點距離的工具,並藉由這些測量資訊計算未知節點位置。為了增加錨節點的覆蓋率問題,一些基於測距為基礎的無線感測網路定位法使用疊代式的多邊測量可以解決錨節點不足的影響,但是卻有兩個缺點,一是某些節點仍然存在錨節點鄰居節點不足的情形,其二會有誤差累積的影響等缺點。因此,在本文中我們提出基於PSO最佳化演算法使用未知節點的最接近鄰居測距來估算未知節點位置,藉由這個方法減緩誤差累積的影響以及增加孤立節點成功定位的機會。由電腦模擬的結果中,新的定位法相較其他定位方法對於不同環境因素影響下也能有效定位。
英文摘要 Localization in wireless sensor networks has developed two categories: range-free and range-based localization algorithms. The range-free algorithms don't need any range techniques but use connectivity among the anchors to estimate the positions of unknown nodes. The range-based algorithms must need some range techniques such as TOA, TDOA, AOA and RSSI to measure the neighbors' distance. And use these measurements to estimate the position of the unknown nodes. In order to add the coverage of anchor nodes, some range-based localization algorithms use iterative multilateration to solve low density problem of the anchor nodes. But the iterative multilateration algorithm suffers two drawbacks: first, some nodes still don't have sufficient anchor nodes in their neighborhood; second, the use of localized unknown nodes as anchor nodes can bring the cumulative error. Therefore, we propose a PSO based localization algorithm using the distance of the closest neighbor to estimate the unknown node's location. We use this algorithm to reduce the error accumulation effects and add the probability of the orphan nodes which can successfully calculate the locations. Compared with some localization algorithms, new method can be more effective performance for different environment in our computer simulations.
論文目次 目 錄

中文摘要 I
目 錄 V
圖 目 錄 VIII
表 目 錄 X
第一章 緒論 1
1.1 前言 1
1.2 章節架構 4
第二章 相關研究背景 5
2.1 測距技術 5
2.1.1 TOA和TDOA 5
2.1.2 AOA 6
2.1.3 RSSI 7
2.2 無線電波信號能量與路徑衰退模型 7
2.3 相關研究文獻 10
2.3.1 RADAR 10
2.3.2 Ecolocation 11
2.3.3 AHLoS 18
2.3.4 n-hop multilateration 21
2.3.5 Generic localized algorithm 22
2.3.6 DV-distance 22
第三章 PSO最佳化演算法 25
3.1 PSO簡介 25
3.2 PSO執行過程 27
第四章 新定位演算法之架構 29
4.1 研究動機與構想 29
4.2 新方法的運算步驟 31
4.3 使用PSO精練 35
第五章 效能評估 41
5.1 模擬參數 42
5.2 模擬結果與評估 43
5.2.1 RSSI測量次數多寡與誤差的比較 43
5.2.2 網路總節點數量與定位誤差評估 45
5.2.3 錨節點比率與定位誤差之關係 47
5.2.4 雜訊標準差σ的變化與定位誤差評估 49
5.2.5 孤立節點可成功定位的節點數比率評估 51
第六章 結論 55
參考文獻 57


圖 目 錄

圖 2.1:TDOA測距示意圖 6
圖 2.2:Ecolocation示意圖一 13
圖 2.3:Ecolocation示意圖二 14
圖 2.4:Ecolocation示意圖三 15
圖 2.5:Ecolocation流程圖 17
圖 2.6:Atomic示意圖 20
圖 2.7:iterative multilateration示意圖 20
圖 2.8:n-hop multilateration示意圖 21
圖 2.9:DV-distance示意圖 24
圖 3.1:PSO演算法流程 26
圖 4.1:理想訊號強度衰減示意圖 30
圖 4.2:MODE 2示意圖 34
圖 4.3:新定位法流程示意圖 38
圖 4.4:最接近鄰居搜尋位置示意圖 40
圖 5.1:RSSI數據取樣次數與平均定位誤差之關係 44
圖 5.2:網路總節點數量與定位誤差之關係 46
圖 5.3:錨節點比率與定位誤差 48
圖 5.4:雜訊標準差變化與定位誤差 50
圖 5.5:節點成功定位比率與定位誤差關係圖 53
圖 5.6:利用疊代所產生之誤差曲線圖 54


表 目 錄

表 5.1:實驗模擬參數 42



參考文獻 【1】 D. Niculescu and B. Nath, “DV based positioning in ad hoc networks,” Jour. of Telecommunication Systems, 2003 pp.267-280.
【2】 P. Bahl and V. N. Padmanabhan, “Radar: An in-building RF-based user location and tracking system,” Proc. of the IEEE Infocom 2000, pp. 775-784
【3】 K. Yedavalli, B. Krishnamachari, S. Ravula and B. Srinivasan, "Ecolocation: a sequence based technique for RF localization in wireless sensor networks," Proc. of the Information Processing in Sensor Networks, 2005, pp. 285-292.
【4】 A. Savvides, C-C. Han and Mani B. Strivastava, “Dynamic fine-grained localization in ad-hoc networks of sensors,” Proc. of the 7th Annual Int'l Conf. on Mobile Computing and Networking, 2001, pp. 166-179.
【5】 A. Avvides, H. Park and Mani B. Strivastava, “The n-hop multilateration primitive for node localization problems,” Proc. of the 1st ACM Int’l Workshop on Wireless Sensor Networks and Applications, 2002, pp.112-121
【6】 S. Meguerdichian, S. Slijepcevic, V. Karayan and M. Potkonjak, “Localized algorithms in wireless ad-hoc networks: Location discovery and sensor exposure,” Proc. of the 2nd ACM Int’l Symp. on Mobile Ad Hoc Networking & Computing, 2001, pp. 106-116.
【7】 J. Kennedy and R. C. Eberhart, “Particle Swarm Optimization,” Proc. of IEEE International Conference on Neural Networks, Vol. IV , 1995, pp.1942-1948
【8】 J. Kennedy and R. C. Eberhart, “A New Optimizer Using Particle Swarm Theory,” Proc. of the 6th Int’l Symp. on Micro Machine and Human Science, 1995, pp.39-43
【9】 Y. Shi and R.C. Eberhart, “A Modified Particle Swarm Optimizer,” Proc. of the IEEE Int’l Conf. on Evolutionary Computation, 1998, pp.69-73
【10】 Y. Shi and R. C. Eberhart, “Parameter Selection in Particle Swarm Optimization,” Proc. of the 1998 Annual Conf. on Evolutionary Programming, 1998
【11】 K. Whitehouse, C. Karlof and E. David, “A practical evaluation of radio signal strength for ranging-based localization.” ACM Culler Mobile Computing and Communications Review Vol 11 Issue 1, Jan. 2007, pp.41-52
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2008-07-24公開。
  • 同意授權瀏覽/列印電子全文服務,於2008-07-24起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信