论文部分内容阅读
无线传感器网络(WSNs)是由大量的微型传感器节点组成的具有一定计算能力和通信能力的无线自组织网络。由于它强大而灵活的功能，WSNs已经被广泛应用到许多领域，如军事、医疗卫生、环境监测等。在许多情况下，传感器节点的位置信息很重要，知道传感器节点的位置而感知的数据才有意义。因此，如何正确定位传感器节点已经成为WSNs的关键问题之一。为了实现WSNs的自身定位，常用的定位技术有基于接收信号强度指示(RSSI)、基于到达时间(TOA)、基于不同波的到达时间差(TDOA)、基于到达角(AOA)以及混合定位方法。本文在总结和比较四种传统的定位技术(RSSI、AOA、TOA以及TDOA)的基础上，结合RSSI与AOA定位技术给出了一种基于RSSI的AOA估计算法。该算法利用两个旋转的方向图部分重叠的定向天线接收RSSI值，通过双方向图求差法估计目标节点的AOA。所提算法复杂度小，硬件成本低，适用于无线传感器网络的节点定位。实验结果表明，室内实验的AOA估计平均误差是6.7度，室外的平均误差是0.6度。分析实验结果得到多径干扰是引起定位误差的主要因素。为了消除多径干扰，文中首先介绍了基于相关分析的多径时延估计方法，并重点分析了两种超分辨率时延估计算法——EM算法和WRELAX算法。它们都将多维优化问题转化为一系列一维优化问题的迭代，虽然时延估计精度较高，但是需要迭代运算，计算量较大。然后介绍了一种基于分数阶Fourier变换(FRFT)的多径时延估计方法，它的计算复杂度比WRELAX算法小很多。最后提出了一种高效的码片内多径时延估计算法FRFT-WRELAX。FRFT-WRELAX算法首先利用FRFT提供初始粗估计，然后利用WRELAX的最后一个步骤优化时延和幅度估计值，并且通过仿真实验验证了所提算法的有效性。FRFT-WRELAX算法的时延估计性能优于FRFT和WRELAX，幅度估计性能优于FRFT，且算法复杂度低于WRELAX。