【摘 要】
:
无线传感器网络是一种由大量具有无线通信功能的传感器构成的动态、分布式、自组织网络,其目的是通过协作的方式感知、采集和处理网络覆盖区域中感知对象的信息,并发送给观察
论文部分内容阅读
无线传感器网络是一种由大量具有无线通信功能的传感器构成的动态、分布式、自组织网络,其目的是通过协作的方式感知、采集和处理网络覆盖区域中感知对象的信息,并发送给观察者。传感器网络可以使人们在任何时间、地点和任何环境条件下获取大量详实而可靠的信息。它不仅可以应用于国防军事、国家安全、环境监测、交通管理、医疗卫生、制造业、反恐以及抗灾等领域,还可以广泛应用于各种消费电子产品以及其它嵌入式系统中,对人们的生活和工作方式产生革命性的影响。而无线传感器网络节点定位是传感器网络中的一项重要的基础技术。目前无线传感器网络的定位研究一般都局限于二维平面,三维空间下的研究十分有限,而在实际应用中,由于地形限制(如在山区,丘陵,海洋的复杂地形)或者环境限制(如位于建筑物的不同楼层或在空中不同高度),使得无线传感器往往在空间上成立体分布,而不是平面分布,所以仅仅在平面上对传感器网络节点进行二维定位是远远不够的,需要把定位研究拓展到三维空间中去。本文的研究工作主要围绕三维定位算法展开。三维定位算法较之二维定位算法在测距和定位计算中,误差更大,因此如何有效控制定位误差是三维定位算法的难点之一。本文在传统DV-Hop定位算法的基础之上,提出了距离无关三维定位算法,该算法的主要特点是为未知节点选择了对自身而言最佳的网络平均每跳距离,最大限度地降低了定位误差,提高了定位算法的精度。当网络中信标节点过少或信标节点分布不均匀时,未知节点由于无法获得足够多的信标节点参与定位计算,而无法实现定位。本文针对这种情况提出了基于聚类的三维定位算法,该算法首先把网络划分为多个簇集,然后对簇内节点实现相对定位,最后把各簇合并,建立统一的全局坐标系。当网络中有足够的信标节点时,可进行三维坐标转换,对未知节点进行绝对定位。
其他文献
真实感自然场景模拟技术一直以来都是计算机图形学领域的热点研究问题,而真实感草地场景模拟技术则是其中一个重要的组成部分。本文在总结国内外研究成果的基础上,研究并实现
SVM是统计学习的一种,是在统计学习理论基础上发展起来的一种新型的学习机器。目前,SVM被看作是解决分类问题和回归问题的强有力的工具,并已经是机器学习领域继神经网络后新
随着支持多线程技术的操作系统与多核处理器技术的普及,多线程技术不再是一个很遥远的话题。我们在享受着Microsoft Word编写文档与Netscape Firefox浏览网页带来便利的同时,
伴随着信息技术的飞速发展,网络的复杂性也在不断增强,各种新型网络设备的出现在丰富我们的网络生活改善我们网络体验的同时,也给如何安全高效地进行网络管理提出了挑战。简
随着信息技术的飞速发展,在E-Learning的研究领域中,个性化服务已逐渐成为该领域内一个活跃的研究方向。它的目的是要通过分析学习者的个性化信息,进一步分析学习者的个人需
随着社会的发展,人们对居住的社区环境要求也越来越智能。为了实现这些要求,需要在社区中架设无线传感器网络,但为了充分发挥无线传感器网络的作用,就必须将传感器网络采集的
随着生活水平的提高,人们越来越注重生活品质提升,传统的家用电器已经无法满足现代家庭的需要,因此集信息化、网络化和智能化为一体的信息家电以其特有的优势进入未来家庭将是一个必然的趋势。目前国内对信息家电内部结构的研究很少,本文正是在这样的背景下,研究一种信息家电内部结构并予以论证和实现。本文分析了信息家电的主要功能,提出了一种基于XML(Extensible Markup Language)描述的信息
随着生物信息学的发展,全基因组序列不断被测序,对于转录的研究变得越来越重要,转录因子,作为一种重要的转录调控元件,它与DNA序列的结合位点——转录因子结合位点的识别已经成为
J2EE是一种简化企业解决方案的开发、部署和管理复杂性的体系结构。在信息化时代的Web应用程序开发中,J2EE以其良好的可移植性和可扩展性,占有强大的竞争力优势。J2EE体系架
在人的视觉感知、识别和理解中,形状足一个重要的表达物体信息的参数。从图像中提取目标形状是大多数目标识别算法需要进行的一个重要步骤。角点是图像的一种重要的局部特征,是