利用局部保持的典型相关分析定位无线传感器网络节.PDFVIP

利用局部保持的典型相关分析定位无线传感器网络节.PDF

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
利用局部保持的典型相关分析定位无线传感器网络节

利用局部保持的典型相关分析定位无线传感器网络节 利用局部保持的典型相关分析定位无线传感器网络节 利利用用局局部部保保持持的的典典型型相相关关分分析析定定位位无无线线传传感感器器网网络络节节 点∗ 点 点点 1 1+ 顾晶晶 ,陈松灿 ,庄 毅 (南京航空航天大学 计算机科学与工程系,南京 210016) 1 1 11 引言 无线传感器网络具有非常广泛的应用前景,目前国内外已有将其应用于环境监测和保护、医疗护理、航 空航天军事等领域的研究工作。其中无线传感器网络的定位技术是一个研究难点,也是应用研究中的关键技 术。传感器节点的自身定位是无线传感器网络应用的基础,最常见的定位技术是 RSSI[1](received signal strength indicator)技术。它的主要原理是先通过信号在传播中的衰减,根据信道模型来估计节点之间的距离; RSSI 再通过距离信息进行节点位置的计算。 技术符合传感器网络定位低功率和低成本的要求,已有很多研究 工作都基于此技术,如文献[2-5] 等。还有一些较常见的定位技术,如:TOA(time of arrival)[6], TDOA(time difference on arrival)[7] AOA(angle of arrival) [8] DV-Hop[9] [10] , , 和凸规划 等。这些技术既有优势,也存在着 [11] 诸如定位精度不高,网络部署方式受限,硬件要求过高,无法实现低功耗和低成本等问题 。本文侧重于 RSSI 的定位技术。 ( ) 节点的定位过程可以看作是模式的识别过程:其中节点的信号强度 向量 作为输入模式,对应的节点地 址作为(离散或连续的)标号。定位过程基于统计模型,提取出能够表征传感器节点坐标位置的特征量,建 立回归模型,以此确定定位算法。再根据该算法对未知传感器节点(测试样本)进行位置估计,即计算其空 间(位置)坐标。其中已有的典型算法包括[2-5]。文献[2]在定位过程中结合了核技巧并依照分类方法计算 出未知节点可能存在的矩形区域,然后将该矩形的质心作为未知节点的位置作为定位结果;文献[3]结合了聚 类分析和决策树分类技术,确定出合理的已知节点集合,并弃用无法提供合适定位信息的多余先验信息,从 而降低了定位的复杂度;文献[4]将定位过程描述成凸规划问题,进而借助半定规划(Semidefinite Programming SDP)优化该问题以获得最优的定位结果;文献[5]则通过建立贝叶斯层次模型来解决室内定位问题。这 些算法在一定场合内取得了较为有效的定位结果。但由于没有充分利用网络的局部拓扑结构以及其与信号空 间的相关性,因而定位算法的定位精度仍有待提高。 本文的出发点正是尝试通过利用无线传感器网络的拓扑结构与信号空间的自身特性,来进一步提高定位 算法的精度。据我们所知,目前有关这方面的研究工作相对较少,在国内尤其如此。 在节点功率相同,传送模式相似的前提下,由于传感器网络中任意两节点若相邻,则接收到同一信标节 [12] 点所发射的信号强度也相似,所以物理空间和信号空间存在一一映射关系 。定位就是构建出这一映射。就 LE KCCA[12] (KCCA)[13] 我们所知,目前最为有效的定位算法应属 - 。该算法通过核典型相关分析 实现所要的 KCCA 映射。然而, 的计算采用了一个统一的非线性映射而没有顾及网络具有的局部分布特点,即流形结构。 另外拓扑结构复杂且多变的无线传感器网络同样使KCCA 难以充分体现网络的结构信息。因此,出于对上述 两点不足的考虑,本文以我们之前提出的能够同时有效处理两组分别具有流形结构数据的局部保持型典型相 Locality Preserving Cano

文档评论(0)

yaner520 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档