基于動態(tài)性感知的網(wǎng)絡(luò)導(dǎo)航技術(shù)研究.pdf

1、網(wǎng)絡(luò)導(dǎo)航(Networked Navigation)是當(dāng)前無線網(wǎng)絡(luò)應(yīng)用研究的熱點(diǎn)和難點(diǎn)之一。隨著無線傳感器網(wǎng)絡(luò)、無線局域網(wǎng)絡(luò)等網(wǎng)絡(luò)基礎(chǔ)設(shè)施的廣泛部署，以及配置各類感知單元的智能移動設(shè)備的快速普及，導(dǎo)航服務(wù)逐漸從室外衛(wèi)星導(dǎo)航延伸至各類動態(tài)場景的“最后一英里”，例如災(zāi)難救援、資產(chǎn)管理、戰(zhàn)場集結(jié)和商務(wù)導(dǎo)引。
　　當(dāng)前，研究人員對室內(nèi)定位和射頻追蹤技術(shù)開展了大量富有創(chuàng)見的工作，然而這些工作過度依賴領(lǐng)域知識(信標(biāo)節(jié)點(diǎn)位置、信號強(qiáng)度-距離模型

2、、室內(nèi)平面圖、射頻指紋等)，嚴(yán)重降低導(dǎo)航系統(tǒng)實(shí)時性、可靠性和可擴(kuò)展性。論文針對四個影響網(wǎng)絡(luò)導(dǎo)航方法性能的主要因素(鏈路狀態(tài)動態(tài)性、應(yīng)急區(qū)域動態(tài)性、人群行為動態(tài)性和路圖生成動態(tài)性)，深入研究無線傳感器網(wǎng)和無線局域網(wǎng)兩類環(huán)境下基于動態(tài)性感知的網(wǎng)絡(luò)導(dǎo)航方法。根據(jù)動態(tài)性感知的目的，論文展開四個方面的研究：網(wǎng)絡(luò)數(shù)據(jù)分發(fā)可靠性、生成路徑可達(dá)性、移動人群可識別性、導(dǎo)航路圖可擴(kuò)展性，具體內(nèi)容簡要描述如下：
　　首先，針對網(wǎng)絡(luò)鏈路動態(tài)性，論文突破鏈

3、路獨(dú)立性假設(shè)約束，提出基于協(xié)同確認(rèn)的輕量數(shù)據(jù)分發(fā)協(xié)議。通過Telosb無線傳感器網(wǎng)絡(luò)實(shí)驗(yàn)，發(fā)現(xiàn)多個相鄰鏈路在接收同一分組時存在顯著的鏈路相關(guān)性特征?；谠搶?shí)驗(yàn)觀察，設(shè)計(jì)一個包含掛起、等待、發(fā)送和接收狀態(tài)的有限狀態(tài)機(jī)模型，用于調(diào)度傳感器節(jié)點(diǎn)的感知、計(jì)算和通信資源。通過對發(fā)送節(jié)點(diǎn)與其多個鄰居接收節(jié)點(diǎn)形成的相關(guān)鏈路的接收確認(rèn)概率的聯(lián)合估計(jì)，論文提出的數(shù)據(jù)分發(fā)協(xié)議降低整個網(wǎng)絡(luò)中數(shù)據(jù)分發(fā)的冗余重傳和覆蓋時延，同時提高數(shù)據(jù)分發(fā)可靠性。
　　其

4、次，針對應(yīng)急區(qū)域動態(tài)性，論文提出一個基于路徑可達(dá)性度量的移動振蕩緩解方法。已有工作大多關(guān)注應(yīng)急區(qū)域?qū)?dǎo)航路徑的瞬時影響，并采用被動響應(yīng)方式重新計(jì)算路徑，但這類方法缺乏對應(yīng)急區(qū)域動態(tài)性的主動估計(jì)，導(dǎo)航用戶在局部來回移動，造成振蕩移動。論文提出將應(yīng)急區(qū)域時空動態(tài)特征感知轉(zhuǎn)化為網(wǎng)絡(luò)局部拓?fù)渥兓兄岢鲆粋€基于虛擬三角構(gòu)造的路徑可達(dá)性度量模型?；谠撃Ｐ停撐脑O(shè)計(jì)并實(shí)現(xiàn)一個基于路徑可達(dá)性度量模型的無線傳感器網(wǎng)絡(luò)導(dǎo)航協(xié)議，該協(xié)議有效提高全局導(dǎo)航

5、成功率。
　　再次，針對人群移動行為的動態(tài)性，將網(wǎng)絡(luò)導(dǎo)航環(huán)境從無線傳感器網(wǎng)絡(luò)擴(kuò)展到部署更為廣泛的無線局域網(wǎng)，考慮個體移動行為與最近鄰群體的識別問題，從而為有效的人群協(xié)同導(dǎo)航提供決策依據(jù)。論文提出一個基于加速計(jì)采樣統(tǒng)計(jì)的個體行為分類模型，并應(yīng)用該模型實(shí)現(xiàn)人群的移動行為判別?；谡撐奶岢龅亩嘈袨閷W(xué)習(xí)模型，導(dǎo)航系統(tǒng)可依次識別不同移動行為（例如靜止、步行、跑步等）；然后將群體移動性的判別問題轉(zhuǎn)化為個體的近鄰發(fā)現(xiàn)問題，利用低功耗傳感器完成移

6、動用戶的位置感知，通過對個體行為相似度、背景相似度和時空相似的主成分分析實(shí)現(xiàn)對群體移動特征的識別。
　　最后，針對導(dǎo)航路圖動態(tài)性，論文提出無路圖輸入條件下基于反向軌跡映射的導(dǎo)航方法。該方法通過移動特征和空間結(jié)構(gòu)約束定義移動軌跡樞紐點(diǎn)，利用樞紐點(diǎn)將航位推算得到的所有參與用戶的采樣軌跡形成離散路段集合。然后，引入概率圖模型--Bayes樹完成路段組接形成邏輯路圖。通過對邏輯路圖的推理和消除操作，完成邏輯路圖向物理空間的自增映射，從而實(shí)