基于半監(jiān)督學習的無線傳感器網(wǎng)絡節(jié)點定位問題研究.pdf

1、隨著大數(shù)據(jù)和云計算技術的發(fā)展，無線傳感器網(wǎng)絡(Wireless Sensor Network，WSN)已經(jīng)步入大數(shù)據(jù)時代。作為新型的無線通信網(wǎng)絡，WSN的主要目標是獲取網(wǎng)絡環(huán)境中的數(shù)據(jù)，這些數(shù)據(jù)來自于傳感器節(jié)點，節(jié)點所處的位置不同，數(shù)據(jù)代表的意義也就不同。因此，節(jié)點的位置信息是WSN的重要參數(shù)，節(jié)點定位是WSN的一項重要任務。隨著機器學習技術的發(fā)展，將半監(jiān)督學習思想引入WSN節(jié)點定位中，可以減小算法對信標節(jié)點比例的敏感度，并且可以獲得較

2、高的定位精度。本文基于DVHop算法思想，建立了監(jiān)督學習和半監(jiān)督學習的定位算法模型，并對算法的定位性能進行了比較。
　　本文首先介紹WSN節(jié)點定位的基本概念以及無需測距定位算法的定位原理，并對三個無需測距定位算法進行仿真分析，對比三個算法在不同信標節(jié)點比例下的平均定位誤差和定位覆蓋率。
　　其次，本文將經(jīng)典DV-Hop定位算法獲取跳數(shù)的思想引入到支持向量機(SupportVector Machine，SVM)中，建立基于跳數(shù)

3、的多分類SVM定位算法模型。該SVM定位算法根據(jù)“一對多”的構造思想，將WSN網(wǎng)絡區(qū)域等分為多個網(wǎng)格，將信標節(jié)點的網(wǎng)格編號以及所有節(jié)點的跳數(shù)向量作為支持向量機訓練參數(shù)，訓練網(wǎng)格編號與跳數(shù)向量的映射模型，并通過訓練好的模型預測未知節(jié)點的位置坐標。仿真結果表明，在節(jié)點通信半徑較大，信標節(jié)點比例較高，網(wǎng)格劃分長度較小的情況下，相比經(jīng)典DV-Hop算法以及O-DV-Hop改進算法，基于跳數(shù)的多分類SVM算法的定位精度較高。
　　最后，本文