【正文】 聲壓的測(cè)量比較易于實(shí)現(xiàn)，而且通過(guò)聲壓的測(cè)量也可以間接求得其他聲學(xué)參量，所以實(shí)際中聲音傳感器大多都是檢測(cè)聲壓值，聲音傳感器的參數(shù)中會(huì)提供靈敏度 參 數(shù)，靈敏度是麥克風(fēng)在單位聲壓激勵(lì)下 輸出的電壓值，其單位是 mV／ Pa 或 V／ Pa。 聲音能量衰減模型及算法的提出 聲音能量衰減模型是基于聲音能量強(qiáng)度的目標(biāo)定位算法的基本研究目標(biāo) ,目標(biāo)計(jì)算模型決定了定位的準(zhǔn)確程度。 值得注意的是，以上計(jì)算節(jié)點(diǎn)接收到的聲音能量的算法是在忽略了一定的因素之后得出的，（ 1）在不同采樣節(jié)點(diǎn)接收信號(hào)時(shí)，目標(biāo)源的聲音突變使得接收信號(hào)不準(zhǔn)確，我們一般認(rèn)為采樣的頻率很高，可以忽略這一點(diǎn) 。 基于聲音能量衰減模型提出 WSN 定位技術(shù) 上式中通過(guò)將每個(gè)聲音傳感器節(jié)點(diǎn)檢測(cè)到的電壓值轉(zhuǎn)化為聲音能量值，通過(guò) 聲音信號(hào)的能量與它傳播距離的平方成反比這一結(jié)論可以就此算出各節(jié)點(diǎn)的位置，利用適當(dāng)算法進(jìn)而可以求出目標(biāo)節(jié)點(diǎn)位置，以下就是對(duì)算法具體分析研究。優(yōu)點(diǎn)是要求精度較高，缺點(diǎn)是無(wú)線信號(hào)的傳輸速度快，時(shí)間測(cè)量過(guò)程中很小的誤差都可能導(dǎo)致很大的距離誤差，其次也要求傳 感器節(jié)點(diǎn)的計(jì)算能力強(qiáng) [13]。此算法需要硬件的結(jié)合，在功耗和體積上面對(duì)定位節(jié)點(diǎn)提出了更高的要求 [13]。缺點(diǎn)為較為復(fù)雜。無(wú)線傳感網(wǎng)絡(luò)需要用電池供電，所以選擇算法和相關(guān)的硬件時(shí)應(yīng)該盡量選取耗能小的，并且盡量選擇節(jié)點(diǎn)占用空間少并且定位較準(zhǔn)確的。在節(jié)點(diǎn)耗費(fèi)較大的情況下，對(duì)于某些定位算法適當(dāng)?shù)脑?加 一些節(jié)點(diǎn)會(huì)大大的提高定位的精度 [15]。經(jīng)過(guò)研究算法，出于對(duì)時(shí)間和認(rèn)知程度的綜合分析，本文著重討論兩種定位算法并對(duì)其進(jìn)行研究、分析、仿真，既三邊定位算法與極大似然定位算法。 圖 三邊測(cè)量法原理示意圖圖表 A（ xa,ya） B(xb,yb) D C(xc,yc) 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 11 節(jié)點(diǎn) A,B,C為信標(biāo)節(jié)點(diǎn)，其坐標(biāo)分別為 ( , )aaxy ， ( , )bbxy ， ( , )ccxy ，三點(diǎn)到未知節(jié)點(diǎn) D的距離分別為 ad ， bd ， cd ，假設(shè) D點(diǎn)坐標(biāo) (, )xy ,則可得公式 31 = = (31) = 公式 31 是一個(gè)非線性方程，求解可得未知節(jié)點(diǎn)的坐標(biāo)，如公式 32 1 2 2 2 2 2 22 2 2 2 2 22( ) 2( )2( ) 2( ) a c a c c aa c a cb c b c a c a c c ax x y y d dx x y yx x x y yyx x y y d d? ??? ? ? ? ??????? ? ?????? ? ? ? ? ??? ?? ?? （ 32） 式中： ( , )aaxy ， ( , )bbxy ， ( , )ccxy 分別是三個(gè)信標(biāo)節(jié)點(diǎn)坐標(biāo)，是未知節(jié)點(diǎn)到 3 個(gè)信標(biāo)節(jié)點(diǎn)到未知節(jié)點(diǎn)的距離。 極大似然估計(jì)法 由聲音能量衰減模型可知，為正態(tài)隨機(jī)變量，其滿(mǎn)足密 度為 N（） 的正態(tài)分布，模型已假設(shè)背景噪音 ，所以可由各個(gè)節(jié)點(diǎn)根據(jù)環(huán)境噪音測(cè)得。 比較綜合兩種定位算法的優(yōu)劣 三邊測(cè)量法：易分析，通俗易 懂，但是計(jì)算量較大，定位精度不確定，適應(yīng)環(huán)境能力差，是最基礎(chǔ)的定位算法；極大似然估計(jì)法：結(jié)合概率統(tǒng)計(jì)、隨機(jī)變量、以及矩陣等知識(shí)，能夠較準(zhǔn)確的定位，當(dāng)然相應(yīng)的來(lái)說(shuō)所需的運(yùn)行時(shí)間較長(zhǎng)。首先對(duì)三邊測(cè)量算法進(jìn)行仿真，接著對(duì)極大似然估計(jì)算法的性能進(jìn)行仿真，并得出仿真結(jié)果，最后對(duì)于兩種不同算法的誤差進(jìn)行對(duì)比，總結(jié)。 無(wú)線傳感器網(wǎng)絡(luò)最常使用的 部署方式是使用飛機(jī)向感興趣區(qū)域拋灑無(wú)線傳感器節(jié)點(diǎn)，這樣部署方式使節(jié)點(diǎn)的分布具有隨機(jī)性，因此，本文的仿真首先使用 Matlab在固定區(qū)域內(nèi)隨機(jī)產(chǎn)生傳感器節(jié)點(diǎn)，代碼如下 x(i)=10*normrnd(0,1,1,1) y(i)=10*normrnd(0,1,1,1) 上述代碼是在固定的區(qū)域內(nèi)產(chǎn)生一個(gè)一行一列的，背景噪音為均值為零，標(biāo)準(zhǔn)差為 的高斯白噪聲的隨機(jī)數(shù)。 39。 下圖為極大似然估計(jì)算法誤差： 下圖為三邊定位算法誤差： 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 17 不同定位算法誤差分布仿真 通過(guò)對(duì)比兩種定位算法可以在一幅圖中清晰地看到誤差的變化對(duì)比 1. 節(jié)點(diǎn)數(shù) n=5時(shí)（橫軸為時(shí)間，縱軸為誤差大?。? 圖 兩種定位算法誤差比較（ 1） 其中藍(lán)色線代表極大似然估計(jì)算法，紅色線代表三邊定位算法。 論文的主要內(nèi)容可以概括為幾個(gè)方面 :(l)介紹了無(wú)線傳感器網(wǎng)絡(luò) 基本概念，并對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的概念、定位算法分類(lèi)及節(jié)點(diǎn)坐標(biāo)計(jì)算方法進(jìn)行了介紹，此外，還介紹了幾種基于測(cè)距的定位算法、定位算法評(píng)價(jià)常用指標(biāo)，并對(duì)幾種常用的基于測(cè)距定位算法進(jìn)行分析。本文對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)的研究還有待提高。 通過(guò)本次畢業(yè)設(shè)計(jì)，對(duì)大學(xué)四年來(lái)所學(xué)的專(zhuān)業(yè)知識(shí)進(jìn)行了檢驗(yàn)和鞏固，也給了自己很多經(jīng)驗(yàn)和教訓(xùn)，在選題開(kāi)題時(shí)，只是課題進(jìn)行了一個(gè)大概的了解，導(dǎo)致自己在以后的設(shè)計(jì)過(guò)程中找不到方向，終于確定研究方法時(shí)又 因?yàn)槟芰Σ蛔愣鴽](méi)有達(dá)到預(yù)想的效果。 再者，感謝我的班主任老師及班級(jí)同學(xué)，感謝老師同學(xué)們?cè)谖业拇髮W(xué)生涯中給予的無(wú)微不至的關(guān)懷和包容。在后的工作學(xué)習(xí)中我一定踏實(shí)努力，不辜負(fù)老師的栽培，同學(xué)的幫助。 a=2*fo。 a1=y*21。 xn=an.*cos(4*pi*fc*t)。 nfft=512。 c=floor(b)。)。 N=length(g)。 t0=。 for i=1:N s1=x(i)*cos(2*pi*fc*t1)y(i)*sin(2*pi*fc*t1)。 s2=nt.*cos(2*pi*fc*t2)。 end for j=1:10000 s(j+10000)=s2(j)。 c2=cl(i2)。 pp=c2.*p。double39。 Te=。 cx1=tj1*u1*1e10。 i3=1:2:L。 pp2=c22.*p2。double39。 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 26 tj2=exp(a2)。 sz=zeros(1,20201)。 window=kaiser(length(xn),)。 window1=boxcar(length(xn))。 [Pxx2,f]=periodogram(xn,window2,nfft,fs)。 subplot(223) 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 27 plot(f,10*log10(Pxx2))。235。235。170。227。39。)。228。218。253。)。 scatter(x(i),y(i),39。 x(n+1)=10*normrnd(0,1,1)。)。 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 28 D(i)=d(i)+2*normrnd(0,1,1)。 N(i,1)=[x(i)^2x(n)^2+y(i)^2y(n)^2+D(n)^2D(i)^2]。m39。 hold on scatter(x(i),y(i),39。 A=[x(1),y(1)] B=[x(2),y(2)] C=[x(3),y(3)] k = 1。 a1=(x(1)x(3))/(x(2)x(3))(y(1)y(3))/(y(2)y(3))。 c3=(x(3)x(1))/(x(2)x(1))(y(3)y(1))/(y(2)y(1))。amp。b39。 end d=[d(1),d(2),d(3)] for i=1:3。 N=[x(1)^2x(3)^2+y(1)^2y(3)^2+D(3)^2D(1)^2。 x4=X([1]) y4=X([2]) scatter(x4,y4,39。235。235。170。227。39。)。228。218。253。)。 % y(i)=10*normrnd(0,1,1,1)。 P=[x(n+1),y(n+1)]。 for i=1:n。 M(i,2)=[2*(y(i)y(n))]。 X=inv(T*M)*T*N。 errorList(m)=error。 % y(i)=10*normrnd(0,1,1,1)。 C=[x(3),y(3)]。 a4=(x(4)x(3))/(x(2)x(3))(y(4)y(3))/(y(2)y(3))。 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 32 c4=(x(4)x(1))/(x(2)x(1))(y(4)y(1))/(y(2)y(1))。(b4*b20)amp。 P=[x(4),y(4)]。 for i=1:3。2*(x(2)x(3)),2*(y(2)y(3))]。 X=inv(T*M)*T*N。 errorList(m) = error。) 。 plot(graNum, errorList,39。 y4=X([2])。x(2)^2x(3)^2+y(2)^2y(3)^2+D(3)^2D(2)^2]。 end D=[D(1),D(2),D(3)]。 d(i)=sqrt((x(4)x(i))^2+(y(4)y(i))^2)。(c4*c30)。 if (a4*a10)amp。 b4=(x(4)x(1))/(x(3)x(1))(y(4)y(1))/(y(3)y(1))。 while (k==1) x(4)=10*normrnd(0,1,1,1)。 A=[x(1),y(1)]。 plot(graNum,errorList)。 yp=X([2])。 N(i,1)=[x(i)^2x(n)^2+y(i)^2y(n)^2+D(n)^2D(i)^2]。 end D(1,i)=D(i)。 d(i)=sqrt((x(n+1)x(i))^2+(y(n+1)y(i))^2)。 x(n+1)=10*normrnd(0,1,1,1)。 end for m=1:100。237。227。235。 disp(39。 n=input(39。253。218。209。228。) error=sqrt((x4x(4))^2+(y4y(4))^2) 算法誤差比較程序： 內(nèi)蒙古工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 30 close all clc clear disp(39。 T=M39。 end D=[D(1),D(2),D(3)] M=[2*(x(1)x(3)),2*(y(1)y(3))。 P=[x(4),y(4)] end end for i=1:3。 k=0。amp。 b2=(x(2)x(1))/(x(3)x(1))(y(2)y(1))/(y(3)y(1))。 y(4)=10*normrnd(0,1,1)。)。 error=sqrt((xpx(n+1))^2+(ypy(n+1))^2) for i=1:3 x(i)=1