地下无线传感器网络定位方法及应用

本书是专门针对地下工程环境监测、人员及设备定位应用的地下无线传感器网络定位方法及应用介绍的著作。全书共5章，内容涉及地下无线传感器网络体系结构、本质安全型网络节点系统、网络节点能量收集方法、协同感知方法和自主定位跟踪方法。本书可以为计算机科学、测控技术、信息科学、自动化等领域从事无线传感器网络研究的相关专业技术人员提供参考。

陈光柱，博士毕业于四川大学计算机系，目前就职于成都理工大学核技术与自动化工程学院机电工程系，任教授。在传感器网络、机电系统设计、监测与控制领域有多年的研究经验。

目 录 章 地下无线传感器网络体系结构 1 1.1 引言 1 1.2 地下无线传感器网络模型 3 1.2.1 无线传感器网络拓扑结构 3 1.2.2 地下无线传感器网络结构 3 1.3 地下非理想无线通信模型 7 1.3.1 引言 7 1.3.2 采煤工作面无线通信信道衰落模型 9 1.3.3 采煤工作面无线通信信噪比模型 15 1.4 簇头节点布置策略 17 1.4.1 簇头节点布置模型 17 1.4.2 簇头节点最低密度布置数学模型 18 1.4.3 簇头节点非均匀最低密度布置算法 22 1.4.4 簇头节点动态选择算法 22 1.4.5 簇头节点动态选择算法仿真测试 24 参考文献 26 第2章 本质安全型网络节点系统 29 2.1 引言 29 2.2 网络节点本质安全电源电路 30 2.2.1 网络节点的硬件结构 30 2.2.2 本质安全电源电路设计与分析 32 2.3 网络节点电路设计 41 2.3.1 目标节点电路设计 41 2.3.2 感知节点硬件电路设计 46 2.3.3 网关硬件电路设计 50 2.4 网络节点系统软件设计 52 2.4.1 ZigBee协议简介 52 2.4.2 目标节点软件设计 54 2.4.3 感知节点软件设计 57 2.4.4 网关软件设计 62 2.5 网络节点系统性能测试与分析 66 2.5.1 系统可靠性分析 66 2.5.2 系统能耗分析 71 2.5.3 网络节点系统定位性能实验 76 参考文献 78 第3章 网络节点能量收集方法 81 3.1 引言 81 3.2 振动发电原理 82 3.2.1 压电发电原理 82 3.2.2 电磁发电原理 88 3.3 压电振子发电方法 91 3.3.1 压电振子介绍 91 3.3.2 双晶悬臂梁式压电振子建模 93 3.2.3 双晶悬臂梁式压电振子结构有限元分析 102 3.4 变频发电方法 112 3.4.1 变频发电装置结构 112 3.4.2 变频发电装置谐振建模 113 3.4.3 变频发电装置谐振分析 115 3.4.4 变频发电装置发电性能分析 117 3.5 压电-电磁宽频发电方法 120 3.5.1 压电-电磁宽频发电装置结构 120 3.5.2 压电-电磁宽频发电装置发电分析 122 3.6 压电-电磁宽频发电装置制作与性能测试 132 3.6.1 压电-电磁宽频发电装置制作 132 3.6.2 压电-电磁宽频发电装置发电实验平台搭建 137 3.6.3 压电-电磁宽频发电装置发电实验分析 138 参考文献 150 第4章 协同感知方法 153 4.1 引言 153 4.2 网络工作调度策略 154 4.2.1 理论描述 154 4.2.2 感知节点调度算法 160 4.2.3 网络工作调度仿真测试与分析 162 4.3 二元协同目标感知策略 172 4.3.1 目标感知模型 172 4.3.2 感知节点数量模型 174 4.3.3 二元协同感知策略 175 4.3.4 二元协同感知算法仿真测试与分析 178 4.3.5 二元协同感知算法物理性测试与分析 182 参考文献 183 第5章 自主定位跟踪方法 185 5.1 引言 185 5.2 网络节点定位工作流程 186 5.2.1 网络节点定位交互过程 186 5.2.1 各网络节点工作流程 187 5.3 中垂线定位方法 190 5.3.1 中垂线分割法原理 190 5.3.2 中垂线定位算法 195 5.3.3 虚拟中垂线定位算法 196 5.3.4 仿真测试与分析 199 5.3.5 物理性测试与分析 203 5.4 基于虚拟衍生点的估计定位算法 204 5.4.1 虚拟衍生点描述 205 5.4.2 基于虚拟衍生点的估计定位算法 206 5.4.3 仿真测试与分析 208 5.5 基于Voronoi图的三维定位算法 211 5.5.1 引言 211 5.5.2 三维Voronoi图模型 211 5.5.3 三维Voronoi定位算法 212 5.5.4 仿真测试与分析 214 5.5.5 物理性实验与分析 216 5.6 基于RBF神经网络的运动目标跟踪预测方法 217 5.6.1 跟踪预测模型 217 5.6.2 RBF神经网络介绍 218 5.6.3 基于RBF神经网络的目标跟踪预测算法 220 5.6.4 仿真测试与分析 220 参考文献 226