摘要：定位问题是无线传感器网络的基本问题，监控整个平台起到了支撑作用，对于传感器网络中的其他应用程序而言，也是根基所在．随着信息技术的飞速发展，使得低成本，低功耗，大规模网络应用和更微小的传感器节点变得简单而高效．由于它具有的定位传感器网络研究的一个非常广阔的应用前景已逐渐成为一个热点，近年来，相关的研究也越来越多．目前由于传感器节点受自身计算能力、功耗、通信能力等条件的制约，还没有一个通用的定位方法．因此，新的传感器网络定位方法的研究具有十分重要的意义．

本文说明了传感器网络的现状，详细列举出传感器网络中的定位问题及其常见解决方案．重点解释了支持向量机的原理和应用，利用支持向量机来解决传感器网络定位问题的主要分析．支持向量机解决问题的特征在于计算量小，通信开销小，可广泛使用，大部分的应用环境是复杂的，需要能够具有适应各种三维环境中的抗干扰能力．即使受环境和各种干扰的影响存在较大的测距误差，仍然能够提供足够的定位精度．因此，这个问题是传感器网络定位方法尝试的新发现和新探索．

本文重点研究了利用MATLAB软件分析支持向量机算法中的核函数在传感器定位中的应用．采用核方法针对传感器网络的粗粒度的定位问题，解决统计学习理论的内核方法模式识别问题，并用算法评估模拟的传感器网络．

关键词：支持向量机；传感器网络；定位问题；核函数

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 引言-1

1.2 传感器网络的现状与前景-1

1.2.1 传感器网络的基础-1

1.2.2 传感器网络的优势与劣势-1

1.3 传感器网络的应用-2

1.4 论文的主要工作及结构安排-4

第2章 传感器网络中的定位问题及问题解决方案-7

2.1 定位问题原理介绍-7

2.2 定位算法的分类-7

2.2.1 集中式和分布式定位-8

2.2.2 测距和非测距定位-8

2.2.3 绝对和相对定位-8

2.2.4 紧密耦合和松散耦合定位-8

2.3 定位算法的相关研究-9

2.3.1 集中式定位-9

2.3.2 分布式定位-11

2.4 定位算法的评价标准-13

2.5 定位技术面临的挑战-14

第3章 支持向量机的原理与应用-15

3.1 SVM的产生与发展-15

3.2 支持向量机相关理论-16

3.2.1 统计学习理论基础-16

3.2.2 SVM原理-16

3.2.3 最优分类面和广义最优分类面-16

3.2.4 SVM的非线性映射-19

3.3 核函数-20

3.4 支持向量机的应用研究现状-21

3.5 结论和讨论-23

第4章 传感器的定位与核方法-25

4.1 利用核方法的分类-25

4.2 点对点无线传感器网络中的定位方法-26

4.3 分类问题的特点-27

4.4 实验结论-28

4.5 总结-29

第5章 结论与展望-31

5.1 主要工作总结-31

5.2 未来工作展望-31

参考文献-33

致  谢-35