一種基于柵格預(yù)置點(diǎn)匹配的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位方法

閆新樂，譚 真，唐國(guó)明，封孝生

（國(guó)防科技大學(xué) 信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410073）

一種基于柵格預(yù)置點(diǎn)匹配的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位方法

閆新樂，譚 真，唐國(guó)明，封孝生

（國(guó)防科技大學(xué) 信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410073）

目標(biāo)定位是無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用領(lǐng)域中一個(gè)重要的問題，是進(jìn)行目標(biāo)跟蹤的前提和基礎(chǔ)。節(jié)點(diǎn)呈柵格部署的無(wú)線傳感器網(wǎng)絡(luò)由于拓?fù)浣Y(jié)構(gòu)特殊，在目標(biāo)定位應(yīng)用領(lǐng)域具有獨(dú)特的優(yōu)勢(shì)。本文基于柵格部署的無(wú)線傳感器網(wǎng)絡(luò)，提出了柵格預(yù)置點(diǎn)目標(biāo)定位方法，通過(guò)設(shè)定和選擇合適的柵格預(yù)置點(diǎn)進(jìn)行目標(biāo)定位。仿真實(shí)驗(yàn)和實(shí)際測(cè)試實(shí)驗(yàn)表明，該方法在定位準(zhǔn)確性和實(shí)時(shí)性方面較先前的單層?xùn)鸥穸ㄎ缓碗p層?xùn)鸥穸ㄎ欢加休^大幅度的提高。

無(wú)線傳感器網(wǎng)絡(luò)；目標(biāo)定位；柵格定位；預(yù)置點(diǎn)

無(wú)線傳感器網(wǎng)絡(luò)[1-3]（Wireless Sensor Networks， WSN）中的目標(biāo)定位是由多個(gè)傳感器節(jié)點(diǎn)對(duì)目標(biāo)信號(hào)進(jìn)行分別感知，然后利用協(xié)同感知結(jié)果配合特定的定位算法得到關(guān)于目標(biāo)位置的過(guò)程。由于易部署、易安裝、易擴(kuò)展等特性，無(wú)線傳感器網(wǎng)絡(luò)技術(shù)在目標(biāo)定位中體現(xiàn)出眾多優(yōu)勢(shì)，一度成為國(guó)內(nèi)外學(xué)者理論和實(shí)踐研究的熱點(diǎn)。

傳感器節(jié)點(diǎn)按柵格部署構(gòu)成的無(wú)線傳感器網(wǎng)絡(luò)是一種具有特殊結(jié)構(gòu)的網(wǎng)絡(luò)，雖然這種特殊拓?fù)浣Y(jié)構(gòu)對(duì)傳感器部署的要求較高，但在定位實(shí)時(shí)性方面體現(xiàn)出巨大優(yōu)勢(shì)，即利用節(jié)點(diǎn)部署的規(guī)律性可以大大降低目標(biāo)定位算法的復(fù)雜度，提高定位的速度。

本文基于柵格部署的無(wú)線傳感器網(wǎng)絡(luò)，在文獻(xiàn)[4]雙層?xùn)鸥穸ㄎ环椒ɑA(chǔ)上，提出了一種使用多個(gè)預(yù)置點(diǎn)進(jìn)行目標(biāo)定位的策略，該方法不僅提高了傳統(tǒng)的柵格定位方法和雙層?xùn)鸥穸ㄎ环椒ǖ亩ㄎ痪龋医档土穗p層?xùn)鸥穸ㄎ环椒ǖ挠?jì)算量和復(fù)雜度，進(jìn)一步提高了定位的實(shí)時(shí)性。

1 相關(guān)工作

目前，國(guó)內(nèi)外利用無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行目標(biāo)定位跟蹤的研究中，定位方法可分為基于距離的定位和與距離無(wú)關(guān)的定位兩類。基于距離的定位方法主要是利用信號(hào)的衰減測(cè)算點(diǎn)對(duì)點(diǎn)的距離或角度，包括基于到達(dá)時(shí)間的方法 （如TOA[5]、TDOA[6]等）和基于信號(hào)到達(dá)角度的方法（如AOA[7]等）。與距離無(wú)關(guān)的定位方法主要利用感知信號(hào)的有無(wú)來(lái)判斷目標(biāo)是否出現(xiàn)在感知范圍內(nèi)，或根據(jù)信號(hào)強(qiáng)度計(jì)算感知節(jié)點(diǎn)序列等方法，通過(guò)多個(gè)節(jié)點(diǎn)協(xié)作完成目標(biāo)定位，如二元傳感器定位法[8]、近似三角形內(nèi)點(diǎn)測(cè)試法APIT[9]、質(zhì)心方法[10]和節(jié)點(diǎn)序列定位[11]等。

與上述基于節(jié)點(diǎn)隨機(jī)分布傳感器網(wǎng)絡(luò)的目標(biāo)定位方法不同，利用節(jié)點(diǎn)柵格部署的傳感器網(wǎng)絡(luò)確定目標(biāo)位置是一類特殊的目標(biāo)定位方法，目前針對(duì)該領(lǐng)域的研究也較少，主要方法有單層?xùn)鸥穸ㄎ缓碗p層?xùn)鸥穸ㄎ弧?/p>

單層?xùn)鸥穸ㄎ环椒╗4]是最簡(jiǎn)單、理想情況下的一種柵格定位方法，它將傳感器節(jié)點(diǎn)收集到的目標(biāo)信號(hào)強(qiáng)度按大小排列，從中選取強(qiáng)度最大的3個(gè)信號(hào)，這3個(gè)信號(hào)對(duì)應(yīng)的感知節(jié)點(diǎn)所確定的正方形就是目標(biāo)所處的柵格，然后將目標(biāo)近似定位于該柵格的中心。然而，由于傳感器節(jié)點(diǎn)本身分辨率的限制或者環(huán)境噪聲的影響，當(dāng)目標(biāo)出現(xiàn)在距離兩個(gè)或兩個(gè)以上傳感器節(jié)點(diǎn)相近的位置上時(shí)，便會(huì)出現(xiàn)傳感器節(jié)點(diǎn)無(wú)法準(zhǔn)確判斷目標(biāo)位置的現(xiàn)象。該方法由于沒有考慮實(shí)際應(yīng)用環(huán)境，只是一種理想化的理論方法，實(shí)用性較低。

雙層?xùn)鸥穸ㄎ环椒╗4]是在理想柵格定位方法基礎(chǔ)上，考慮實(shí)際使用過(guò)程中出現(xiàn)的環(huán)境噪聲和測(cè)量誤差提出來(lái)的，其核心思想是在柵格部署節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)下，劃分了基本定位層和擴(kuò)展定位層兩類不同的柵格進(jìn)行定位，使得基本定位層的柵格頂點(diǎn)或邊界區(qū)域恰好是擴(kuò)展定位層?xùn)鸥竦闹行膮^(qū)域。這樣，當(dāng)目標(biāo)出現(xiàn)在基本定位層?xùn)鸥竦捻旤c(diǎn)或邊界等不確定區(qū)域內(nèi)時(shí)，即可切換至擴(kuò)展定位層進(jìn)行定位。該方法考慮了實(shí)際使用過(guò)程中出現(xiàn)的環(huán)境噪聲和測(cè)量誤差，具有較強(qiáng)的實(shí)用性，但由于存在兩層?xùn)鸥駝澐趾痛鎯?chǔ)，計(jì)算量大且過(guò)程繁瑣。

2 單、雙層?xùn)鸥穸ㄎ?/h2>

單層?xùn)鸥穸ㄎ皇菍⒏兄盘?hào)強(qiáng)度按大小排列，從中選取強(qiáng)度最大的3個(gè)信號(hào)，這3個(gè)信號(hào)對(duì)應(yīng)的感知節(jié)點(diǎn)所確定的正方形就是目標(biāo)所處的柵格，進(jìn)而可將目標(biāo)近似定位于該柵格的中心處，如圖1所示。

圖1 單層?xùn)鸥駝澐窒碌亩ㄎ环椒‵ig.1 Sample of single layer grid division

在使用單層?xùn)鸥穸ㄎ贿^(guò)程中，由于傳感器節(jié)點(diǎn)自身感知誤差的存在或環(huán)境噪聲的影響，文獻(xiàn)[4]指出了該方法失效的兩類情況：

1）如圖 2（a），當(dāng)目標(biāo)出現(xiàn)在柵格頂點(diǎn) a附近時(shí)，節(jié)點(diǎn) b、c、d、e的信號(hào)強(qiáng)度大小可能無(wú)法正確區(qū)分，所強(qiáng)度最大的3個(gè)信號(hào)可能是（a，b，c）、（a，c，d）、（a，d，e）、（a，e，b）等，對(duì)應(yīng)的定位柵格可能是柵格1、柵格2、柵格3或柵格4，故無(wú)法正確定位目標(biāo)所在柵格；

2）如圖 2（b），當(dāng)目標(biāo)出現(xiàn)在柵格線（b，e）附近時(shí)，節(jié)點(diǎn) a、f、c、d的信號(hào)強(qiáng)度大小無(wú)法正確區(qū)分，所以強(qiáng)度最大的3個(gè)信號(hào)可能是（b，e，a）、（b，e，f）、（b，e，c）、（b，e，d）等，對(duì)應(yīng)的定位柵格可能是柵格1或柵格2，故也無(wú)法確定目標(biāo)所在柵格。

圖2 單層?xùn)鸥穸ㄎ环ㄊУ膬煞N情況Fig.2 Two different failure case of single grid localization

針對(duì)單層?xùn)鸥穸ㄎ皇У膯栴}，文獻(xiàn)[4]提出了雙層?xùn)鸥穸ㄎ环椒?，將柵格部署的傳感器網(wǎng)絡(luò)劃分為基本定位層和擴(kuò)展定位層，并使得基本定位層?xùn)鸥竦捻旤c(diǎn)和邊界區(qū)域在擴(kuò)展定位層?xùn)鸥竦闹行膮^(qū)域，拓展定位層?xùn)鸥竦倪吔鐓^(qū)域在基本定位層?xùn)鸥竦闹行母浇?，如圖3所示[4]。

圖3 雙層?xùn)鸥駝澐质疽鈭DFig.3 Sample of double layers grid division

雙層?xùn)鸥穸ㄎ环椒m然解決了單層?xùn)鸥穸ㄎ贿^(guò)程中出現(xiàn)的兩類失效問題，但是存在兩個(gè)問題：1）兩層?xùn)鸥竦膭澐中枰嗟臄?shù)據(jù)存儲(chǔ)量和計(jì)算量，從而增加了算法的時(shí)空復(fù)雜度；2）擴(kuò)展定位層?xùn)鸥衩娣e明顯大于基本定位層?xùn)鸥?，?dǎo)致該層的定位誤差較大。這兩個(gè)問題直接影響到柵格定位的實(shí)時(shí)性和準(zhǔn)確性。

3 預(yù)置點(diǎn)定位

定義1：預(yù)置點(diǎn)，指柵格拓?fù)渲幸撰@取坐標(biāo)值的特殊位置點(diǎn)，如柵格頂點(diǎn)、柵格中心等。

通過(guò)對(duì)單層和雙層?xùn)鸥穸ㄎ坏倪^(guò)程分析可知，其定位的本質(zhì)是通過(guò)傳感器獲取的信號(hào)判斷并選擇合適的柵格預(yù)置點(diǎn)，并將目標(biāo)定位在預(yù)置點(diǎn)處。單層?xùn)鸥穸ㄎ恢械念A(yù)置點(diǎn)是每個(gè)柵格的中心，而雙層?xùn)鸥穸ㄎ恢械念A(yù)置點(diǎn)包括每個(gè)柵格的中心和4個(gè)頂點(diǎn)。

與雙層?xùn)鸥駝澐植煌疚耐ㄟ^(guò)增加?xùn)鸥耦A(yù)置點(diǎn)的方法解決單層?xùn)鸥穸ㄎ皇У膯栴}，一方面避免了雙層?xùn)鸥駝澐旨哟筮\(yùn)算量的問題，提高了實(shí)時(shí)性；另一方面更有針對(duì)性地進(jìn)行預(yù)置點(diǎn)選擇和目標(biāo)定位，提高了定位的準(zhǔn)確性。

3.1 算法描述

3.1.1 預(yù)置點(diǎn)設(shè)置

在雙層?xùn)鸥穸ㄎ坏臇鸥耦A(yù)置點(diǎn)基礎(chǔ)上，增加每條柵格邊的中點(diǎn)為預(yù)置點(diǎn)，如圖4所示。

圖4 柵格預(yù)置點(diǎn)定位中預(yù)置點(diǎn)的設(shè)置圖Fig.4 Preset positions settings in grid preset positions localization

如圖4所示，將柵格中心、柵格頂點(diǎn)以及柵格線的中點(diǎn)設(shè)置為預(yù)置點(diǎn)，即作為目標(biāo)位置的候選匹配點(diǎn)。這樣，當(dāng)目標(biāo)出現(xiàn)在柵格頂點(diǎn)或柵格線附近時(shí)，通過(guò)匹配目標(biāo)所在區(qū)域的預(yù)置點(diǎn)進(jìn)行定位。

3.1.2 預(yù)置點(diǎn)匹配定位

在獲取了所有節(jié)點(diǎn)對(duì)目標(biāo)信號(hào)的感知強(qiáng)度之后，選擇強(qiáng)度最大的3個(gè)節(jié)點(diǎn)由大到小排列，對(duì)應(yīng)的節(jié)點(diǎn)序號(hào)構(gòu)成定位節(jié)點(diǎn)序列。在一個(gè)極小的時(shí)間段內(nèi)重復(fù)進(jìn)行該過(guò)程k（k＞2）次，得到k個(gè)定位節(jié)點(diǎn)序列，然后按以下步驟進(jìn)行目標(biāo)的預(yù)置點(diǎn)匹配定位，以圖4為例。

1）當(dāng) k 個(gè)節(jié)點(diǎn)序列相同，如柵格{S22，S21，S12}，則判斷此時(shí)目標(biāo)不處于兩類不確定區(qū)域內(nèi)，將目標(biāo)定位于節(jié)點(diǎn)序列確定的柵格中心處，即預(yù)置點(diǎn)C11；

2）當(dāng)k個(gè)節(jié)點(diǎn)序列確定的k個(gè)柵格共一個(gè)柵格頂點(diǎn)，如柵格{S22，S21，S12}、{S22，S23，S12}、{S22，S21，S32}、{S22，S23，S32}，或其 中的任意3個(gè)，則判斷此時(shí)目標(biāo)處于Ⅰ型不確定區(qū)域內(nèi)，將目標(biāo)定位于柵格的共同頂點(diǎn)處，即預(yù)置點(diǎn)S22；

3）當(dāng)k個(gè)節(jié)點(diǎn)序列確定的k個(gè)柵格共一條柵格線，如柵格{S22，S23，S12}和{S22，S23，S32}，則判斷此時(shí)目標(biāo)處于Ⅱ型不確定區(qū)域內(nèi)，將目標(biāo)定位于柵格的共同邊的中點(diǎn)處，即預(yù)置點(diǎn)L22-23。

3.2 算法設(shè)計(jì)

假設(shè)一個(gè)包含N個(gè)傳感器節(jié)點(diǎn)的無(wú)線傳感器網(wǎng)絡(luò)，柵格行列為 n×m（n＞2，m＞2，n×m=N），進(jìn)行柵格預(yù)置點(diǎn)定位只需記錄以下信息：1）構(gòu)成每個(gè)柵格的節(jié)點(diǎn)序號(hào)及其位置信息，2）當(dāng)前獲取的定位節(jié)點(diǎn)序列，故該方法的空間復(fù)雜度為O（n×m）+O（3）。而根據(jù)文獻(xiàn)[4]，雙層?xùn)鸥駝澐侄ㄎ环椒ǖ目臻g復(fù)雜度為 O（n×m）+O（（n+1）×（m+1））+O（4），可見柵格預(yù)置點(diǎn)方法的空間復(fù)雜度更小。

令每次定位時(shí)的節(jié)點(diǎn)序列采樣次數(shù)為C（C＞2），設(shè)計(jì)柵格預(yù)置點(diǎn)目標(biāo)定位的具體算法，使用偽代碼描述如下：

Algorithm:柵格預(yù)置點(diǎn)定位法

其中GetSeq（int，int）為獲取定位節(jié)點(diǎn)序列的方法，tempSeq[3]為定位節(jié)點(diǎn)序列；Gridmatch（Seq[]， Seq[]）為定位節(jié)點(diǎn)序列與柵格序列的匹配方法；SameGrid（·）、SameVertex（·）和SameSide（·）分別為判斷C個(gè)柵格是否相同、共頂點(diǎn)和共線的方法，Grid.centre[x， y]、Vertex[x， y]和 Side.midpoint[x.y]分別為柵格中心、頂點(diǎn)和邊中點(diǎn)的坐標(biāo)。

由算法設(shè)計(jì)可知，該方法的時(shí)間復(fù)雜度為 O（n×m）+O（3），根據(jù)文獻(xiàn)[4]，雙層?xùn)鸥駝澐侄ㄎ环椒ǖ臅r(shí)間復(fù)雜度為O（n×m）+O（（n+1）×（m+1））+O（1），可見柵格預(yù)置點(diǎn)方法的時(shí)間復(fù)雜度更小。

3.3 算法分析

文獻(xiàn)[4]根據(jù)測(cè)試數(shù)據(jù)，近似描繪出了確定區(qū)域和兩類不確定區(qū)域。用不同區(qū)域的面積與總面積的比值近似目標(biāo)出現(xiàn)在該區(qū)域的概率，進(jìn)而可以近似定位誤差。根據(jù)該思想，單層?xùn)鸥穸ㄎ?、雙層?xùn)鸥穸ㄎ缓蜄鸥耦A(yù)置點(diǎn)定位的平均誤差可分別近似表示如下：

4 仿真實(shí)驗(yàn)

4.1 仿真模型及參數(shù)

實(shí)驗(yàn)采用隨機(jī)路點(diǎn)模型（Random Way-point）模擬目標(biāo)移動(dòng)，即移動(dòng)目標(biāo)首先在仿真區(qū)域內(nèi)選擇一個(gè)目標(biāo)路點(diǎn)，然后以不大于Vmax的速度向該路點(diǎn)做直線運(yùn)動(dòng)，到達(dá)該路點(diǎn)后，目標(biāo)先停止一段時(shí)間，然后選擇新的路點(diǎn)繼續(xù)運(yùn)動(dòng)，如此往復(fù)。此外，為仿真?zhèn)鞲衅鲗?duì)目標(biāo)信號(hào)探測(cè)具有一定的感知誤差，在仿真過(guò)程中使用帶噪聲的Logarithmic信號(hào)衰減模型。

采用OPNET[12]Modeler 14.5網(wǎng)絡(luò)仿真器構(gòu)建無(wú)線傳感器網(wǎng)絡(luò)模型，進(jìn)行單層?xùn)鸥?、雙層?xùn)鸥窈蜄鸥耦A(yù)置點(diǎn)3種不同定位方法的對(duì)比仿真實(shí)驗(yàn)，所涉及到的實(shí)驗(yàn)參數(shù)如表1所示。

4.2 實(shí)驗(yàn)結(jié)果與分析

跟蹤效果的好壞通常由準(zhǔn)確性和實(shí)時(shí)性反應(yīng)，本文分布通過(guò)均方根誤差（RMSE，Root Mean Square Error）和定位響應(yīng)時(shí)間來(lái)度量跟蹤的準(zhǔn)確性和實(shí)現(xiàn)。其中，RMSE反映的是位置估計(jì)值與目標(biāo)真實(shí)位置的偏離程度，定位響應(yīng)時(shí)間是指仿真程序模擬一次從獲取定位節(jié)點(diǎn)序列至得到定位結(jié)果所消耗的時(shí)間。

表1 仿真實(shí)驗(yàn)參數(shù)設(shè)置Tab.1 Settings in simulation experiment

針對(duì)不同的柵格邊長(zhǎng)和采樣次數(shù)，分別測(cè)試單層?xùn)鸥穸ㄎ?、雙層?xùn)鸥穸ㄎ缓蜄鸥耦A(yù)置點(diǎn)定位的RMSE值和定位響應(yīng)時(shí)間，并根據(jù)實(shí)驗(yàn)結(jié)果對(duì)3種方法的準(zhǔn)確性和實(shí)時(shí)性進(jìn)行分析。

4.2.1 準(zhǔn)確性分析

圖5顯示了不同柵格邊長(zhǎng)下3種柵格定位方法的定位誤差RMSE值。由圖可知，3種定位方法中，單層?xùn)鸥穸ㄎ徽`差最大，平均定位誤差值為10.4 m；雙層?xùn)鸥衿浯危骄ㄎ徽`差值為8.5 m；柵格預(yù)置點(diǎn)定位的誤差最小，平均定位誤差值為6.9 m。這是因?yàn)闁鸥耦A(yù)置點(diǎn)定位方法與比其他兩種方法相比，有效定位點(diǎn)數(shù)目更多，因此提高了定位精度。

圖5 不同柵格邊長(zhǎng)下3種柵格定位方法的RMSE值Fig.5 RMSE values in 3 grid localization approaches with different edge length settings

4.2.2 實(shí)時(shí)性分析

不同采樣次數(shù)下3種柵格定位方法的單次定位響應(yīng)時(shí)間如圖6所示。由圖中3種定位方法的對(duì)比可知，單層?xùn)鸥穸ㄎ坏捻憫?yīng)時(shí)間最短，平均響應(yīng)時(shí)間僅為2.3×10-2s；柵格預(yù)置點(diǎn)定位其次，平均響應(yīng)時(shí)間為4.1×10-2s；雙層?xùn)鸥穸ㄎ坏捻憫?yīng)時(shí)間最長(zhǎng)，平均響應(yīng)時(shí)間達(dá)到5.7×10-2s。與雙層?xùn)鸥穸ㄎ凰惴ㄏ啾龋瑬鸥耦A(yù)置點(diǎn)定位算法的時(shí)空復(fù)雜度較低，因此運(yùn)算速度更快，實(shí)時(shí)性更強(qiáng)。

圖6 不同采樣次數(shù)下3種柵格定位方法的單次定位響應(yīng)時(shí)間值Fig.6 Single localization response time in three grid localizationapproaches with different sampling frequencies

5 實(shí)際系統(tǒng)測(cè)試

為進(jìn)一步測(cè)試雙層?xùn)鸥穸ㄎ环ㄔ趯?shí)際應(yīng)用中的效果，我們使用實(shí)驗(yàn)室采購(gòu)的傳感器節(jié)點(diǎn)搭建了實(shí)際系統(tǒng)的測(cè)試平臺(tái)。所使用的設(shè)備是美國(guó)Crossbow公司研發(fā)的MICA和Imote2平臺(tái)產(chǎn)品，其中傳感板采用MTS300CA模塊，處理器和射頻板采用XM2110CA模塊，網(wǎng)關(guān)采用MIB520模塊。

為比較雙層?xùn)鸥穸ㄎ慌c柵格預(yù)置點(diǎn)定位方法的效果，采用與文獻(xiàn)[4]相同測(cè)試場(chǎng)景，即在40 m×40 m的平坦區(qū)域內(nèi)，按照柵格邊長(zhǎng)L=10 m進(jìn)行傳感器節(jié)點(diǎn)部署；共部署節(jié)點(diǎn)25個(gè)，其中普通節(jié)點(diǎn)21個(gè)，簇頭節(jié)點(diǎn)4個(gè)；生成定位節(jié)點(diǎn)序列是采用的采樣次數(shù)k=5。移動(dòng)目標(biāo)采用微型遙控汽車模擬，按照文獻(xiàn)[4]中的預(yù)設(shè)路線移動(dòng)，速度約為1 m/s；遙控汽車頂部載有一普通傳感器節(jié)點(diǎn)，以10 Hz的頻率向四周發(fā)射與其他節(jié)點(diǎn)相同頻率的無(wú)線信號(hào)，用以模擬移動(dòng)目標(biāo)發(fā)出的物理信號(hào)。

6 測(cè)試結(jié)果

系統(tǒng)測(cè)試的結(jié)果如圖7所示。從測(cè)試結(jié)果的對(duì)比中可以看出，相比較與雙層?xùn)鸥穸ㄎ唬瑬鸥耦A(yù)置點(diǎn)定位描繪的預(yù)測(cè)目標(biāo)軌跡更接近于目標(biāo)的實(shí)際運(yùn)動(dòng)軌跡。數(shù)據(jù)結(jié)果顯示，雙層?xùn)鸥穸ㄎ坏钠骄`差2.83 m，而柵格預(yù)置點(diǎn)定位的平均誤差僅為1.22 m，后者的準(zhǔn)確性明顯高于前者。

7 結(jié)束語(yǔ)

基于節(jié)點(diǎn)柵格的無(wú)線傳感器網(wǎng)絡(luò)由于其特殊的拓?fù)浣Y(jié)構(gòu)，在目標(biāo)定位應(yīng)用領(lǐng)域具有非常強(qiáng)的實(shí)用性，利用其優(yōu)勢(shì)可以大大降低計(jì)算復(fù)雜度，滿足特定用戶對(duì)高定位實(shí)時(shí)性的需求。

本文基于柵格部署的無(wú)線傳感器網(wǎng)絡(luò)，根據(jù)合理設(shè)定和選擇柵格預(yù)置點(diǎn)進(jìn)行定位的思想，提出了柵格預(yù)置點(diǎn)目標(biāo)定位方法。仿真實(shí)驗(yàn)和實(shí)際系統(tǒng)的測(cè)試結(jié)果表明，與單層?xùn)鸥穸ㄎ环椒ㄏ啾?，該方法的定位精度大幅度提高；與雙層?xùn)鸥穸ㄎ环椒ㄏ啾?，該方法不僅具有更高的定位準(zhǔn)確性，而且計(jì)算量和復(fù)雜度更小，實(shí)時(shí)性更高。

[1]劉云浩.物聯(lián)網(wǎng)導(dǎo)論[M].北京：科學(xué)出版社，2011.

[2]孫利民.無(wú)線傳感器網(wǎng)絡(luò)[M].北京:清華大學(xué)出版社，2005.

[3]Akyildiz L F，et al.Wireless sensor networks:A survey.Computer Networks，2002，38（4）:393-422.

[4]唐國(guó)明，周廣新，謝羿，等.一種基于雙層?xùn)鸥駝澐值臒o(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位方法[J].計(jì)算機(jī)科學(xué)，2012，39（6）:25-29.

TANG Guo-ming，ZHOU Guang-xin，XIE Yi，et al.A doublelayer grid division based wireless sensor network target localization approach[J].Computer Science，2012，39（6）:25-29.

[5]Xinrong L.Collaborative Localization with Received-Signal Strength in Wireless Sensor Networks[C]//IEEE Transactions on Vehicular Technology，2007，56（6）:3807-3817.

[6]Boukerche A，Oliveira H A，et a1.Localization Systems for Wireless Sensor Networks[C]//IEEE Wireless Communications，2007，l4（6）:6-12.

[7]Kim D H，Lee SH，Park K S，et al.Development of an AOA location method using covariance estimation[C]//Proceedings ofCommunication Systemsand Networks， Palma De Mallorca，2007:14-18.

[8]Djuric P M，Vemula M，Bugallo M F.2004.Signal processing by particle ltering forbinary sensornetworks[C]//In Proceedings of the 11th IEEE Digital Signal Processing Workshop and IEEE Signal Processing Education Workshop.263-267.

[9]He T，Huang C，Blum B M，Stankovic J A，Abdelzaher T.Range-free localization schemesforlarge scale sensor networks[C]//In:Proc 9th Annual Int’l Conf on Mobile Computing and Networking （MobiCom） [San Diego， CA.2003：81-95.

[10]Gupta R，Das S R.Tracking moving targets in a smart network[C]//The VTC Fall 2003 Symposium，Oct.2003.

[11]Ziguo Zhong，Ting Zhu，Dan Wang and Tian He， Tracking with Unreliable Node Sequences[C]//28th IEEE Conference on Computer Communications， Apr.2009， Rio de Janeiro，Brazil.

[12]陳敏.OPNET網(wǎng)絡(luò)仿真[M].北京：清華大學(xué)出版，2004.

Target localization based on grid preset-points in wireless sensor networks

YAN Xin-le， TAN Zhen， TANG Guo-ming， FENG Xiao-sheng
（Information Systems Engineering Key Laboratory， National University of Defense Technology， Changsha 410073， China）

Target localization is an important issue in the field of wireless sensor networks applications，which is also the prerequisite and basis for target tracking.Because of the special topology structure，grid-deployed wireless sensor networks have unique advantage in target localization.Based on the grid-deployed networks，this paper proposed a preset-points localization method by setting and selecting preset-points in grids.Simulation and real system test results showed that compared with singlelevelgridslocalizationanddouble-levelgridslocalization，thismethoddidbetterinthecapacitiesofaccuracyandreal-time.

wireless sensor networks； target localization； grid localization； preset-points

10.14022/j.cnki.dzsjgc.2014.16.042

TP393

A

1674-6236（2014）16-0139-05

2012-09-12 稿件編號(hào)：201209073

閆新樂（1986—），男，新疆維吾爾自治區(qū)昌吉人，碩士。研究方向：無(wú)線傳感器定位，指控系統(tǒng)設(shè)計(jì)。