無線傳感網(wǎng)絡(luò)中多目標(biāo)識別與定位系統(tǒng)設(shè)計

謝仕義，徐　兵，陳有英，彭小紅

（1. 廣東海洋大學(xué)信息學(xué)院，廣東 湛江 524088；2. 廣東石油化工學(xué)院電信學(xué)院，廣東 茂名525000）

無線傳感網(wǎng)絡(luò)中多目標(biāo)識別與定位系統(tǒng)設(shè)計

謝仕義1，徐兵2，陳有英1，彭小紅1

（1. 廣東海洋大學(xué)信息學(xué)院，廣東 湛江 524088；2. 廣東石油化工學(xué)院電信學(xué)院，廣東 茂名525000）

設(shè)計了一種基于無線傳感網(wǎng)絡(luò)的多目標(biāo)識別與定位系統(tǒng)。系統(tǒng)采用DSP控制器作為傳感節(jié)點的核心，實時采集移動目標(biāo)的紅外信號、磁信號和聲音信號，并對所采集的目標(biāo)信號進(jìn)行預(yù)處理，通過無線傳感器網(wǎng)絡(luò)將所采集的目標(biāo)信息上傳至上位機(jī)，通過上位機(jī)調(diào)用基于Matlab的神經(jīng)網(wǎng)絡(luò)目標(biāo)識別算法和定位算法分別實現(xiàn)對移動目標(biāo)的識別與定位。分別進(jìn)行了室內(nèi)單人定位和小車定位的多目標(biāo)探測實驗，結(jié)果表明，設(shè)計的基于無線傳感網(wǎng)絡(luò)的多目標(biāo)識別定位系統(tǒng)對目標(biāo)的識別正確率均達(dá)到92%以上，定位效果的均方誤差小于0.22 m，達(dá)到了探測系統(tǒng)的技術(shù)指標(biāo)要求。

無線傳感器網(wǎng)絡(luò)；探測識別；節(jié)點定位；特征提??；神經(jīng)網(wǎng)絡(luò)

物聯(lián)網(wǎng)被認(rèn)為是繼計算機(jī)、互聯(lián)網(wǎng)信息技術(shù)之后，世界信息產(chǎn)業(yè)的第3次信息發(fā)展浪潮，受到世界各國政府、企業(yè)和學(xué)術(shù)界的重視，無線傳感器網(wǎng)絡(luò)WSNs作為其感知層的關(guān)鍵技術(shù)也得到了長足的發(fā)展[1]。無線傳感器網(wǎng)絡(luò)是由密集部署在監(jiān)視區(qū)域內(nèi)廉價微型的傳感器節(jié)點，通過無線自組織構(gòu)成的多跳無線通信網(wǎng)絡(luò)系統(tǒng)，其中每個感知網(wǎng)絡(luò)節(jié)點的電量、感知能力、計算能力和通信能力都有限[2]。感知節(jié)點將客觀世界的物理信息與傳輸網(wǎng)絡(luò)相連接，提高了人類獲取信息的能力，具有重要的應(yīng)用價值。作為一種新興的信息獲取技術(shù), WSNs具有廣闊的應(yīng)用前景[3]。但對于移動多目標(biāo)探測識別、定位及跟蹤等方面由于物體數(shù)量較多、速度較快，物體的識別率和定位精度都不高。

目前，研究人員對移動目標(biāo)探測識別、定位及跟蹤等方面進(jìn)行了研究。其中梁小曉等[4]提出了基于小波神經(jīng)網(wǎng)絡(luò)的WSNs目標(biāo)識別設(shè)計；唐亮等[5]提出了基于LEACH和壓縮感知的無線傳感器網(wǎng)絡(luò)目標(biāo)探測；梁濤等[6]提出了基于位置預(yù)測的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法；馮智博等[7]提出了分布式粒子濾波實現(xiàn)無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤；彭遠(yuǎn)芳等[8]提出了無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究;馮延蓬等[9]提出了無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤動態(tài)簇成員調(diào)度策略；唐國明等[10]提出了一種基于雙層?xùn)鸥駝澐值臒o線傳感器網(wǎng)絡(luò)目標(biāo)定位法；焦竹青等[11]提出了基于曲線擬合的無線傳感器網(wǎng)絡(luò)目標(biāo)定位算法；岳亞南等[12]提出了基于概率假設(shè)密度的無線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤算法。以上這些研究在目標(biāo)探測、識別、定位方面取得了一些進(jìn)展，但是沒有建立一個綜合的探測識別定位系統(tǒng)，而且多數(shù)沒有針對多目標(biāo)進(jìn)行探測識別。

為了能夠探測出人、車輛等眾多移動目標(biāo)的類型以及具體的位置等信息，結(jié)合WSNs技術(shù)自身特點，本文提出了基于WSNs的多目標(biāo)探測系統(tǒng)進(jìn)行研究與設(shè)計方案。

在本設(shè)計的多目標(biāo)探測識別系統(tǒng)中，首先分析了人、車輛等移動多目標(biāo)的紅外信號、磁信號和聲音信號等特性，在此基礎(chǔ)上設(shè)計了基于WSNs的多目標(biāo)探測系統(tǒng)研究方案，包括多目標(biāo)識別方案設(shè)計和單個目標(biāo)定位方案設(shè)計。其中多目標(biāo)識別子方案采用LHI958紅外傳感器和HMC1002磁阻傳感器分別獲取移動多目標(biāo)的紅外和磁信號，之后通過小波包分析方法進(jìn)行特征提取，并利用神經(jīng)網(wǎng)絡(luò)算法識別移動多目標(biāo)的類型。目標(biāo)定位方案則采用聲音傳感器線性陣列獲取移動目標(biāo)聲音信號，利用基于到達(dá)時間差的聲源定位技術(shù)，結(jié)合多傳感器數(shù)據(jù)融合算法，對移動目標(biāo)實現(xiàn)定位。

1　多目標(biāo)識別定位方案設(shè)計

1.1網(wǎng)絡(luò)設(shè)計

為了實現(xiàn)對探測范圍內(nèi)信息的有效獲取，需要在探測范圍內(nèi)布置大量的WSNs節(jié)點，同時將整個探測范圍分成若干個相似區(qū)域，每個區(qū)域內(nèi)部包含一個組織協(xié)調(diào)者和若干個傳感節(jié)點，組織協(xié)調(diào)者稱為簇頭節(jié)點，該簇頭節(jié)點負(fù)責(zé)管理該區(qū)域內(nèi)的傳感節(jié)點，同時協(xié)調(diào)該區(qū)域簇頭節(jié)點與其它相鄰簇頭節(jié)點之間的通訊。圖1所示為基于WSNs的多目標(biāo)識別定位方案設(shè)計示意圖。

圖1　多目標(biāo)識別定位方案Fig.1　Scheme diagram of multi-target Detection and location

在該區(qū)域內(nèi)部，傳感節(jié)點通過傳感器對運動的人、車輛等多種目標(biāo)進(jìn)行探測，同時自身和區(qū)域內(nèi)相鄰節(jié)點之間相互合作，將所獲取的信息發(fā)送給該區(qū)域內(nèi)的簇頭節(jié)點。簇頭節(jié)點通過無線傳感器網(wǎng)絡(luò)將該區(qū)域內(nèi)所獲取的探測信息發(fā)送到網(wǎng)關(guān)節(jié)點后上傳至遠(yuǎn)程監(jiān)控中心，通過對探測信息分析與處理，從而實現(xiàn)對整個探測范圍內(nèi)的多目標(biāo)的探測功能。

圖2　典型區(qū)域目標(biāo)識別定位方案Fig.2　Scheme diagram of multi-target detection and location at typical regional

圖2為單個典型區(qū)域目標(biāo)識別定位方案示意。為了更加深入地研究基于WSNs的目標(biāo)探測技術(shù)，本文將探測范圍分為若干個相似的區(qū)域，重點對單個典型區(qū)域進(jìn)行深入研究。典型區(qū)域中主要包含一個簇頭節(jié)點和4個普通感知節(jié)點，各個傳感節(jié)點在該區(qū)域內(nèi)以輪詢的方式將采集的目標(biāo)信息發(fā)送給該區(qū)域內(nèi)的簇頭節(jié)點，然后上傳至上位機(jī)對采集的目標(biāo)信息進(jìn)行分析處理，最終實現(xiàn)對運動的人、車輛等多種目標(biāo)的探測。

1.2基于WSNs的目標(biāo)識別方案

為了達(dá)到較高的目標(biāo)識別率，結(jié)合移動目標(biāo)信號特性分析，本設(shè)計選擇紅外傳感器和磁性傳感器對目標(biāo)進(jìn)行探測識別。同時采用合理的信號處理方法、軟硬件設(shè)計以及智能算法對目標(biāo)進(jìn)行識別，同時還兼顧到各傳感節(jié)點在具備功能的基礎(chǔ)上，滿足功耗低、抗干擾能力較強(qiáng)和小型化等方面要求。圖3為目標(biāo)探測識別的方法示意圖。

圖3　目標(biāo)識別方法Fig.3　Diagram of target recognition method

無線傳感器網(wǎng)絡(luò)目標(biāo)識別方案如表1所示，識別對象主要分為兩大類，人與車，其中人經(jīng)過時只有紅外傳感器有參數(shù)，當(dāng)車從監(jiān)測區(qū)域經(jīng)過時，紅外傳感器與磁性傳感器都有數(shù)據(jù)變化。另外為了表示傳感器采集到的數(shù)據(jù)強(qiáng)度，多人與大車經(jīng)過時，紅外傳感器與磁性傳感器的數(shù)值變化較大，在表1中也進(jìn)行了加強(qiáng)標(biāo)識。

表1　目標(biāo)識別方案Table 1　Table of target identification scheme

1.3基于WSNs的目標(biāo)定位方案

聲音信號由于傳播距離遠(yuǎn)、受干擾小、易于獲取等特點，廣泛應(yīng)用于定位技術(shù)研究。而在實際環(huán)境中，人、小型車輛和大型車輛在移動過程中所產(chǎn)生聲音信號幅度和頻率也有很大的不同，采用聲音傳感器對移動目標(biāo)定位可以得到較好的效果。

由于單個聲音傳感器受環(huán)境噪聲、各種其他聲音的混響等因素影響，其接收的目標(biāo)信號信噪比會降低，拾取目標(biāo)信號的質(zhì)量也會下降。為了解決這些局限性，采用多個聲音傳感器組成陣列來大幅度提高接收目標(biāo)信號的質(zhì)量。目前聲音傳感器陣列可以分為線陣、面陣、立體陣。其中面陣主要對平面和低空目標(biāo)進(jìn)行定位，立體陣主要對空間目標(biāo)進(jìn)行定位，同時其算法也比較復(fù)雜。而線陣結(jié)構(gòu)簡單且算法易于實現(xiàn)，適合對目標(biāo)進(jìn)行定位。因此，本設(shè)計采用傳感器線性陣列用于對目標(biāo)進(jìn)行定位。圖4為目標(biāo)定位的方法示意圖。

圖4　目標(biāo)定位方法Fig.4　Diagram of target location method

2　傳感節(jié)點硬件電路設(shè)計

傳感節(jié)點作為基于WSNs的多目標(biāo)探測系統(tǒng)的基本單元，應(yīng)具有對目標(biāo)信號的數(shù)據(jù)采集、處理和無線通訊等功能。其硬件分為兩部分：傳感器板和核心板。在傳感板電路設(shè)計中，為了盡可能提高獲取目標(biāo)聲音信號的質(zhì)量，同時考慮到傳感節(jié)點的硬件資源限制等因素，筆者采用多個聲音傳感器組成線性陣列實現(xiàn)對目標(biāo)聲音信號的獲取，用于對目標(biāo)進(jìn)行定位。

主控制板包含了DSP處理器電路、E2PROM存儲器、SDRAM存儲器、JTAG調(diào)試接口電路、無線通訊接口以及電源電路等。本設(shè)計選用TI公司的型號為TMS320VC5502的DSP處理器，具有低功耗、體積小、價格便宜等特點，同時具有強(qiáng)大的處理功能以及方便后續(xù)算法的移植。數(shù)據(jù)收發(fā)模塊以Jennic公司生產(chǎn)的超低功耗、高性能無線模塊JN5139，該芯片無線微控制器提供大存儲、高性能CPU，超低功耗和優(yōu)異無線RF包括在內(nèi)的全面的解決方案。其工作電壓3V，兩節(jié)干電池容量為1 000 mAh，在露天野外環(huán)境通信距離能達(dá)到100 m。在傳感節(jié)點正常工作之前，需要將預(yù)先調(diào)試好的程序燒寫到E2PROM，然后DSP上電后自動加載程序，按照預(yù)設(shè)步驟運行。傳感節(jié)點的硬件結(jié)構(gòu)圖如圖5所示?；贒SP開發(fā)的軟件工作流程：首先DSP進(jìn)行上電初始化，然后判斷是否接收到探測命令或者是否接收到聲源采集命令。如果接收到探測命令，則進(jìn)行目標(biāo)磁信號和紅外信號采集，然后對采集到的信號進(jìn)行處理并存儲到外部存儲器，接著判斷是否要發(fā)送磁和紅外數(shù)據(jù)。如果需要發(fā)送，則發(fā)送磁和紅外數(shù)據(jù)；否則判斷是否結(jié)束，如果沒有結(jié)束，則等待下一次探測命令。

傳感節(jié)點的無線通信模塊軟件設(shè)計主要是接收簇頭節(jié)點的控制命令，其控制命令包括目標(biāo)探測采集命令、聲源采集命令以及接收傳感節(jié)點的數(shù)據(jù)命令。如果接收到數(shù)據(jù)上傳命令，則將該命令發(fā)送給DSP控制器，DSP控制器將發(fā)送來的數(shù)據(jù)以無線方式將數(shù)據(jù)發(fā)送給簇頭節(jié)點，完成一次數(shù)據(jù)傳輸。

圖5　傳感節(jié)點的硬件結(jié)構(gòu)Fig.5　Hardware structure of sensor nodes

3　上位機(jī)軟件設(shè)計

上位機(jī)軟件主要是能夠在PC機(jī)上實現(xiàn)對傳感節(jié)點的控制、實現(xiàn)與傳感節(jié)點之間的通訊。上位機(jī)界面軟件設(shè)計采用Visual C++6.0編譯環(huán)境和Matlab 2012a版本進(jìn)行開發(fā)，上位機(jī)界面軟件可以分為移動目標(biāo)探測與定位兩部分界面軟件來設(shè)計。移動目標(biāo)探測部分界面軟件設(shè)計能夠顯示每個傳感節(jié)點所探測目標(biāo)的磁阻信號和紅外信號采樣值，具有VC調(diào)用Matlab程序計算目標(biāo)的磁阻信號和紅外信號的特征功能、調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)識別算法實現(xiàn)對目標(biāo)類型識別功能并顯示識別結(jié)果。定位部分界面軟件設(shè)計能夠顯示每個傳感節(jié)點所采集的目標(biāo)的聲信號采樣值，并顯示傳感節(jié)點的坐標(biāo)信息、通過VC調(diào)用聲源定位Matlab程序計算目標(biāo)坐標(biāo)點信息。上位機(jī)界面軟件通過串口與簇頭節(jié)點相連接，簇頭節(jié)點通過無線傳感器網(wǎng)絡(luò)將上位機(jī)界面軟件的控制命令傳輸?shù)綄?yīng)的傳感節(jié)點并將傳感節(jié)點的數(shù)據(jù)傳送至上位機(jī)界面軟件。

4　基于WSNs的多目標(biāo)識別實驗

考慮到車輛行車速度等因素影響，同一車型提取的信號能量的絕對數(shù)值會有所不同。因此在數(shù)據(jù)的提取過程中，如果將信號能量的絕對數(shù)值直接為特征向量，將會使得提取的特征非常不穩(wěn)定，特征向量的重復(fù)性會比較差。經(jīng)過對特征值歸一化后，提取小轎車和大客車的磁阻信號的特征向量、單人和多人的紅外信號的特征向量，然后可以利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行識別。

首先選取幾組數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練。分別從每一種目標(biāo)的數(shù)據(jù)選取前3組，分別有6組數(shù)據(jù)作為識別小轎車和大客車、單人和多人。將小轎車和大客車的磁阻信號的6組特征向量數(shù)據(jù)以及單人和多人的紅外信號的6組數(shù)據(jù)分別利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，誤差精度為20%，選擇最大學(xué)習(xí)次數(shù)為600次，得出BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練系數(shù)。將剩余的數(shù)據(jù)經(jīng)過歸一化處理后，根據(jù)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的系數(shù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)驗證。其結(jié)果如表2所示。

表2　4種移動目標(biāo)的識別結(jié)果Table 2　Four kinds of moving target recognition results

5　基于WSNs的目標(biāo)定位實驗

5.1小車移動定位實驗

實驗中選擇的移動目標(biāo)為小車，其在無線傳感器網(wǎng)絡(luò)區(qū)域邊線距離傳感節(jié)點1 m處進(jìn)入，以斜線移動。為了驗證對小車定位效果，首先建立坐標(biāo)系，以傳感節(jié)點1為原點，在該斜線路線上，每隔0.6 m設(shè)定一個數(shù)據(jù)采集點。經(jīng)過多次實驗，得到基于WSNs的多目標(biāo)探測系統(tǒng)對小車斜線移動的定位結(jié)果如表3所示。

從表3可見，系統(tǒng)對于小車進(jìn)行了5次定位，一共重復(fù)進(jìn)行了20次實驗，對定位結(jié)果求取平均值。每次定位出的坐標(biāo)點與設(shè)定位置坐標(biāo)點的比較后發(fā)現(xiàn)有較大誤差，X坐標(biāo)定位誤差最大為0.17 m，Y坐標(biāo)定位誤差最大為0.17 m，最大均方差為0.22 m。

表3　小車斜線移動定位結(jié)果Table 3　Car slash moving location resultsm　　 m

5.2單人移動定位實驗

實驗選擇的移動目標(biāo)為模擬單人，其在無線傳感器網(wǎng)絡(luò)區(qū)域邊線距離傳感節(jié)點1 m處進(jìn)入，以曲線移動。為驗證對模擬單人的定位效果，首先建立坐標(biāo)系，以傳感節(jié)點1為原點，在該曲線路線上，每隔0.3 m設(shè)定一個數(shù)據(jù)采集點。經(jīng)過多次實驗，得到基于WSNs的多目標(biāo)探測系統(tǒng)對模擬單人直線移動的定位結(jié)果如表4所示。

從表4可見，系統(tǒng)對于模擬單人的4處坐標(biāo)進(jìn)行了定位實驗，重復(fù)進(jìn)行了20次實驗，求取平均值，每次定位出的坐標(biāo)點與設(shè)定位置坐標(biāo)點的比較后發(fā)現(xiàn)有較大誤差，X坐標(biāo)定位誤差最大為0.13 m，Y坐標(biāo)定位誤差最大為0.18 m，最大均方誤差為0.22 m。

表4　單人曲線移動的定位結(jié)果Table 4　The single curve moving location results　　m

5.3實驗結(jié)果誤差分析

對小車和模擬單人定位結(jié)果可以看出，所得的定位效果誤差雖滿足本系統(tǒng)的要求，但還存在一定的誤差，造成誤差較大的原因有以下兩點：

1）在進(jìn)行實驗過程中，傳感器節(jié)點不可避免的受外界環(huán)境影響與存在其它一些噪聲的影響，在進(jìn)行相關(guān)運算時造成較大誤差。

2）實驗過程中聲音信號所產(chǎn)生的反射的聲波與入射的聲波相疊加，導(dǎo)致傳感節(jié)點采集數(shù)據(jù)產(chǎn)生誤差，從而降低時延估計的精度。

6　結(jié)　語

本實驗對移動多目標(biāo)探測識別系統(tǒng)進(jìn)行了研究，首先進(jìn)行了基于WSNs的多目標(biāo)識別實驗，包括基于WSNs的移動多目標(biāo)識別實驗，還進(jìn)行了基于WSNs的單個目標(biāo)定位實驗，分別對小車和模擬單人進(jìn)行了定位實驗，實驗結(jié)果表明，基于WSNs的移動多目標(biāo)探測識別定位系統(tǒng)對目標(biāo)識別的正確率達(dá)到了92%以上，定位誤差小于0.22 m，能夠滿足多目標(biāo)識別定位的技術(shù)指標(biāo)要求。

[1]陳海明，崔莉，謝開斌. 物聯(lián)網(wǎng)體系結(jié)構(gòu)與實現(xiàn)方法的比較研究[J]. 計算機(jī)學(xué)報，2013（1）：168-188.

[2]任小洪，樂英高，徐衛(wèi)東. 無線傳感ZigBee技術(shù)在物聯(lián)網(wǎng)中的應(yīng)用[J]. 電子技術(shù)應(yīng)用，2011，37(6)：81-83.

[3]錢志鴻，王義君. 面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J].電子與信息學(xué)報，2013（1）：215-227.

[4]梁小曉，韋崇崗，樂英高. 基于小波神經(jīng)網(wǎng)絡(luò)的WSNs目標(biāo)識別設(shè)計[J]. 計算機(jī)測量與控制，2013（9）：2550-2553.

[5]唐亮，周正，石磊. 基于LEACH和壓縮感知的無線傳感器網(wǎng)絡(luò)目標(biāo)探測[J]. 北京郵電大學(xué)學(xué)報，2011（3）：8-11.

[6]梁濤，梁玉其，范書瑞. 基于位置預(yù)測的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法[J]. 計算機(jī)測量與控制，2011（7）：1791-1793.

[7]馮智博，黃宏光. 分布式粒子濾波實現(xiàn)無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤[J]. 小型微型計算機(jī)系統(tǒng)，2012（5）：1104-1107.

[8]彭遠(yuǎn)芳，黃曉峰. 無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究[J]. 計算機(jī)仿真，2012（5）：122-125.

[9]馮延蓬，仵博，鄭紅燕. 無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤動態(tài)簇成員調(diào)度策略[J]. 傳感器與微系統(tǒng)，2012（7）：26-29.

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

[11]焦竹青，熊偉麗，張林. 基于曲線擬合的無線傳感器網(wǎng)絡(luò)目標(biāo)定位算法[J]. 東南大學(xué)學(xué)報(自然科學(xué)版)，2008（S1）：249-252.

[12]岳亞南，張國良，湯文俊. 基于概率假設(shè)密度的無線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤算法[J]. 計算機(jī)測量與控制，2014（10）：3263-3266.

（責(zé)任編輯：任萬森）

Wireless Sensor Networks Multi-target Detection and Location System Design

XIE Shi-yi1, XU Bing2, CHEN You-ying1, PENG Xiao-hong1
（1. School of Information, Guangdong Ocean University, Zhanjiang 524088, China; 2. Institute of Telecommunications, Guangdong University of Petrochemical Technology, Maoming 525000, China）

A new system design to identify and locate multiple objectives in WSNs (Wireless Sensor Networks) was proposed. This system adopted DSP controller as the center of sensor nodes and collected infrared, magnetic and acoustic signals of moving targets for preprocessing. The signals were transmitted to upper computer and then the targets were recognized and located utilizing objective identification and location algorithms of neural network via Matlab. Ultimately, experiments were executed to verify the system effectiveness in terms of single objective identification, multi-objective location and moving target location. The results indicated that the system proposed in this paper can achieve an accuracy rate of above 92% in objective identification and a mean squared deviation of below 0.22 m in location. Therefore, the detection system satisfied the specifications.

WSNs; detection and location; node localization; feature extraction; neural network

TP393

A

1673-9159（2015）06-0082-05

10.3969/j.issn.1673-9159.2015.06.015

2015-07-10

謝仕義（1963－），男，碩士，教授，主要研究方向為數(shù)字海洋與物聯(lián)網(wǎng)技術(shù)。E-mail:shiyixie@126.com