無線傳感器網(wǎng)絡(luò)中一種模糊加權(quán)目標(biāo)定位方法*

蔡世清， 周　杰

(南京信息工程大學(xué) 電子與信息工程學(xué)院，江蘇 南京 210044)

?

無線傳感器網(wǎng)絡(luò)中一種模糊加權(quán)目標(biāo)定位方法*

蔡世清， 周杰

(南京信息工程大學(xué) 電子與信息工程學(xué)院，江蘇 南京 210044)

摘要:提出了一種無線傳感器網(wǎng)絡(luò)(WSNs)中的模糊加權(quán)定位算法，利用探測節(jié)點(diǎn)RSSI值的估計距離為平面離散柵格分配權(quán)值，通過比較累計權(quán)值搜索出目標(biāo)坐標(biāo)，其模糊性使得該方法能夠有效地抵抗各種強(qiáng)度的噪聲，設(shè)定可調(diào)模糊度適應(yīng)不同的衰落信道，在單目標(biāo)定位中具有非常高的穩(wěn)定性。針對多目標(biāo)定位，提出變型的權(quán)值模型，設(shè)計了去模糊化算法將多個目標(biāo)坐標(biāo)提取出來。對實(shí)驗(yàn)仿真結(jié)果作出了評估，并提出了多目標(biāo)定位的限制條件。

關(guān)鍵詞:無線傳感器網(wǎng)絡(luò); 接收信號強(qiáng)度指示; 目標(biāo)定位; 模糊權(quán)值

0引言

目標(biāo)定位[1]是無線傳感器網(wǎng)絡(luò)(WSNs)中重要的應(yīng)用之一,常用的基本方法包括基于接收信號強(qiáng)度指示(RSSI)[2]、信號到達(dá)角度(AOA)[3]、信號到達(dá)時間(TOA)[4]、信號到達(dá)時間差(DTOA)[5]。其中，RSSI對傳感器硬件的普適性使其成為近來基于WSNs的目標(biāo)定位最常用的方法。在監(jiān)測區(qū)域中的傳感器節(jié)點(diǎn)中獲取和存儲著目標(biāo)信號的強(qiáng)度信息，通過信號在信道中的衰減模型可以將各節(jié)點(diǎn)中的信號強(qiáng)度向量映射為距離向量。理論上而言，用三點(diǎn)定位法便可以計算出目標(biāo)的準(zhǔn)確位置，但是因?yàn)樵谛盘柕臏y量過程中存在著噪聲的干擾，并且由于實(shí)際環(huán)境中的信道并非理想的視距傳播(LOS)信道，由于多徑、繞射、障礙物等的影響，理想的衰減模型并不能反映真實(shí)的信號強(qiáng)度與距離的關(guān)系，信號強(qiáng)度向量向距離向量的映射存在著誤差，用這個帶誤差的距離信息無法計算出目標(biāo)的準(zhǔn)確位置。而由于WSNs具有多節(jié)點(diǎn)協(xié)作的優(yōu)勢，可以通過多個探測節(jié)點(diǎn)的冗余信息補(bǔ)償定位誤差。

文獻(xiàn)[6]中以概率加權(quán)對目標(biāo)位置做估計，但是其二值化權(quán)值不能反映信號的連續(xù)變化，這樣的加權(quán)方法對多目標(biāo)定位比較有利，但是過分依賴節(jié)點(diǎn)密度。本文在文獻(xiàn)[6]的基礎(chǔ)上作出了改進(jìn)，采用基于RSSI對平面柵格點(diǎn)模糊加權(quán)再累加的方法得到了較高的定位精度和魯棒的定位性能。

1模糊權(quán)值目標(biāo)定位原理

假設(shè)監(jiān)測區(qū)域?yàn)長×L的矩形A，將平面A量化成M×M的柵格點(diǎn)。N只傳感器隨機(jī)均勻散布在監(jiān)測區(qū)域中。當(dāng)監(jiān)測區(qū)域內(nèi)存在目標(biāo)時，每個傳感器會接收到一定的信號，信號強(qiáng)度隨著距離遞減。無線信號傳播理論模型主要有自由空間傳播模型、對數(shù)距離路徑損耗模型、對數(shù)—常態(tài)分布模型等，本文采用自由空間傳播模型，映射關(guān)系有

(1)

以這三個指標(biāo)設(shè)計高斯分布模型為

C=ηe-(l-d)2η2=βPαe-(l-d)2(βPα)2,

(2)

式中l(wèi)為柵格點(diǎn)與傳感器的距離，d為目標(biāo)的估計距離，η=βPα為可靠度，P,α分別為探測信號強(qiáng)度和衰減因子(距離越遠(yuǎn),η越小,可靠度越低，權(quán)值的峰值越小并且分布越平坦，因?yàn)檫h(yuǎn)距離信號的可信度較低，不能用較集中的模糊圈去估計距離，并且在整個模糊權(quán)值分配中分配較低的權(quán)值),β為模糊因子，是可調(diào)節(jié)的，信噪比越高的環(huán)境下將β設(shè)置得越高，一般設(shè)置為0.01～0.10。

圖1　模糊目標(biāo)圈和分布函數(shù)Fig 1　Fuzzy target circle and distribution function

N個傳感器節(jié)點(diǎn)根據(jù)信號強(qiáng)度得到模糊目標(biāo)圈之后將每個柵格點(diǎn)獲得的N個權(quán)值累加起來，會在監(jiān)測平面上形成連續(xù)的權(quán)值分布矩陣XM×M，在目標(biāo)點(diǎn)附近出現(xiàn)峰值，利用峰值坐標(biāo)估計目標(biāo)位置。因?yàn)閷γ總€柵格點(diǎn)多次模糊賦權(quán)值再進(jìn)行累加，這種目標(biāo)估計方法在各種噪聲環(huán)境下都具有較高的抗噪性和魯棒性。

2模糊加權(quán)多目標(biāo)定位

2.1多目標(biāo)柵格加權(quán)模型

當(dāng)區(qū)域中出現(xiàn)多個目標(biāo)時，每個傳感器節(jié)點(diǎn)會探測到多個目標(biāo)的信號，因?yàn)檫@些信號的成分具有一致性，所以，無法區(qū)分信號的來源。信號強(qiáng)度主要取決于節(jié)點(diǎn)附近的目標(biāo)源，但由于遠(yuǎn)處目標(biāo)的影響，指示距離會小于附近目標(biāo)的真實(shí)距離?；诖耍诙嗄繕?biāo)的定位上，需要將上述的模糊圈分布函數(shù)做一個變形，如圖2，因?yàn)楣?jié)點(diǎn)附近目標(biāo)落在模糊圈外面，所以，在圈內(nèi)的權(quán)值衰減較快，圈外的權(quán)值衰減較慢，以高概率讓附近的目標(biāo)點(diǎn)賦予較高的權(quán)值，由此對式(2)做如下變形

C=ηe-(l-d)2η2θ=βPαe-(l-d)2(βPα)2ρ(d-l)/|d-l|.

(3)

式(3)對式(2)添加了一個指數(shù)因子θ=ρ(d-l)/|d-l|，ρ為大于1的數(shù)，此指數(shù)因子的意義是:當(dāng)l1，權(quán)值快速衰減；當(dāng)l>d時θ=1/ρ<1，權(quán)值在圈外慢衰減。用這樣的模型對平面區(qū)域柵格賦值，可以使目標(biāo)所在位置附近的柵格點(diǎn)以較高概率呈現(xiàn)峰值。

圖2　變形后的模糊圈分布函數(shù)Fig 2　Transformed fuzzy circle distribution function

2.2多目標(biāo)定位的去模糊化過程

假設(shè)在監(jiān)測區(qū)域隨機(jī)散布K個目標(biāo)，用以上的賦權(quán)值模型可以在平面區(qū)域上形成模糊的K個亮區(qū)，即權(quán)值峰，亮區(qū)的中心便可以估計為各目標(biāo)的位置。多目標(biāo)位置分離與提取是模糊賦權(quán)值的逆過程，即增加目標(biāo)識別區(qū)域與無關(guān)區(qū)域的對比度，突出K個峰值位置。為了提取多個有效目標(biāo)坐標(biāo)，本文設(shè)計一種去模糊化算法，通過逐層淘汰邊緣低權(quán)值柵格，使權(quán)值平面逐漸銳化。通過柵格權(quán)值的平均密度作為篩選條件，逐次淘汰除K個峰值柵格塊以外的柵格。

通過網(wǎng)絡(luò)劃分來降低計算復(fù)雜度，將原本權(quán)值矩陣XM×M均勻劃分為R×R塊，以塊中柵格的平均密度作為低維分塊密度矩陣YR×R中的元素，系統(tǒng)能分辨出兩個目標(biāo)的最小距離為rmin=L/R。設(shè)計了一種銳化策略，逐次增加高權(quán)值柵格和相鄰低權(quán)值柵格的權(quán)值差量，增加權(quán)值對比度，無關(guān)區(qū)域權(quán)值逐漸減小為0。為了避免原本權(quán)值較低的點(diǎn)銳化了更低柵格的權(quán)值而比原本較高權(quán)值的柵格高，開辟一個臨時存儲空間CR×R來存放一次銳化的權(quán)值差量cij，元素cij為一次銳化過程的分塊權(quán)值增量，其值為權(quán)值塊橫向與縱向?qū)Ρ人脵?quán)值差量的代數(shù)和。算法流程圖3。

圖3　去模糊化算法流程圖Fig 3　Flow chart of defuzzification algorithm

3仿真結(jié)果與分析

本次仿真選取1 000 m×1 000 m的矩形平面作為監(jiān)測區(qū)域，將此平面離散化為100×100的柵格點(diǎn)，在平面內(nèi)隨機(jī)均勻散布N=50只傳感器，分別觀察單目標(biāo)定位和多目標(biāo)定位的效果。

3.1單目標(biāo)定位

先設(shè)定如下參數(shù):平均信噪比SNR=20 dB，衰減因子α=0.5，模糊因子β=0.01。單目標(biāo)定位效果如圖4所示。圖5為平面柵格權(quán)值的三維分布，β取值越小可以使權(quán)值的分布越平滑。然后以100次實(shí)驗(yàn)的均方根誤差(RMSE)作為定位精度指標(biāo)，分別觀察在不同信道環(huán)境下的定位精度，圖6為α=0.5時的模糊權(quán)值定位的抗噪聲性能，與傳統(tǒng)的極大似然估計(maximum likelihood estimation)法相比，本文的模糊加權(quán)定位具有更高的抗噪聲性能，因?yàn)槟：旧ㄎ恢性O(shè)定了可靠度，可以根據(jù)信號強(qiáng)度自適應(yīng)地調(diào)整節(jié)點(diǎn)信息的參考性。圖7為定位誤差隨衰減因子的變化情況，可以看出:定位誤差隨著信號衰減加強(qiáng)而增加，這是因?yàn)樾盘査p得越快，有用的節(jié)點(diǎn)信息越少。模糊度對應(yīng)于系統(tǒng)的容錯性能，但是模糊度越高其精確度會降低，所以,模糊度的選取是容錯性與精確度的折中。

圖4　模糊權(quán)值的單目標(biāo)定位結(jié)果Fig 4　Single target localization result of fuzzy weights

圖5　權(quán)值三維分布Fig 5　3D distribution of weights

圖6　模糊權(quán)值目標(biāo)定位的抗噪聲性能Fig 6　Anti-noise performance of fuzzy weights target localization

圖7　定位誤差與信號衰減因子的關(guān)系Fig 7　Relationship between location errors and signal decay factor

3.2多目標(biāo)定位

初始化參數(shù)α=0.6，β=0.006，ρ=2.5,以5×5對柵格進(jìn)行分塊，目標(biāo)間的最小分辨距離為1000/100×5=50m，圖8為三目標(biāo)的詳細(xì)定位結(jié)果，右上為去模糊化結(jié)果。可以看出三目標(biāo)的定位效果良好。圖9分別顯示了4,5,6,7個目標(biāo)下的定位結(jié)果，圖中可以看出，隨著目標(biāo)個數(shù)增多，系統(tǒng)可能出現(xiàn)誤判(見K=6,7)，當(dāng)兩個目標(biāo)距離很近時容易出現(xiàn)漏判(見K=5)，將兩個目標(biāo)定為一個目標(biāo)。此系統(tǒng)適合稀疏度較高的多目標(biāo)定位。

圖8　三目標(biāo)定位結(jié)果 Fig 8　Results of three targets location

圖9　不同目標(biāo)數(shù)的定位效果Fig 9　Location results of different target numbers

4結(jié)論

通過探測節(jié)點(diǎn)中的RSSI信息可以估計出目標(biāo)的距離，用每個探測節(jié)點(diǎn)估計出的距離做模糊圓求模糊交點(diǎn)，以平面上柵格點(diǎn)的模糊權(quán)值判斷目標(biāo)的坐標(biāo)，在單目標(biāo)情況下這種方法具有很高的抗噪聲性能，在信號衰減較慢時能獲得10m的定位精度。通過調(diào)節(jié)模糊度因子β可以適應(yīng)不同的噪聲和衰減環(huán)境。將模糊圈的分布函數(shù)變形以抵抗多目標(biāo)時不同目標(biāo)之間的影響，仿真結(jié)果顯示，在密度較小的多目標(biāo)定位中具有較好的定位效果。

參考文獻(xiàn):

[1]OzdemIRO，NiuRX，VarshneyPK.Channelawaretargetlocalizationwithquantizeddatainwirelesssensornetworks[J].IEEETransactionsonSignalProcessing，2009，57(3):1190-1202.

[2]AnzaiD，HaraS.AsimpleoutlierdatarejectionalgorithmforanRSSI-basedMIlocationestimationinwirelesssensornetwork-s[C]∥ProcofIEEEVehicularTechnologyConference(VTC)，Calgary，Canada，2008:1-5.

[3]KapiAN，LanceM.Globa1nodeselectionforlocalizationinadistributedsensornetwork[J].IEEETransactionsonAerospaceandElectronicSystems，2006，42(1):113-135.

[4]ShoebM，AhmadF，AminM.Narrowbandsourcelocalizationforindoorwirelessenvironments[C]∥ProcoftheFifthIEEEInternationalSymposiumonSignalProcessingandInformationTechnology(ISSPIT)，Athens，Greece，2005:411-416.

[5]BatsonMS，MceachenJC，TummaiAM.Amethodforfastradiofrequencydirectionfindingusingwirelesssensornetworks[C]∥Procofthe41stAnnualHawaiiInternationalConferenceonSystemSciences(HICSS)，BigIsland，HI，2008:495-495.

[6]徐昌慶，徐建良，樓財義.WSNs中一種基于概率加權(quán)定位的目標(biāo)跟蹤算法 [J].軍事通信技術(shù)，2009,30(4):7-9.

[7]張曉平，劉桂雄，周松斌.利用最小二乘支持向量機(jī)實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)的目標(biāo)定位[J].光學(xué) 精密工程，2010,18(9):2061-2067.

[8]萬群，劉申建，彭應(yīng)寧.基于目標(biāo)三線坐標(biāo)校正的定位方法 [J].電子學(xué)報，2002,30(6):844-845.

[9]ShengXH，HuYH，Maximumlikelihoodmultiple-sourcelocalizationusingacousticenergymeasurementswithwirelesssensornetworks[J].IEEETransactionsonSignalProcessing，2005,53(1):44-53.

[10]KapiAN，IanceM.Globa1nodeselectionforlocalizationinadistributedsensornetwork[J].IEEETransactionsonAerospaceandElectronicSystems，2006，42(1):113-135.

A fuzzy weights targets location method in WSNs*

CAI Shi-qing, ZHOU Jie

(School of Electronic and Information Engineering, Nanjing University of Information Science and Technology,Nanjing 210044, China)

Abstract:A fuzzy weights location algorithm in WSNs is proposed,target coordinate can be searched by comparing accumulated weights from RSSI of each detecting node.It’s an innovation method which can live a high-accuracy in low SNR because of its fuzziness and can adapt to different signal attenuating speed attribute to its flexible fuzzy degree.The proposed method performs a high stability in mono-target location application.There is also a deeper analysis in application to multi-target location,a transformed model is developed in allusion to multi-target location.Multiple targets coordinate is extracted successfully through defuzzification algorithm.Experimental result is evaluated, and restriction condition to multi-target location is proposed.

Key words:wireless sensor networks(WSNs); RSSI; target location; fuzzy weights

DOI:10.13873/J.1000—9787(2016)02—0042—04

收稿日期：2015—04—24

*基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目(60873026, 61021062，61372128)；江蘇省高校自然科學(xué)研究重大項(xiàng)目(14KJA510001)

中圖分類號:TP 393

文獻(xiàn)標(biāo)識碼:A

文章編號:1000—9787(2016)02—0042—04

作者簡介:

蔡世清(1991-)，男，江蘇金壇人，碩士研究生，研究方向?yàn)闊o線通信理論、無線傳感網(wǎng)。