无线传感网络定位技术研究与实现Word格式文档下载.docx
《无线传感网络定位技术研究与实现Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《无线传感网络定位技术研究与实现Word格式文档下载.docx（19页珍藏版）》请在冰豆网上搜索。
然而，传感器网络规模通常比较大，给网络中所有节点均安装GPS收发器或者人工配置节点位置会受到成本、能耗、效率等问题的限制，甚至在某些场合可能无法实现。
因此必须开展适合无线传感器网络特点的定位技术研究。
基于上述原因，定位技术在无线传感器网络的理论研究和应用中具有重要的意义，已经成为了无线传感网络技术中的一个研究热点。
1.2无线传感网定位技术概述
在定位领域中，无线传感网络的节点可以分为两类：
一类是己知自身坐标的节点，被称为信标节点或销节点，该节点通常是通过GPS或人工部署的方式得到节点坐标的；
另一类是位置坐标节点，被称为未知节点（UnknownNode），该类节点则是需要我们通过周围的描节点所提供的信息来估算出自身节点的坐标信息。
根据未知节点定位过程中是否需要周围描节点提供距离信息，可以将定位算法具体分为两大类：
一类是需要测距的定位算法，即需要错节点提供与未知节点间的距离信息；
另一类是无需测距的定位算法，即不需要锚节点提供测距信息，仅通过角度或数据传输经过的跳数等信息则可以完成定位的算法。
一般来说，基于测距的定位算法利用三边测量法、三角测量法或极大似然估计法来计算节点的位置，常用的测距技术有RSSI，TOA，TDOA和AOA。
RSSI定位技术具有功耗低和硬件成本低的优势，但也存在多路径损耗等问题影响从而存在一定的误差。
TOA（根据到达时间定位）需要节点间有较为精确的节点时间同步机制，对于硬件设备要求比较高，并且对网络结构较为不均勾的网络来说更加难于实现。
TDOA根据到达时间差定位技术，需要利用超声波信号传播对于到达时间的准确测量来定位，但超声波距离有限并且有障碍物等环境问题对超声波的传播有一定的影响；
AOA（根据信号到达角度定位技术）受外界环境干扰严重，并且需要额外的硬件来计算信号到达时的角度。
基于测距的定位算法比较精确，但需要节点本身通信频率较高，从而节点能耗幵销较大。
无需测距的定位算法则无需通信频率较快，提高了定位能耗，但是却牺牲了一定的定位精度。
虽然定位精度降低了，但其在实际应用中仍然具有许多典型案例。
目前常用的无需测距的定位算法有质心算法，DV-Hop算法，APIT定位算法。
质心算法的原理是通过获取网络中节点间的连通关系来佔算连通节点问的距离，从而进一步利用连通节点组成的儿何图形质心来估算H标节点坐标。
DV-Hop算法能够通过多跳传输获取到目标节点无线覆盖范围之外的信标节点的数据，从而获取到更多的有用信息。
APIT定位算法是将错节点的区域划分成一个个三角形区域，通过判断未知节点位于哪些三角形区域内，进一步缩小定位范围。
利用描节点本身的坐标即可进一步得出目标点的位置。
2.二维定位算法
2.1基于测距的定位算法
目前常用的测距方式有接收信号强度、红外线、超声波以及GPS，这四种测距方式的性格比较如表2-1所示：
表2-1常用测距方式的比较
测试方式
RSSI
红外线
超声波
GPS
额外硬件
无
有
硬件成本
低
高
测距误差
0~3m
0~5m
0~10cm
0~10m
由表2-1可以得知，除RSSI外的其他三种测距方法，都需要节点安装相应固件，提高了本身的体积和价格；
GPS技术有其局限性，更适用于户外定位，小范围的定位并不可靠；
红外线技术的测距精度比较低，而超声波的测距成本较高；
基于RSSI的测距技术则被广泛应用，并且市场是大多数节点本身就可以完成对RSSI的获取，易于实现，因此基于RSSI的测距技术是WSN中最常用的技术。
2.1.1RSSI定位算法
RSSI定位算法是已知节点发射信号强度，接收节点测量接收到的该信号的强度，并计算传播过程中的损耗，使用理论或经验的信号传播衰减模型将传播
损耗转换为距离，再利用已有的算法计算出节点的位置。
比较典型的应用如RADAR、SpotON。
虽然在实验环境中RSSl定位方法表现出良好的特性。
但在实际应用中，由于反射、多径传播、NLOS和天线增益等问题都会产生显著的传播损耗和较大的误差，因此RSSI技术定位误差较大[1]。
基于RSSI的定位算法利用信号传输过程中的衰减模型来计算锚节点与未知节点之间的距离，然后利用所测量的距离来实现未知节点的定位。
由于传感器网络节点自带RSSI指示的功能，定位算法不会增加硬件消耗，应用成本比较低，因而得到广泛的应用，其算法原理如图2.1所示。
图2.1基于RSSI的定位算法原理示意图
如图2.1所示，无线传感器已知三个锚节点的位置信息，U表示未知节点的真实位置信息，U’表示通过RSSI测量计算出来的位置信息。
通常情况下，锚节点发送的广播信号传输到未知节点的过程中，会受到环境和多路径的影响，导致信号传输过程中产生衰减现象，未知节点收到的锚节点发送的信号强度会受到一定的影响。
这种信号衰减会存在一定的规律性，通过测量未知节点接收的信号强度能够估算锚节点与未知节点之间的距离。
信号的衰减模型表示如下：
（2-1）
其中n表示环境因子，它是随着未知节点与锚节点之间距离的增加而路径损耗的指数，一般取值范围为2-4之间。
本公式的计算单位为dB，PL（d）表示距离锚节点d处接收到的信号的功率；
PL（d0）表示一个经验值，d0表示一个参考距离，即距离为d0接收到的信号功率。
ζ表示与传播距离无关的高斯噪音，通常称之为遮蔽因子。
在环境因子和遮蔽因子已知的前提下，通过对未知节点接收功率的测量及其两点之间的距离计算，其RSSI模型如图2.2所示：
图2.2RSSI信号传输模型示意图
由于不同的无线传感器网络定位的应用环境的不同，无线传感器网络的目标监测区域的环境因子和干扰因子也不尽相同。
上述提到的RSSI测量中环境因子的经验值变化范围多在2-4之间，是综合室内环境和室外环境的平均范围。
室内环境因子的经验值在1.9-2.2之间。
室外环境因子在1.4-5.4之间。
环境因子的变化与最终未知节点测量的功率关系如图2.3所示：
图2.3环境因子与功率之间的关系图
2.1.2基于TOA的定位算法
基于TOA的定位算法是一种利用测量来自锚节点信号到达的时间来进行定位的一种算法。
首先锚节点将发送时间设置在广播信号中，并发送广播信号，未知节点接收到锚节点发送的广播信号并确定信号到达的时间，最终通过发送时间和接收时间来计算信号传播的时间，然后在利用信号传播速度来计算未知节点与锚节点之间的距离，最后利用三边测量法来实现计算出未知节点的坐标。
TOA方法定位精度相对较高、但是需要锚节点与未知节点之间保持严格的时间同步，
这对于硬件系统的要求比较高，因此对整个传感器网络的成本要求较高[4]。
其算法原理如图2.4所示：
图2.4基于TOA的定位算法原理示意图
此外，从二维平面角度来研究节点到达时间定位算法需要至少在通讯半径之内的三个锚节点。
其原理如图2.5所示：
图2.5在二维平面的TOA定位原理示意图
其中r表示未知节点到锚节点的距离，而t表示信号从锚节点到未知节点的时间。
C表示无线信号在介质中的传播速度，C是常数。
设A（x1，y1），B（x2，y2），C（x3，y3）为三个锚节点的坐标，未知节点的坐标设为P（x，y）。
测量的距离可以表示为如下：
（2-2）
将上三条公切弦屮任意两条组合求交点，即可得到待测点P的估计坐标。
2.1.3基于TDOA的定位算法
基于TDOA的定位算法是一种基于测量锚节点到达未知节点的时间差来计
算未知节点的位置的定位算法。
在该算法中，锚节点首先设置两种不同频率的无线信号，然后同时广播出去。
由于这两种信号在传输过程中的速度不一样，因此到达未知节点的时间也不相同，可以根据这种时间差来计算锚节点与未知节点之间的距离，通过三边测量法来计算未知节点的位置坐标信息。
基于TDOA的定位算法最大的特点是定位的精度高、误差小。
但同时监测区域的环境对于信号传输的影响可能有效定位的精度。
图2.6TDOA原理图
（一）
基于TDOA的定位算法与TOA方法相似，但是该算法有两种方式进行定位计算，第一种就是采用发送两种无线信号，并利用未知节点的时间差来进行定位，常用的无线信号包括无线电波和超声波。
这种方法的最大支出在于需要在节点中增加接受两种信号的接收装置，从而会增加传感器节点的硬件设计的复杂度，相应的制作成本也会随之增加。
该算法的原理如图所示，锚节点a在To时刻发送无线电波，未知节点b在T1时刻接收到a发送的无线电波。
锚节点a在T2时刻发送超声波，未知节点b在T3时刻接收到a发送的超声波信号。
通过锚节点a的发送时间To、未知节点b接收时间T1、锚节点a的发送时间T2和未知节点b接收时间T3以无线电信号的传播速度VRF和超声波的传播速度VUS就可以计算出锚节点与未知节点之间的距离。
另外一种测量方式就是测量两个不同的锚节点发送过来的无线信号的时间差来进行定位计算。
与第一种方式最大的不同在于这种方式只需要发送一种无线信号，对于硬件成本有所降低。
最大的缺点在于要求锚节点时间的同步性。
其原理如图2.7所示：
图2.7TDOA原理图
（二）
图2.7中，r12表示锚节点1到未知节点的距离减去锚节点2到未知节点的距离。
r23表示锚节点2到未知节点的距离减去锚节点3到未知节点的距离。
假设图中锚节点1、2、3的坐标表示为A（x1，y1），B（x2，y2），C（x3，y3），未知节点的坐标p表示为（x，y）。
无线信号从未知节点到锚节点之间的时间分别表示为t1，t2和t3则可以分别计算出r12和r23：
（2-3）
将坐标A、B、C、P坐标带入到（2-3）中，得到基于TDOA的定位算法中双曲线的表达式（2-4）：
（2-4）
然后利用数学计算方式进一步求解，最终求的未知节点p的坐标。
2.1.4基于AOA的定位算法
基于AOA的定位算法是利用未知节点与锚节点之间的角度关系来进行定位的一种算法。
这种算法依靠天线阵列或者超声波接收阵来测量锚节点与未知节点之间的角度，因此需要传感器节点能够测量角度的硬件设施，相对于实施成本而言比较高。
其原理如图2.8所示：
图2.8基于AOA的定位算法示意图
如图2.8所示，A，B表示两个已知的锚节点，C表示未知节点。
未知节点C与锚节点A、B之间的形成两个夹角。
根据AB直线和其测量出的夹角就可以画出C点的具体位置，然后就可以计算未知节点C点的坐标。
基于AOA的定位算法最大的优点在于只需要知道两个锚节点就可以计算未知节点的位置。
不过由于需要测量锚节点与未知节点之间的角度，所以需要多个接收器辅助完成定位。
所以对于硬件的消耗也比较高。
2.1.5基于无线射频干涉定位算法
无线电干涉测量方法很早就被用于天文学等相关研究，但直到2005年，Maroti等第一次提出了射频干涉定位系统（RadioInterferometricPositioningSystem，RIPS）将信号干涉方法应用到无线传感网络定位系统中来[3]。
RIPS通过两个发送节点发射频率相近的射频在待定位节点处得到叠加信号。
Maroti等证明当两个射频的频率相近，它们的叠加信号的包络的频率可以被低成本的传感节点所测量到。
由此可以进一步得到两个接收传感节点的相对相位偏移为：
（2-5）
图2.9无线射频干涉测量
从式2-5来看，两个接收节点的相对相位偏移只与发送节点和接收节点之间的距离以及射频波长有关。
发送节点通过发射不同波长的射频，可以得到多个如式2-5的方程。
求解它们的联立方程，便可以得到待定位传感节点和锚节点之间的相对位置。
利用RIP方法的优点在于其不受多径反射的影响而且并不增加普通传感节点的成本。
但使用该方法对锚节点之间的同步要求很高。
2.2基于非测距的定位算法
在非测距算法中，不需要测量节点之间的距离及角度关系，根据整个网络的连通性来计算或者估计未知节点的位置信息。
非测距算法是降低整个网络的整体消耗，提高无线传感器网络的整体性能。
常用的非测距算法包括质心定位算法DV-Hop（distancevector-hop）算法、凸规划定位算法及APIT（approximatepoint-in-triangulationtest）定位算法等。
2.2.1质心定位算法
在质心算法中，第一，发送广播信号。
在发送广播信号之前，需要设置锚节点信号的发射周期，然后将自身的标识号与所在的位置信息存入广播数据包中，将数据包以设置的发射周期发送出去。
第二，接收广播信号。
未知节点每接收到锚节点发送的广播信息就自动存储，并将计数器加1。
当未知节点的超过一定的时间阈值，就认为接收到所有的广播数据都已经收到。
第三，质心定位。
未知节点利用收到的全部节点信息组成N边形，并将未知节点的位置认为是N边形的质心，然后对取得的全部锚节点坐标取平均值，从而得到未知节点的坐标。
（2-6）
其中（Xi，Yi）表示未知节点，（X1，Y1）·
·
（XN，YN）表示（Xi，Yi）受到的锚节点的坐标。
其算法原理如图2.10所示：
图2.10质心定位算法的原理示意图
图2.10表明，质心算法的关键在于未知节点能否接受到全部锚节点发送的广播信号，对于整个网络的依赖性特别强。
算法不需要具体锚节点和未知节点之间的频繁通信，算法流程相对简单，是非测距算法中易于实现的算法。
但同时，该算法以锚节点发射的广播信号按照理想的无线信号模型进行传播，对于目标监测区域的环境干扰因素考虑不够全面，信号在现实环境下会在传播过程中出现反射、折射、干扰等现象，无法按照理想的无线信号传输模型进行传播。
从几何角度来讲，锚节点的数量越多，对于算法的精度越高，这样就增加整个无线网络的成本，而且维护费用也相对增加[4]。
2.2.2DV-Hop定位算法
DV-Hop定位算法的原理是锚节点向所有的传感器节点发送广播信号，未知
节点收到锚节点发送的广播信号后存储并转发，最后目标监测区域的传感器节点
都接收该广播信号。
目标检测区域的相邻节点之间的通信表示为1跳，当未知节点接收到广播信号时，先计算锚节点传播的最小跳数，然后根据网络的连通性，计算平均每一跳的距离。
将最小跳数乘以平均跳距，得到未知节点与锚节点之间的相对距离。
最后通过极大似然法或者三边测量法来计算未知节点的坐标信息[4]。
DV-Hop的主要原理示意图如图2.11所示：
图2.11DV-Hop原理示意图
如图2.11所示，节点L1、L2和L3是已知的锚节点，并且它们之间的距离和跳数也是已知的。
根据已知信息首先计算出平均节点的跳距为（35+63）/（2+5）=14M。
假设未知节点为P，L2的广播信号首先传递到P处，未知节点P首先从L2处获取最短跳数，然后在以此从L1、L3处获取最短跳数，从而计算未知节点与三个锚节点之间的距离：
P与L1之间的距离：
d1=2*14=28
P与L2之间的距离：
d2=2*14=28
P与L3之间的距离：
d2=4*14=56
假设未知节点的坐标为（X，Y），L1坐标为（X1，Y1），L2坐标为（X2，Y2），L3坐标为（X3，Y3），那么未知节点的坐标信息计算公式如下所示：
（2-7）
2.2.3凸规划定位算法
凸集规划定位算法首先需要完成整个传感器网络的节点互通性，使得各个传感器节点之间构成几何约束关系，从而使得传感器网络形成一个凸集的几何图形。
这样就将传感器定位转换为几何关系的最优解的问题。
凸集约束优化的方式是将线性优化方式和线性规划优化方式相结合，通过这样的结合得到一个全局的优化方案，从而实现未知节点的定位[4]。
其原理如图2.12所示：
图2.12凸规划定位算法原理示意图
如图2.12所示，算法首先要根据锚节点之间的位置以及锚节点的与未知节点P之间相互通信的范围来计算位置节点存在的某个区域。
如果能够准确的计算出这个区域，可以将这个区域转换为矩形图形D，然后计算该矩形区域D的质心坐标并将其转换为未知节点的坐标。
几何约束条件越小那么算法的精度就会越高。
在算法的使用过程中，为了尽可能的使用约束条件，需要锚节点尽可能的分布在整个传感器网络的边缘部分。
如果传感器节点离开了网络中心，那么就会增加算法定位的误差。
2.2.4APIT定位算法
APIT定位算法一种类似三角形内点测试的算法，主要是基于区域规划的传感器节点定位算法。
该算法的原理就是锚节点首先发送广播信号，未知节点接收到所有的相邻的锚节点的坐标信息，然后从得到的锚节点的坐标中随机选取三个组成一个三角形。
利用三角形的几何关系来测试锚节点组成的三角形是否包括未知节点，如果不包括则摒弃，如果包括则存储三个节点的位置信息。
如此循环选取相邻锚节点组成三角形，直到所有的相邻的锚节点都选取完成或者选取的三角形已经达到了定位的精度则停止。
通过上述过程形成一个多边形区域。
将多边形的质心作为未知节点的位置。
其原理如图2.13所示：
图2.13APIT定位算法原理示意图
如图2.13所示，对APIT算法主要流程进行分析：
（1）锚节点发送广播信号，所有的未知节点接受锚节点发送的信号，并存储所有的锚节点位置信息；
（2）从存储的锚节点信息中随机抽取三个锚节点组成三角形，并判断未知节点是否在三角形内部；
如果在三角形内部，则存储起来；
（3）将所有的符合条件
（2）的三角形重叠起来，计算重叠区域的几何图形；
（4）取几何图形的质心为未知节点的位置P，并计算P的坐标信息。
APIT的算法是一种典型的分布式定位算法，因为在定位计算中，都是由每个节点内部完成。
该算法最大的优势在于实现了分布式计算，节约了未知节点计算的开支，同时不受无线传感网网络节点的分布的影响，最大的缺点在于传感器网络中需要布置大量的锚节点来完成定位。
2.3典型算法比较
表2-2典型算法的比较
名称
信标
节点数
邻居
功耗
成本
外加
装置
通道
开销
定位
精度
影响小
小
TOA
较高
TDOA
AOA
中
RIPS
质心算法
影响较大
影响大
DV-hop
大
凸规划
APIT
3.三维定位算法
经过前面两章对WSN节点定位技术的介绍，我们对节点定位技术有了一定的了解，但其大多数算法针对的是针对二维空间的，而在实际应用中许多情况都需要处于三维空间中，例如部署在高山、森林中的无线传感器节点，悬浮在空气中用来检测空间不同位置的气温、悬浮颗粒物等情况。
这些应用的前提是已知节点的三维空间的坐标，所以有必要进行三维空间的定位算法
升级会员 