无线传感器网络中基于声音能量的目标定位算法.docx

无线传感器网络中基于声音能量的目标定位算法.docx

《无线传感器网络中基于声音能量的目标定位算法.docx》由会员分享，可在线阅读，更多相关《无线传感器网络中基于声音能量的目标定位算法.docx（8页珍藏版）》请在冰豆网上搜索。

无线传感器网络中基于声音能量的目标定位算法

无线传感器网络中基于声音能量的目标定位算法

一摘要

对目标进行定位是无线传感器网络的重要应用之一。

虽然当前存在许多解决无线传感器网络中定位问题的算法，但是它们在定位精度和能耗控制方面仍然缺乏良好的性能。

为了能够更好的解决这个问题，本文通过研究无线传感器网络中能量的传播和变化情况，提出新的基于声音能量的定位算法。

新的算法力求解决其他算法无法解决的问题，同时提供良好的算法性能。

本文详细分析了定位问题的本质，通过研究声音在不同介质尤其是空气中的传播情况，建立物理观测模型，进而建立数学模型，导出数学计算公式，得出解决定位问题的算法。

在设计过程中，融合了不少其他技术。

得出结论：

新的算法能够提供准确的定

文章的最后，总结了前面的研究工作，下一步的工作将以当前的研究工作为基础，对模型和算法作进一步的优化和细化。

关键词：

无线传感器网络,协作信号,信息处理，定位，能量华中科技大学硕士学位论文

二绪论

无线传感器网络通常由大量的传感器构成，我们称这些传感器为节点。

它们是无线传感器网络的要素之一。

一个传感器节点通常由能源单元、处理器单元、通信单元和存储单元构成。

本文致力于研究和探寻无线传感器网络里基于声音能量的定位算法。

这种算法应该能够消耗较小的通信带宽和能量，以便于在不更换电池的情况下工作较长的时间。

此外，算法也应该能处理未知和不预期的干扰，包括背景噪音，风，故障，传感器的跳读，以及传感器节点和无线通信网络的失效等。

最重要的一点是，相比传统的算法，新算法能够在对目标进行探测定位的同时，更加有效的控制能耗。

新的研究工作将在以下几方面展开：

1．在无线分布式传感器网络里，以声音能量为数据来源，利用各种信息处理技术，对数据进行分析；

2．用Cramer-Raobound进行ＭＬ定位算法的入度分析。

用ML方法对传感器分布策略在定位准确度的影响上做扩展调查；

3．综合声能技术和连续高斯贝叶斯估计理论研究信息的处理过程；

4．构建新算法的数学模型框架；

5．对新的算法进行仿真实验并分析实验结果；

三传感器网络中的定位算法综述

1、根据不同的分类标准，目标定位问题被分为几种不同的类型。

按照目标形态来分，可以分为对发声物体、发光物体或者振动物体设计进行定位；按照传播介质来分，可以将探测信号的传播介质分为在空气中传播、在水中传播、在金属中传播等；按照信号的带宽来分，可以分为宽带信号或者窄带信号；按照信号传播路径，可以分为近距离和远距离；按照目标的数目，可以分为单目标和多目标；按照目标之间的合作情况，分为非合作目标和合作目标群。

本文研究的是通过声音能量来对目标进行定位的问题。

这一过程必须考虑很多方面，包括传播方式，温度对声波的影响，环境中其他噪声造成的干扰，声波在传播过程中的衰减等。

目前，通过处理声音（包括目标声源和由于移动、振动等原因产生声音的物体）信号，利用无线传感器网络进行定位的研究已经有了一定的成果。

并且有不少相关算法已经提出，例如Bartlett算法，Capon算法等。

总的来说，根据所采用的物理测量方式，当前已有的算法可以分为以下几类：

通过时间延迟来定位目标的算法（TDOA），通过方向来定位目标的算法（DOA）和利用信号的能量强度来定位目标的算法（SSOE）。

下面将对这些算法逐一介绍。

通过时延来定位目标的TDOA算法需要准确的测量出不同传感器节点之间的时间差。

为了达到这个目的，必须比较到达各个传感器节点的声信号。

在最坏的情况下，需要传输大量的原始时间数据。

这样会消耗大量无线通信带宽与能量。

另外，为了比较不同传感器节点之间的相对时延，需要对取样过程进行同步。

由于受到多方面因素的影响和制约，在无线传感器网络里做到同步是非常困难的。

因此，要达到理想的算法性能，必须将算法进行改进，或者设计其他的更好的算法。

通过使用极大似然估计方法，广义最小二乘法，子空间估计三大方法而构建的DOA类算法能够对远距离的目标进行定位。

但是算法会需要一些额外的成本。

而且，只有在波振面近似于平面的时候，算法才具有可行性。

然而在无线传感器网络中的定位问题更接近于近距离定位问题。

近距离定位问题里的平面波假设条件变成了目标和传感器节点之间的距离，而且这个距离会比无线传感器网络中节点之间最大有效距离还要大。

因此，如果用这种类型的定位算法来解决近距离的定位问题，将很难得到较好的结果。

2、通过研究能量的变化来定位目标的SSOE类算法：

由于声音信号随时间变化得比较慢，而且其传播过程也比较有规律，所以在无线传感器网络里利用声音能量来解决定位问题是一个很好的方法。

因为采集到的信号会比较稳定和可靠。

比起其他物理测量属性，声能可以以一个较低的速率来采样。

而且，对目标位置进行估测时不需要频繁更新就能够保证一定的准确性。

这样，通过无线网络传输的数据不会消耗太多的能量，而且可以在共享无线频道的情况下减少对无线通信带宽的要求，从而有效的控制了通信过程中的能量损耗和通信带宽的限制。

基于能量强度来对目标定位的算法也有不少，例如EM算法，AIS算法等。

通过使用信息处理技术，能够仅根据各个传感器节点测量到的能量值来估测一个位于传感器网络中的目标的位置。

然而，使用这种类型的算法必须注意传感器节点的密度，用以确保信号的可靠性。

一般来说，这类算法对传感器的故障、信号之间的相互干涉，以及背景噪声等都非常敏感。

但是，通过分析子波段的能量，可以解决或者部分解决这些问题。

因此，基于能量强度的定位算法将能够较好地解决无线传感器网络中的定位问题。

基于能量的定位算法根据目标的形态、探测能量的方式、能量的传播形式等有所不同。

对于声音能量，需要研究声波在不同介质中的传播情况，并设计性能良好的滤波器和去噪算法来去除噪声。

目前，已经有许多不同的解决方案，但是它们只能部分的解决问题或者在某些条件下才能够得到较好的结果。

四当前算法存在的问题

通过对上述几种类型算法的说明，可以得出它们在不同方面的优势。

然而，在解决定位问题时，不同的算法在性能上是不同的，支持连贯信号的算法通常统计性能不够好；而统计性能较好的算法，其计算复杂度比较高。

而且通过分析，可以知道对于无线传感器网络中的定位问题，上述算法仍然存在一些不足之处：

1）目前研究出的算法应用在无线传感器网络定位问题上时，准确性不高。

例如DOA类定位算法就是基于方向对目标进行定位，统计性能不够好，造成结果的准确性不高。

2）目前的定位算法是一种远距离定位算法。

由于传感器网络多用于探测人类无法接触或到达的区域，如海底，污染区域，大型机械或建筑的内部，当目标处于传感器网络中时，变成了一种近距离定位。

因此，远距离定位算法达不到较好的性能。

3）在目前的研究方案中，是假设目标是静止不动的，即算法不能对动态目标进行定位。

而实际应用中，有些目标不可能是完全不动的。

4）在实际应用当前算法进行定位时，需要昂贵的设备进行计算，局限了算法实用性。

5）当前算法在对物体进行定位时，对声音的带宽有所限制。

只能对窄带信号进行分析。

尽管现在能够将宽带信号分解成窄带信号来处理，但处理的结果并不能满足要求。

因此，对于实际情况中出现的各种宽带信号，算法无法得到较好的结果。

这些不足之处使得算法的实际应用受到较多的限制，为了解决这些问题并加强其优势，本文将提出一种新的算法来较好的满足应用要求。

4、新算法的目标新算法的目标是既能支持连贯信号又能达到较好的统计性能，而且能在较低的计算复杂度下达到足够的定位精度。

而且，新的算法还应该能克服当前算法的种种弊端，这样才能满足定位问题的实际需求。

此外，它还应该具有以下几个特点：

1）算法的设计是基于近距离定位目标的思路，将传感器网络分布在目标附近，以获得高精度的探测数据。

2）不限制声音带宽，即对于宽带和窄带的声音信号都能够进行分析。

使得算法的应用范围不再受到限制。

3）目标不再局限于静止状态，算法可以对动态的物体或现象进行分析。

五本章小结

在这一章中，对当前已经存在的无线传感器网络中的各类定位算法作了一个综述。

对其中的三类：

通过时延来定位目标的TDOA类算法和通过方向来定位目标的DOA类算法，以及基于能量强度来定位目标的算法作了详细的介绍和说明。

对它们的数学模型、算法的性能进行了描述、分析和比较。

同时分析了这些算法存在的各种问题，最后提出了新算法要实现的目标。

六算法实现与性能分析

仿真平台及条件设定在进行仿真实验之前，首先要确定传感器的特性参数，包括传感器的位置参数，信噪比，类型，传输性能等。

此外，为了能够较好的测试算法的性能，需要进行一定的仿真配置。

下面列出的是实验时所设定的配置和条件：

1．仿真平台：

Matlab，利用Matlab平台编写程序对网络协作方式及节点负载情况进行仿真。

2．传感器网络设定：

采用三层网络协议，并采用多跳路由方式，网络节点数分别为24个节点和40个节点。

3．辅助算法：

改进卡尔曼滤波器，并利用改进后的扩展滤波器进行状态监测。

4．传感器：

采用声音传感器。

算法实现过程为了对上述算法进行验证，并说明定位算法的性能以及传感器节点之间是如何协同工作的，我们进行了数值仿真模拟。

仿真模拟中采用的是基于马氏距离的信息有效性函数和基于临近最短距离的信息有效性函数。

七全文总结和展望

本文主要研究无线传感器网络中基于声音能量的定位算法。

定位问题一直是无线传感器网络的重要应用之一。

通过研究定位问题，能够了解在无线传感器网络中信息是如何组织和变化的，从而得到问题的解决方案。

Localizationalgorithmbasedonacousticenergy

inWirelessSensorNetworks

Abstract

Thepositioningofthetargetisoneoftheimportantapplicationsofwirelesssensornetworks.Althoughtherearemanyexistingtosolvetheproblemoflocalizationinwirelesssensornetworkalgorithms,buttheyareinpositioningaccuracyandenergycontrolisstillalackofgoodperformance.Inordertobettersolvetheproblem,thispaperspreadandvariationofenergythroughtheresearchinwirelesssensornetwork,proposedanewlocalizationalgorithmbasedonacousticenergy.Anewalgorithmtosolveotheralgorithmscannotsolvetheproblem,whileprovidinggoodperformanceofthealgorithm.

Inthispaper,adetailedanalysisofthenatureoflocationproblem,throughthestudyofsoundpropagationindifferentmediaespeciallyintheair,theestablishmentofphysicalobservationmodel,andthenestablishesthemathematicalmodel,calculationformulaofmathematical,obtainsthesolutionlocationalgorithm.Intheprocessofdesign,integrationofthemanyothertechniques.Conclusion:

thenewalgorithmcanprovideaccurateset

Finally,summarizesthepreviouswork,thenextstepwillinthecurrentstudyasthebasis,fortheoptimizationandfurtherrefinedthemodelandalgorithm.

Keywords:

wirelesssensornetworks,collaborativesignal,informationprocessing,localization,MasterDissertationofHuazhongUniversityofScienceandTechnology,energy

Introduction

Wirlesssensornetworkisusuallycomposedofalargenumberofsensors,wecallthesesensornodes.Itisoneoftheimportantfactorsinwirelesssensornetworks.Asensornodeiscomposedofenergyunit,processingunit,communicationunitandstorageunit.

Thispaperisdevotedtoresearchandexplorethewirelesssensornetworklocalizationalgorithmbasedonacousticenergy.Thisalgorithmshouldcommunicationbandwidthandenergyconsumptionissmall,toworkwithoutreplacingthebatterycaselongertime.Inaddition,thealgorithmshouldbeabletohandleunknownandunexpecteddisturbance,includingbackgroundnoise,fan,sensorfault,skip,andsensornodesandwirelesscommunicationnetworkfailure.Themostimportantpointisthat,comparedwiththetraditionalalgorithm,thenewalgorithmcandetectpositionatthesametimetotarget,controlenergyconsumptionmoreeffectively.Thenewworkwillbecarriedoutinthefollowingaspects:

1inthewirelessdistributedsensornetwork,tothesoundenergyasdatasource,usingavarietyofinformationprocessingtechnology,carriesontheanalysistothedata;

2Cramer-RaoboundMLlocationalgorithm.ThesensordistributionstrategyinthepositioningaccuracyinfluenceonextendedinvestigationwithMLmethod;

3comprehensiveenergytechnologyandcontinuousGaussBayesianestimationtheoryofinformationprocessing;Mathematicalmodelforframe

Toconstructanewalgorithm

accordingtodifferentclassificationcriteria,thetargetlocalizationproblemisdividedintoseveraldifferenttypesof.Accordingtothetargetshape,canbedividedintothesoundobject,luminousobjectsorvibratingobjectdesignpositioning;accordingtothetransmissionmedium,transmissionmediumcanbedividedintodetectionsignaltransmissionintheair,inwater,inmetaldissemination;accordingtothesignalbandwidth,canbedividedintobroadbandsignalornarrowbandsignal;accordingtothesignalpropagationpath,canbedividedintothenearanddistant;accordingtothenumberofgoals,canbedividedintosingleobjectiveandmulti-objective;inaccordancewiththecooperationbetweenthetarget,dividedintonon-cooperativeandcooperativetargetgroup.

Thisstudyisthroughthesoundenergytolocatethetargetproblem.Thisprocessmustconsidermanyfactors,includingthemodeoftransmission,thetemperatureinfluenceontheacousticwave,interferencefromothernoisecausedintheprocessofpropagation,acousticattenuation.Atpresent,theprocessingofsound（includingthetargetsoundsourceandthemobile,vibrationandsothecauseofsoundsignal,researchobjects）locationusingwirelesssensornetworkshavesomeresults.Andtherearemanyrelatedalgorithmshavebeenproposed,suchasBartlettalgorithm,Caponalgorithm.Ingeneral,accordingtothephysicalmeasurementmethods,thealgorithmcanbedividedintothefollowingcategories:

tolocatethetargetbythetimedelayalgorithm（TDOA）,thedirectiontothetargetlocationalgorithm（DOA）andtheuseofthesignalenergyintensitycalculationmethodtolocatethetarget（SSOE）.Thefollowingwillintroduceonebyoneofthesealgorithms.

TheTDOAalgorithmthroughthedelaytothetargetlocationoftheneedtoaccuratelymeasurethetimedifferencebetweendifferentsensornodes.Inordertoachievethisgoal,mustcomparedtoacousticsignalofeachsensornode.Intheworstcase,needtotransfertheoriginaltimeseriesdata.Itwouldconsumealargeamountofwirelesscommunicationbandwidthandenergy.Inaddition,inordertorelativetimedelaybetweendifferentsensornodes,needtosynchronizethesamplingprocess.Duetomanyfactors,inthewirelesssensornetworksynchronizationisverydifficulttodo.Therefore,toachievetheperformanceofthealgorithmmustbeideal,algorithmisimproved,orthedesignofotherbetteralgorithm.Byusingthemaximumlikelihoodestimationmethod,generalizedleastsquares,DOAtypealgorithmforsubspaceestimationofthreemethodstolocatetheremotetarget.Butthealgorithmwillneedsomeextracost.Moreover,onlyinthewavesurfacesimilartoaplaneoftime,algorithmisfeasible.Buttheproblemoflocalizationinwirelesssensornetworksismoreclosetothecloselocationproblem.Neartheplanewaveassumptionpositioningproblemintobetweenthetargetandthesensornode