基于RSS的多目標節點定位算法

張原 劉穎 徐高潮 耿曉中

摘要：為節約成本、提高算法實用性和準確性，提出一種新穎的基于RSS的多目標節點定位算法。通過一個移動信標節點采集RSS信號及其相應位置坐標，構成已知條件，結合高斯混合模型和貝葉斯信息準則等統計模型設計實現多目標高斯混合模型定位算法。仿真實驗和實測實驗均表明該算法在不預先假設一定區域內傳感器節點數量的情況下，能夠同時估計傳感器節點的數量和位置，具有較好的實用性和準確性。本文網絡版地址：http：//www.eepw.com.cn/article/164387.htm

關鍵詞：定位；GMM；信號傳播模型

DOI： 10.3969/j.issn.1005-5517.2013.9.008

*基金項目：國家自然科學基金項目（NO.60973136網絡攻擊行為混雜建模及檢測技術研究，NO.61073164面向服務的無線傳感器網絡生存期優化體系研究）

引言

無線傳感器網絡節點定位是傳感器網絡研究的熱點，如何利用簡單廉價的設備得到精確的定位結果一直是傳感器節點定位研究的重點和難點。

在目前已有的定位算法中，基于RSS的節點定位算法與基于AOA、TOA或TDOA的節點定位算法相比，具有成本低、適用范圍廣等優點，但定位精度不高[1-2]。為此，研究人員利用統計模型提高定位算法的健壯性和精確度[3-8]。另外，很多定位算法假設待估節點數量已知，或者假設RSS發射節點的ID可識別，但在大多數情況下，上述假設都是不可預知的，很難在實際環境中使用，因而算法實用性不強。

為節約成本，提高算法實用性和精度，本文提出一種新穎的基于RSS的定位算法——多目標高斯混合模型定位算法（Multi-target Localization Based on Gaussian Mixture Model，MTL-GMM），使用單一移動信標節點[8-9]采集信息，用最小化已知條件估算傳感器節點的數量和位置信息。仿真實驗和實測實驗均證明了本文提出算法的有效性和準確性。

多目標高斯混合模型

GridL算法描述

圖1給出了GridL算法的偽代碼。表1給出了GridL算法使用的符號及其解釋。MT-GMM算法嵌套了內外兩層循環。外層循環即算法第4行到第29行，用來估計節點數量。假設節點數量M從1開始取值，并隨循環逐次遞增，根據（M-1）個節點坐標估計第M個節點坐標。當節點數量增加，但模型BIC取值不增加時，算法結束。內層循環即算法第11行到第20行，用來調整外層循環確定的M個節點的位置坐標。當模型BIC取值最大時，獲得節點數量為M時的位置坐標。

算法第13行的函數findBIC（R，j）根據前j個節點的位置坐標，估計第（j+1）個節點的位置坐標。該函數分別假設第（j+1）個節點在定位區域內的每個網格中，并分別計算相應的BIC取值，BIC取值最大時對應的網格坐標就是第（j+1）個節點的坐標。

仿真實驗

我們用NCTUns v5.0[14]模擬實驗場景，將8個傳感器分別放置在180m×300m的區域里，將一個可移動的傳感器做為信標節點RC，如圖2所示。圖中叉號表示傳感器節點所在的位置，曲線表示RC的移動路徑，圓圈表示估計的傳感器位置。傳感器節點的通信半徑設為100米。RC采集的RSS序列長度為300。

第一次迭代的網格邊長為5米，第二次為1米。表3給出了仿真實驗的數據結果，兩次迭代估計的節點數量均為8個，與實際相符，節點坐標的定位誤差由第一次迭代時的3.86米減小到第二次迭代時的0.93米。

實測實驗

我們將4個Access Point（AP）分布在學校實驗室大樓二層，將帶有無線網卡的筆記本做為信標節點，采集從AP發來的RSS，同時記錄筆記本移動的路線坐標。圖3給出了AP的位置（叉號表示）和筆記本的移動路線（實線表示），圓圈表示估計的節點位置。AP的通信半徑為30米，筆記本采集的RSS序列長度為120。

第一次迭代的網格邊長為2米，第二次為1米。表4給出了實測實驗結果，兩次迭代估計的節點數量均為4個，與實際相符，節點坐標的定位誤差由第一次迭代時的2.99米減小到第二次迭代時的1.83米。

結語

本文提出了一種基于RSS的多目標節點定位算法（MTL-GMM算法），可同時估計一定區域內傳感器節點的數量和位置。相比其他定位算法，MTL-GMM算法選擇單一的移動信標節點采集RSS信號，結合使用高斯混合模型、貝葉斯信息準則等統計模型，節約了成本，提高了定位精度。同時，MTL-GMM算法不假設待估節點數量已知或RSS發射節點的ID可辨識，增強了算法的實用性。

參考文獻：

[1] 蔣鵬，覃添，陳歲生. 基于AOA降維和同心圓定位的三維傳感器網絡節點自定位方法[J].傳感技術學報，2012，25，（7）：999-1000

[2] 杜巧玲.無線傳感器網絡三維節點定位問題的研究[D].長春：吉林大學通信工程學院，2009

[3] F. Wang， L. Qiu， and S. Lam. Probabilistic Region-Based Localization for Wireless Networks[J]. ACMSIGMOBILE

[10] （美）西奧多 S.拉帕波特（Theodore Rappaport，T.S.）著，周文安等譯.無線通信原理與應用[M].第二版.北京：電子工業出版社，2012

[11] Tan P-N， Steinbach M， Kumar V著，范明，范宏建等，譯.數據挖掘導論[M].北京：人民郵電出版社，2011

[12] M. Ding and X. Cheng. Fault Tolerant Target Tracking in Sensor Networks[C]. Proceedings of the tenth ACM international symposium on Mobile ad hoc networking and computing， New Orleans， LA， USA. ACM， New York， USA，2009， pp. 125-134

[13] 段江嬌.基于模型的時間序列數據挖掘[D].上海：復旦大學，2008[14] NCTUns 5.0 Network Simulator and Emulator[EB/OL].（2008-09-20） http：//nsl.csie.nctu.edu.tw/nctuns.html