基于WSNs的RSS無源被動定位算法評述*

王滿意， 丁恩杰

(中國礦業大學 信息與電氣工程學院，江蘇 徐州 221116)

綜述與評論

基于WSNs的RSS無源被動定位算法評述*

王滿意， 丁恩杰

(中國礦業大學 信息與電氣工程學院，江蘇 徐州 221116)

與傳統有源定位技術相比，接收信號強度(RSS)定位技術無需目標攜帶任何電子標簽，在需快速部署、緊急救災等方面的應用前景廣闊。闡述了RSS無源被動定位原理；詳細介紹了RSS無源被動定位技術的幾種定位算法；總結了當前算法存在不足之處，并展望了RSS無源被動定位技術的研究趨勢。

無源被動定位； 算法 ； 無線傳感器網絡; 接收信號強度

0 引 言

自2007年接收信號強度(received signal strength，RSS)無源定位技術[1]被提出以來，該定位技術極大拓展了無線傳感器網絡(WSNs)定位領域的研究視野。與傳統WSNs的有源定位系統相比，RSS無源定位技術無需目標佩戴任何電子標簽，只需要在監測區域的周圍部署無線傳感器節點，即可完成對該區域目標的定位和跟蹤，該定位技術極其適合需要快速部署、緊急救災場合的定位。例如[2,3]：1)火災、地震發生后的快速救援中，無源被動定位系統無需救援人員攜帶監測設備進入建筑物內部，通過災害現場周圍快速部署的無線傳感器節點，即可幫助搜救人員在充滿濃煙、火焰的大樓中快速定位被困人員或遇難者的位置，有助于救援人員有針對性地展開救援工作；2)RSS無源定位技術有助于智能家居的節能降耗，它通過監測家中是否有人來控制燈、暖氣、空調等家用設備的開停；3)醫療體系的運用中，RSS無源定位技術幫助醫護人員在不侵擾病人隱私的情況下，遠程追蹤老年人或者病人生活情況；4)在遇恐怖襲擊，警察解救人質的過程中，警察借助RSS無源定位技術，無需進入遭恐怖襲擊的樓宇，即可實時掌握恐怖人員的人數及其相應位置，為營救人質的快速救援部署，提供有效的參考。為此，本文對基于WSNs的RSS無源被動定位技術進行評述。

1 RSS無源被動定位技術

一定數量的無線傳感器節點(例如:Telosb節點)部署在被監測區域的周圍，網絡中所有節點兩兩之間建立無線通信鏈路，可實時測量鏈路之間的RSS。當目標進入被定位區域時，目標周圍的鏈路上的電磁波信號因折射、反射、吸收等作用，引起相應鏈路的RSS改變。根據鏈路RSS的改變和相應鏈路的位置，采用不同的測量模型和定位算法，實時估算目標的位置坐標，如圖1。

圖1 無源定位示意圖

RSS無源定位系統，主要由傳無線感器節點，Sink節點，信息處理中心3個部分組成。

與有源定位技術(如圖2)相比較，RSS無源定位技術無需目標佩戴電子標簽；與其他無源定位技術相比較[4,5]：1)相比于計算機視覺無源定位技術，其可工作在霧天和黑暗環境中，且有助于保護個人的隱私；2)相對于UWB無源定位系統來說價格便宜；3)無源被動定位系統也可以穿過障礙物(墻壁、樹木、煙霧等)，而基于紅外定位系統無法達到這樣效果。

圖2 有源定位示意圖

2 RSS無源定位算法

常見的RSS無源定位算法有指紋定位算法、網格定位算法、粒子濾波定位算法、無線斷層成像定位算法等。

2.1 指紋定位算法

指紋定位算法[5～7](fingerprint-based)的原理是：在離線訓練(off-line training)階段，讓物體(通常為一個人)站在預先設定的不同位置上(預設定點的坐標已知)，然后采集所有通信鏈路RSS值，最后將預設定點的坐標值與RSS值的對應關系記錄在數據庫中。進入在線匹配(on-line ma-tching)階段后，系統實時采集所有通信鏈路RSS值，然后將實時采集的RSS值與數據庫中的RSS值比較，采用相關算法(K最近鄰居算法，或者貝葉斯后驗概率密度算法)找出數據庫中最匹配的RSS值，對應的預設定點的坐標則認為是當前目標的位置。

該方法實現起來簡單，無需復雜數學運算，但在網絡拓撲結構改變或者監測環境發生改變后，若要取得理想精度，離線訓練需重復進行。該定位方法不適用于快速部署應用中。

2.2 網格定位算法

2009年,Zhang Dian等人[8]提出基于Zig Bee的網絡定位算法，其定位的原理是：使用Mica2傳感器節點以陣列的方式部署在監測區域的天花板上；每個節點與其前后左右4個節點相互連接(節點間距2～4 m)，將監測區域劃分成一個個網格狀的矩形結構。當目標進入監測區域時，根據RSS改變的通信鏈路，判斷目標所在網格，大概估計目標的位置，在此基礎上再根據RSS變化，使用最佳覆蓋法或概率覆蓋法進一步提高目標的定位精度。文獻[9]進一步拓展網格定位方法，利用三角網格的方法定位目標，使得定位延時由原來的2 s 縮短到 0.26 s。但網格定位算法中節點特殊的網絡拓撲(監測區域的頂部部署)嚴重限制了其快速部署應用。

2.3 粒子濾波定位算法

2011年,粒子濾波定位算法和跟蹤技術被引入RSS無源定位系統中[10～12]。文獻[10]在基于大量實驗數據基礎上，提出了目標狀態與RSS變化符合指數分布觀測模型，將此觀測模型應用在蒙特—卡洛粒子濾波的算法中，在此工作基礎上，文獻[11]提出傳感器節點可被同時定位的方法。這兩項工作在建立目標狀態與RSS變化模型時，基于室外環境測試數據獲得，未考慮多徑干擾對觀測模型的影響。近年來，Wilson J和Patwari N提出使用斜拉普拉斯(Skew-Laplace)的RSS模型[12]，用于室內環境下目標定位。RSS的斜拉普拉斯數學分布參數，通過訓練階段大量實驗獲得，顯而易見,此方法環境依賴性強，不同環境下需使用不同的分布參數，才可定位。

2.4 無線斷層成像定位算法

2010年,Wilson J等人提出的無線斷層成像(radio tomographic imaging,RTI)技術[4]，成為基于Zig Bee的RSS無源定位領域中較熱門研究的定位算法,其定位的方法是：首先，傳感器節點在監測環境周圍(高度約為1.2 m，間隔約為 1.5 m，節點間隔可根據實際定位精度需求調整)環繞部署，當目標進入監測區域后，其穿過目標的RSS數值發生變化；其次，通過以發射節點和接收節點為焦點，建立橢圓權重模型，求出目標所在位置對所有鏈路是否產生影響的權重矩陣(目標到橢圓長軸的距離大于門限值時,權重為0；小于門限值時，權重與鏈路長度的平方根呈反比)；最后，利用病態反問題求解方法，求解出目標位置。文獻[3,4,13]通過在室外、室內、穿墻三種環境下證明該模型的可行性及其適用性。

3 RSS無源被動定位算法展望

自2007年，無源被動定位技術由美國馬里蘭卡大學Moustafa Youssef提出[1]，該研究課題引起國內外學者的廣泛關注。在此方面研究比較深入的研究機構有：美國猶他大學[3,4,12,14,15]、加拿大麥吉爾大學[10,11,16]、芬蘭阿爾托大學[17,18]、埃及尼羅河大學[6,7]、香港科技大學[8,9]、北京郵電大學[19,20]、廣東中山大學[21,22]。總的來說，RSS的無源被動定位(device-free passive localization,DFL)技術仍處于特定環境特定方法階段，在實際應用中仍存在不少問題：

1)定位算法問題：基于指紋定位算法需經過繁瑣離線訓練階段的校準，一旦監測區域中的環境改變(例如：家具擺放位置改變)或節點的網絡拓撲結構發生改變，離線訓練數據需重新校準。因此,該定位方法效率低，不能滿足緊急情況下定位需求。粒子濾波定位算法因計算復雜度高，不適合實時定位需求。無線斷層成像法，基于無線信號的陰影衰落模型建立(人或物體遮擋會降低信號鏈路的RSS),但此多徑干擾源較多室內、走廊,或者巷道環境定位效果較差。

2)無線信號互相干擾的問題：RSS的無源定位技術，主要使用通信鏈路的RSS變化來定位監測區域中的人或者物體，若RSS值的變化因環境中的其他因素引起，勢必造成定位系統精度降低。當前，基于IEEE 802.15.4標準的傳感器網絡與基于IEEE 802.11標準的網絡共享2.4 GHz，兩種網絡的共存，帶來嚴重通信可靠性能下降，數據包傳輸時延增加，通信鏈路的RSS值改變等問題。傳輸延時的增加，干擾引起的鏈路RSS值改變，對RSS的無源定位系統可靠性，定位精度的準確性帶來極大危害。因此，仍需改進的定位算法提高基于Zig Bee的RSS無源定位系統，與WiFi網絡共存情況下的精度。

3)定位系統低功耗問題：如何找到系統功耗與定位系統的精度折中算法，仍是RSS無源定位技術中亟待解決問題。從提高系統精度方面考量，節點發包頻率越高越好，但這將導致節點功耗增加，使得系統的生存周期變短；從低功耗角度考慮，節點發射頻率越低越好，但會致使系統定位精度降低，無法定位快速移動人或物體。

4)多人定位問題：實際定位場景下，需要RSS無源定位技術像有源定位技術一樣，能夠實現多目標的定位和跟蹤。但如何僅利用網絡中通信鏈路的RSS值變化進行多物體的跟蹤需解決的問題有：a.多目標數目檢測；b.多目標狀態更新(如何區分實時測得RSS信號變化，是由哪個目標引起，并進行該目標的狀態更新)；c.目標行進過程中，路徑重疊后如何分開等。這些都是RSS無源定位技術需要考慮的問題。但現有研究成果多基于很多假設的基礎上進行。例如:假定目標個數已知(2人)，定位過程中目標的距離保持在至少2 m以上，行進過程中無路徑較差等，定位目標的個數不能超過4個。上述問題都是當前多人定位中，面臨的挑戰。

4 結束語

近年來,定位技術不斷發展和定位服務需求不斷增加，基于RSS無源被動定位技術因其無需被定位目標攜帶任何電子標簽，特別適合緊急救援和需要快速定位應用中。本文詳細闡述了國內外基于RSS無源被動定位算法的研究現狀和存在的不足之處，并指出在此方面可能存在的研究方向。

[1] Moustafa Youssef,Matthew Mah,Ashok Agrawala.Challenges:Device-free passive localization for wireless environments[C]∥MobiCom,New York,USA:ACM,2007:222-229.

[2] Patwari N,Wilson J.RF sensor networks for device-free localization:Measurements,models,and algorithms[C]∥Proceedings of the IEEE,2010,98(11):1961-1973.

[3] Wilson J,Patwari N.See-through walls:Motion tracking using variance-based radio tomography networks[J].IEEE Transactions on Mobile Computing,2011,10(5):612-621.

[4] Wilson J,Patwari N.Radio tomographic imaging with wireless networks[J].IEEE Transactions on Mobile Computing,2010,9(5):621-632.

[5] Xu Chenren,Firner Bernhard,Moore Robert S,et al.Scpl:Indoor device-free multi-subject counting and localization using radio signal strength[C]∥Proceedings of International Conference on Information Processing in Sensor Networks(IPSN),New York,USA,2013:79-90.

[6] May Moussa,Moustafa Youssef.Smart cevices for smart environments:Device-free passive detection in real environments[C]∥Pervasive Computing and Communications,Galveston,Texas:IEEE,2009:1-6.

[7] Moustafa Seifeldin,Ahmed Saeed,Ahmed EKosba,et al.Nuzzer:A large-scale device-free passive localization system for wireless environments[J].IEEE Transactions on Mobile Computing,2013,12(7):1321-1334.

[8] Zhang Dian,Ni Lionel M.Dynamic clustering for tracking multiple transceiver-free objects[C]∥Pervasive Computing and Communications,Galveston,Texas:IEEE,2009:1-8.

[9] Zhang Dian,Liu Yunhuai,Ni Lionel M.Rass:A real-time,accurate and scalable system for tracking transceiver-free object-s[C]∥Pervasive Computing and Communications,Seattle,USA:IEEE,2011:197-204.

[10] Li Yunpeng,Chen Xi,Coates Mark,et al.Sequential Monte-carlo radio frequency tomographic tracking[C]∥Proc of Int’l Conf on Acoustics,Speech and Signal Processing(ICASSP),Prague,Czech Republic:IEEE,2011:3976-3979.

[11] Chen Xi,Edelstein Andrea,Li Yunpeng,et al.Sequential Monte Carlo for simultaneous passive device-free tracking and sensor localization using received signal strength measurements[C]∥Information Processing in Sensor Networks(IPSN),Chicago,USA:IEEE,2011:342-353.

[12] Wilson J,Patwari N.A fade-level skew-laplace signal strength model for device free localization with wireless networks[J].IEEE Transactions on Mobile Computing,2012,11(6):947-958.

[13] Zhao Yang,Patwari N.Noise reduction for variance-based device-free localization and tracking[C]∥Sensor,Mesh and Ad Hoc Communications and Networks(SECON),Utah,USA,IEEE,2011:179-187.

[14] Patwari N,Brewer Lara,Tate Quinn,et al.Breathfinding:A wireless network that monitors and locates breathing in a home[J].IEEE Journal of Selected Topics in Signal Processing,2014,8(1):30-42.

[15] Patwari N,Wilson J.RF sensor networks for device-free localization:Measurements,models,and algorithms [C]∥Proceedings of the IEEE,2010,98(11):1961-1973.

[16] Nannuru Santosh,Li Yunpeng,Coates M,et al.Multi-target device-free tracking using radio frequency tomography [C]∥Intelligent Sensors,Sensor Networks and Information Processing(ISSNIP),Adelaide,Australia,IEEE,2011:508-513.

[17] Ossi Kaltiokallio,Maurizio Bocca.Real-time intrusion detection and tracking in indoor environment through distributed rssi processing [C]∥Embedded and Real-Time Computing Systems and Applications(RTCSA),Toyama,Japan,IEEE,2011:61-70.

[18] Ossi Kaltiokallio,Maurizio Bocca,Patwari N.A fade level-based spatial model for radio tomographic imaging[J].IEEE Transactions on Mobile Computing,2014,13(6):1159-1172.

[19] Cheng Huang,Luo Haiyong,Zhao Fang.Device-clustering algorithm in crowd sourcing-based localization[J].The Journal of China Universities of Posts and Telecommunications,2012,19:114-121.

[20] Men Aidong,Xue Jianfei,Yang Bo,et al.A tracking-by-detection method with radio-frequency tomography network[C]∥Wireless Personal Multimedia Communications(WPMC),New Jersey,USA,IEEE,2013:1-5.

[21] Guo Yao,Huang Kaide,Jiang Nanyong,et al.An exponential Rayleigh signal strength model for device-free localization and tracking with wireless networks [C]∥Intelligent Control and Information Processing(ICIP),Beijing,China,IEEE,2013:108-113.

[22] Yang Zhiyong,Huang Kaide,Wang Guoli.A new sparse reconstruction algorithm for device-free localization with sensor networ-k [C]∥Asian Control Conference(ASCC),Istanbul,Asian,IEEE,2013:1-6.

Review on RSS passive localization algorithm based on WSNs*

WANG Man-yi， DING En-jie

(School of Information and Electrical Engineering,China University of Mining & Technology,Xuzhou 221116,China)

Compared with traditional active localization technology,technique of passive localization based on received signal strength(RSS)does not need to carry any electronic tag and can be widely used in some scenarios such as fast deployment and emergency rescue.Principle of passive localization is explained and several localization algorithms are presented;disadvantages of existing algorithms are proposed;research trends are prospected.

passive localization; algorithm; wireless sensor networks(WSNs)； received signal strength(RSS)

10.13873/J.1000—9787(2015)03—0001—03

2014—09—10

國家科技支撐計劃資助項目 (2013BAK06B05)

TN 925

A

1000—9787(2015)03—0001—03

王滿意(1982-)，男，江蘇徐州人，博士研究生，從事無線傳感器網絡定位算法、可重新配置無線傳感器網絡。