基于WSNs的無線層析成像定位算法的改進*

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)

基于WSNs的無線層析成像定位算法的改進*

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)

基于無線傳感器網絡(WSNs)的無源被動定位技術，因無需目標攜帶任何電子標簽，成為當前傳感器網絡定位領域的研究熱點之一。無線層析成像(RTI)定位算法因計算量輕，可實時定位在無源被動定位系統中廣泛應用。但目前RTI算法，因未考慮因測量噪聲引起的偽位置，這造成目標的真實位置與個數無法辨識。提出使用高斯核濾波的方法消除RTI中的偽位置，實驗證明：該方法可行，有效。

無線層析成像； 高斯核濾波； 無線傳感器網絡

0 引 言

有源定位技術[1]，如基于信號到達時間(TOA)、基于信號到達時間差(TDOA)、基于接收信號強度(RSS)、基于信號接收相位(POA)、基于信號到達角度(AOA)等，都需要被定位的目標攜帶電子標簽，并積極主動配合定位系統向錨節點(已知自身坐標)，周期性地發送定位信息，以便定位引擎計算出被定位目標的位置。然而有源定位網絡部署周期長，不適用快速部署、緊急救災的應用場合(如火場、地震發生后的緊急救災中)。此外，有源定位系統不能保障被定位目標都主動意愿佩戴電子標簽，并主動參與定位的整個過程(如恐怖襲擊發生時，恐怖分子會想方設法逃避警察定位追蹤；養老院的老年人，可能因忘記攜帶電子標簽，造成醫護人員不能及時了解老年病人信息)。2007年，Youssef M提出無源被動定位技術[2]，與傳統無線傳感器網絡(WSNs)的有源定位系統相比，無源被動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。其典型的定位算法有：網格定位算法[3]、粒子濾波算法[4]和無線層析成像(radio tomography imaging,RTI)法[5]。網格定位算法的傳感器節點需部署在監測區域的天花板上，不能做到緊急情況下的快速定位；粒子濾波算法通過多次迭代尋求最優解的方法，估計目標的位置，該算法計算量大不適合實時定位的需求。目前可實時定位的RTI法，因計算量輕成為無源被動定位研究的熱點。

1 RTI定位算法原理與存在問題

1.1 RTI定位算法原理

如圖1所示，一定數量的傳感器節點部署在監測區域的周圍，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,根據采集到的各通信鏈路RSS值及其對應鏈路的位置(節點坐標已知)，采用無線層析定位算法，實時估計目標的坐標位置。

圖1 無源定位示意圖

1.1.1 通信鏈路衰減模型

假定監測區域的周圍部署了n個傳感器節點，有向通信的鏈路數目為M=n×(n-1)。第i條鏈路，在時刻t的RSS用γi(t)表示。數學關系表達為[5]

γi(t)=Pi-Li-Si(t)-ni(t).

(1)

其中,Pi為節點發射功率，Li為根據距離有關的大尺度衰落，Si(t)為目標引起的陰影衰落，ni(t)為測量噪聲與多徑干擾衰落。

RTI將監測區域劃分成N個網格(可理解為一幅圖片的N個像素點)。陰影衰落Si(t)近似為第i條鏈路在所有網格中衰減的總和。每個網格對第i條鏈路的衰減權重取決于該網格中心點坐標到第i條鏈路的距離。Si(t)的數學表達形式為

(2)

其中,wij為第j個網格對第i條鏈路的權重，xj(t)為時刻t時，第j個網格的衰減值的大小，橢圓幾何關系模型被用來計算所有網格對所有鏈路的權重模型(見1.1.2節)。

(3)

其中,n=ni(ta)-ni(tb)。考慮到所有網格與所有通信鏈路的關系，上述的公式可以表示為[5]

Δγ=WΔx+n.

(4)

其中,Δγ為所有鏈路RSS變化的向量，維數為M×1，Δx表示所有網格的衰減大小，維數為N×1，n表示所有通信鏈路的測量噪聲，維數為M×1，W為維數M×N的權重矩陣，權重矩陣的第N列表示第N個網格，權重矩陣的第M行表示所有網格在第M條鏈路上的權重值

Δγ=[Δγ1,Δγ2,…,ΔγM]T

Δx=[Δx1,Δx2,…,ΔxN]T

n=[n1,n2,…,nm]T.

(5)

1.1.2 橢圓權重模型

如圖2所示， 對鏈路i，發送和接收節點為橢圓的兩個焦點[5]，只有網格落在該鏈路的橢圓內部時，才會影響到通信鏈路RSS變化，其權重值wij反比于鏈路長度的平方根，而落在橢圓外部的網格對該鏈路的影響其權重值為0

(6)

圖2 權重模型

1.1.3 位置估計

RTI定位方法視向量Δx的值為監測區域對應網格的像素值，進而得到監測區域的圖像。圖像中各網格的像素值(向量Δx的值)，由公式Δγ=WΔx+n，使用最小二乘法估計得到[6](見公式(7)～式(9)。其中,djk為網格j與網格k的歐氏距離，其余參數代表的含義見表格1。

表1 RTI參數

(7)

(8)

(9)

1.2 RTI定位算法存在問題

圖像各網格的像素值(向量Δx的值)，由公式Δγ=WΔx+n估計得到，但因測量噪聲n的存在，使得相同的Δγ輸入得到多種不同的圖像輸出；同時引起實際估算出來的目標位置，淹沒在噪聲引起的偽位置里面，造成真實的位置估計，無法識別。雖然當前研究工作使用最小二乘法求解該問題，然而,因目標引起的RTI圖像變化，與噪聲引起的RTI圖像變化，仍無法可靠辨識，為此,本文提出基于高斯核函數的濾波方法，減少測量噪聲n引起的偽位置的個數。

2 RTI定位算改進

本文提出使用高斯濾波器來解決上述問題，消除RTI中因測量噪聲引起的偽位置圖像。如公式(10)所示，通過高斯濾波對整幅RTI圖像進行加權平均，利用加權平均的方法，求出RTI圖像中的每個像素點的值(由其本身和鄰域內的其它像素值加權平均得到)

(10)

(11)

3 實驗驗證與結果分析

實驗過程中，選取33個CC2531USB Dongle 無線傳感器節點部署在監測區域中(如圖3、圖4中的黑實點所示)，各傳感器節點以最大發射功率，0 dBm兩兩間互相通信。

圖3 RTI 原始圖像

如圖3所示，因測量噪聲引起的偽位置(虛線橢圓標出)，給基于RTI的定位系統帶來兩個嚴重后果：1)真實位置因與偽位置混淆在一起，而無法辨識；2)偽位置的存在，使得系統無法辨識定位目標的個數。圖4為高斯濾波后的RTI圖像。顯而易見，高斯濾波器可消除因測量噪聲引起的偽位置。

圖4 高斯濾波后圖像

4 結 論

本文指出了當前無線層析成像法RTI圖像中存在的問題，提出使用高斯核濾波的方法消除RTI圖像中因測量噪聲帶來的偽位置。實驗結果表明:該濾波方法可濾除RTI圖像中測量噪聲引起的偽位置，有助于系統識別目標的真實位置和目標個數。

[1] Liu H,Darabi H,Banerjee P, et al.Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems, Man, and Cybernetics, 2007,37(6):1067-1080.

[2] Youssef M,Mah M,Agrawala A.Challenges: Device-free passive localization for wireless environments[C]∥MobiCom, New York, USA:ACM, 2007: 222-229.

[3] Zhang Dian,Ma Jian,Chen Quanbin, et al.An RF-based system for tracking transceiver-free objects [C]∥Pervasive Computing and Communications, New York, USA: IEEE, 2007:135-144.

[4] Li Yunpeng,Chen Xi,Coates Mark, et al.Sequential monte carlo radiofrequency tomographic tracking [C]∥Acoustics, Speech and Signal Processing (ICASSP), Prague, Czech Republic: IEEE, 2011:3976-3979.

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

[6] Zhao Yang,Patwari Neal.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.

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的研究。

Improvement of radio tomography imaging

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)

Device-free localization (DFL) is an emerging technique that can locate targets without taking any electronic tags and becomes a hot topic in the area of localization based on WSNs.Due to light and efficient calculation, radio tomography imaging(RTI) algorithm is widely used in DFL systems.However, the measurement noise, which results in pseudo locations, is not taken into account,which result in actual location and the number of the targets can’t be identified.Gaussian kernel filtering is utilized to remove pseudo locations in RTI,the experiments shows that this method is feasible and effective.

radio tomography imaging(RTI); Gaussian kernel filtering; wireless sensor networks(WSNs)

2015—01—23

國家科技支撐計劃資助項目 (2013BAK06B05)

10.13873/J.1000—9787(2015)04—0127—03

TN 925

A

1000—9787(2015)04—0127—03