無線傳感器網絡中一種模糊加權目標定位方法*

蔡世清， 周　杰

(南京信息工程大學 電子與信息工程學院，江蘇 南京 210044)

?

無線傳感器網絡中一種模糊加權目標定位方法*

蔡世清， 周杰

(南京信息工程大學 電子與信息工程學院，江蘇 南京 210044)

摘要:提出了一種無線傳感器網絡(WSNs)中的模糊加權定位算法，利用探測節點RSSI值的估計距離為平面離散柵格分配權值，通過比較累計權值搜索出目標坐標，其模糊性使得該方法能夠有效地抵抗各種強度的噪聲，設定可調模糊度適應不同的衰落信道，在單目標定位中具有非常高的穩定性。針對多目標定位，提出變型的權值模型，設計了去模糊化算法將多個目標坐標提取出來。對實驗仿真結果作出了評估，并提出了多目標定位的限制條件。

關鍵詞:無線傳感器網絡; 接收信號強度指示; 目標定位; 模糊權值

0引言

目標定位[1]是無線傳感器網絡(WSNs)中重要的應用之一,常用的基本方法包括基于接收信號強度指示(RSSI)[2]、信號到達角度(AOA)[3]、信號到達時間(TOA)[4]、信號到達時間差(DTOA)[5]。其中，RSSI對傳感器硬件的普適性使其成為近來基于WSNs的目標定位最常用的方法。在監測區域中的傳感器節點中獲取和存儲著目標信號的強度信息，通過信號在信道中的衰減模型可以將各節點中的信號強度向量映射為距離向量。理論上而言，用三點定位法便可以計算出目標的準確位置，但是因為在信號的測量過程中存在著噪聲的干擾，并且由于實際環境中的信道并非理想的視距傳播(LOS)信道，由于多徑、繞射、障礙物等的影響，理想的衰減模型并不能反映真實的信號強度與距離的關系，信號強度向量向距離向量的映射存在著誤差，用這個帶誤差的距離信息無法計算出目標的準確位置。而由于WSNs具有多節點協作的優勢，可以通過多個探測節點的冗余信息補償定位誤差。

文獻[6]中以概率加權對目標位置做估計，但是其二值化權值不能反映信號的連續變化，這樣的加權方法對多目標定位比較有利，但是過分依賴節點密度。本文在文獻[6]的基礎上作出了改進，采用基于RSSI對平面柵格點模糊加權再累加的方法得到了較高的定位精度和魯棒的定位性能。

1模糊權值目標定位原理

假設監測區域為L×L的矩形A，將平面A量化成M×M的柵格點。N只傳感器隨機均勻散布在監測區域中。當監測區域內存在目標時，每個傳感器會接收到一定的信號，信號強度隨著距離遞減。無線信號傳播理論模型主要有自由空間傳播模型、對數距離路徑損耗模型、對數—常態分布模型等，本文采用自由空間傳播模型，映射關系有

(1)

以這三個指標設計高斯分布模型為

C=ηe-(l-d)2η2=βPαe-(l-d)2(βPα)2,

(2)

式中l為柵格點與傳感器的距離，d為目標的估計距離，η=βPα為可靠度，P,α分別為探測信號強度和衰減因子(距離越遠,η越小,可靠度越低，權值的峰值越小并且分布越平坦，因為遠距離信號的可信度較低，不能用較集中的模糊圈去估計距離，并且在整個模糊權值分配中分配較低的權值),β為模糊因子，是可調節的，信噪比越高的環境下將β設置得越高，一般設置為0.01～0.10。

圖1　模糊目標圈和分布函數Fig 1　Fuzzy target circle and distribution function

N個傳感器節點根據信號強度得到模糊目標圈之后將每個柵格點獲得的N個權值累加起來，會在監測平面上形成連續的權值分布矩陣XM×M，在目標點附近出現峰值，利用峰值坐標估計目標位置。因為對每個柵格點多次模糊賦權值再進行累加，這種目標估計方法在各種噪聲環境下都具有較高的抗噪性和魯棒性。

2模糊加權多目標定位

2.1多目標柵格加權模型

當區域中出現多個目標時，每個傳感器節點會探測到多個目標的信號，因為這些信號的成分具有一致性，所以，無法區分信號的來源。信號強度主要取決于節點附近的目標源，但由于遠處目標的影響，指示距離會小于附近目標的真實距離。基于此，在多目標的定位上，需要將上述的模糊圈分布函數做一個變形，如圖2，因為節點附近目標落在模糊圈外面，所以，在圈內的權值衰減較快，圈外的權值衰減較慢，以高概率讓附近的目標點賦予較高的權值，由此對式(2)做如下變形

C=ηe-(l-d)2η2θ=βPαe-(l-d)2(βPα)2ρ(d-l)/|d-l|.

(3)

式(3)對式(2)添加了一個指數因子θ=ρ(d-l)/|d-l|，ρ為大于1的數，此指數因子的意義是:當l1，權值快速衰減；當l>d時θ=1/ρ<1，權值在圈外慢衰減。用這樣的模型對平面區域柵格賦值，可以使目標所在位置附近的柵格點以較高概率呈現峰值。

圖2　變形后的模糊圈分布函數Fig 2　Transformed fuzzy circle distribution function

2.2多目標定位的去模糊化過程

假設在監測區域隨機散布K個目標，用以上的賦權值模型可以在平面區域上形成模糊的K個亮區，即權值峰，亮區的中心便可以估計為各目標的位置。多目標位置分離與提取是模糊賦權值的逆過程，即增加目標識別區域與無關區域的對比度，突出K個峰值位置。為了提取多個有效目標坐標，本文設計一種去模糊化算法，通過逐層淘汰邊緣低權值柵格，使權值平面逐漸銳化。通過柵格權值的平均密度作為篩選條件，逐次淘汰除K個峰值柵格塊以外的柵格。

通過網絡劃分來降低計算復雜度，將原本權值矩陣XM×M均勻劃分為R×R塊，以塊中柵格的平均密度作為低維分塊密度矩陣YR×R中的元素，系統能分辨出兩個目標的最小距離為rmin=L/R。設計了一種銳化策略，逐次增加高權值柵格和相鄰低權值柵格的權值差量，增加權值對比度，無關區域權值逐漸減小為0。為了避免原本權值較低的點銳化了更低柵格的權值而比原本較高權值的柵格高，開辟一個臨時存儲空間CR×R來存放一次銳化的權值差量cij，元素cij為一次銳化過程的分塊權值增量，其值為權值塊橫向與縱向對比所得權值差量的代數和。算法流程圖3。

圖3　去模糊化算法流程圖Fig 3　Flow chart of defuzzification algorithm

3仿真結果與分析

本次仿真選取1 000 m×1 000 m的矩形平面作為監測區域，將此平面離散化為100×100的柵格點，在平面內隨機均勻散布N=50只傳感器，分別觀察單目標定位和多目標定位的效果。

3.1單目標定位

先設定如下參數:平均信噪比SNR=20 dB，衰減因子α=0.5，模糊因子β=0.01。單目標定位效果如圖4所示。圖5為平面柵格權值的三維分布，β取值越小可以使權值的分布越平滑。然后以100次實驗的均方根誤差(RMSE)作為定位精度指標，分別觀察在不同信道環境下的定位精度，圖6為α=0.5時的模糊權值定位的抗噪聲性能，與傳統的極大似然估計(maximum likelihood estimation)法相比，本文的模糊加權定位具有更高的抗噪聲性能，因為模糊染色定位中設定了可靠度，可以根據信號強度自適應地調整節點信息的參考性。圖7為定位誤差隨衰減因子的變化情況，可以看出:定位誤差隨著信號衰減加強而增加，這是因為信號衰減得越快，有用的節點信息越少。模糊度對應于系統的容錯性能，但是模糊度越高其精確度會降低，所以,模糊度的選取是容錯性與精確度的折中。

圖4　模糊權值的單目標定位結果Fig 4　Single target localization result of fuzzy weights

圖5　權值三維分布Fig 5　3D distribution of weights

圖6　模糊權值目標定位的抗噪聲性能Fig 6　Anti-noise performance of fuzzy weights target localization

圖7　定位誤差與信號衰減因子的關系Fig 7　Relationship between location errors and signal decay factor

3.2多目標定位

初始化參數α=0.6，β=0.006，ρ=2.5,以5×5對柵格進行分塊，目標間的最小分辨距離為1000/100×5=50m，圖8為三目標的詳細定位結果，右上為去模糊化結果?？梢钥闯鋈繕说亩ㄎ恍Ч己?。圖9分別顯示了4,5,6,7個目標下的定位結果，圖中可以看出，隨著目標個數增多，系統可能出現誤判(見K=6,7)，當兩個目標距離很近時容易出現漏判(見K=5)，將兩個目標定為一個目標。此系統適合稀疏度較高的多目標定位。

圖8　三目標定位結果 Fig 8　Results of three targets location

圖9　不同目標數的定位效果Fig 9　Location results of different target numbers

4結論

通過探測節點中的RSSI信息可以估計出目標的距離，用每個探測節點估計出的距離做模糊圓求模糊交點，以平面上柵格點的模糊權值判斷目標的坐標，在單目標情況下這種方法具有很高的抗噪聲性能，在信號衰減較慢時能獲得10m的定位精度。通過調節模糊度因子β可以適應不同的噪聲和衰減環境。將模糊圈的分布函數變形以抵抗多目標時不同目標之間的影響，仿真結果顯示，在密度較小的多目標定位中具有較好的定位效果。

參考文獻:

[1]OzdemIRO，NiuRX，VarshneyPK.Channelawaretargetlocalizationwithquantizeddatainwirelesssensornetworks[J].IEEETransactionsonSignalProcessing，2009，57(3):1190-1202.

[2]AnzaiD，HaraS.AsimpleoutlierdatarejectionalgorithmforanRSSI-basedMIlocationestimationinwirelesssensornetwork-s[C]∥ProcofIEEEVehicularTechnologyConference(VTC)，Calgary，Canada，2008:1-5.

[3]KapiAN，LanceM.Globa1nodeselectionforlocalizationinadistributedsensornetwork[J].IEEETransactionsonAerospaceandElectronicSystems，2006，42(1):113-135.

[4]ShoebM，AhmadF，AminM.Narrowbandsourcelocalizationforindoorwirelessenvironments[C]∥ProcoftheFifthIEEEInternationalSymposiumonSignalProcessingandInformationTechnology(ISSPIT)，Athens，Greece，2005:411-416.

[5]BatsonMS，MceachenJC，TummaiAM.Amethodforfastradiofrequencydirectionfindingusingwirelesssensornetworks[C]∥Procofthe41stAnnualHawaiiInternationalConferenceonSystemSciences(HICSS)，BigIsland，HI，2008:495-495.

[6]徐昌慶，徐建良，樓財義.WSNs中一種基于概率加權定位的目標跟蹤算法 [J].軍事通信技術，2009,30(4):7-9.

[7]張曉平，劉桂雄，周松斌.利用最小二乘支持向量機實現無線傳感器網絡的目標定位[J].光學 精密工程，2010,18(9):2061-2067.

[8]萬群，劉申建，彭應寧.基于目標三線坐標校正的定位方法 [J].電子學報，2002,30(6):844-845.

[9]ShengXH，HuYH，Maximumlikelihoodmultiple-sourcelocalizationusingacousticenergymeasurementswithwirelesssensornetworks[J].IEEETransactionsonSignalProcessing，2005,53(1):44-53.

[10]KapiAN，IanceM.Globa1nodeselectionforlocalizationinadistributedsensornetwork[J].IEEETransactionsonAerospaceandElectronicSystems，2006，42(1):113-135.

A fuzzy weights targets location method in WSNs*

CAI Shi-qing, ZHOU Jie

(School of Electronic and Information Engineering, Nanjing University of Information Science and Technology,Nanjing 210044, China)

Abstract:A fuzzy weights location algorithm in WSNs is proposed,target coordinate can be searched by comparing accumulated weights from RSSI of each detecting node.It’s an innovation method which can live a high-accuracy in low SNR because of its fuzziness and can adapt to different signal attenuating speed attribute to its flexible fuzzy degree.The proposed method performs a high stability in mono-target location application.There is also a deeper analysis in application to multi-target location,a transformed model is developed in allusion to multi-target location.Multiple targets coordinate is extracted successfully through defuzzification algorithm.Experimental result is evaluated, and restriction condition to multi-target location is proposed.

Key words:wireless sensor networks(WSNs); RSSI; target location; fuzzy weights

DOI:10.13873/J.1000—9787(2016)02—0042—04

收稿日期：2015—04—24

*基金項目：國家自然科學基金面上項目(60873026, 61021062，61372128)；江蘇省高校自然科學研究重大項目(14KJA510001)

中圖分類號:TP 393

文獻標識碼:A

文章編號:1000—9787(2016)02—0042—04

作者簡介:

蔡世清(1991-)，男，江蘇金壇人，碩士研究生，研究方向為無線通信理論、無線傳感網。