邢天璋,王 舉,陳曉江,房鼎益,楊 哲

(1.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127; 2.西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,陜西西安 710069)

WSN中異構(gòu)數(shù)據(jù)協(xié)同的目標(biāo)定位方法

邢天璋1,王 舉1,陳曉江1,房鼎益1,楊 哲2

(1.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127; 2.西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,陜西西安 710069)

針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中室外環(huán)境下的被動(dòng)式目標(biāo)定位問(wèn)題,提出一種基于動(dòng)態(tài)貝葉斯圖的異構(gòu)數(shù)據(jù)協(xié)同定位方法.該方法能夠?qū)Ξ悩?gòu)無(wú)線(xiàn)網(wǎng)絡(luò)數(shù)據(jù)相協(xié)調(diào),完成目標(biāo)被動(dòng)式定位任務(wù).首先深入分析了異構(gòu)網(wǎng)絡(luò)中可用于測(cè)距定位的三種基本被動(dòng)式定位方法(基于信號(hào)強(qiáng)度模型,紅外測(cè)距定位模型,粒子濾波定位),總結(jié)歸納了各方法的適用特點(diǎn).其次,利用動(dòng)態(tài)貝葉斯圖,協(xié)調(diào)兩種方法適用特點(diǎn),推導(dǎo)出大規(guī)模室外被動(dòng)式定位模型.仿真結(jié)果表明,筆者提出的異構(gòu)數(shù)據(jù)協(xié)同定位方法能夠完成被動(dòng)式定位要求,與其他定位方法相比,定位精度較已有方法有所提升.

無(wú)線(xiàn)傳感器網(wǎng)絡(luò);被動(dòng)式定位;信號(hào)強(qiáng)度;紅外測(cè)距;貝葉斯圖

目標(biāo)定位技術(shù)作為無(wú)線(xiàn)傳感器網(wǎng)絡(luò)眾多關(guān)鍵技術(shù)之一,在軍事戰(zhàn)場(chǎng)監(jiān)控、醫(yī)療智能保健、自然災(zāi)害搶險(xiǎn)救助以及智能環(huán)境區(qū)域監(jiān)控等場(chǎng)景下均有成熟應(yīng)用案例[1].學(xué)者將目標(biāo)定位技術(shù)分為主動(dòng)式目標(biāo)定位和被動(dòng)式目標(biāo)定位兩類(lèi),其本質(zhì)區(qū)別在于目標(biāo)是否攜帶設(shè)備參與無(wú)線(xiàn)信號(hào)的接收或發(fā)送.主動(dòng)式定位技術(shù)通常要求定位目標(biāo)攜帶信號(hào)收發(fā)設(shè)備,通過(guò)信號(hào)的衰減或相位的變化完成定位[2];被動(dòng)式定位則不要求目標(biāo)攜帶任何數(shù)據(jù)收發(fā)設(shè)備,這給被動(dòng)式定位可行性研究與定位精度提升帶來(lái)極大困難[3-4].無(wú)線(xiàn)傳感器網(wǎng)絡(luò)感知數(shù)據(jù)類(lèi)型豐富,屬性多樣、異構(gòu),而如何利用異構(gòu)數(shù)據(jù)信息完成目標(biāo)被動(dòng)式定位,是筆者的主要研究工作.

利用無(wú)線(xiàn)信號(hào)強(qiáng)度的測(cè)距定位方法,大致分為“基于指紋匹配”與“基于傳輸模型”兩類(lèi).其中,第一類(lèi)方法分為兩個(gè)階段,即離線(xiàn)階段與在線(xiàn)階段[5].離線(xiàn)階段主要建立標(biāo)準(zhǔn)指紋庫(kù),將監(jiān)測(cè)區(qū)域內(nèi)每一位置與目標(biāo)出現(xiàn)在該位置時(shí)的接收信號(hào)強(qiáng)度指示(Receiver Signal Strength Indication,RSSI)相關(guān)聯(lián).在線(xiàn)階段針對(duì)出現(xiàn)在監(jiān)控區(qū)域內(nèi)的目標(biāo)進(jìn)行定位,其過(guò)程主要是針對(duì)測(cè)量到的RSSI值與離線(xiàn)階段建立的標(biāo)準(zhǔn)指紋庫(kù)進(jìn)行比對(duì),從而給出目標(biāo)出現(xiàn)的最大概率位置.第二類(lèi)方法[6]避免了前期大量的學(xué)習(xí)階段,主要針對(duì)無(wú)線(xiàn)信號(hào)傳輸進(jìn)行建模,分析被檢測(cè)目標(biāo)對(duì)于通信鏈路的影響,測(cè)量無(wú)線(xiàn)信號(hào)衰減,通過(guò)估算被檢測(cè)目標(biāo)與收發(fā)節(jié)點(diǎn)的距離進(jìn)行目標(biāo)定位.這兩類(lèi)方法均利用無(wú)線(xiàn)信號(hào)強(qiáng)度進(jìn)行測(cè)距后定位,其共性特點(diǎn)在于小范圍定位精度較高,但RSSI較脆弱,易受環(huán)境因素影響,不宜用于室外大規(guī)模區(qū)域環(huán)境下的目標(biāo)定位.

紅外測(cè)距技術(shù)起源較早.其原理主要是通過(guò)單片機(jī)(或微處理器)統(tǒng)計(jì)反射回波時(shí)間差,計(jì)算傳輸距離.紅外測(cè)距技術(shù)在汽車(chē)防撞、相機(jī)自動(dòng)對(duì)焦、野外勘探、野外搜救、入侵檢測(cè)領(lǐng)域也有成功應(yīng)用案例[7].這些應(yīng)用不僅計(jì)算了回波傳輸時(shí)間,同時(shí)借助紅外熱量輻射探測(cè)目標(biāo)的大致方向.紅外技術(shù)具有非接觸、反應(yīng)快、低成本和高靈敏等技術(shù)特點(diǎn),被廣泛應(yīng)用于日常生活與民用行業(yè).上述方法均屬于非接觸測(cè)距技術(shù),適應(yīng)于大范圍環(huán)境下的目標(biāo)定位,但由于電波傳輸速率較快,收發(fā)雙方時(shí)間同步難以保證,其測(cè)距誤差客觀存在,定位誤差較大,不宜適用于細(xì)粒度目標(biāo)定位.

由于信號(hào)強(qiáng)度與紅外數(shù)據(jù)均能捕獲目標(biāo)距離方位信息,筆者旨在利用這兩類(lèi)數(shù)據(jù)作為約束條件,同時(shí)考慮移動(dòng)目標(biāo)的距離約束,構(gòu)建貝葉斯圖完成異構(gòu)網(wǎng)絡(luò)環(huán)境下的被動(dòng)式目標(biāo)定位.

圖1 無(wú)線(xiàn)信號(hào)繞射、散射示意圖

1 測(cè)距模型

1.1 基于信號(hào)強(qiáng)度的定位模型

在估計(jì)信道損耗時(shí),需要考慮傳播路徑上的地形地貌、建筑物、樹(shù)木、電線(xiàn)桿等阻擋物.相同的收發(fā)設(shè)備在不同的室外傳播環(huán)境下,鏈路RSSI也不同[8].RSSI不僅會(huì)受到鏈路所處環(huán)境的影響,收發(fā)設(shè)備的電壓、天線(xiàn)方向等條件也會(huì)對(duì)其產(chǎn)生很大的影響.當(dāng)目標(biāo)出現(xiàn)在監(jiān)控區(qū)域,接收節(jié)點(diǎn)對(duì)于接收到的信號(hào)強(qiáng)度有了變化,產(chǎn)生該變化的原因來(lái)自于信號(hào)繞射場(chǎng)強(qiáng)與散射場(chǎng)強(qiáng),如圖1所示.即

繞射模型為

散射模型為

其中,D與S分別為繞射增益和散射增益,單位為d B,Pt為發(fā)射功率;Gt為發(fā)射天線(xiàn)增益,Gr為接收天線(xiàn)增益;λ為無(wú)線(xiàn)信號(hào)波長(zhǎng),單位為m;l1與l2分別代表目標(biāo)距收、發(fā)節(jié)點(diǎn)的距離,單位為m.

基于信號(hào)傳輸模型的定位方法通過(guò)測(cè)量無(wú)線(xiàn)通信鏈路RSSI,求解目標(biāo)與收發(fā)節(jié)點(diǎn)之間的距離,定位目標(biāo).該方法定位結(jié)果具有對(duì)稱(chēng)性,虛擬位置點(diǎn)成對(duì)出現(xiàn),該問(wèn)題可通過(guò)網(wǎng)絡(luò)部署設(shè)計(jì)避免.在定位階段,可用確定性定位方法修正目標(biāo)存在的概率,尋求目標(biāo)最近距離的信號(hào)強(qiáng)度分布,即

這里,m,n分別代表信號(hào)收發(fā)節(jié)點(diǎn)的個(gè)數(shù),l是指定位結(jié)果,ˉsij表示收發(fā)節(jié)點(diǎn)間信號(hào)強(qiáng)度的平均值表示通過(guò)信號(hào)傳輸模型計(jì)算獲得的信號(hào)強(qiáng)度值不依賴(lài)于目標(biāo)所處位置l的變化,同時(shí)假定目標(biāo)外在形態(tài)不會(huì)發(fā)生變化,可表示為

通過(guò)信號(hào)傳輸模型的計(jì)算限制位置概率,而目標(biāo)位置概率則可作為貝葉斯網(wǎng)絡(luò)推演的第一約束條件.

1.2 基于紅外熱輻射的測(cè)距模型

紅外檢測(cè)適用于高于絕對(duì)零度溫度的每個(gè)目標(biāo),而帶寬的電磁輻射發(fā)射能量是檢測(cè)目標(biāo)距離的重要參量.這種輻射的整體流量和波長(zhǎng)取決于其表面溫度T和發(fā)射率ε.后來(lái)使用一個(gè)區(qū)間[0,1]來(lái)描述表面在相同溫度下相對(duì)于理想發(fā)射體也就是黑體的輻射能力.發(fā)射率依賴(lài)波長(zhǎng),但在大多數(shù)實(shí)際情況下,相關(guān)波長(zhǎng)的范圍非常有限,可以認(rèn)為是一常量.普朗克定律給出了波長(zhǎng)λ、溫度T、發(fā)射率ε以及輻出度Mλ之間的關(guān)系:

其中,L代表信號(hào)周期.目標(biāo)與紅外檢測(cè)設(shè)備間的距離可作為貝葉斯網(wǎng)絡(luò)推演的第二約束條件.

1.3 基于粒子濾波的目標(biāo)間距離

粒子濾波用于被動(dòng)式定位主要通過(guò)動(dòng)態(tài)模型描述物理系統(tǒng).Pk為目標(biāo)在某時(shí)刻k的位置狀態(tài),記作Pk=[xk,yk,vxk,vyk]T,其中(xk,yk)表示目標(biāo)的位置坐標(biāo),(vxk,vyk)表示其速度.Zk則是目標(biāo)在k時(shí)刻的真實(shí)位置.所以,目標(biāo)系統(tǒng)模型與觀測(cè)模型表述為

其中,εk與ηk分別為過(guò)程噪聲和測(cè)量噪聲,且相互獨(dú)立.而G為狀態(tài)轉(zhuǎn)移矩陣,H為理想觀測(cè)矩陣.在k時(shí)刻,更新粒子權(quán)值,其歸一化為其中,C1=3.74×10-12W/cm2,C2=1.44 cm·K,Ee為目標(biāo)處于距離紅外檢測(cè)裝置d處的輻照度.可見(jiàn),目標(biāo)與已知設(shè)備間的距離可通過(guò)檢測(cè)紅外輻射中的相關(guān)參量獲取.同時(shí)紅外測(cè)距原理和超聲、雷達(dá)測(cè)距原理相似,由于光速傳播極快,常規(guī)方法及設(shè)備無(wú)法精準(zhǔn)測(cè)量,所以一般是將紅外線(xiàn)發(fā)射功率調(diào)制上一個(gè)較低的頻率,然后測(cè)量回波與發(fā)射波的相位差,根據(jù)相位差Δφ可計(jì)算出回波時(shí)間Δt,即

因此,k時(shí)刻目標(biāo)位置參數(shù)P的最小均方估計(jì)為

利用系統(tǒng)模型預(yù)測(cè)目標(biāo)出現(xiàn)的位置,并可將其作為第三約束條件.

2 基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的定位

異構(gòu)數(shù)據(jù)協(xié)同定位模型(Heterogeneous Data Synergistic targeting methods,HDS)在定位前將定位區(qū)域的位置標(biāo)記為[L1,…,Lk,…,LN].針對(duì)某一待估計(jì)位置,筆者所提方法不再是傳統(tǒng)的基于簡(jiǎn)單貝葉斯推論,而是將多種推理及約束融合為一體形成貝葉斯網(wǎng)絡(luò),對(duì)待估計(jì)位置構(gòu)建更多的約束,在數(shù)據(jù)獲取上利用紅外信號(hào)消除多徑帶來(lái)的誤差,在位置推理上利用距離約束消除貝葉斯推論固有的誤差,從而提高了定位精度.下面分別介紹每部分的原理和總體模型.

第1部分是基于無(wú)線(xiàn)信號(hào)(RSSI)的定位,如圖2(a)所示,其中,Lk表示目標(biāo)位于第k個(gè)位置,向量Rk= [rk,1,…,rk,Q]表示目標(biāo)在位置Lk時(shí)收集到的Q個(gè)RSS值.定位前的離線(xiàn)階段,在位置Lk采集一組先驗(yàn)知識(shí)向量Rk,得到先驗(yàn)概率P(Rk);在線(xiàn)定位階段,根據(jù)收到的無(wú)線(xiàn)信號(hào)RSS值,利用貝葉斯理論[9]得到后驗(yàn)概率P(Lx=Lk|Rk)最大的位置Lk,然后將Lk作為目標(biāo)位置的估計(jì).

第2部分是基于紅外信號(hào)的定位,如圖2(b)所示,其中,向量Hk=[hk,1,…,hk,Q],表示目標(biāo)在位置Lk時(shí)收集到的Q個(gè)紅外信號(hào)值.與第1部分類(lèi)似,在離線(xiàn)階段采集先驗(yàn)知識(shí)并得到先驗(yàn)概率P(Hk),在定位階段,根據(jù)收到的紅外信號(hào)的值,將使得后驗(yàn)概率P(Lx=Lk|Hk)最大的位置Lk作為目標(biāo)位置的估計(jì).

第3部分是基于距離約束的定位誤差修正,如圖2(c)所示,其中,dl,k表示位置Ll和Lk間的距離.筆者利用距離dl,k來(lái)約束后驗(yàn)概率P(Ll|Rl,Hl)和P(Lk|Rk,Hk)的分布,剔除錯(cuò)誤位置,提高定位精度.為方便說(shuō)明,考慮一種簡(jiǎn)單的一維區(qū)域定位情況,當(dāng)目標(biāo)在位置Ll時(shí),用無(wú)線(xiàn)信號(hào)Rl和紅外信號(hào)Hl可以計(jì)算出目標(biāo)的位置分布P(Ll|Rl,Hl),其分布在0～5 m之間.同樣,可以計(jì)算出目標(biāo)在位置Lk的分布P(Lk|Rk, Hk),其分布在9～14 m之間.同時(shí),根據(jù)粒子濾波可以估計(jì)出目標(biāo)的軌跡,可得到位置Ll和Lk之間的距離dl,k=5 m.距離約束dl,k將位置Ll和Lk限制為L(zhǎng)l≥4,Lk≤10,從而修正了分布P(Ll|Rl,Hl)在4～5 m之間,分布P(Lk|Rk,Hk)在9～10 m之間.容易看到,這種修正剔除了目標(biāo)不可能存在的位置,從而提高了精度.采用粒子濾波估計(jì)的方法獲取dl,k,在目標(biāo)運(yùn)動(dòng)狀態(tài)下,當(dāng)其處于位置Ll時(shí),通過(guò)粒子濾波可估計(jì)出目標(biāo)的下一個(gè)位置Lk,從而得到距離dl,k.

圖2 HDS系統(tǒng)框圖

如前所述,在進(jìn)行目標(biāo)定位時(shí),筆者將無(wú)線(xiàn)信號(hào)和紅外信號(hào)兩種異構(gòu)數(shù)據(jù)利用貝葉斯網(wǎng)絡(luò)進(jìn)行協(xié)同定位,具體為將前面講到的3部分聯(lián)合構(gòu)成如圖2(d)所示的貝葉斯網(wǎng)絡(luò).基于貝葉斯網(wǎng)絡(luò)理論和貝葉斯公式,以及圖2所示的獨(dú)立性關(guān)系,可得到目標(biāo)在位置Lk的概率為

其中,α是與Lk無(wú)關(guān)的正數(shù);P(rk,i|Lk)和P(hk,i|Lk)分別是無(wú)線(xiàn)信號(hào)數(shù)據(jù)下的條件概率和紅外信號(hào)數(shù)據(jù)下的條件概率,其均通過(guò)定位前的先驗(yàn)知識(shí)獲得;P(Lk|dk-1,k)是距離修正后的概率分布.P(Lk|Lk-1)是類(lèi)(位置)轉(zhuǎn)移概率,通常情況下定位區(qū)域內(nèi)的位置都是均勻劃分的,因此,針對(duì)已知的定位區(qū)域,該概率是一個(gè)定值1nk,nk為位置Lk周?chē)钠渌恢脭?shù)目.目標(biāo)的位置估計(jì)^Lk是使得下式概率最大的位置:

3 實(shí)驗(yàn)仿真

針對(duì)所提出的HDS方法,以Matlab 7.0為仿真平臺(tái),進(jìn)行了大量的定位仿真實(shí)驗(yàn).由于環(huán)境的不同,分別進(jìn)行了開(kāi)闊環(huán)境與多徑環(huán)境下的定位測(cè)試.仿真實(shí)驗(yàn)場(chǎng)景是在25 m×35 m的矩形區(qū)域中部署35組紅外和無(wú)線(xiàn)模塊,每組模塊中各含紅外和無(wú)線(xiàn)模塊一個(gè),每組模塊間隔為5 m.所有無(wú)線(xiàn)模塊可互相通信,構(gòu)成覆蓋整個(gè)矩形區(qū)域的無(wú)線(xiàn)信號(hào)環(huán)境.所有紅外模塊均各自以120°的角度收集來(lái)自矩形區(qū)域的熱輻射信號(hào).在仿真實(shí)驗(yàn)過(guò)程中,所需要的定位數(shù)據(jù)均通過(guò)第1節(jié)中介紹的模型來(lái)計(jì)算得到,所需的參數(shù)取值如表1所示.在定位仿真中,讓目標(biāo)隨機(jī)出現(xiàn)在該矩形區(qū)域內(nèi),采集所有模塊的數(shù)據(jù),通過(guò)不同的定位方法給出定位結(jié)果.通過(guò)與現(xiàn)有的兩類(lèi)經(jīng)典算法的比較,體現(xiàn)HDS的優(yōu)越性.

表1 無(wú)線(xiàn)模塊和紅外模塊仿真參數(shù)

圖3(a)和圖3(b)分別展示了文中算法HDS在開(kāi)闊環(huán)境(SNR為40dB)和多徑環(huán)境(SNR為5dB)下的定位性能,在兩種環(huán)境下分別進(jìn)行了只有無(wú)線(xiàn)信號(hào)、只有紅外信號(hào)及兩種信號(hào)結(jié)合時(shí)的3種定位仿真實(shí)驗(yàn).在每種環(huán)境下,將每個(gè)定位方法進(jìn)行100次測(cè)試.定位結(jié)果的累積概率分布(CDF)曲線(xiàn)如圖3(a)所示,由該圖可知,基于紅外的定位誤差最大,80%的定位誤差都在1.2 m以?xún)?nèi).基于無(wú)線(xiàn)信號(hào)的定位精度較高,80%的定位誤差都在0.5 m以?xún)?nèi).兩種信號(hào)結(jié)合下的定位精度最高,但較只有無(wú)線(xiàn)信號(hào)的定位精度提高不多,這是因?yàn)樵陂_(kāi)闊環(huán)境下無(wú)線(xiàn)信號(hào)干擾較少,因此基于無(wú)線(xiàn)信號(hào)的定位能達(dá)到很好的效果.圖3(b)展示的定位精度變化趨勢(shì)與圖3(a)類(lèi)似,不同之處在于此時(shí)兩種信號(hào)結(jié)合的定位精度較其中任意一個(gè)定位方法的精度都有較大提高,如80%的定位誤差由0.7 m(基于無(wú)線(xiàn)信號(hào))和1.1 m(基于紅外信號(hào))降低到0.5 m(兩種信號(hào)的結(jié)合).這是因?yàn)樵诙鄰江h(huán)境下,無(wú)線(xiàn)信號(hào)易受干擾導(dǎo)致定位誤差大,而紅外信號(hào)不受多徑影響,如定位誤差在20%以下時(shí),基于紅外信號(hào)的定位誤差小于基于無(wú)線(xiàn)信號(hào)的定位誤差,紅外信號(hào)的抗多徑優(yōu)點(diǎn)可以彌補(bǔ)無(wú)線(xiàn)信號(hào)定位的不足,與此同時(shí),無(wú)線(xiàn)信號(hào)的定位粒度比紅外信號(hào)細(xì),因此,在多徑環(huán)境下兩種信號(hào)結(jié)合的定位結(jié)果具有互補(bǔ)的作用,故將兩種信號(hào)結(jié)合可以提高定位精度.

圖3 仿真結(jié)果

圖3(c)展示了定位誤差隨人移動(dòng)距離的變化趨勢(shì),在仿真試驗(yàn)中,讓目標(biāo)沿矩形區(qū)域內(nèi)側(cè)的一條長(zhǎng)70 m的曲線(xiàn)運(yùn)動(dòng),每隔2 m進(jìn)行一次定位.針對(duì)距離dl,k的估計(jì)使用粒子濾波的方法,因此,目標(biāo)行走距離越遠(yuǎn),對(duì)于距離dl,k的估計(jì)將會(huì)越準(zhǔn),更精確的距離約束將會(huì)剔除更多的錯(cuò)誤定位,使得定位精度更高.

圖3(d)顯示了文中定位方法HDS與現(xiàn)有兩類(lèi)經(jīng)典算法的比較.這兩類(lèi)經(jīng)典算法分別是基于學(xué)習(xí)的RASS算法[10]和基于計(jì)算的M-A算法[3],分別在開(kāi)闊和多徑兩種環(huán)境下進(jìn)行了仿真實(shí)驗(yàn).在每種環(huán)境下,將每個(gè)定位方法進(jìn)行100次測(cè)試,平均定位誤差如圖3(d)所示,無(wú)論在哪種環(huán)境下,文中HDS方法都優(yōu)于其他兩種定位方法.同時(shí),3種定位方法的定位精度在多徑環(huán)境下較開(kāi)闊環(huán)境都有所下降,然而文中的HDS方法平均誤差僅從0.3 m增加到0.45 m,這是由于文中方法融合了紅外信號(hào)抗多徑干擾的優(yōu)點(diǎn);RASS方法平均誤差則從0.4 m增加到1.1 m,這是因?yàn)镽ASS方法是基于學(xué)習(xí)的方法,對(duì)環(huán)境依賴(lài)大,多徑環(huán)境與開(kāi)闊環(huán)境截然不同,故定位精度下降較多;M-A方法平均誤差變化不大,僅從0.7 m增加到0.8 m,這是因?yàn)镸-A方法是基于計(jì)算的定位方法,對(duì)環(huán)境依賴(lài)小,然而其定位精度較文中的HDS方法還有很大差距.

4 結(jié)束語(yǔ)

信號(hào)強(qiáng)度與紅外技術(shù)作為被動(dòng)式定位中的重要測(cè)距方法,由于各自工作原理特點(diǎn)約束,一直制約其在室外環(huán)境下較大范圍中細(xì)粒度定位要求的實(shí)際應(yīng)用.筆者提出了基于動(dòng)態(tài)貝葉斯圖的異構(gòu)數(shù)據(jù)協(xié)同定位方法,實(shí)現(xiàn)了細(xì)粒度的目標(biāo)定位,解決了傳統(tǒng)方法在位置求解時(shí)的較大誤差問(wèn)題.其中詳細(xì)討論了貝葉斯圖的延伸過(guò)程,并給出了具體的位置求解公式;通過(guò)實(shí)驗(yàn)仿真,深入分析了該方法的定位精度,驗(yàn)證了其正確性及有效性.

[1]Seifeldin M,Saeed A,Kosba A E,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.

[2]Wang J,Fang D Y,Chen X J.LCS:Compressive Sensing based Device-Free Localization for Multiple Targets in Sensor Networks[C]//Proceedings of IEEE International Conference on Computer Communications.Piscataway:IEEE,2013: 145-149.

[3]Zhang D,Ma J,Chen Q B,et al.An RF-based System for Tracking Transceiver-free Objects[C]//Proceedings of IEEE International Conference on Pervasive Computing and Communications.Los Alamitos:IEEE,2007:135-144.

[4]Zhang D,Ni L M.Dynamic Clustering for Tracking Multiple Transceiver-free Objects[C]//Proceedings of International Conference on Pervasive Computing and Communications.Piscataway:IEEE,2009:1-8.

[5]Chintalapudi K,Iyer A P,Padmanabhan V N.Indoor Localization Without the Pain[C]//Proceedings of the Annual International Conference on Mobile Computing and Networking.New York:ACM,2010:173-184.

[6]Salman N,Ghogho M,Kemp A H.On the Joint Estimation of the RSS-based Location and Path-loss Exponent[J]. IEEE Wireless Communications Letters,2012,1(1):34-37.

[7]辛云宏,楊萬(wàn)海.基于偽線(xiàn)性卡爾曼濾波的兩站紅外無(wú)源定位及跟蹤技術(shù)[J].西安電子科技大學(xué)學(xué)報(bào),2004,31(4): 505-508.

Xin Yunhong,Yang Wanhai.Pseudo-linear Kalman Filter Based Passive Location and Tracking Techniques by Two Infrared Stations[J].Journal of Xidian University,2004,31(4):505-508.

[8]Theodore S.Rappaport,Wireless Communications:Principles and Practice[M].London:Prentice-Hall,1996.

[9]Park J G,Curtis D,Teller S,et al.Implications of Device Diversity for Organic Localization[C]//Proceedings of IEEE International Conference on Computer Communications.Piscataway:IEEE,2011:3182-3190.

[10]Zhang D,Liu Y H,Guo X N,et al.RASS:A Real-time,Accurate and Scalable System for Tracking Transceiver-free Objects[J].IEEE Transactions on Parallel and Distributed systems,2013,24(5):996-1008.

(編輯:李恩科)

Heterogeneous data synergistic location method in the WSN

XING Tianzhang1,WANG Ju1,CHEN Xiaojiang1, FANG Dingyi1,YANG Zhe2
(1.School of Information and Technology,Northwest Univ.,Xi’an 710127,China; 2.School of Computer Science,Northwestern Polytechnical Univ.,Xi’an 710069,China)

For the passive localization problem,a novel method called the heterogeneous data synergistic (HDS)based on the dynamic Bayesian network is proposed,which can coordinate heterogeneous data,and localize the target in the wireless sensor network(WSN).By comprehensively analyzing the three localization models(the signal strength model,the infrared ranging model and the particle filter)in the WSN,their characteristics are summarized in brief.According to the Bayesian network and the different characteristics,the HDS is designed under the dynamic deduction.Simulation results prove that the proposed method is adequate to the passive localization,and that compared with other traditional methods, the localization accuracy is greatly improved.

wireless sensor network;passive localization;signal strength;infrared ranging;Bayesian network

TP915

A

1001-2400(2014)05-0197-06

2014-01-07

國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2013BAK01B02,2013BAK01B05);國(guó)家自然科學(xué)基金資助項(xiàng)目(61170218,61272461);陜西省教育廳自然專(zhuān)項(xiàng)資助項(xiàng)目(2013JK1126,2013JK1127);西北大學(xué)科學(xué)研究基金資助項(xiàng)目(12NW05);中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目(K5051203003)

邢天璋(1981-),男,講師,E-mail:xtz@nwu.edu.cn.

10.3969/j.issn.1001-2400.2014.05.033