姜 華， 何風(fēng)行， 陳文權(quán)， 毛 嘉， 苑廣欣

(中國(guó)科學(xué)院 上海高等研究院 城市公共安全中心，上海 201210)

一種基于超聲和射頻融合的無(wú)線傳感器網(wǎng)絡(luò)網(wǎng)格定位方法*

姜 華， 何風(fēng)行， 陳文權(quán)， 毛 嘉， 苑廣欣

(中國(guó)科學(xué)院 上海高等研究院 城市公共安全中心，上海 201210)

提出了一種基于超聲和射頻融合的網(wǎng)格定位方法。首先對(duì)射頻的無(wú)線信號(hào)強(qiáng)度進(jìn)行篩選，采用壓縮感知方法進(jìn)行粗定位。然后基于粗定位結(jié)果對(duì)超聲測(cè)量的計(jì)時(shí)結(jié)果進(jìn)行評(píng)價(jià)和加權(quán)，以抵抗局部非視距(NLoS)環(huán)境影響。之后再迭代時(shí)進(jìn)行進(jìn)一步精細(xì)定位與超聲計(jì)時(shí)結(jié)果的評(píng)價(jià)加權(quán)，直至達(dá)到終止條件。測(cè)試結(jié)果顯示：所提出的融合定位方法的定位精度優(yōu)于經(jīng)典的CHAN算法，在實(shí)際測(cè)試中取得較好的定位性能。

無(wú)線傳感器網(wǎng)絡(luò)； 融合定位； 壓縮感知； 網(wǎng)格定位

0 引 言

室內(nèi)復(fù)雜場(chǎng)景下的目標(biāo)定位問(wèn)題越來(lái)越引起學(xué)者關(guān)注[1,2]，由于室內(nèi)不具有GPS信號(hào)覆蓋，基于無(wú)線傳感器網(wǎng)絡(luò)(WSNs)的系統(tǒng)是解決室內(nèi)目標(biāo)定位問(wèn)題的主要方法[3～5]，其中基于射頻的接收信號(hào)強(qiáng)度(RSS)[2～5]和超聲波[6,7]是常用的定位手段， RSS定位成本低廉、部署方便，但是定位精度較差，一般在m級(jí)；室內(nèi)超聲定位精度較高，文獻(xiàn)[6]在室內(nèi)無(wú)遮擋的情況下達(dá)到了10 cm以內(nèi)的定位精度，但是由于室內(nèi)復(fù)雜環(huán)境的限制，受非視距(NLoS)影響較為嚴(yán)重。

本文提出了一種基于超聲和射頻融合定位的方法，以抵抗室內(nèi)復(fù)雜環(huán)境的影響。首先將基于RSS的定位問(wèn)題轉(zhuǎn)換為壓縮感知問(wèn)題，得到粗定位結(jié)果，然后根據(jù)粗定位結(jié)果對(duì)超聲測(cè)量結(jié)果進(jìn)行篩選，消除局部NLoS環(huán)境影響，根據(jù)優(yōu)選結(jié)果迭代進(jìn)行超聲網(wǎng)格精細(xì)定位。測(cè)試結(jié)果顯示：本文提出的方法具有較好的定位效果。

1 系統(tǒng)總體設(shè)計(jì)

1.1 系統(tǒng)模型

系統(tǒng)模型如圖1所示，設(shè)需要定位的區(qū)域?yàn)槭覂?nèi)一矩形區(qū)域，將此矩形區(qū)域劃分為N個(gè)網(wǎng)格。此區(qū)域中移動(dòng)目標(biāo)周期性發(fā)射射頻信號(hào)和超聲信號(hào)，在區(qū)域周?chē)荚O(shè)M個(gè)傳感器節(jié)點(diǎn)，可接收超聲和射頻信號(hào)，每個(gè)傳感器節(jié)點(diǎn)的位置為已知。傳感器節(jié)點(diǎn)將信號(hào)測(cè)量結(jié)果(RSS值和到達(dá)時(shí)間(ToA)值)發(fā)送給融合中心。融合中心運(yùn)行網(wǎng)格融合定位算法，計(jì)算出目標(biāo)位置。

圖1 采用超聲和射頻融合的網(wǎng)格定位系統(tǒng)模型

1.2 算法架構(gòu)

超聲和射頻融合定位算法的整體架構(gòu)如圖2所示，首先采用Fisher準(zhǔn)則進(jìn)行RSS測(cè)量結(jié)果篩選，然后壓縮感知方法進(jìn)行RSS粗定位，根據(jù)粗定位結(jié)果和ToA結(jié)果匹配、評(píng)價(jià)、加權(quán)，進(jìn)行超聲信號(hào)的網(wǎng)格精細(xì)定位。

圖2 超聲和射頻融合定位算法的整體架構(gòu)

2 射頻信號(hào)網(wǎng)格粗定位壓縮感知算法

2.1 壓縮感知

假設(shè)已知測(cè)量矩陣Φ∈RM×N(M?N)和某未知信號(hào)X∈RN在采用該測(cè)量矩陣時(shí)的線性測(cè)量值Y∈RM

YM×1=ΦM×NXN×1.

(1)

Y也可以看作信號(hào)X在測(cè)量矩陣Φ下的線性投影。壓縮感知主要解決的問(wèn)題是由測(cè)量結(jié)果Y重構(gòu)信號(hào)X。由于X的維數(shù)遠(yuǎn)大于Y的維數(shù)，這是一個(gè)欠定線性方程組求解問(wèn)題，有無(wú)窮多解。但是,壓縮感知理論證明，如果信號(hào)X是K稀疏的，并且Y與Φ滿足一定條件，信號(hào)X可以由測(cè)量值Y通過(guò)求解l1范數(shù)最小的最優(yōu)化問(wèn)題精確重構(gòu)[8,9]

X=argmin‖X‖1,s.t.ΦX=Y.

(2)

2.2RSS測(cè)量結(jié)果篩選

由于室內(nèi)無(wú)線信道受多徑等因素影響，空間某一位置的RSS測(cè)量結(jié)果在一定范圍內(nèi)波動(dòng)。為了去除RSS異常值帶來(lái)的定位偏差，在離線情況下，采用Fisher準(zhǔn)則對(duì)RSS結(jié)果進(jìn)行評(píng)價(jià)[10]，排除掉異常傳感器節(jié)點(diǎn)帶來(lái)的影響

(3)

式中φi,j為傳感器節(jié)點(diǎn)i接收到的位于參考點(diǎn)j的目標(biāo)發(fā)射的RSS值，分子的含義為RSS在不同參考點(diǎn)測(cè)量值的變化幅度，衡量了傳感器節(jié)點(diǎn)區(qū)分不同參考點(diǎn)的能力，數(shù)值越大區(qū)分度越強(qiáng)。Δi,j為傳感器節(jié)點(diǎn)在不同時(shí)刻接收同一位置參考點(diǎn)RSS值的方差，分母的含義為衡量了傳感器節(jié)點(diǎn)RSS的時(shí)間穩(wěn)定性，分母越小表示測(cè)量結(jié)果在時(shí)域上更穩(wěn)定。

2.3 壓縮感知問(wèn)題建模

文獻(xiàn)[5]建立了壓縮感知定位模型。系統(tǒng)的壓縮采樣過(guò)程可用式(4)描述，xn=0或1(1≤n≤N)，當(dāng)?shù)趎個(gè)網(wǎng)格中有目標(biāo)時(shí),xn=1;否則,xn=0。傳感器的測(cè)量結(jié)果Y為測(cè)量矩陣與稀疏向量X的乘積，其物理意義為傳感器節(jié)點(diǎn)ym(1≤m≤M)接收到的目標(biāo)信號(hào)強(qiáng)度。

(4)

式(4)簡(jiǎn)記為

YM×1=PM×NXN×1.

(5)

根據(jù)上面的模型，基于RSS的目標(biāo)定位問(wèn)題轉(zhuǎn)換為壓縮感知問(wèn)題?？梢赃\(yùn)用l1范數(shù)最小等重構(gòu)算法求出問(wèn)題的解。測(cè)量矩陣P的生成有兩種辦法：一種方法是采用信號(hào)衰減模型生成測(cè)量矩陣，適用于室內(nèi)環(huán)境理想的情況；另一種方法是根據(jù)實(shí)際測(cè)試結(jié)果得到測(cè)量矩陣，適用于室內(nèi)環(huán)境復(fù)雜的情況。本文采用后一種方法，根據(jù)各網(wǎng)格參考點(diǎn)中的目標(biāo)信號(hào)進(jìn)行實(shí)際測(cè)試得到測(cè)量矩陣。

2.4 壓縮感知貪婪匹配重構(gòu)算法

壓縮感知重構(gòu)算法可分為以下五類[11]：貪婪追蹤法、凸松弛法、貝葉斯法、非凸優(yōu)化法和窮舉法。貪婪追蹤法和凸松弛法有較完備的理論基礎(chǔ)，成為應(yīng)用最多的兩種方法。凸松弛法性能比較穩(wěn)定，但計(jì)算量大；貪婪追蹤法實(shí)現(xiàn)簡(jiǎn)單，運(yùn)行時(shí)間短，但需要一定量的先驗(yàn)信息。本文采用貪婪匹配算法[12]，定位算法設(shè)計(jì)如下：

輸出：重構(gòu)信號(hào)X

1)初始化，匹配余量y′=y，重構(gòu)結(jié)果X=0，支撐集為全部網(wǎng)格N；

2)求解如下優(yōu)化問(wèn)題，其中,z為稀疏度為1的列向量(只有第i個(gè)元素的值為zi，其余元素均為0)

3)如果z≠0，則y′=y′-Pz，X=X+z，支撐集減去當(dāng)前網(wǎng)格，跳轉(zhuǎn)到第2步；

4)信號(hào)重構(gòu)結(jié)束，重構(gòu)結(jié)果為X。

上述算法通過(guò)求余量y′與測(cè)量矩陣中各原子的相關(guān)性進(jìn)行信號(hào)逼近和余量更新，保證了每次迭代的最優(yōu)性，迭代次數(shù)最大為N。

3 超聲信號(hào)網(wǎng)格精細(xì)定位算法

3.1 對(duì)抗局部NLoS影響的超聲節(jié)點(diǎn)信號(hào)篩選

4.家庭教育方式不當(dāng)。家長(zhǎng)過(guò)度的嘮叨、責(zé)罵、猜疑、嘲諷甚至動(dòng)之以拳腳或不切實(shí)際的加大學(xué)習(xí)量，使學(xué)生有可能產(chǎn)生抵觸情緒進(jìn)而演化為厭學(xué)情緒。

超聲的傳播速度約為340 m/s，超聲飛行時(shí)間(time of flight,ToF)測(cè)量精度可以達(dá)到μs級(jí)，所以,超聲定位精度一般明顯高于RSS定位。但由于室內(nèi)環(huán)境的復(fù)雜性，NLoS對(duì)超聲定位結(jié)果有很大影響。文獻(xiàn)[13]對(duì)室內(nèi)環(huán)境下超聲波傳輸特性進(jìn)行了詳細(xì)研究，分類如下：

1)無(wú)遮擋情況(視距傳播):如圖3中的目標(biāo)和傳感器節(jié)點(diǎn)B1，這種情況下ToF測(cè)量誤差小于0.15 %，主要是溫差對(duì)聲速的影響，如果溫度相差5 ℃，誤差約為1 %。

2)輕微遮擋(遠(yuǎn)處):如圖3中的目標(biāo)和傳感器節(jié)點(diǎn)B2，這種情況下誤差具有一定的隨機(jī)性，最大誤差約為5 %。

3)較嚴(yán)重遮擋(近處):如圖3中的目標(biāo)和傳感器節(jié)點(diǎn)B3，這種情況下誤差和遮擋物距離非常相關(guān)，最大誤差可能達(dá)到10 %～100 %。

4)嚴(yán)重遮擋(完全遮擋):如圖3中的目標(biāo)和傳感器節(jié)點(diǎn)B4，這種情況下無(wú)ToF測(cè)量結(jié)果，或?yàn)樵肼?、干擾觸發(fā)的無(wú)意義的結(jié)果。

圖3 室內(nèi)環(huán)境對(duì)超聲傳輸?shù)挠绊?/p>

本文假設(shè)受NLoS影響的是少數(shù)傳感器節(jié)點(diǎn)，大部分傳感器節(jié)點(diǎn)和目標(biāo)之間是視距路徑。利用RSS粗定位結(jié)果，對(duì)超聲信號(hào)的ToA結(jié)果進(jìn)行評(píng)價(jià)和加權(quán)，對(duì)抗局部NLoS影響

(6)

式中 wi為傳感器節(jié)點(diǎn)i的權(quán)重，x為RSS粗定位結(jié)果與傳感器節(jié)點(diǎn)i的ToA結(jié)果之間的偏差。當(dāng)偏差小于閾值a(約為網(wǎng)格大小)，對(duì)應(yīng)為視距傳播情況，評(píng)價(jià)結(jié)果為“good”，權(quán)重為1；當(dāng)偏差大于閾值b(約為2倍網(wǎng)格大小)，對(duì)應(yīng)為嚴(yán)重遮擋情況，評(píng)價(jià)結(jié)果為“bad”，權(quán)重為0；當(dāng)偏差介于a～b之間，評(píng)價(jià)結(jié)果為待定，按照式(6)計(jì)算權(quán)重值，介于0～1之間。

3.2 超聲信號(hào)網(wǎng)格定位方法

超聲信號(hào)網(wǎng)格定位方法如圖4所示，由粗到精的迭代進(jìn)行網(wǎng)格定位。網(wǎng)格大小的初值取為RSS粗定位網(wǎng)格大小，面積每次縮小為1/4。

圖4 超聲信號(hào)網(wǎng)格定位方法

目標(biāo)函數(shù)為加權(quán)的定位偏差最小

(7)

上述目標(biāo)函數(shù)最優(yōu)化求解迭代進(jìn)行。初值根據(jù)粗定位結(jié)果得到，wi為權(quán)重值，di為測(cè)量結(jié)果得到的距離值，d0為根據(jù)上次迭代定位結(jié)果得到的距離值。終止條件為達(dá)到期望精度或目標(biāo)網(wǎng)格內(nèi)有效ToA結(jié)果小于閾值。

4 實(shí)驗(yàn)驗(yàn)證

4.1 測(cè)試平臺(tái)

實(shí)驗(yàn)室環(huán)境下基于自研硬件平臺(tái)進(jìn)行了實(shí)際測(cè)試，圖5(a)為傳感器節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)包含射頻收發(fā)模塊與數(shù)據(jù)處理模塊，數(shù)據(jù)處理模塊采用意法半導(dǎo)體ARMCortexM3系列STM32F103VG處理器，射頻模塊采用德州儀器CC1101射頻芯片。每個(gè)節(jié)點(diǎn)含2只MIC，相距1m。圖5(b)為超聲和射頻發(fā)射節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)含3只超聲揚(yáng)聲器，互成120°夾角。

圖5 超聲和射頻融合定位硬件平臺(tái)

4.2 定位性能

實(shí)驗(yàn)室大小為8m×12m，由于實(shí)驗(yàn)臺(tái)、機(jī)柜、人員走動(dòng)，存在NLoS路徑。在墻壁上部署了6個(gè)傳感器節(jié)點(diǎn)，如圖6。參數(shù)設(shè)置為：粗定位網(wǎng)格大小為2m。超聲評(píng)價(jià)閾值的初值a=1.5m，b=3m。人員移動(dòng)路線和定位結(jié)果見(jiàn)圖6。定位偏差最大為50cm左右，原因是由于該處超聲信號(hào)被嚴(yán)重遮擋。

圖6 超聲和射頻融合定位結(jié)果

對(duì)本文提出的融合算法和經(jīng)典的CHAN算法的定位性能進(jìn)行了對(duì)比，如圖7所示。在相同測(cè)試環(huán)境下(有2個(gè)節(jié)點(diǎn)存在遮擋)，本文算法的定位誤差小于15cm，CHAN算法的定位誤差小于45cm。不同定位環(huán)境下的定位效果對(duì)比如表1所示。本文算法采用射頻和超聲融合，對(duì)超聲信號(hào)進(jìn)行篩選、加權(quán)，剔除了局部NLoS影響，取得了更好地定位效果。

圖7 累積誤差分布對(duì)比

表1 不同室內(nèi)環(huán)境情況下定位精度對(duì)比

5 結(jié) 論

室內(nèi)定位有著重要和廣泛的應(yīng)用場(chǎng)景。本文利用超聲和射頻融合進(jìn)行無(wú)線傳感器網(wǎng)絡(luò)網(wǎng)格定位，系統(tǒng)易于部署，測(cè)試結(jié)果表明：本文提出的融合定位方法的定位精度優(yōu)于經(jīng)典的CHAN算法，在具有局部NLoS路徑的室內(nèi)實(shí)際環(huán)境下取得了較好的定位效果。

[1] 高云峰，周 倫，呂明睿,等.自主移動(dòng)機(jī)器人室內(nèi)定位方法研究綜述[J].傳感器與微系統(tǒng),2013,32(12):1-6.

[2] Paramvir Bahl,Venkata N Padmanabhan.RADAR:An in-building RF-based user location and tracking system[C]∥Proceedings of INFOCOM 2000,Israel,2000:775-784.

[3] Lee Hojae,Lee Sanghoon,Kim Yeonsoo,et al.Grouping multi-duolateration localization using partial space information for indoor wireless sensor networks[J].IEEE Transactions on Consumer Electronics,2009,55(4):1950-1958.

[4] 孫 妍，陶正蘇，陳德富.基于無(wú)線傳感器網(wǎng)絡(luò)的室內(nèi)精確定位算法[J].傳感器與微系統(tǒng),2009,28(5):99-102.

[5] 何風(fēng)行,余志軍,劉海濤.基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)定位算法[J].電子與信息學(xué)報(bào),2010,23(3):347-353.

[6] 韓 霜，羅海勇，陳 穎，等.基于TDOA的超聲波室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].傳感技術(shù)學(xué)報(bào),2010,34(3):716-721.

[7] 劉 君，吳建國(guó)，褚曦丹.Cricket室內(nèi)定位系統(tǒng)的研究與改進(jìn)[J].計(jì)算機(jī)技術(shù)與發(fā)展,2011,21(5):206-209.

[8] Donoho D L.Compressed sensing[J]. IEEE Transactions on Information Theory,2006,52(4):1289-1306.

[9] Candes E,Romberg J,Tao T.Robust uncertainty principles:Exact signal reconstruction from highly incomplete frequency informa-tion[J].IEEE Transactions on Information Theory,2006,52(2):489-509.

[10] 馮 辰.基于壓縮感知的RSS室內(nèi)定位系統(tǒng)的研究與實(shí)現(xiàn)[D].北京：北京交通大學(xué)，2011.

[11] Tropp J A,Wright S J.Computational methods for sparse solution of linear inverse problems[C]∥Proceedings of the IEEE,2010,98(6):948-958.

[12] Zhang Bowu,Cheng Xiuzhen.Sparse target counting and localization in sensor networks based on compressive sensing[C]∥INFOCOM,Shanghai,China,2011:10-15.

[13] Casas R,Marco A,Guerrero J J,et al.Robust estimator for non-line-of-sight error mitigation in indoor localization[J].European Association for Signal Processing Journal on Applied Signal Processing,2006,6(2):156-163.

A method of grid localization in WSNs using fusion of ultrasonic and radio frequency*

JIANG Hua, HE Feng-hang, CHEN Wen-quan, MAO Jia, YUAN Guang-xin

(Center for Urban Public Safety,Shanghai Advanced Research Institute,Chinese Academy of Sciences,Shanghai 201210,China)

A grid localization method using fusion of ultrasonic and radio frequency is proposed.Firstly,wireless signal strength is screened for coarse localization by compressed sensing model.Then,timing results of ultrasonic measurement are evaluated and weighted based on coarse localization results,to conquer effect of local NLoS environment.Further,fine localization is performed and weighted by evaluation of ultrasonic timing result by iteration algorithm,until the termination condition is reached.Test results show that the proposed method achieves better localization precision than classical CHAN algorithm,and better localization property is achieved in practical test.

WSNs; fusion localization; compressed sensing; grid localization

10.13873/J.1000—9787(2015)03—0024—04

2014—07—09

國(guó)家電網(wǎng)公司科技計(jì)劃資助項(xiàng)目

TP 393

A

1000—9787(2015)03—0024—04

姜 華(1977-)，男，山東威海人，博士，副研究員，研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò)、物聯(lián)網(wǎng)。