張亞軍

摘 要：介紹了基于RTI的室內(nèi)成像原理，分析了室內(nèi)定位技術(shù)研究現(xiàn)狀，闡述了室內(nèi)無源定位技術(shù)的發(fā)展方向和應(yīng)用前景。

關(guān)鍵詞：無線傳感網(wǎng)絡(luò)；RTI；成像技術(shù)；無源定位

DOIDOI：10.11907/rjdk.151522

中圖分類號：TP301

文獻(xiàn)標(biāo)識碼：A 文章編號文章編號：16727800（2015）009002002

0 引言

室內(nèi)無源感知、定位及追蹤，是通過對已知的無線傳感網(wǎng)絡(luò)信號分析，利用無線層析成像（Radio Tomographic Imaging，簡稱RTI）原理[ 12 ]，對室內(nèi)未攜帶任何電子設(shè)備的無源生物個體運動行為進(jìn)行探測感知、定位及追蹤的一種新型技術(shù)。該技術(shù)不僅具有重要的應(yīng)用價值，而且可以對無線成像過程進(jìn)行科學(xué)研究，特別是穿墻成像規(guī)則、室內(nèi)無源生物運動信息感知、定位和追蹤關(guān)鍵算法的研究。

研究人員已經(jīng)開展了追蹤未攜帶電子設(shè)備對象的研究，比如攝像機、電容器、壓力計、紅外和超聲波技術(shù)等。但是這些技術(shù)都有嚴(yán)重的限制范圍或較高的部署代價或要求近距離等缺點。尤其在很多室內(nèi)公共場所，例如在濃煙或光線非常暗的場景中（火災(zāi)現(xiàn)場），現(xiàn)有的監(jiān)控攝像頭無法分辨監(jiān)視區(qū)域或者感興趣區(qū)域中的生物運動信息，造成監(jiān)控信息缺失，無法判斷室內(nèi)生物運動信息。此時，無線傳感網(wǎng)絡(luò)是一種有效的監(jiān)控手段，它提供相應(yīng)的監(jiān)控信息，便于監(jiān)控者作出正確的應(yīng)對措施。在人口稠密區(qū)域，如超市、商場等，可以隨時監(jiān)控人流量，甚至可以加入智能預(yù)測技術(shù)，避免擁擠或踩踏事件的發(fā)生。另外，在人質(zhì)營救任務(wù)或軍事戰(zhàn)術(shù)的部署中，無法預(yù)測室內(nèi)運動生物的位置及活動規(guī)律，行動方案難以奏效，而利用無線層析成像技術(shù)，可以感知室內(nèi)生物運動信息，提供正確決策，提高任務(wù)成功率。在目前物聯(lián)網(wǎng)技術(shù)框架內(nèi)，應(yīng)用在家庭安全[ 3 ]方面，尤其是在獨居老人家中搭建室內(nèi)無源定位系統(tǒng)，通過互聯(lián)網(wǎng)鏈接到子女的通信設(shè)備或者對應(yīng)的社區(qū)管理機構(gòu)，以解決老人健康生活輔助問題，避免老人出現(xiàn)意外情況時無法及時發(fā)現(xiàn)而耽誤救助時間[ 4 ]。

1 研究概況

目前，較為成熟的定位技術(shù)是GPS（Global Positioning System，全球定位系統(tǒng)），是目前世界上最常用的衛(wèi)星導(dǎo)航技術(shù)之一。雖然這類技術(shù)在室外定位和目標(biāo)追蹤方面具有絕對優(yōu)勢，但由于現(xiàn)代城市的建筑材料和室內(nèi)環(huán)境的復(fù)雜性，這類技術(shù)在室內(nèi)定位方面優(yōu)勢并不明顯，因此，室內(nèi)定位技術(shù)已成為研究熱點。

室內(nèi)定位技術(shù)分有源定位（Active Location）和無源定位（Passive Location），本文重點研究室內(nèi)無源定位技術(shù)。室內(nèi)無源定位相關(guān)問題作為室內(nèi)無線定位研究的方向之一，在通信和計算機領(lǐng)域已經(jīng)有一些早期研究。其思路主要是利用WiFi信號強度的變化，根據(jù)指紋技術(shù)和Wlan環(huán)境確定室內(nèi)用戶機器問題。最為經(jīng)典的是馬里蘭大學(xué)的Ashok K. Agrawala提出的基于無線射頻客戶端的Horus定位系統(tǒng)。該系統(tǒng)利用無線通道多樣性的不同因素進(jìn)行準(zhǔn)確定位，同時利用聚類定位技術(shù)減少算法的復(fù)雜性。美國羅格斯大學(xué)Chenren Xu和合肥工業(yè)大學(xué)安寧教授等人合作設(shè)計了基于接收信號強度（Received Signal Strength）的SCPL（Sequential Counting， Parallel Localizing）算法，該算法利用條件隨機場（Conditional Random Field ，簡稱CRF）解決了室內(nèi)無源多目標(biāo)的非線性定位問題，定位誤差范圍在1.3m。

室內(nèi)無源定位通常有兩個階段，分別是離線（Offline）階段和在線（Online）階段。在離線階段需要建立定位位置的信號強度，然后建立一個無線地圖（Radio Map），類似于指紋庫技術(shù)。在線階段，就是根據(jù)室內(nèi)無源生物運動信息，在無線地圖中搜索最為接近的地點，確定室內(nèi)生物的位置，實現(xiàn)定位及其運動軌跡信息。

無線地圖分為兩大類：確定技術(shù)和概率技術(shù)。確定技術(shù)的代表作是微軟開發(fā)的Radar系統(tǒng)[ 5 ]，使用均值等相關(guān)非概率方法實現(xiàn)定位估值。概率技術(shù)主要是把接入點（Access Point，簡稱AP）的無線信號強度信息存入無線地圖，使用數(shù)學(xué)概率方法實現(xiàn)用戶或者客戶端定位，較為著名的是Nibble系統(tǒng)，該系統(tǒng)使用貝葉斯網(wǎng)絡(luò)方案實現(xiàn)用戶定位。

S.L.Ting等人使用RFID 技術(shù)（Radio Frequency Identification），研究采用無源的RFID標(biāo)簽定位和跟蹤運動對象位置，提供實時信息，其結(jié)果表明無源RFID定位系統(tǒng)效果令人滿意，兼顧了成本和效益。另外， IndoorAtlas公司已經(jīng)研發(fā)出利用磁場壓力感應(yīng)進(jìn)行定位的技術(shù)，在2014年獲得百度公司1 000萬美元的投資[ 6 ]，應(yīng)用前景看好。

清華大學(xué)劉云浩教授帶領(lǐng)的研究團(tuán)隊對無線網(wǎng)絡(luò)定位與RFID定位進(jìn)行了大量的研究，取得了相關(guān)研究成果，并已經(jīng)應(yīng)用于機場的行李分揀。北京郵電大學(xué)高國威、張世哲等人進(jìn)行了基于位置服務(wù)的相關(guān)研究，輔助ZigBee傳感器和WiFi無線信號進(jìn)行定位，效果明顯。武漢大學(xué)的陳淼等[ 7 ]研究了基于信號強度的WLAN室內(nèi)定位跟蹤系統(tǒng)，提出利用混合高斯模型改進(jìn)定位的精度，同時利用聚類算法減少計算量，從而設(shè)計出一種混合濾波器達(dá)到實時動態(tài)的系統(tǒng)要求。王國利教授[ 8 ]對壓縮傳感支配的多層次生物運動信息行為進(jìn)行了研究，利用光纖傳感網(wǎng)絡(luò)感知運動目標(biāo)位置，提出動態(tài)唯一可解碼優(yōu)化設(shè)計方案，該方案有效減少了部署所需的光纖長度。

近幾年，利用傳感網(wǎng)絡(luò)來實現(xiàn)目標(biāo)定位和追蹤引起了學(xué)術(shù)界的研究興趣。美國猶他大學(xué)的Neal Patwar教授[ 9 ]首次提出利用無線傳感網(wǎng)絡(luò)來生成無線層析圖（RTI）概念，基本原理是：無線傳感網(wǎng)絡(luò)內(nèi)部，室內(nèi)遮擋物會引起接收信號的變化，根據(jù)變化規(guī)律，生成RTI。Neal Patwar 教授的研究團(tuán)隊主要在RTI的基礎(chǔ)上，依次開展室內(nèi)無源目標(biāo)定位和追蹤技術(shù)的研究，其研究的核心是定位問題。假如室內(nèi)目標(biāo)長時間固定在某一個位置，那么定位的方法就會失效，在RTI上目標(biāo)會自動消失。因此，如何克服這一缺陷成為研究的主要方向。為此，Yang Zhao等人提出基于內(nèi)核距離的方法，初步解決了目標(biāo)消失的問題，推動了該領(lǐng)域的研究發(fā)展。

2 重點算法介紹

2.1 成像原理

在監(jiān)視區(qū)域設(shè)計具有令牌環(huán)的WSN，傳感器節(jié)點數(shù)量為K，假設(shè)區(qū)域被劃分為N的像素，則對應(yīng)點對點的網(wǎng)絡(luò)總連接數(shù)為M=K（K-1）2，則有公式如下：

y=Wx+n（1）

其中，y是接收端收到的RSS值向量；W是M×N的矩陣；x是被估計的衰落圖像向量，單位是分貝（dB）；n是噪音向量。

公式（1）求解的問題實質(zhì)上是一個病態(tài)問題，因此經(jīng)過公式變換可以得到公式（2）：

=（WTW + C-1x σ2N ）-1WTy（2）

[Cx]kl=σ2xe-dkl/δcδc（3）

δc是控制成像的平滑度，σ2x是像素的方差。

dij（1）+dij（2）

dij（1）和dij（2）分別是像素點j到達(dá)鏈接i的兩個端點的歐氏距離，d是鏈接i的歐氏距離，λ為橢圓寬度的參數(shù)。如果滿足公式（4）的判斷條件，則可得到公式（5），否則wij的值就為零。 wij=1d（5）

把公式（3）和公式（5）帶入公式（2），即可得到估算的圖像。

2.2 定位估計

由2.1節(jié)內(nèi)容可以計算出對應(yīng)的圖像，在圖像中去尋找像素點最高的一個坐標(biāo)，即可找到目標(biāo)的對應(yīng)位置，這是最基本的定位方法。

使用常用的K近鄰聚類方法，找到最近的K個像素點，然后經(jīng)過KNN算法處理，得到較為合理的估計坐標(biāo)值。目前此類方法已經(jīng)達(dá)到1m以下的精確度。

3 研究展望

基于RTI技術(shù)的室內(nèi)無源生物運動信息研究，其實質(zhì)涉及到圖像處理和定位追蹤等核心算法，是近年來研究熱點之一。RTI是成像問題（實質(zhì)上也是如何解決病態(tài)問題），既要保證圖像的清晰度，又要保證算法的高效性，如何平衡二者的關(guān)系是研究重點之一。

隨著物聯(lián)網(wǎng)技術(shù)的逐步推進(jìn)，室內(nèi)定位技術(shù)在關(guān)愛老人和緊急事件處置等安全領(lǐng)域越來越受到重視，該技術(shù)將得到大力發(fā)展。

參考文獻(xiàn)參考文獻(xiàn)：

[ 1 ] J WILSON，N PATWARI.Seethrough walls：motion tracking using variancebased radio tomography networks[ J ]. IEEE Transactions on Mobile Computing， 2011，10（5）：612621.

[ 2 ] F VIAN，P ROCCA，M BENEDETTI，et al.Electromagnetic passive localization and tracking of moving targets in a WSNinfrastructured environment[ J ]. Inverse Problems， 2010（26）：102106.

[ 3 ] LIU HENG， WANG ZHENGHUAN， BU XIANGYUAN，et al.Image reconstruction algorithms for radio tomographic imaging[ C ].Proceedings of the 2012 IEEE International Conference on Cyber Technology in Automation， Control and Intelligent Systems，2012.

[ 4 ] O KALTIOKALLIO， M BOCCA，N PATWARI.Longterm devicefree localization for residential monitoring[ C ].7th IEEE International Workshop on Practical Issues in Building Sensor Network Applications，2012：991998.

[ 5 ] P BAHL，V N PADMANABHAN. RADAR： An inbuilding RFbased user location and tracking system[ J ].IEEE Infocom，2000（2）：775784.

[ 6 ] 傳百度以1000萬美元投資室內(nèi)導(dǎo)航技術(shù)公司[ RB/OL ].http：//tech.qq.com/a/20140903/019834.htm.

[ 7 ] 陳淼. 基于多高斯混合模型的WLAN室內(nèi)定位系統(tǒng)[ J ].華中科技大學(xué)學(xué)報：自然科學(xué)版，2012（4）：6771.

[ 8 ] 陳喜鋒，王國利，郭雪梅. 實現(xiàn)目標(biāo)跟蹤的光纖傳感網(wǎng)絡(luò)及其優(yōu)化設(shè)計[ J ].自動化學(xué)報，2014（7）：13481354.

[ 9 ] J WILSON，N PATWARI.Radio tomographic imaging with wireless networks[ J ].IEEE Transactions on Mobile Computing，2010，9（5）：621632.

責(zé)任編輯（責(zé)任編輯：杜能鋼）