錢 慧，劉煥林

（福州大學 物理與信息工程學院，福建 福州 350116）

0 引 言

隨著物聯(lián)網(wǎng)技術(shù)的不斷進步，未來傳感器節(jié)點的數(shù)量將呈現(xiàn)爆炸式增長，這種趨勢下，物聯(lián)網(wǎng)為人類提供的業(yè)務(wù)種類會越來越多[1-3]。無線傳感網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是物聯(lián)網(wǎng)的重要組成部分，利用其實現(xiàn)對網(wǎng)絡(luò)區(qū)域內(nèi)目標的定位已成為研究熱點之一。射頻層析成像（Radio Tomographic Imaging， RTI）以無線通信傳輸?shù)乃p模型為基礎(chǔ)，是一種新興的用于對WSN中物體造成的衰減進行成像的技術(shù)。自2009年美國猶他大學學者Joey Wilson和Neal Patwari提出該技術(shù)以來，本領(lǐng)域的研究重心主要集中在室內(nèi)外定位、目標追蹤和模式識別方面[4-6]。為提升系統(tǒng)性能，研究人員針對重構(gòu)算法、物理模型進行了深入的研究[7-10]。目前該技術(shù)主要應(yīng)用于室內(nèi)定位，在不同的應(yīng)用場景下如何選取重構(gòu)算法對RTI系統(tǒng)的推廣至關(guān)重要[11]。

一般情況下，時間開銷和空間開銷是評價算法好壞的主要評價指標。時間開銷越小，算法的計算速度越快，越有利于實現(xiàn)數(shù)據(jù)的實時處理；空間開銷越小，算法對計算機內(nèi)存的占用率越小，不會過多地影響其并行處理。結(jié)合RTI系統(tǒng)的自身情況，實現(xiàn)數(shù)據(jù)地的實時處理有利于對目標的準確追蹤，因此時間開銷是首要考慮的因素。相比之下，由于算法的輸入數(shù)據(jù)量不是很大，因此空間開銷并非十分重要。除此之外，RTI重構(gòu)算法還需兼顧算法的性能和重構(gòu)信號質(zhì)量。與常規(guī)室內(nèi)定位不同的是，RTI系統(tǒng)輸出的是二維圖像信號，具有可視化功能，噪聲的形式和大小對人的主觀判斷至關(guān)重要。就RTI系統(tǒng)而言，可采用定位穩(wěn)定性和定位誤差評價系統(tǒng)性能。

本文采用ZigBee節(jié)點搭建無線傳感網(wǎng)絡(luò)，采集實地接收信號強度值（Received Signal Strength，RSS）。利用計算機仿真的優(yōu)勢，對典型的三種重構(gòu)算法（Tikhonov正則化、k-SVD和TV正則化）從計算時間、圖像質(zhì)量、系統(tǒng)性能和重構(gòu)圖像尺寸四個方面進行了系統(tǒng)性分析，在分析圖像質(zhì)量部分引入了全參考圖質(zhì)量評價方法。

1 系統(tǒng)設(shè)計

RTI系統(tǒng)網(wǎng)絡(luò)部署如圖1所示。考慮該WSN中的某條通信鏈路i，鏈路上接收節(jié)點的RSS值yi（t）有五種主要因素的影響：發(fā)送節(jié)點的功率（Pi）；由收發(fā)節(jié)點之間的距離、天線模式等造成的靜態(tài)損耗（Li）；物體阻擋造成的陰影損耗（Si（t））；多徑效應(yīng)的影響（Fi（t））；RSS測量噪聲與模型不理想造成的影響（vi（t））。

圖1 RTI系統(tǒng)網(wǎng)絡(luò)布置示意圖

其中，Pi和Li可近似地認為不隨時間變化；為了簡化問題，本文只考慮視距鏈路（Line of Sight， LoS）上的衰減，所以Fi（t）和vi（t）可被看成是RTI系統(tǒng)的噪聲項。接收節(jié)點的RSS值可被描述成如下形式：

進一步考慮陰影損耗Si（t）：

其中：xj（t）表示在t時刻發(fā)生在像素j上的衰減；wij表示像素j上發(fā)生的衰減對鏈路i上RSS值大小的影響。一般情況下，RTI系統(tǒng)工作時，WSN工作在兩種狀態(tài)，即空狀態(tài)和工作狀態(tài)。空狀態(tài)是WSN區(qū)域在系統(tǒng)工作前所處的一種狀態(tài)?；谒p模型的RTI系統(tǒng)的工作原理是：利用區(qū)域內(nèi)工作狀態(tài)和空狀態(tài)下電磁場的變化實現(xiàn)對人們行為的感知：

至此僅考慮了WSN中的一條通信鏈路，為了說明整個系統(tǒng)，下文將采用矩陣的形式：

其中，

式（4）中W的維數(shù)為M×N，M代表無向鏈路的條數(shù)，N為重構(gòu)圖的像素個數(shù)，i代表鏈路標號，j為像素的標號。W是RTI系統(tǒng)的關(guān)鍵部分，稱作系統(tǒng)模型，本文引用文獻[3]中提出的歸一化橢圓模型計算。該模型認為：以收發(fā)節(jié)點為焦點的橢圓區(qū)域內(nèi)存在權(quán)重，權(quán)重大小與收發(fā)節(jié)點有關(guān)，此區(qū)域外的權(quán)重均為零。該模型被定義如下：

其中：d是第i條鏈路收發(fā)節(jié)點之間的距離，dij（1）和dij（2）分別為第j個像素的中心點到第i條鏈路收發(fā)節(jié)點之間的距離，λ是一個調(diào)節(jié)橢圓寬度的可控變量。

2 重構(gòu)算法

許多物理線性模型都可以進行如下描述：

其中：y∈RM是測量數(shù)據(jù)，W∈RM+N是變換矩陣，n∈RM是測量噪聲向量，x∈RN是待求解信號，這里M＜N。由于M＜N，式（7）存在著無窮解，即已知y和W時，無法求x的唯一解。本文將RSS的變化值表示為y，像素區(qū)域電磁場相對于空狀態(tài)的變化值表示為x，這樣式（4）和（7）等價。正則化方法是求解病態(tài)反問題的主要工具。

正則化的思想是：通過添加正則化項，達到約束解的范圍的目的。正則化方法需要已知x的先驗知識g（x）。通常利用正則化方法求解問題（7），即求解式（8）：

式（9）和式（10）分別為Tikhonov和TV正則化的約束項：

在RTI系統(tǒng)中，Dx和Dy分別為重構(gòu)圖的橫向和豎向差分運算符。從式（9）和（10）中不難發(fā)現(xiàn)，Tikhonov正則化方法通過化簡可轉(zhuǎn)化成線性問題（11），TV正則化是一個非線性求解過程：

RTI成像問題是一個病態(tài)問題。在病態(tài)系統(tǒng)中，輸入數(shù)據(jù)y的微小變化都有可能使重構(gòu)信號x發(fā)生巨大變化，導致整個系統(tǒng)變得非常不穩(wěn)定。這一點可通過對W做奇異值分解（Singular Value Decomposition，SVD）直觀地看出來：

其中：U和V是酉矩陣，Σ是奇異值矩陣。k-SVD算法通過剔除模型矩陣W中較小的奇異值，保留其中前k個主要成分實現(xiàn)求解：

奇異值向量取決于系統(tǒng)本身（像是系統(tǒng)模型），使得該算法的求解往往與期望解偏差較大，這是因為它沒有用到x的先驗知識。

圖2 RTI重構(gòu)圖與參考圖

利用正則化方法求解病態(tài)反問題十分有效，在不少領(lǐng)域已得到成功應(yīng)用，如熱傳導、地質(zhì)勘探等。圖2中給出了采用奇異值分解方法（圖（c），（d））和正則化方法得到的重構(gòu)圖 （圖（b）），其中圖（a）為參考圖。不難發(fā)現(xiàn)，不同的約束直接影響著重構(gòu)圖的質(zhì)量。與SVD方法相比，通過正則化方法得到的圖更接近參考圖。

3 仿真分析

RSS值測量平臺搭建：20個由TI公司制造的ZigBee無線節(jié)點部署在20.25 m2的平地上，每個節(jié)點沿著4.5 m的邊長間隔0.9 m分開放置在距離地面1 m的位置上。無線節(jié)點工作在2.4 GHz頻段上，并使用IEEE 802.15.4標準通信。系統(tǒng)中的節(jié)點采用輪詢廣播方式收發(fā)信息，掃描速率為3圈/秒。實驗中采用木質(zhì)立桿搭載無線節(jié)點，可以有效減小立桿對測量數(shù)據(jù)質(zhì)量的影響。該平臺的實景如圖3所示。

圖3 RTI系統(tǒng)網(wǎng)絡(luò)布置實景圖

RSS值測量獲取：搭建上述平臺后，在保證平臺穩(wěn)定工作的前提下，先讓其處于空狀態(tài)下工作30 min，并將所有接收到的RSS值保存在文件中，求其平均值yNULL。此后測試人員在一些固定的測試點上分別站立10 min，共得到650個可用數(shù)據(jù) y（i）。Δy（i）=y（i）-yNULL便是后續(xù)實驗所需的 RSS 值。在后續(xù)重構(gòu)過程中用到的參數(shù)值見表1所列。RH為構(gòu)造參考圖時選用的人體半徑。

表1 圖像重構(gòu)參數(shù)

通過分析算法運行時間可得到圖4。相比于非線性算子對應(yīng)的TV正則化方法，在計算時間上Tikhonov正則化占據(jù)著絕對優(yōu)勢，且隨著重構(gòu)圖尺寸的增大，后者完全可滿足實時性要求，TV正則化方法的計算時間會隨著圖像尺寸的增加呈指數(shù)增長。

圖4 三種算法運行時間比較

圖像質(zhì)量與RTI系統(tǒng)性能緊密關(guān)聯(lián)，它的好壞直接影響著人的主觀視覺。在RTI定位系統(tǒng)中，圖像中位置亮斑與噪聲亮斑之間的相對大小及位置即圖像質(zhì)量好壞的直接體現(xiàn)。一般地，信號質(zhì)量評估指標均方誤差（Mean Square Error，MSE）此時將失效，所以本文采用結(jié)構(gòu)相似性度量（Structural Similarity Index， SSIM）作為圖像質(zhì)量評價指標[11-13]。三種算法下圖像質(zhì)量隨像素尺寸變化的趨勢如圖5所示。

在RTI定位系統(tǒng)中，依據(jù)最大值定位準則（將圖像中亮度值最大的位置作為目標位置）可不依賴人眼得到目標位置。在這種客觀的定位方法中，明顯處于劣勢。三種算法定位精度與可靠性比較分別如圖6、圖7所示。從圖6和圖7中可以看出，奇異值分解法在定位精度和系統(tǒng)可靠性方面都不及正則化方法。此時，TV正則化方法在定位精度和系統(tǒng)可靠性方面都優(yōu)于剩余兩種方法。

圖5 三種算法所得重構(gòu)圖質(zhì)量比較

圖6 三種算法定位精度比較

圖7 三種算法定位可靠性比較

4 結(jié) 語

物聯(lián)網(wǎng)技術(shù)的發(fā)展促進了RTI技術(shù)的深入研究，選取適當?shù)闹貥?gòu)算法有利于該技術(shù)的推廣。本文對三種典型重構(gòu)算法進行了仿真實驗，仿真結(jié)果表明：不存在絕對完美的RTI重構(gòu)算法，線性算子有利于降低計算時間，非線性算子有利于提高圖像質(zhì)量和系統(tǒng)性能。實際應(yīng)用中可根據(jù)特定應(yīng)用場景選取恰當?shù)腞TI重構(gòu)算法，以利于節(jié)省資源。

[1]汪苑，林錦國.幾種常用室內(nèi)定位技術(shù)的探討[J].中國儀器儀表，2011（2）：54-57.

[2]李同松.基于ZigBee技術(shù)的室內(nèi)定位系統(tǒng)研究與實現(xiàn)[D].大連：大連理工大學， 2008.

[3]顧晶晶，陳松燦，莊毅.基于無線傳感器網(wǎng)絡(luò)拓撲結(jié)構(gòu)的物聯(lián)網(wǎng)定位模型[J].計算機學報，2010，33（9）：1548-1556.

[4] WILSON J， PATWARI N. Radio tomographic imaging with wireless networks[J].IEEE transactions on mobile computing， 2010，9（5）：621-632.

[5] WILSON J， PATWARI N， VASQUEZ F G. Regularization methods for radio tomographic imaging[Z]. Virginia tech symposium on wireless personal communications， 2009.

[6]王滿意.基于無線傳感器網(wǎng)絡(luò)的無線層析成像定位技術(shù)的研究[D].北京：中國礦業(yè)大學， 2015.

[7] KANSO M A， RABBAT M G. COMPRESSED RF Tomography for wireless sensor networks：centralized and decentralized approaches[C]// IEEE international conference on distributed computing in sensor systems. springer-verlag， 2009：173-186.

[8] YANG L， HUANG K， WANG G， et al. An enhanced multiscale model for shadow fading in radio tomographic imaging[C]//Intelligent control and automation. IEEE， 2015：5925-5930.

[9] KE W， WANG T， SHAO J. CS-based device-free localization in the presence of model errors[C]// IEEE International conference on acoustics， speech and signal processing. IEEE， 2016：4443-4447.

[10] HAMILTON B R， MA X， BAXLEY R J， et al. Propagation modeling for radio frequency tomography in wireless networks[J].IEEE journal of selected topics in signal processing， 2014，8（1）：55-65.

[11] SAVAZZI S， SIGG S， NICOLI M， et al. Device-Free radio vision for assisted living： leveraging wireless channel quality information for human sensing[J]. IEEE signal processing magazine， 2016， 33（2）：45-58.

[12] WANG Z， BOVIK A C， LU L. Why is image quality assessment so difficult？[C]// IEEE international conference on acoustics，speech， and signal processing. IEEE， 2002：IV-3313-IV-3316.[13] WANG Z， BOVIK A C. Mean squared error： Love it or leave it？A new look at signal fidelity measures[J]. IEEE signal processing magazine， 2009，26（1）：98-117.