QQ交談
您所在位置：請輸入產品關鍵字：
郵編：200237
聯系人：王經理
電話：13661912403
傳真：
手機：13661912403
留言：發送留言
個性化：www.aiding1.com
網址：www.aiding1.com/
商鋪：http://www.wanmeizu.com/st251238/
關于無線傳感器網絡定位技術的分析
點擊次數：2518 發布時間：2017-9-13
隨著傳感器網絡技術的發展，無線傳感器網絡也得到了較大發展，下面我們就無線傳感器網絡定位技術進行相關說明。 無線傳感器網絡定位zui簡單的方法是為每個節點裝載衛星定位系統（GPS） 接收器， 用以確定節點位置。但是， 由于經濟因素、節點能量制約和GPS 對于部署環境有一定要求等條件的限制， 導致方案的可行性較差。因此， 一般只有少量節點通過裝載GPS 或通過預先部署在特定位置的方式獲取自身坐標。另外， 無線傳感器網絡的節點定位涉及很多方面的內容， 包括定位精度、網絡規模、錨節點密度、網絡的容錯性和魯棒性以及功耗等， 如何平衡各種關系對于無線傳感器網絡的定位問題非常具有挑戰性。可以說無線傳感器網絡節點自身定位問題在很大程度上決定著其應用前景。因此， 研究節點定位問題不僅必要， 而且具有很重要的現實意義。 一、WSN 定位技術基本概念 1、 定位方法的相關術語 1） 錨節點（anchors）： 也稱為信標節點、燈塔節點等， 可通過某種手段自主獲取自身位置的節點； 2） 普通節點（normal nodes）： 也稱為未知節點或待定位節點， 預先不知道自身位置， 需使用錨節點的位置信息并運用一定的算法得到估計位置的節點； 3） 鄰居節點（neighbor nodes）： 傳感器節點通信半徑以內的其他節點； 4） 跳數（hop count）： 兩節點間的跳段總數； 5） 跳段距離（hop diSTance）： 兩節點之間的每一跳距離之和； 6） 連通度（cONnectivity）： 一個節點擁有的鄰居節點的數目； 7） 基礎設施（infrastructure）： 協助節點定位且已知自身位置的固定設備， 如衛星基站、GPS 等。 2、 定位方法的性能評價標準 無線傳感器網絡定位性能的評價標準主要分為7 種， 下面分別進行介紹。 1） 定位精度。定位技術首要的評價指標就是定位度， 其又分為精度和相對精度。精度是測量的坐標與真實坐標的偏差， 一般用長度計量單位表示。相對誤差一般用誤差值與節點無線射程的比例表示， 定位誤差越小定位度越高。 2） 規模。不同的定位系統或算法也許可以在一棟樓房、一層建筑物或僅僅是一個房間內實現定位。 另外， 給定一定數量的基礎設施或一段時間， 一種技術可以定位多少目標也是一個重要的評價指標。 3） 錨節點密度。錨節點定位通常依賴人工部署或使用GPS 實現。人工部署錨節點的方式不僅受網絡部署環境的限制， 還嚴重制約了網絡和應用的可擴展性。而使用GPS 定位， 錨節點的費用會比普通節點高兩個數量級， 這意味著即使僅有10%的節點是錨節點， 整個網絡的價格也將增加10 倍， 另外， 定位精度隨錨節點密度的增加而提高的范圍有限， 當到達一定程度后不會再提高。因此， 錨節點密度也是評價定位系統和算法性能的重要指標之一。 4） 節點密度。節點密度通常以網絡的平均連通度來表示， 許多定位算法的精度受節點密度的影響。 在無線傳感器網絡中， 節點密度增大不僅意味著網絡部署費用的增加， 而且會因為節點間的通信沖突問題帶來有限帶寬的阻塞。 5） 容錯性和自適應性。定位系統和算法都需要比較理想的無線通信環境和可靠的網絡節點設備。 而真實環境往往比較復雜， 且會出現節點失效或節點硬件受精度限制而造成距離或角度測量誤差過大等問題， 此時， 物理地維護或替換節點或使用其他高精度的測量手段常常是困難或不可行的。因此， 定位系統和算法必須有很強的容錯性和自適應性， 能夠通過自動調整或重構糾正錯誤， 對無線傳感器網絡進行故障管理， 減小各種誤差的影響。 6） 功耗。功耗是對無線傳感器網絡的設計和實現影響zui大的因素之一。由于傳感器節點的電池能量有限， 因此在保證定位度的前提下， 與功耗密切相關的定位所需的計算量、通信開銷、存儲開銷、時間復雜性是一組關鍵性指標。 7） 代價。定位系統或算法的代價可從不同的方面來評價。時間代價包括一個系統的安裝時間、配置時間、定位所需時間； 空間代價包括一個定位系統或算法所需的基礎設施和網絡節點的數量、硬件尺寸等； 資金代價則包括實現一種定位系統或算法的基礎設施、節點設備的總費用。 上述7 個性能指標不僅是評價無線傳感器網絡自身定位系統和算法的標準， 也是其設計和實現的優化目標。為了實現這些目標的優化， 有大量的研究工作需要完成。同時， 這些性能指標相互關聯， 必須根據應用的具體需求做出權衡以設計合適的定位技術。 二、主要的WSN 定位方法 WSN 的定位方法較多, 可以根據數據采集和數據處理方式的不同來進行分類。在數據采集方式上， 不同的算法需要采集的信息有所側重， 如距離、角度、時間或周圍錨節點的信息， 其目的都是采集與定位相關的數據， 并使其成為定位計算的基礎。在信息處理方式上， 無論是自身處理還是上傳至其他處理器處理， 其目的都是將數據轉換為坐標， 完成定位功能。目前比較普遍的分類方法有3 種： 1） 依據距離測量與否可劃分為： 測距算法和非測距算法。其中測距法是對距離進行直接測量， 非測距法依靠網絡連通度實現定位， 測距法的精度一般高于非測距法， 但測距法對節點本身硬件要求較高，在某些特定場合， 如在一個規模較大且錨節點稀疏的網絡中， 待定位節點無法與足夠多的錨節點進行直接通信測距， 普通測距方法很難進行定位， 此時需要考慮用非測距的方式來估計節點之間的距離，兩種算法均有其自身的局限性； 2） 依據節點連通度和拓撲分類可劃分為： 單跳算法和多跳算法。單跳算法較多跳算法來說更加的簡便易行， 但是存在著可測量范圍過小的問題， 多跳算法的應用更為廣泛， 當測量范圍較廣導致兩個節點無法直接通信的情況較多時， 需要多跳通信來解決； 3） 依據信息處理的實現方式可劃分為： 分布式算法和集中式算法。以監測和控制為目的算法因為其數據要在數據中心匯總和處理， 大多使用集中式算法， 其精度較高， 但通信量較大。分布式算法是傳感器節點在采集周圍節點的信息后， 在其自身的后臺執行定位算法， 該方法可以降低網絡通信量， 但目前節點的能量、計算能力及存儲能力有限， 復雜的算法難以在實際平臺中實現。 普遍認為基于測距和非測距的算法分類更為清晰， 本文以其為分類原則介紹主要的WSN 定位方法。此外， 由于目前非測距算法大多為理論研究， 且實用性較差， 因此， 本文將著重介紹基于測距的定位方法。 A、 基于測距的算法 基于測距的算法通常分為2個步驟， 首先利用某種測量方法測量距離（或角度）， 接著利用測得的距離（或角度）計算未知節點坐標。下面分別進行介紹。 1. 距離的測量方法 本節將詳細說明3 種主流的測量方法， *種是基于時間的方法， 包括基于信號傳輸時間的方法（time of arrival, TOA）和基于信號傳輸時間差的方法（time difference of arrival, TDOA）； 第二種是基于信號角度的方法（angle of arrival, AOA）； 第三種是基于信號接收信號強度的方法（received signal strengthindicator, RSSI）方法。下面分別進行介紹。 1） 基于時間的方法 a. 基于信號傳輸時間的方法： TOA 技術通過測量信號的傳播時間來計算距離，該技術可分為單程測距和雙程測距， 單程測距即信號只傳輸一次， 雙程測距即信號到達后立即發回。前者需要兩個通信節點之間具有嚴格的時間同步， 后者則不需要時間同步， 但是本地時鐘的誤差同樣會造成很大的距離偏差。zui典型的應用就是GPS 定位系統。 優點： 測量方法簡單且能取得較高的定位精度。 缺點： Ⅰ。 計時難。通常傳感節點之間通信都采用無線電信號， 由于無線電的傳輸速度非常快，而傳感節點之間的距離又較小， 這使得計算發送節點和接收節點之間的信號傳輸時間非常困難。因此利用此技術定位的節點需要采用特殊硬件來產生用于發送和接收的慢速無線信號。Ⅱ。 高精度同步難。 有些算法還需要接收節點和發送節點之間具有嚴格的時間同步， 時間同步的問題現在也是無線傳感器網絡中的一個研究熱點并且沒有完*， 這也限制了算法的實用性。Ⅲ。 易受噪聲影響。在空間傳輸的信號會受到各種噪聲的影響， 所以即使在不同的測量中得到了相同的信號傳輸時間也不能斷定這兩次測量中的發送節點和接收節點間的距離是相同的。 zui早的TOA 距離估計算法是在非時間同步網絡中利用對稱雙程測距協議進行測量的。之后， 單邊測距方法在后續的研究中被提出， 如Harter 開發的Active Bat 定位系統[10], 它由一系列固定在網格中的節點組成。固定節點從移動節點中接收超聲波， 并通過TOA 算法計算到移動節點的距離， 在通信范圍30 m 左右的情況下， 其定位精度達到9 cm, 相對精度9.3%。但TOA 只有在視距（line-of-sight, LOS）的情況下才比較， 在非視距（none line-of-sight, NLOS）情況下， 隨著傳播距離的增加測量誤差也會相應增大。綜述了在視距和非視距情況下多種TOA 距離估計方法所需要的復雜度， 先驗知識和實驗結果等。Hangoo Kang 等人在多徑環境下利用基于啁啾展頻技術（chirp spread spectrum, CSS） 和對稱雙邊雙向測距技術（symmetric double sided two-wayranging, SDS-TWR） 的TOA 定位系統中提出了誤差補償算法， 取得了較好的定位效果, 在此基礎上Andreas Lewandowski 等人提出了一種加權的TOA 算法, 該算法應用于工業環境下， 可提高系統容錯性， 降低自身對測距系統的干擾， 在7 m×24.5 m 的范圍內， 測距誤差小于3 m。 b. 基于信號傳輸時間差的方法： TDOA 測距技術廣泛應用于無線傳感器網絡的定位方案中。通常在節點上安裝超聲波收發器和射頻收發器， 測距時錨節點同時發送超聲波和電磁波，接收節點通過兩種信號到達時間差來計算兩點之間距離。 優點： 在LOS 情況下能取得較高的定位精度。 缺點： Ⅰ。 硬件需求較高。傳感節點上必須附加特殊的硬件聲波或超聲波收發器， 這會增加傳感節點的成本； Ⅱ。 傳輸信號易受環境影響。聲波或者超聲波在空氣中的傳輸特性和一般的無線電波不同，空氣的溫度、濕度或風速都會對聲波的傳輸速度產生較大的影響， 這就使得距離的估計可能出現一定的偏差， 使用超聲波與RF 到達時間差的測距范圍為5～7 m, 實用性不強， 且超聲波傳播方向單一， 不適合面向多點傳播； Ⅲ。 應用場合單一。測距的前提是發送節點和接收節點之間沒有障礙物阻隔， 在有障礙物的情況下會出現聲波的反射、折射和衍射， 此時得到的實際傳輸時間將變大， 在這種傳輸時間下估算出的距離也將出現較大的誤差。 由MIT 開發出的Cricket 室內定位系統zui早采用了RF 信號與超聲波信號組合的TDOA測距技術， 在2 m×2 m×2.5 m 的范圍內， 該系統定位精度在10 cm以下， 現已成為Crossbow 的商業化產品。加利福尼亞大學洛杉磯分校的Medusa 節點在AHLos定位系統之間傳輸距離為3 m 左右時， 測距精度能夠達到厘米級別。加州大學伯克利分校開發的Calamari定位系統均采用TDOA 超聲波測距, 在144 m2 的區域部署49 個節點， 平均定位誤差達到0.78 m, 文獻對于聲波收發器的方向單一性問題， 給出了兩種解決方法： 一是將多個傳感器調整成向外發射的形狀； 二是在節點的平面上使用金屬圓錐來均勻地傳播和收集聲波能量。結合TDOA 測距機制和NTP 協議時間同步原理, 一些學者提出了時間同步與節點測距混合算法， 結合基于到達時間差的測距機制和網絡時間協議中的時鐘同步機制， 通過逆推時間非同步情況下相互測距的意義， 不僅能實現時間同步， 還可以實現相對測距甚至測距。 基于時間的定位方法的定位精度雖高， 但從上面的例子中可以看出其測距距離較短， 且附加的硬件將增加節點的體積和功耗， 不適于實際應用。 2） 基于信號到達角度的方法 AOA 測距技術依靠在節點上安裝天線陣列來獲得角度信息。由于大部分節點的天線都是全向的， 無法區分信號來自于哪個方向。因此該技術需要特殊的硬件設備如天線陣列或有向天線等來支持。 優點： 能夠取得不錯的精度。 缺點： 傳感節點zui耗能的部分就是通信模塊，所以裝有天線陣列的節點的耗能、尺寸以及價格都要超過普通的傳感節點， 與無線傳感器網絡低成本和低能耗的特性相違背， 所以實用性較差。 關于AOA 定位的文獻比較少，zui早提出在室內采集方向信息， 并以此實現定位的方法，它的硬件部分包括微控制器、RF 接收器、5 個排成“V”型的超聲波接收器， 其測量誤差精度為5°。隨后， 一些學者提出了在只有部分節點有定位能力的情況下確定所有節點的方向和位置信息的算法。 3） 基于接收信號強度的方法 RSSI 是在已知發射功率的前提下， 接收節點測量接收功率， 計算傳播損耗， 并使用信號傳播模型將損耗轉化為距離。 優點： 低成本。每個無線傳感節點都具有通信模塊， 獲取RSSI 值十分容易， 無需額外硬件。 缺點： 1） 錨節點數量需求多。由于RSSI 值在實際應用中的規律性較差， 使得利用RSSI 信息進行定位的算法在定位精度以及實用性上存在缺陷。所以為了達到較高的定位精度， 利用RSSI 信息進行定位的算法通常需要較多數量的錨節點。2） 多路徑反射、非視線問題等因素都會影響距離測量的精度。 早期的RSSI 距離測量方法有Hightower 等人設計的室內定位SpotON tags 系統， 通過RSSI 方法來估計兩點間的距離， 通過節點間的相互位置來進行定位， 在邊長3 m 的立方體內， 其定位精度在1 m 以內。目前， 基于RSSI 值的距離測量方法可以分為2 種， 一種是需要預先測試環境信息的方法， 即在實驗開始前， 對定位的區域進行大量的RSSI 值測試，將不同點得到的RSSI 值保存到數據庫中， 建成場強圖或擬合曲線， 在實際測試時查詢和調用。另外一種是無需預先測試環境信息的方法， 直接在定位區域進行節點布置和定位， 如雙曲線模型法，迭代的分布式算法， 結合露珠洪泛思想引入RSSI 機制的HCRL（hop-count-ratio based localization）算法等。 總體來說， 需要預先測試環境參數的方法在實際定位中計算量小， 這類方法只需要簡單的查表或根據擬合曲線進行計算， 其缺點是實驗前需要做大量的準備工作， 而且一旦環境改變則預先建立的模型將不再適用。無需預先測試環境參數的方法需要定位引擎的計算操作， 往往具有復雜的計算過程，但適應性較強。 以上幾種測距方法各有利弊， 以2009 年發表的基于測距法的文獻來看， 研究RSSI 方法的大約占了以上幾種方法總數的52%, TOA 方法25%, TDOA 方法13%和AOA 方法10%, 其比例圖如圖1 所示， 從實用性的角度來看， 基于RSSI 的定位方法更簡便易行， 因此， 基于RSSI 測距方法的研究占基于測距算法研究總數的一半以上。