CN101320091A - 声源端时延消除的频率检测无线传感器网络测距方法 - Google Patents
声源端时延消除的频率检测无线传感器网络测距方法 Download PDFInfo
- Publication number
- CN101320091A CN101320091A CNA2008101200283A CN200810120028A CN101320091A CN 101320091 A CN101320091 A CN 101320091A CN A2008101200283 A CNA2008101200283 A CN A2008101200283A CN 200810120028 A CN200810120028 A CN 200810120028A CN 101320091 A CN101320091 A CN 101320091A
- Authority
- CN
- China
- Prior art keywords
- time
- sending
- node
- voice signal
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了涉及一种声源端时延消除的频率检测无线传感器网络测距方法。该方法的步骤如下:发送节点Na在t1时刻发送射频信号,接收节点Nb在t4时刻接收到射频信号后,建立时间同步机制;发送节点在时间间隔为Δ1的t3时刻发送声音信号;发送声音信号的命令的发出和实际声音信号发出存在时间上的误差,实际的声音信号发出时间为t5,计算出这个时间间隔Δsounder,接收端在t10时刻接收到声音信号;计算声音信号的传播时间,tSDE-TDoA=(t10-t4)-Δ1-Δsounder,测量环境温度后,得知声音的传播速度,测得节点之间的距离;利用校正公式,最后计算得出实际节点间的距离。本发明采用声音信号测距,计算误差小,精度高,对硬件平台的要求低。
Description
技术领域
本发明涉及一种声源端时延消除的频率检测无线传感器网络测距方法。
背景技术
近年来,无线传感器网络成了研究的热点。它的应用非常广泛,从军事上的目标轨迹跟踪,到日常生活中的环境监测,无线传感器网络无处不在。在分布式无线传感器网络,特别是轨迹跟踪、定位等系统中,节点的地理位置信息非常重要。比如,在一个分布式智能传感器网络控制的移动机器人系统中,机器人的具体位置就非常重要。无线传感器网络中的定位,主要是通过测量节点之间的距离来完成的,也有少数的免测距定位方法。免测距定位不需要精确的位置信息,而基于测距的定位算法则需要通信节点之间的距离信息。
在最近的几年中,测距方面的研究已经做了很多工作。其中,最典型的测距方式是信号时间到达测距,称为TOA。在基于TOA的测距方法中,比如GPS测距,是计算RF信号在空中的运行时间。这种方法用到传感器网络中,会有很多限制。在一个低能耗的自主系统中,计算RF信号的传输时间存在很多问题。为了计算RF信号的传输时间,需要在传输节点和接收节点之间建立严格的时间同步机制,但是这个在类似mica2的硬件平台上是很难实现的。所以研究者开始利用声音信号来测距。声音信号的测量要容易些,因为它的传播速度相对较慢,而且利用RF可以很容易的达到时间同步。其中最成功的一种算法叫做信号到达时间差异算法,它是通过计算声音信号和射频信号的到达时间差来计算测距。其他的算法还有基于信号到达角(Angle ofArrival,AOA),基于接收信号强度的算法(Received Signal Strength,RSS)和基于射频干涉距离的算法。
发明内容
本发明的目的在于提供一种声源端时延消除的频率检测无线传感器网络测距方法。
本发明解决其技术问题所采用的技术方案的步骤如下:
1)发送节点Nb在t1时刻发送射频信号,接收节点Nb在t4时刻接收到射频信号后,建立时间同步机制;
2)发送节点在时间间隔为Δ1的t3时刻发送声音信号;
3)发送声音信号的命令的发出和实际声音信号发出存在时间上的误差,实际的声音信号发出时间为t5,计算出这个时间间隔Δsounder,接收端在t10时刻接收到声音信号;
4)计算声音信号的传播时间,tSDE-TDoA=(t10-t4)-Δ1-Δsounder,测量环境温度后,得知声音的传播速度,测得节点之间的距离;
5)利用校正公式,最后计算得出实际节点间的距离。
在室内环境、走廊环境、室外环境分别进行多次测量,分别得出三种环境下测试结果和实际距离的线性拟合曲线,对测试的公式进行校正,最后分别得出三种环境下的距离测量公式。
本发明具有的有益效果是:
采用声音信号测距,计算误差小,精度高,对硬件平台的要求低。
附图说明
图1是本发明实施例中发送节点和接收节点工作时序图。
图2是本发明实施例中走廊环境下数据校正图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
测距方法的原理如图1所示。图中竖线代表发送端与接收端,实线代表信号发送,虚线代表为统一时刻。节点a(记为Na)与节点b(记为Nb)为一需测距的节点对。假定Δt为异步节点Na与Nb系统时钟的差异,定义ta、tb分别为节点Na、Nb系统时钟的当前时刻,则有Δt+ta=tb,例如Δt+t1=t2。
在t1、t3时刻,节点Na分别发出射频信号与声音信号,相应地,在t4、t10时刻节点Nb接收到这两个信号。使用射频信号进行节点对同步时,射频信号从发送端到接收端存在时延,如图1所示,这个时延记为Δ2=t4-t2。引入射频同步造成的误差主要是由三部分组成:发送时间、传播时间、接收时间。由于射频信号的传播速度很快,传播时间可以忽略不计。而声音信号从发送端到接收端的时延记为Δ3=t10-t6。假定声音信号的发送时间与接收时间相等,则Δ3与Δ2的差值即为声音信号在空中的传播时间,记为tTDoA,满足式1
tTDoA=Δ3-Δ2
=(t10-t6)-(t4-t2)
=(t10-t4)-(t6-t2) 1
传统TDOA算法认为射频信号与声音信号同时发出,即满足t3=t1。但根据实验经验,为了避免资源受限传感器节点上的射频信号与声音信号之间的互相影响,在t1与t3之间引入一个常值时延Δ1,即为Δ1=t3-t1。由图1可以得到t3-t1=t6-t2。则式1可以重写为2。
tTDoA=(t10-t4)-t3-t1
=t10-t4-Δ1 2
若给定声音在空中的传播速度V,则节点间距离dTDoA可以通过式3计算
dTDoA=tTDoA ×V 3
采用Mica2平台进行实验。Mica2节点是无线传感器网络研究领域最常用的开发平台,是Crossbow公司的产品。Mica2节点上的应用程序是基于Tinyos操作系统开发。Tinyos是一种基于时间的操作系统,应用程序使用一种Nesc语言开发。Nesc语言是一种基于组件的结构化语言,它是C编程语言的一种扩展,主要应用在嵌入式网络系统中。
基于Mica2平台的实验表明,由式2,3计算所得的节点间距离常常大于实际距离。经分析,这是由于Mica2传感器板使用的蜂鸣器的特性所引起的。Mica2平台上使用的是低成本蜂鸣器,它从接受系统下达的发声指定的时刻t3到声音信号最早可以被外界检测出的时刻t5之间有一个不可忽略的时延,定义为Δsounder=t5-t3,如图1所示。这个时延与硬件相关,随着蜂鸣器的不同而又差异。因此,为了获得准确的声音信号空中传播时间,必须估计这个发送端时延并在式2将之消除。
基于声源端时延消除的频率检测的无线传感器网络测距方法(SDE-TDoA)使用发送端自检测的方法消除发送端时延。Mica2传感器板上有与蜂鸣器配套的麦克风传感器,算法利用它检测本地发出的声音信号,将首次检测到声音信号的时刻作为t5的时刻估计。
SDE-TDoA算法得到的声音信号空中传播时间tSDE-TDoA,计算公式为式4节点间距离dSDE-TDoA也由式5重新计算。
tSDE-TDoA=Δ3-Δ2
=(Δ3-(t8-t6))-Δ2
=(Δ3-(t5-t3))-Δ2
=tTDoA-(t5-t3)
=(t10-t4)-(t3-t1)-(t5-t3)
=(t10-t4)-(t5-t1)
=(t10-t4)-Δ1-Δsounder 4
dSDE-TDoA=tSDE-TDoA×V 5
基于式4,只需要记录时刻t1,t4,t5,t10,就可以估算出声音信号空中传播时间tSDE-TDoA,从而得到节点间距离dSDE-TDoA。其中V为声音在空气中的传播速度,V=(331.45+0.59T),T为环境温度。
为了避免同平频噪声的干扰,让麦克风传感器连续采样区分声音信号与噪声。当Mic.readToneDetectorr()函数连续返回n个0时,认为探测到的是声音信号,否则认为是噪声。n的数值由使用者根据环境状况设置。当同频噪声的持续时间大于n*p时(p为麦克风传感器的采样周期),麦克风将会输出错误的结果,从而造成测距失败。
最后是对计算结果进行校正。我们在三种环境在进行实验。节点离地面的距离为0.5m。节点间的距离从0m到6m,步长为0.5m。如图2所示,横坐标为实际距离,纵座标为公式5计算所得距离。细线为理想的曲线。测试的时候,每个测试点,重复测量15次,计算每个测试点的平均值,然后把每个测量点的平均值画在坐标图上。将这些平均值用虚线连接起来,虚线为本发明算法在走廊环境下测距结果的拟合曲线。根据拟合曲线,得出最终的距离检测公式。另外两种环境下的数据用相同的方法进行桥正。下表为三种环境下的距离校正。X为式5计算出来的距离,y为校正后本发明测距最终结果。
表 三种环境下的距离校正公式
走廊环境室内环境室外环境 | y=1.1419×x+0.5408y=1.1407×x+0.3741y=1.1743×x+0.2224 |
Claims (2)
1、一种声源端时延消除的频率检测无线传感器网络测距方法,其特征在于该方法的步骤如下:
1)发送节点Na在t1时刻发送射频信号,接收节点Nb在t4时刻接收到射频信号后,建立时间同步机制;
2)发送节点在时间间隔为Δ1的t3时刻发送声音信号;
3)发送声音信号的命令的发出和实际声音信号发出存在时间上的误差,实际的声音信号发出时间为t5,计算出这个时间间隔Δsounder,接收端在t10时刻接收到声音信号;
4)计算声音信号的传播时间,tSDE-TDoA=(t10-t4)-Δ1-Δsounder,测量环境温度后,得知声音的传播速度,测得节点之间的距离;
5)利用校正公式,最后计算得出实际节点间的距离。
2、根据权利要求1所述的一种声源端时延消除的频率检测无线传感器网络测距方法,其特征在于:在室内环境、走廊环境、室外环境分别进行多次测量,分别得出三种环境下测试结果和实际距离的线性拟合曲线,对测试的公式进行校正,最后分别得出三种环境下的距离测量公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101200283A CN101320091A (zh) | 2008-07-15 | 2008-07-15 | 声源端时延消除的频率检测无线传感器网络测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101200283A CN101320091A (zh) | 2008-07-15 | 2008-07-15 | 声源端时延消除的频率检测无线传感器网络测距方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101320091A true CN101320091A (zh) | 2008-12-10 |
Family
ID=40180248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101200283A Pending CN101320091A (zh) | 2008-07-15 | 2008-07-15 | 声源端时延消除的频率检测无线传感器网络测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101320091A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101771937A (zh) * | 2008-12-30 | 2010-07-07 | 爱特梅尔汽车股份有限公司 | 用于无线电网络的两个节点之间通信的电路、系统和方法 |
CN102279395A (zh) * | 2010-06-10 | 2011-12-14 | 英华达(南京)科技有限公司 | 手持式电子装置测距系统及方法 |
CN103064078A (zh) * | 2012-12-25 | 2013-04-24 | 中国科学院上海微系统与信息技术研究所 | 一种声震复合传感器对地面移动目标测距方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
CN107390169A (zh) * | 2017-07-19 | 2017-11-24 | 灵动科技(北京)有限公司 | 一种天线参数校准方法和装置 |
CN107934737A (zh) * | 2017-10-12 | 2018-04-20 | 淮阴工学院 | 吊具精准定位系统 |
CN112904324A (zh) * | 2021-01-20 | 2021-06-04 | 北京小米移动软件有限公司 | 测距方法及装置、终端、存储介质 |
-
2008
- 2008-07-15 CN CNA2008101200283A patent/CN101320091A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9479952B2 (en) | 2008-12-30 | 2016-10-25 | Atmel Corporation | Circuit, system and method for communication between two nodes of a radio network |
US8406144B2 (en) | 2008-12-30 | 2013-03-26 | Atmel Corporation | Circuit, system and method for communication between two nodes of a radio network |
CN101771937A (zh) * | 2008-12-30 | 2010-07-07 | 爱特梅尔汽车股份有限公司 | 用于无线电网络的两个节点之间通信的电路、系统和方法 |
CN101771937B (zh) * | 2008-12-30 | 2014-06-04 | 爱特梅尔汽车股份有限公司 | 用于无线电网络的两个节点之间通信的电路、系统和方法 |
US8755300B2 (en) | 2008-12-30 | 2014-06-17 | Atmel Corporation | Circuit, system and method for communication between two nodes of a radio network |
CN102279395A (zh) * | 2010-06-10 | 2011-12-14 | 英华达(南京)科技有限公司 | 手持式电子装置测距系统及方法 |
CN103064078A (zh) * | 2012-12-25 | 2013-04-24 | 中国科学院上海微系统与信息技术研究所 | 一种声震复合传感器对地面移动目标测距方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
CN106772227B (zh) * | 2017-01-12 | 2019-04-12 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
CN107390169A (zh) * | 2017-07-19 | 2017-11-24 | 灵动科技(北京)有限公司 | 一种天线参数校准方法和装置 |
CN107390169B (zh) * | 2017-07-19 | 2019-07-16 | 灵动科技(北京)有限公司 | 一种天线参数校准方法和装置 |
CN107934737A (zh) * | 2017-10-12 | 2018-04-20 | 淮阴工学院 | 吊具精准定位系统 |
CN112904324A (zh) * | 2021-01-20 | 2021-06-04 | 北京小米移动软件有限公司 | 测距方法及装置、终端、存储介质 |
CN112904324B (zh) * | 2021-01-20 | 2024-04-09 | 北京小米移动软件有限公司 | 测距方法及装置、终端、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101320090A (zh) | 面向时间异步节点的往返时间的无线传感器网络测距方法 | |
CN110099354B (zh) | 一种结合tdoa与tof的超宽带通信二维定位方法 | |
CN101320091A (zh) | 声源端时延消除的频率检测无线传感器网络测距方法 | |
CN1841084B (zh) | 混合测距方法 | |
CN103197279B (zh) | 一种移动目标协同定位系统的定位方法 | |
KR100671283B1 (ko) | 순차 송수신 방식을 이용한 비동기 무선 측위 시스템 및방법 | |
CN103076592B (zh) | 一种面向智能空间中服务机器人的精确无线定位方法 | |
CN101498781A (zh) | 独立定位器以及自治超声波定位系统和方法 | |
CN107301785B (zh) | 基于uwb和地磁车位检测的停车系统及其车辆定位方法 | |
US20110110242A1 (en) | Location detection in a wireless network | |
CN110026993B (zh) | 一种基于uwb及热释电红外传感器的人体跟随机器人 | |
Bakkali et al. | Kalman filter-based localization for Internet of Things LoRaWAN™ end points | |
CN104331727A (zh) | 射频识别定位系统及其方法 | |
JP2011047915A (ja) | 無線測位システムおよび測位方法 | |
CN102256351B (zh) | 一种基于无线传感网技术的室内精确定位方法 | |
CN102196559A (zh) | 基于tdoa定位的通道时延误差消除方法 | |
KR20140126790A (ko) | 무선 센서 네트워크 기반의 위치 추정방법 | |
Xue et al. | A model on indoor localization system based on the time difference without synchronization | |
KR100882590B1 (ko) | 위치 판단 장치 및 방법 | |
CN110657806A (zh) | 一种基于CKF、chan解算和Savitzky-Golay平滑滤波的位置解算方法 | |
CN114554392B (zh) | 一种基于uwb与imu融合的多机器人协同定位方法 | |
Lee et al. | Non-synchronised time difference of arrival localisation scheme with time drift compensation capability | |
CN112964258A (zh) | 一种基于tdoa的多单元协同定位系统 | |
CN206876184U (zh) | 一种基于rssi和惯性导航的室内定位装置 | |
CN116155433B (zh) | 一种多域跨尺度数据采集校时方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081210 |