CN101634699B - 一种在传感器网络中的定位方法及定位装置 - Google Patents

Abstract

本发明提供了在传感器网络中的定位方法和定位装置，该方法包括如下步骤：步骤S101：目标发射信号；步骤S102：传感器接收信号，汇聚接收到信号的传感器的位置信息；步骤S103：根据所汇聚的所述位置信息，计算所有位置信息所确定的最小包含圆，将该最小包含圆的圆心作为目标定位结果。本发明能克服由于参考节点分布不均匀给定位精度带来的影响。

Description

一种在传感器网络中的定位方法及定位装置

技术领域

本发明涉及无线传感器网络，特别涉及一种在传感器网络中对目标定位的方法及装置。

背景技术

在无线传感器网络(Wireless Sensor Network，WSN)通过更深层的嵌入、更广泛的采集和更自由的部署，弥补了计算机与真实世界的鸿沟，使得人们可以在任何时间对任何地点进行监控。信息的采集是WSN最重要的功能，数据只有在能够确定采集的位置时才有意义，除了数据需要打上位置标签以外，支持报文转发的路由协议，可以在位置信息帮助下进行优化。例如，基于地理信息的路由协议根据路由节点位置信息作出路由决策。因此，定位是不可缺少的网络服务。

通常，WSN定位方法分为基于测距的(range-based)和无需测距的(range-free)定位两大类，或者叫做细粒度(fine-grained)和粗粒度(coarsegrained)定位。

基于测距的定位使用测量信号的某种特性诸如接收信号强度(RSSI，Received Signal Strength Indicator)、信号传播时间(TOA，Time Of Arrival，TDOA，Time Difference of Arrival，RTOF，Round-Trip Time Of Flight)、接收信号方向(AOA，Angle Of Arrival)等对处于WSN中的目标进行定位。基于测距的定位方法一般定位精度较高，但是需要额外的测量设备。基于RSSI的定位需要检测信号强度的电路。以信号传播时间作为测距手段需要低速度信号的收发设备(如超声波收发器等)。接收信号方向的测距方法需要定向天线或者天线阵列。

无需测距的定位方法不需要对信号的上述特性进行测量，其定位精度相对较低并且与WSN中的传感器节点的分布密度有关。一般情况下，需要几十个节点才能达到可以接受的定位精度。一般来说，节点的密度越大，参与定位的节 点越多，功耗和通信开销就越大。无需测距的定位的除了使用节点的邻接关系以外，还使用邻居节点集合内不同节点的差异性来提高定位精度。这种差异性体现在与邻居节点集合内不同节点构成的链路上连通度、信噪比、信号强弱等特性的区别。

在无需测距的定位方法中，基于质心的方法是最常用的。质心(Centroid)指多边形的几何中心，是多边形顶点坐标的平均值。多边形顶点位置的向量表示为pi＝(xi，yi)T，则质心为

$(X_{\mathrm{est}},Y_{\mathrm{est}})=(\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i,\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i)$

采用这种定位方法非常简单，处于WSN中的目标发出信号，在目标周围的传感器节点收到信号，将这些传感器节点作为参与定位的参考节点，直接求解参考节点构成的多边形的质心，即为目标的位置。

考虑到传感器节点密度对定位精度的影响，现有技术还有例如Yedavalli和Krishnamachari等人在文献“K.Yedavalli，B.Krishnamachari，S.Ravula，and B.Srinivasan，“Ecolocation：a sequence based technique for rflocalization in wireless sensor networks，”in IPSN 2005.vol.3，LosAngeles，CA，USA，2005，pp.285-292”中提出的Ecolocation(ErrorCOntrolling LOCAlizaTION technique)算法，通过考察不同参考节点的RSSI测量序列，来确定目标的位置。在文献“X.Shen，Z.Wang，P.Jiang，R.Lin，and Y.Sun，“Connectivity and rssi based localization scheme forwireless sensor networks，”in Advances in Intelligent Computing，LNCS3645，2005，pp.578-587”中，申兴发等人将Centroid方法扩展为WeightedCentroid(W-Centroid)方法以提高Centroid方法的定位精度。W-Centroid是基于连通度和RSSI信息的质心定位加权算法。目标位置的估计值为

$(X_{\mathrm{est}},Y_{\mathrm{est}})=(\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{X}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}},\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}{Y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt[\mathrm{\α}]{P_i}})s.t{.\mathrm{CM}}_i\≥\mathrm{\β}(i=1...N)$

其中，Pi是接收功率；α是衰减系数，在自由空间是2，在室内有障碍物时为4至6；β是连通度，表示接收机(即传感器)收到的报文占发送机(即目标)发出的报文的百分比。当所有的Pi相等时，W-Centroid方法退化为质 心方法。

在上述两类定位方法中，基于测距的定位方法需要硬件辅助，而无需测距的定位方法无需硬件辅助。如前所述，基于测距的定位方法一般定位精度较高，但是需要额外的测量设备。例如，基于信号强度的定位需要检测信号强度的电路；以信号传播时间作为测距手段需要低速度信号的收发设备(如超声波收发器等)；基于接收信号方向的测距方法需要定向天线或者天线阵列。质心定位方法，实现了无需测距的粗粒度定位，它使用相邻接节点之间的连通关系进行定位，而不是使用测量的距离或者方向夹角数据。因此使用RSSI信息推断节点之间的连通关系也看作无需测距的定位。

在目前硬件条件下，无需硬件辅助的方法在WSN定位中有较大优势。需要硬件辅助的定位效果并不理想，没有明显优势。例如，TDOA等方法需要运用超声波，而超声波容易受到风的影响，在户外定位效果不理想。AOA方法需要复杂的天线，成本功耗均不理想，且定位精度不具有优势。总之，WSN中轻量级的传感器节点一般是电池供电的系统，具有有限的电能和计算能力。考虑节点能力和成本因素，不可能所有节点都配备GPS接收机等专有的定位硬件。RSSI是很多射频集成电路的内建特性，和无需测距的定位方法一起，归入无需硬件辅助的定位这一类。充分利用RSSI提供的信号强度信息，在无需测距的粗粒度定位算法基础上，研究具有更高定位精度和鲁棒性的算法具有较大的实用价值。

由于节点部署的随机性和电能耗尽等问题，WSN中参考节点呈现非均匀和不稳定状态。诸如质心定位等定位方法，用已知的参考节点位置，对位置未知的节点或者目标进行定位，这些方法的定位受参考节点位置的影响很大。由于缺乏对参考节点拓扑结构上均匀程度的度量手段，现有的无需测距的定位方法仅仅考虑节点密度对定位精度的影响，而没有考虑参考节点相互之间的位置关系对定位精度的影响。

发明内容

本发明的一个目的在于提供一种在传感器网络中的定位方法，以解决由于参考节点分布不均匀导致定位误差较大的问题，从而降低参考节点拓扑对定位精度的影响，提供稳定的定位精度。

本发明的另一个目的是提供实现上述方法的定位装置。

为达到上述一个目的，本发明提供了在传感器网络中的定位方法，该传感器网络包括多个传感器，用于接收待定位的目标发送的信号，该方法包括如下步骤：

步骤S101：目标发射信号；

步骤S102：传感器接收信号，汇聚接收到信号的传感器的位置信息；

步骤S103：根据所汇聚的所述位置信息，计算所有位置信息所确定的最小包含圆，将该最小包含圆的圆心作为目标定位结果。

进一步地，所述步骤S102中，所述汇聚是指接收到信号的所述传感器直接将自身所处的位置信息汇聚到一个数据收集装置，或者通过其它传感器转发至所述数据收集装置；且汇聚到所述数据收集装置的所述位置信息的数目是两个或两个以上。

进一步地，该方法还包括：

步骤S104：计算目标的定位精度，若定位精度满足要求，完成本次定位过程；若定位精度不满足要求，则提高目标发射信号的强度和/或降低传感器的接收阈值，返回步骤S101。

进一步地，步骤S104中所述定位精度是指所有接收到信号的传感器的质心与所述最小包含圆圆心的欧氏距离；步骤S104中还包括设置预定的定位精度阈值，当该欧氏距离不大于该定位精度阈值时，表示定位精度满足要求；当该欧氏距离大于该定位精度阈值时，表示定位精度不满足要求。

进一步地，在步骤S104中，还包括：

当定位精度不满足要求时，判断目标发射信号的强度是否达到最大，如果是，则将当前计算得到的最小包含圆圆心作为定位结果输出；如果否，则提高目标发射信号的强度，返回步骤S101。

为了上述的另一个目的，本发明还提供一种传感器网络中的定位装置，该传感器网络包括多个传感器，用于接收待定位的目标发送的信号；其特征是，该装置包括：

数据收集装置，与所述传感器通信，用于当所述传感器接收到目标发出的信号时，接收所述传感器发来的传感器位置数据；

数据处理装置，与所述数据收集装置通信，其包括最小包含圆计算模块， 用于根据所述位置数据，计算所有接收到信号的传感器的最小包含圆，并计算该最小包含圆的圆心作为目标定位结果输出。

进一步地，所述传感器直接将其位置数据发送给所述数据收集装置或通过邻居传感器转发给所述数据收集装置。

进一步地，所述数据处理装置还包括精度控制模块，用于判断要输出的目标的定位结果的定位精度是否满足要求，如果定位精度满足要求，则输出目标定位结果；如果定位精度不满足要求，则通过所述数据收集装置控制所述传感器降低接收阈值，或者通过所述传感器控制目标提高发射信号的强度，重新开始定位过程。

进一步地，所述精度控制模块包括质心计算模块、欧氏距离计算模块和比较模块，其中所述质心计算模块用于根据所述位置数据计算所有接收到信号的传感器的质心位置，所述欧氏距离计算模块用于计算该质心位置与所述最小包含圆圆心的欧氏距离，所述比较模块用于将所述欧氏距离与预定的定位精度阈值相比较，当所述欧氏距离不大于所述定位精度阈值时，判断为定位精度满足要求，否则判断为定位精度不满足要求。

进一步地，所述精度控制模块还用于当定位精度不满足要求，通过所述传感器控制目标提高发射信号的强度时，判断目标发射信号的强度是否已达到最大，如果是，则不再使目标提高发射信号的强度，并将当前最小包含圆的圆心作为定位结果输出；如果否，则使目标提高发射信号的强度，重新开始定位过程。

从上述技术方案可以看出，本发明具有以下有益效果：

本发明提供的这种在传感器网络中的定位方法和装置，由于使用了最小包含圆来估计目标所处的范围，与现有技术的质心方法等方法最大的区别在于有效地克服了由于参考节点分布不理想给定位精度带来的影响。

本发明提供的这种在传感器网络中定位的方法和装置，由于使用了均匀度评价定位结果的定位精度范围，并通过调节通信半径控制参与定位的参考节点数量，可以保证定位精度不随参考节点拓扑变化而剧烈波动，同时在满足定位精度的前提下降低定位产生的通信负载和功耗。

附图说明

图1为本发明提供的在传感器网络中定位方法的流程图；

图2为基于最小包含圆定位算法的示意图；

图3为本发明的基于最小包含圆定位算法与现有技术质心算法的效果比较示意图；

图4为本发明的基于最小包含圆的定位方法与现有技术的质心方法的定位误差分布示意图。

图5为根据本发明一个实施例的基于最小包含圆的定位装置结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供一种在传感器网络中定位的方法，该传感器网络包括多个传感器，用于接收待定位的目标发送的信号；其中所述传感器在传感器网络中的位置是固定的，而目标在传感器网络中可以是固定的，也可以是移动的。该方法包括如下步骤：

步骤S101：目标发射信号。具体为：

待定位的目标T广播发送信标报文。

步骤S102：传感器接收信号，汇聚接收到信号的传感器的位置信息。具体为：

目标周围的处于其通信半径内的传感器将接收到信标报文。接收到该报文的传感器称为参考节点Ri(i＝1..N，N是所有收到报文的参考节点数目)，参考节点直接将自身所处的位置信息直接汇聚到一个数据收集装置，或者通过其它传感器节点转发汇聚至该数据收集装置。

步骤S103：根据所汇聚的所述位置信息，计算所有位置信息所确定的最小包含圆，将该最小包含圆的圆心作为目标位置。

数据收集装置在完成位置信号收集后，根据收到报文的节点Ri和对应的位置Pi，计算这些节点确定的最小包含圆O，最小包含圆O的圆心C就是目标T所在的位置P。图2显示了目标通信范围内所有参考节点决定的最小包含圆，圆心是目标的估计位置。在二维空间上，通信半径内所有参考节点的凸包决定 的圆，决定了所有参考节点的覆盖区域，最小包含圆圆心是这个区域的中心。

汇聚目标周围的参考节点的位置信息后，在步骤103中计算这些参考节点的最小包含圆O。由收到报文的参考节点Ri和对应的位置Pi，可以计算这些参考节点构成的凸包H来计算最小包含圆。也可以通过最远点Voronoi图(FPVD)来计算最小包含圆。选择何种计算最小包含圆的方法，对本发明的定位结果没有影响。

最小包含圆(SEC，Smallest Enclosing Circle)或者(MEC，MinimumEnclosing Circle)是指给定一个平面中n(n≥3)个点的集合S，找出包围它们的最小圆。最小包含圆是唯一的，它是集合S中三点的外接圆或者是两点作为直径确定的圆。因此，在步骤S103中，汇聚所述数据收集装置的所述位置信息的数目应当是在两个或两个以上；如果所述位置信息的数目少于两个，则提高目标发射信号的强度(即增大通信半径)和/或降低传感器的接收阈值，返回步骤S101重新开始定位过程。

较佳地，该定位方法还包括：

步骤S104：计算目标位置的定位精度，若定位精度满足要求，完成本次定位过程；若定位精度不满足要求，则提高目标发射信号的强度(即增大通信半径)和/或降低传感器的接收阈值，返回步骤S101。

根据步骤S103中估计的目标位置P和收到报文的N个参考节点Ri的均匀程度，计算估计位置P的定位精度。该定位精度是指参考节点的质心G(X_cent，Y_cent)与最小包含圆圆心G的欧氏距离D。另外，设置一个预定的定位精度阈值，当该欧氏距离D不大于该定位精度阈值时，表示定位精度满足要求，则结束此次定位过程；当该欧氏距离D大于该定位精度阈值时，表示定位精度不满足要求，则提高目标发射信号的强度和/或降低传感器的接收阈值，返回步骤S101，进行新一轮的定位。

更佳地，在步骤S104中，还包括：

当定位精度不满足要求时，判断目标发射信号的强度是否达到最大，如果是，则将当前计算到的最小包含圆圆心作为定位结果输出；如果否，则提高目标发射信号的强度，返回步骤S101。

对于传感器网络，最小包含圆由参考节点位置分布决定，而不是由参考节点的密度决定。最小包含圆对WSN拓扑均匀度不敏感，这是与现有技术的质心 法等以往定位算法最大的区别。这个特性使得本发明的基于最小包含圆的定位算法(SECL)更加适合参考节点分布疏密不均的无线传感器网络场合。

下面结合图3和图4说明本发明的定位方法的优越性。图3显示了不同通信半径的定位结果。“□”是目标实际位置；“△”是质心方法定位结果；“*”是本发明的基于最小包含圆的定位结果。目标处于一个参考节点不均匀的环境，左上部参考节点分布密集，右下部参考节点分布稀疏，有较大的空穴。图3显示了传感器的通信半径为160m时候的定位情况，其中□表示目标实际位置，△为按照现有技术的质心方法定位的目标位置，*为按照本发明的最小包含圆方法定位的目标位置。此时，最小包含圆完整地覆盖了目标周围的区域，最小包含圆圆心对目标的估计明显优于Centroid估计。这个例子说明了本发明的定位方法比现有技术的质心方法克服了由于参考节点不均匀造成的定位影响，提高了定位精度。

图4是定位算法的定位误差分布图直方图，横轴是误差数量、纵轴是出现某个误差大小的次数，该图说明了不同的定位方法不同误差规模出现的频率。图4中，本发明的基于最小包含圆的定位方法在10m左右最小一档的误差出现的次数是现有技术的质心方法的2倍，说明本发明更好地估计了目标的位置，即基于最小包含圆的定位算法明显优于质心算法。

如图5所示，本发明提供一种传感器网络中的定位装置50，该传感器网络包括多个传感器500，用于接收待定位的目标501发送的信号；该装置50包括：

数据收集装置51，与所述传感器500通信，用于当所述传感器500接收到目标501的信号时，接收所述传感器500发出的传感器位置数据；

数据处理装置52，与所述数据收集装置51通信，其包括最小包含圆计算模块，用于根据所述位置数据，计算所有接收到信号的传感器的最小包含圆，并计算该最小包含圆的圆心作为目标501的定位结果输出。

较佳地，所述传感器500直接将其位置数据发送给所述数据收集装置51或通过邻居传感器转发给所述数据收集装置51。

较佳地，所述数据处理装置52还包括精度控制模块53，用于判断要输出的目标的定位结果的定位精度是否满足要求，如果定位精度满足要求，则输出目标定位结果；如果定位精度不满足要求，则通过所述数据收集装置51控制 所述传感器500降低接收阈值，或者进一步通过所述传感器500控制目标501提高发射信号的强度，重新开始定位过程。

较佳地，所述精度控制模块包括质心计算模块、欧氏距离计算模块和比较模块，其中所述质心计算模块根据所述位置数据计算所有接收到信号的传感器的质心位置，所述欧氏计算模块计算该质心位置与所述最小包含圆圆心的欧氏距离，所述比较模块用于将所述欧氏距离与预定的定位精度阈值相比较，当所述欧氏距离不大于所述定位精度阈值时，判断为定位精度满足要求，否则判断为定位精度不满足要求。

更加地，所述精度控制模块还用于当定位精度不满足要求，进一步通过所述传感器控制目标提高发射信号的强度时，判断目标发射信号的强度是否已达到最大，如果是，则不再使目标提高发射信号的强度，并将当前最小包含圆的圆心作为定位结果输出；如果否，则使目标提高发射信号的强度，重新开始定位过程。

本发明提出基于最小包含圆的定位方法(SECL，Smallest EnclosingCircle-based Localization)和装置。该方法构建参与定位的参考节点的最小包含圆，使用圆心估计目标的位置，对于参考节点分布不均匀的网络，有更优的定位精度。

以上所述内容，仅为本发明具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种在传感器网络中的定位方法，该传感器网络包括多个传感器，用于接收待定位的目标发送的信号，其特征是，该方法包括如下步骤：

步骤S101：目标发射信号；

步骤S102：传感器接收信号，汇聚接收到信号的传感器的位置信息；

步骤S103：根据所汇聚的位置信息，计算所有位置信息所确定的最小包含圆，将该最小包含圆的圆心作为目标的定位结果。

2.根据权利要求1所述的在传感器网络中的定位方法，其特征是，所述步骤S102中，所述汇聚是指接收到信号的所述传感器将自身所处的位置信息直接汇聚到一个数据收集装置，或者通过其它传感器转发汇聚到所述数据收集装置；且汇聚到所述数据收集装置的所述位置信息的数目是两个或两个以上。

3.根据权利要求1或2所述的在传感器网络中的定位方法，其特征是，还包括：

步骤S104：计算目标的定位精度，若定位精度满足要求，完成本次定位过程；若定位精度不满足要求，则提高目标发射信号的强度和/或降低传感器的接收阈值，返回步骤S101。

4.根据权利要求3所述的在传感器网络中的定位方法，其特征是，步骤S104中所述定位精度是指所有接收到信号的传感器的质心与所述最小包含圆圆心的欧氏距离；步骤S104中还包括设置预定的定位精度阈值，当该欧氏距离不大于该定位精度阈值时，表示定位精度满足要求；当该欧氏距离大于该定位精度阈值时，表示定位精度不满足要求。

5.根据权利要求3所述的在传感器网络中的定位方法，其特征是，在步骤S104中，还包括：

当定位精度不满足要求时，判断目标发射信号的强度是否达到最大，如果是，则将当前计算得到的最小包含圆圆心作为定位结果输出；如果否，则提高目标发射信号的强度，返回步骤S101。

6.一种传感器网络中的定位装置，该传感器网络包括多个传感器，用于接收待定位的目标发送的信号；其特征是，该装置包括：

数据收集装置，与所述传感器通信，用于当所述传感器接收到目标发出的信号时，接收所述传感器发来的传感器位置数据；

数据处理装置，与所述数据收集装置通信，其包括最小包含圆计算模块，用于根据所述位置数据，计算所有接收到信号的传感器的最小包含圆，并计算该最小包含圆的圆心作为目标定位结果输出。

7.根据权利要求6所述的传感器网络中的定位装置，其特征是，所述传感器直接将其位置数据发送给所述数据收集装置或通过邻居传感器转发给所述数据收集装置。

8.根据权利要求6所述的传感器网络中的定位装置，其特征是，所述数据处理装置还包括精度控制模块，用于判断要输出的目标的定位结果的定位精度是否满足要求，如果定位精度满足要求，则输出目标定位结果；如果定位精度不满足要求，则通过所述数据收集装置控制所述传感器降低接收阈值，或者通过所述传感器控制目标提高发射信号的强度，重新开始定位过程。

9.根据权利要求8所述的传感器网络中的定位装置，其特征是，所述精度控制模块包括质心计算模块、欧氏距离计算模块和比较模块，其中所述质心计算模块用于根据所述位置数据计算所有接收到信号的传感器的质心位置，所述欧氏距离计算模块用于计算该质心位置与所述最小包含圆圆心的欧氏距离，所述比较模块用于将所述欧氏距离与预定的定位精度阈值相比较，当所述欧氏距离不大于所述定位精度阈值时，判断为定位精度满足要求，否则判断为定位精度不满足要求。

10.根据权利要求8所述的传感器网络中的定位装置，其特征是，所述精度控制模块还用于当定位精度不满足要求，通过所述传感器控制目标提高发射信号的强度时，判断目标发射信号的强度是否已达到最大，如果是，则不再使目标提高发射信号的强度，并将当前最小包含圆的圆心作为定位结果输出；如果否，则使目标提高发射信号的强度，重新开始定位过程。

Images