CN101910863A - 用于在Ad-Hoc网络中确定节点位置的方法、节点、装置、计算机程序和数据载体 - Google Patents

Abstract

本发明涉及用于在Ad-Hoc网络中确定节点地理位置的一种方法和一种装置。为此确定该节点的至少两个邻近节点的距离圆。另外还检测该节点的至少两个邻近节点的距离圆的交点。由所检测的或所确定的交点的集合来确定交点的主要集合，其中该主要集合包含有位于该节点的估计位置附近的那些交点。然后借助交点的主要集合来确定该节点的地理位置。

Description

用于在Ad-Hoc网络中确定节点位置的方法、节点、装置、计算机程序和数据载体

本发明涉及在Ad-Hoc网络中节点地理位置的确定。本发明尤其涉及分别根据本发明能够实现在Ad-Hoc网络中确定地理位置的一种方法、一种节点、一种装置、一种计算机程序和一种数据载体。

目前许多对象都能够与其他对象相通信。也即，它们能够发送和/或接收信息、消息、数据。这些对象在此可以是固定安装的、静止的或移动的。在许多情况下、比如在交通中(比如在道路交通或航空)、在商店中等，这样的对象(比如汽车、集装箱等)的协调是有意义的。这样比如对安全或管理进行支持。

由于这些对象能够被连接在通信网中，使得在该范围内开启了许多可能性，以便比如对前述的安全或管理进行支持。那么这些对象也可以自身至少部分地进行协调。也即，通过与其他的对象相协调，通过接收与位置有关的数据、信息，该对象能够对所提供的数据、信息进行分析，并关于周围的其他对象来对其定位进行推断。这些对象(下文称为节点)构成了网络，在该网络中可以围绕这些对象来进行协调或定位，其中至少部分地由一个相应的系统和/或至少部分地由这些对象或节点本身来进行协调或定位。

在文献中阐述了不同的可能以把单个节点的位置与相互之间以及在节点之间的距离相关联。大多可以基于以下的前提，即该网络由两种节点组成。一方面是知道自己位置的信标节点，另一方面是必须借助到信标节点的距离来计算其位置的标准节点。

已知的方法在其途径上的差别可能在于无距离的以及基于距离的方法。

在无距离的方法中，单个网络节点的间距借助一种跳动测量法(Hop-Metrik)(也即按照在两个节点之间其他节点的数量)来确定，该间距在另一步骤中借助所示的网络拓扑而转换为地理距离。在节点之间不进行明确的距离测量。有关于此的现有技术的这种工作比如象Niculescu和Nath的[1]以及以之为基础的Hsieh和Wang的[2]。

在基于距离的方法中，再次借助在单个网络节点以及在节点和信标之间离散的距离测量来评估单个节点的位置。比如其中[3]、[4]和[5]就针对的是这种定位方式。在[6]中尝试了利用由信标节点所接收信号的RSSI(Received Signal Strength Indication，接收信号强度指示)来对位置估计进行计算。

现在考虑的是基于距离的定位。

通常借助一种间距或距离确定方法来确定距离。总之采用广泛的方法来确定距离或间距。则比如可以借助接收信号强度(Received Signal Strength，RSS)、按照到达时间(ToA)的测量、按照到达时间差(TDoA)的测量或者按照来回时间(RToF)的测量等来实施测量，以确定或检测间距或距离。所有这些方法所产生的问题是测量的不精确性。也即不能求得或确定精确的间距或距离值。这种测量的结果是不精确的或评估的间距或距离值。

因为基于距离的方法基于的是距离说明(Distanzangaben)，所以其必定对这些不精确或评估的间距或距离值是鲁棒的。

最后在基于距离的方法情况下来实施以下两种定位方法：多边法(LSL)[7]和边界框法(BB)[5]、[8]。

图1a示出了按照现有技术的用于定位的一种方法(三边法)。图1a尤其示出了当三个节点或近邻B₁、B₂、B₃位于附近时三边法如何起作用。

在此借助邻近节点B₁、B₂、B₃到被搜索节点M的测量距离d₁、d₂和d₃来估计M的位置。

三边法是非常易出误差(Fehler)的，其不仅涉及信标节点的位置，而且还涉及所测量距离的精确性，因为其基于的是数学上明确的、其中没有规定有误差的方法。但是，如前所述，其问题在于，在实际中所测量的距离总是估计的并从而不精确的值。

图1b示出了在通过多边法定位时的典型问题。如果距离测量是不完善的和不精确的，那么位置就被错误地计算。多边法是三边法的一种扩展形式。三边法可以利用三个邻近节点来进行一个节点的定位，而对于多边法则利用了要定位节点的所有可用的邻近节点。

利用多边法可以根据多个邻近节点P₁、P₂、P₃到未知节点M的测量距离d₁+d_err，1、d₂+d_err，2和d₃+d_err，3以及其已知的位置来评估未知节点M的位置。与三边法相比，多边法也可以处理不精确的位置测量或距离测量。在图1b中所估计的位置P_estim，1、P_estim，2、P_estim，3偏离了节点P₁、P₂、P₃的真正位置。另外所测量的距离d₁+d_err，1、d₂+d_err，2和d₃+d_err，3具有误差d_err，1、d_err，2和d_err，3。相应地在图1b中可以得知，所计算的位置M_estim与节点M的实际或真正位置有误差。

但是多边法所具有的缺点是，如果存在邻近节点的多重共线性，那么它是非常易出误差的。另外，如果在输入数据(邻近节点的位置和相应的距离)中也存在误差，那么在借助多边法定位时误差被放大。在此已很小的输入误差可能在所计算的结果位置中引起或产生非常大的误差。另一已知的方法是边界框方法[5]、[8]，只要能够实施距离测量，那么该方法就允许对网络中的节点进行定位。图2a示出了该方法在测量非常精确时的一个例子。该方法所基于的前提是，一个节点的大概位置可以利用相应测量的距离而限定于一个方形区域中(最小的边界框)，其中心点则体现为所估计的位置。在图2a中所搜索的节点M具有三个邻近节点P₁、P₂、P₃。在此所限定的区域或框通过邻近节点P₁、P₂、P₃的位置(x₁，y₁)、(x₁，y₁)、(x₁，y₁)和邻近节点到被搜索节点M的距离d₁、d₂、d₃来确定。M_estim是该节点M的估计位置。

如果邻近节点位于所搜索的节点附近，那么该边界框方法就提供完全良好的结果。但是，如果所搜索的节点仅在一侧(也即仅右边、仅左边或仅上边等等)具有近邻，那么就产生了问题。图2b形象地示出了这个问题，也即在该用户在一个方向上或在一侧不具有近邻(比如在网络的边缘)时该方法可能具有的困难程度。在这种情况下，该边界框方法不能捕获或框住所搜索的节点。这导致关于被搜索节点的位置的严重的错误估计。从而所计算的位置M_estim和被搜索节点M的实际位置之间相互非常远。

本发明的任务是提供一种改善的定位。

该任务通过具有权利要求1所述特征的一种方法、通过具有权利要求15所述特征的一种节点、通过具有权利要求29所述特征的一种装置、通过具有权利要求30所述特征的一种计算机程序以及通过具有权利要求32所述特征的一种数据载体而得到解决。

该任务借助一种用于在Ad-Hoc网络中确定节点的地理位置的方法而得到解决，其中该方法具有以下的步骤：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点距离圆的交点；

-确定所述交点的主要集合(Hauptmenge)，其中该主要集合包含有位于该节点的被估计的位置附近的那些交点；以及

-借助交点的主要集合来确定该节点的地理位置。

距离圆是围绕给定节点的、具有预先确定半径d的圆。在该情况中，该半径是在一个邻近节点与所搜索的、或为其确定位置的节点之间的距离。如上所述，该距离借助一种间距或距离确定方法来确定或求得。在此本发明并不局限于该间距或确定检测方法。可以采用广泛的方法来确定该距离(比如RSS、ToA、TDoA、RToF等)，其中也可以组合采用这些方法。从而本发明允许进行灵活的转换。

交点是两个或多个距离圆相交的那些点。

邻近节点的位置可以预先给定或估计，并从而是不精确的(比如通过全球定位系统GPS)。在此本发明也允许进行灵活的转换，并能够应用于不同的情况。

尤其因为采用圆来作为搜索目标，本发明实现了在所有方向上对位置的确定。另外，借助距离圆的交点来确定位置，允许一方面快速而有效地、另一方面与现有技术的已知方法相比明显更精确地确定节点的位置。

对于至少两个邻近节点其中的每个邻近节点，可以借助邻近节点的位置说明以及距离说明来确定一个距离圆。该距离说明提供了在该邻近节点与根据本发明要为之确定或求得位置的节点之间的距离。在下文中该节点还将称为被搜索节点。

该距离说明在此可以是一个不精确的距离说明。也即，根据本发明，为确定节点的位置而准备了不精确的距离说明，并且具有容错。

另外该位置说明也可以是一个不精确的位置说明。关于对其他节点位置的说明，本发明从而也具有一个容错。比如如果该位置说明由GPS测量而提供，那么这就可以是这种情况。

另外，该位置说明也可以是一个精确的位置说明。比如邻近节点的位置数据可以通过精确或准确起作用的测量方法来提供或预先给定。

比如如果代表一个邻近节点的对象是固定安装或设置的，那么上述的后者就是这种情况。

如前所述，该距离说明可以借助距离测量方法来确定。

另外，该距离圆的交点可以基于每两个距离圆的圆方程的减法和变换来确定。

在此在确定交点的主要集合时可以采用一个阈值，并且在此位于该阈值之内(比如不超过该阈值)的交点被用于计算最终结果。

根据本发明一个实施例，使用交点的x和y分量的平均值来确定交点的主要集合。

另外，根据本发明的一个实施例，可以借助后向递归来确定交点的主要集合。

另外，可以由为之确定地理位置的节点来实施该方法。

该节点可以是该Ad-Hoc网络的一个移动节点。其比如可以是交通网络中的汽车。

上述的任务通过在Ad-Hoc网络中的节点而得到解决，其中该节点具有用于确定地理位置的装置，其中该用于确定该节点地理位置的装置构造用于：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点的距离圆的交点；

-确定交点的主要集合，其中该主要集合包含有位于该节点的估计位置附近的那些交点；以及

-借助该交点的主要集合来确定该节点的位置。

总之所述节点并从而该装置构造用于确定该节点的地理位置，以实施前文概述的以及下文详细阐述的方法步骤。

该用于确定该节点地理位置的装置被构造用于为所述至少两个邻近节点中的每个节点借助该邻近节点的位置说明以及距离说明来确定邻近节点的距离圆。

在此该节点具有用于接收邻近节点位置说明的装置。也即，在这种情况下，该节点能够根据请求接受邻近节点的位置说明。

根据一个实施例，该距离说明可以是一个不精确的距离说明。

该位置说明可以是一个不精确的位置说明。那么比如该位置说明可以是由GPS测量所提供的位置说明。但该位置说明也可以是一个精确的位置说明。比如如果该位置说明涉及该网络的一个固定安装的节点，那么这就变成这种情况。

另外，该距离说明可以是借助一种距离测量方法而确定的距离说明。

根据本发明的一个实施例，该用于确定节点地理位置的装置可以构造用于根据相应两个距离圆方程的减法和变换来确定该距离圆的交点。

另外，该用于确定节点地理位置的装置可以构造用于在确定交点的主要集合时使用阈值，并把位于该阈值之内的交点用于计算最终结果。

另外，该用于确定节点地理位置的装置可以构造用于使用所述交点的x和y分量的平均值来确定交点的主要集合。

根据本发明的一个实施例，该用于确定节点地理位置的装置可以构造用于借助后向递归来确定交点的主要集合。

该节点可以是该Ad-Hoc网络的一个移动节点。则比如该节点可以是汽车。

上述的任务还借助一种装置而得到解决，其具有用于在Ad-Hoc网络中确定节点地理位置的装置，其中该装置构造用于：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点距离圆的交点；

-确定交点的主要集合，其中该主要集合包含有位于该节点的被评估的位置附近的那些交点；以及

-借助交点的主要集合来确定该节点的地理位置。

总之该装置如此来配置，使得其实施上文概述的以及下文更具体阐述的方法步骤。

该装置可以任意安装在该Ad-Hoc网络中。那么它比如可以被包含于该Ad-Hoc网络的一个节点中。其尤其可以是应为之确定地理位置的节点的组成部分。也即，如果该节点是汽车，那么它比如可以安装在交通网络中的汽车中，以直接在汽车中实施定位，并从而有利于交通的协调，也即支持交通网络的安全或管理。

另外，上述的任务还借助一种计算机程序而得到解决，它具有一种编码，该编码如此来构造，使得其执行上文概述的以及下文更具体阐述的方法步骤。在此该计算机程序可以存储在一种数据载体上。

另外，上述的任务还借助一种数据载体而得到解决，其中该数据载体包含有上述的计算机程序。

下面参照附图的实施例来详细阐述本发明，其中：

图1a示出了用于定位的按照现有技术的一种方法(三边法)；

图1b示出了用于定位的按照现有技术的一种方法(多边法)，并在此示出了该方法的缺点；

图2a示出了用于定位的按照现有技术的一种方法(边界框方法)；

图2b示出了用于定位的按照现有技术的一种方法(边界框方法)；并在此示出了该方法的缺点；

图3示出了按照本发明一个实施例的定位；

图4示出了本发明方法的以及按照现有技术的方法的结果比较，其中该方法的平均dRMS在RWP模型中示出；

图5示出了本发明方法的以及按照现有技术的方法的结果另外的比较，其中该方法的平均dRMS在RWP模型中示出，并且其中该方法的比较借助远离中心的邻近节点来示出；

图6示出了列模拟的图解；

图7示出了关于具有平均dRMS的图6的图解、根据本发明方法的以及按照现有技术的方法的结果比较；

图8示出了利用最小平方多边法(LSL)以及本发明方法(MDL)的具有列队行驶(Kolnnenfahrt)模拟的模拟场的片段；

图9示出了十字路口模拟的图解；

图10示出了十字路口模拟的结果，其中示出了在该十字路口模型中本发明方法的以及按照现有技术的方法的平均dRMS；以及

图11示出了十字路口模拟的结果，其中示出了与到十字路口中心的距离有关的、本发明方法的以及按照现有技术的方法的平均dRMS。

下面根据一个交通网络的例子来解释本发明，其中为了简化，把汽车视为(交通)网络的对象或节点。在此应注意的是，本发明并不局限于在交通网络中的一种应用，本发明的其他应用领域也是可以的。不同的对象或装置都可以用作网络的对象或节点。

图3示出了根据本发明一个实施例的定位。

在此该网络由节点P₁、P₂、P₃、P₄和M组成，其中M是所搜索的节点，也即为之实施定位的节点，并且其中该节点P₁、P₂、P₃、P₄是节点M的邻近节点。

该网络比如可以是一个交通网络，其中节点P₁、P₂、P₃、P₄和M为汽车。在此这些汽车可以相互通信，并通过借助位于附近的汽车的、和/或在交通网络中其他对象的位置来确定其位置，以及通过与位于附近的汽车和/或与在交通网络中其他对象进行相应的通信，能够避免交通危险状况。但本发明的应用领域绝不仅仅局限于这些交通状况或总体局限于交通。本发明灵活地被设计，并能够应用于不同领域，在这些领域中以对象的定位和/或协调为任务。

对于每个邻近节点P₁、P₂、P₃、P₄都分别存在一个关于在被搜索节点M与各个邻近节点P₁、P₂、P₃、P₄之间的距离或间距的距离信息d₁+d_err，1、d₂+d_err，2、d₃+d_err，3、d₄+d_err，4。因为间距或距离确定方法仅提供一个估计而不提供在两个节点之间距离的精确说明，所以节点所具有的距离信息是不精确的。因此该距离信息d_i+d_err，i由实际的距离d_i和通过估计而存在的误差d_err，i构成。误差d_err，i的值是实数。从而d_err，i不仅可以具有正值，而且可以具有负值。为了更好地阐明，图3的误差d_err，i具有正值。

根据该实施例，为一个节点的每个可能的近邻对来单独地计算邻近节点的距离圆(Distanzumkreise)的交点。这些交点的主要集合将位于被搜索节点实际位置的附近。然后从这些交点的被估计的位置的主要集合来计算被搜索节点M的最终结果位置。

要计算的或所搜索的节点M的邻近节点P₁和P₂的距离圆交点可以如下所示来找到。

把P₁和P₂的距离圆作为圆方程来考虑：

(x-x₁)²+(y-y₁)²＝d₁ ²             (1)

(x-x₂)²+(y-y₂)²＝d₂ ²             (2)

这里(x_i，y_i)是节点P_i的位置。该位置说明(x_i，y_i)可以是估计的或不精确的或者准确或精确的位置说明。(x，y)在此是该节点M的所搜索位置。

通过圆方程(1)和(2)的减法和变换而得到了以下方程：

y(2y₂-2y₁)＝2x(x₁-x₂)+(d₁ ²-d₂ ²)+(x₂ ²-x₁ ²)+(y₂ ²-y₁ ²)      (3)

在另一变换之后得到了：

$y=x\frac{x_1-x_2}{y_2-y_1}+\frac{({d_1}^2-{d_2}^2)+({x_2}^2-{x_1}^2)+({y_2}^2-{y_1}^2)}{2y_2-2y_1}---\left(4\right)$

通过代入参数P₁和P₂，其中：

$p_1=\frac{x_1-x_2}{y_2-y_1}---\left(5\right)$

以及

$p_2=\frac{({d_1}^2-{d_2}^2)+({x_2}^2-{x_1}^2)+({y_2}^2-{y_1}^2)}{2y_2-2y_1}---\left(6\right)$

则得到了穿过P₁和P₂距离圆交点的直线方程：

y＝p₁*x+p₂               (7)

在下一步骤中把方程(1)变换为：

$y=\±\sqrt{{d_1}^2-{(x-x_1)}^2}+y_1---\left(8\right)$

并接着利用穿过P₁和P₂距离圆交点的直线方程(7)而等同变换为：

$p_{1}x+p_2=y=\±\sqrt{{d_1}^2-{(x-x_1)}^2}+y_1---\left(9\right)$

在方程(9)平方之后就得到以下的方程：

p₁ ²x²+2p₁x(p₂-y₁)+(p₂-y₁)²＝d₁ ²-x²+2xx₁-x₁ ²＝0      (10)

通过再次变换就产生了以下的方程：

x²(p₁ ²+1)+x(2p₁(p₂-y₁)-2x₁)+(p₂-y₁)²-d₁ ²-x₁ ²＝0     (11)

另外还在方程(11)中采用参数q₁、q₂和q₃，其中：

q₁＝p₁ ²+1                    (12)

q₂＝2p₁(p₂-y₁)-2x₁           (13)

q₃＝(p₂-y₁)²-d₁ ²-x₁ ²         (14)

通过在方程(11)中采用参数q₁、q₂和q₃，最后得到二次公式：

q₁x²-q₂x+q₃                  (15)

其解为：

$x_{\mathrm{1,2}}=\frac{-q_2\±\sqrt{{q_2}^2-4q_1{q}_3}}{2q_1}---\left(16\right)$

最后从而可以通过计算参数p₁、p₂以及q₁、q₂和q₃而得到或找到一个节点的两个近邻的距离圆交点的集合。该解集可以不具有或不包含、具有或包含一个或两个点。

总之，在M的n个邻近节点的集合中可以有

$\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}i=\frac{n(n-1)}{2}---\left(17\right)$

个不同的对。一个节点的每个近邻对通常产生两个交点。该交点之一可以位于被搜索节点M附近，而另一交点又可以远离M。为了去除远离被搜索节点M的位置的那些交点，而引入阈或阈值，超过该阈或阈值而远离的交点不再进入到结果中(所搜索的M的位置)，那么这是符合目的的。该阈值比如提供了在两个交点之间所允许的最大间距或最大距离。这样就确定或获得了交点的主要集合，该交点的主要集合具有位于被搜索节点M的实际位置或搜索位置附近的那些交点。这根据该实施例借助所搜索点的合适测量的位置来进行。在此根据本发明还可以采用其他已有的聚类方法。那么比如也可以考虑通过后向递归来进行选择。

位于阈之内的所有点被用于计算最终结果、也即M的被搜索的位置。

其现在比如可以通过计算该位置的x和y分量的平均值

以及

来求得。

根据该实施例，从而所有交点的所有x值被相加，其和除以交点的数量。相应地也同样处理y值。从而所有交点的所有y值被相加，其和除以交点的数量。在此得到了在交点之间的一个中心点。

从交点的该中心点开始来考虑所有的交点，其中针对每个交点确定在该中心点与该交点之间的距离是否低于预先确定的阈值。如果是，那么该交点就被记录到所有交点的集合中，并从而考虑进一步的定位。

如前所述，图3根据本发明一个实施例示出了本发明的方法策略。在此相应考虑的近邻对的所有交点被计算，并然后选出一个最终结果的数据组(在此借助围绕M的测量位置的一个固定的圆圈。这些交点的平均值形成了该节点M的被搜索的结果位置。所有交点的集合在图3中通过星状符号来表示。在此不填充的或白色的星状符号表示不被用于计算或确定该节点M的被搜索的结果位置的交点。填充的或黑色的星状符号再次表示交点主要集合的交点，也即被用于计算或确定节点M的被搜索的节点位置的那些交点。

根据本发明，该定位问题被划分为单个的估计。这所具有的优点是，能够有效而简单地从最终的位置估计中排除单个突出的异常值。

另外本发明还能够有效地对付多重共线性并对其进行有效的处理，其中多重共线性在已公开的方法中在定位时产生问题。根据本发明，如前所述，比如通过所求得的交点的平均，来实施交点的聚类。这导致在结果中明显更精确的估计。

对于以下的情况，即被搜索节点M与其近邻位于一个直线中，那么通过根据本发明的定位而再次提高了精确性，因为该距离圆的交点关于该直线几乎直角对称。从而这些交点的平均值近似为被搜索节点M的真正或实际位置。

如前所述，本发明涉及第二类的方法，也即基于距离的方法，因为假定至少存在近似的距离测量来作为输入数据。

在节点之间距离的测量比如可以借助结合延迟时间用于距离即间距确定的方法来实施。如前所述，本发明并不局限于这些距离或间距确定方法。则比如也可以应用或采用其他的方法，比如基于超声测量、光测量或无线电波测量的方法。本发明通常的前提是，距离或间距确定方法提供与在被搜索节点与被搜索节点的至少一个邻近节点之间间距有关的信息，其中考虑了该间距或距离信息可能的不精确性。这自然也不排除精确的间距或距离信息。从而保证了关于在被搜索节点与邻近节点之间所确定的距离的容错。

与已知方法的一个重要差别在于，已知方法在信标节点和正常节点之间在必要的方式上是不同的，也即在其位置或者是已知的或者是完全未知的节点之间。根据本发明，邻近节点可以具有以GPS测量或其他位置测量形式的位置估计和/或精确的位置说明。这些估计根据本发明以协作的方式和方法被用于位置精确化。

关于现有技术的方法的另一优点是信标节点在网络中以及在网络密度中是一个组成部分。在已知的方法中采用了相对高的信标节点组成部分(5-10％)。本发明在以下网络中也实现了定位，其中该网络宁可具有小部分的信标节点，因为相对于节点比如在交通中的汽车的总数，具有确切已知位置的RSU的数量宁可是小的。因此其邻近节点、也即位于其无线电作用范围内的那些节点用作用于确定节点的位置的参照。如果考虑交通网络的例子，那么比如在一个WAVE网络中汽车的数量宁可是小的，并且在密度上也可能显著变化。同样由于移动特征而使拓扑经常变化。

另外，为了根据本发明进行定位，把节点划分为信标节点和非信标节点类不是必要的，而这在已知的方法中是一个前提。节点可以全部称为普通的网络节点(比如汽车)或者RSU节点(比如路边单元)。第一类仅具有其自己位置的比如通过GPS的不精确测量，并且是移动的。第二类具有精确的位置说明，但是是不移动的。相互位于其无线电作用范围内的节点被称作邻近节点。在此划分为上述的第一类和上述的第二类并不是强制的。可以存在这两类的节点，或者也可以存在两类之一的节点。

下面比较根据现有技术的方法和根据本发明方法的定位结果。为了对这三种方法(多边法，边界框方法和本发明的方法)获得概观，其首先在通常用于分析移动网络、但抽象的模型、Random Waypoint(RWP)模型中来进行验证。某一数量的移动网络节点在此移动到一个封闭的矩形场中。

该RWP模型的具体说明比如参见[9]。

图4示出了本发明方法和现有技术的方法(最小平方多边法、多边法和边界框方法)的结果对比，其中在RWP模型中给出这些方法的平均dRMS。

除了这三种方法的结果之外，还加入了GPS输入数据的被测量的dRMS来进行比较。其一般约为12.5m。在图4中首先已经能看到的是，不仅最小平方多边法(LSL)、而且边界框法(BB)在每个节点仅少量近邻的情况下提供非常差的位置估计。相应的dRMS值因此在图中也没有被列入。

在图4中纵轴表示所测量的dRMS，横轴表示邻近节点的数量。

唯一本发明的方法(在下文中称为多边扩展法(Multidilateration)(MDL))能够在小近邻数量的情况下就改善输入数据的精确性。而LSL自约11个邻近节点起才能够改善，而利用BB在约50个近邻的高数量时才实现。一方面(如前所述)这在LSL中尤其在少量近邻的情况下对异常值有大的影响，那么其体现为差的近似。这种效应首先出现在网络的边缘。另一方面，在BB中在网络周边上通常差的表现导致高的dRMS，但在该模拟模型中也导致通常差的效率。

为了更确切地显示这种差别，静态地分析了整个网络的状态的50个瞬态记录。节点的总数相应为20个。为了能够在边缘节点和网络中心的节点之间进行区分，使用了以下的度量标准：针对每个节点来确定比它本身更远离模拟场中心的那些节点的数量。该度量标准或该数量表示在图5的横轴上。图5的纵轴表示所测量的dRMS。

在图5中可以看出，BB在网络边缘具有高的不精确性。然而因为每个节点已具有相对高数量的近邻，所以LSL达到明显改善的值，在此尤其在边缘节点处也可以观测到提高的dRMS。

总而言之，MDL在这种环境下更好地工作。在仅少量邻近节点的情况下就已经能够观测到位置估计的良好的精确性，明显低于12.5m的输入数据精确度。

通过对近邻距离圆的交点求平均，在网络的边缘也实现了良好的估计，因为与比如在BB中不同，不对最大距离进行最小化。

下面根据列模拟的例子来考虑本发明。

按照通常的RWP情况，现在应该涉及该方法的更特殊的应用情况。为此针对作为道路交通中汽车的节点来选择以下的移动图样：

-网络节点的数量不再是固定的，而是可变的。它们以可调的均匀分布的发生概率重新出现在模拟中。

-一个新出现的节点出现在该模拟场边缘上的一个固定位置上，并在某一通道中在X或Y方向上移动到该模拟场的另一侧。这种移动在此仅仅在给定的方向上延伸，“逆行”是不可能的。在每个移动步骤中除了实施侧向移动之外，还在间隔[-2.5m，2.5m]内均匀分布地存在偏转。

-如果一个节点离开了该模拟场，那么该节点就被清除。

在图6中示出了这种情景的示图。

如根据图7的分析而能够看出的一样，在该情景中该方法的效率与RWP模拟相比部分地发生明显变化。在此纵轴表示平均dRMS，横轴表示邻近节点的数量。

BB方法在具有间距的RWP情景中表现出最差的性能，而现在LSL占据这个位置。一个事实在此是尤其值得注意的：BB在至少具有高数量近邻的RWP下相对于GPS精度也达到了位置估计的改善。相反，在现在的情景中LSL保持明显高于该阈值。通过再次明显提高网络密度按照文献资料也不能期待位置的改善。

在LSL中差的值的原因在于该情景的概念。因为所有的节点位置是近似完全多重共线的，所以在最小平方分析中出现非常大的误差。该情景的一个屏幕截图示出了这种情况(见图8，模拟场的片段)。

图中的左边示出了LSL的一个屏幕截图，右边用MDL来对比地构图。在LSL中明显能够看到大的定位误差。因为虚线延伸穿过在Y方向上的一些位置，所以在X方向上的定位误差非常大。该LSL方法因此完全不适合这种情景。

即使MDL提供了最佳的结果，整体性能也差于RWP情景。在此在节点密度高的情况下能够达到低于5m的定位dRMS，而在此最小值则在约7m处摆动。对于大的近邻数量，该MDL方法仅比BB有微小的改善。

下面根据一个十字路口的模拟来解释本发明。

前述的列形式的情况更多地适于描绘高速公路或道路，而下面解释一种典型的城市情景，也即：十字路口的模拟。

原理上该情景与列情况差别不是非常大，因为仅仅是把两个通道相互垂直交叉。然而在网络拓扑中存在明显的差别，因为在两个通道的节点之间自然产生新的邻近关系。

在图9中示意性示出了该情景。

在图10中示出了利用不同的方法、关于每个节点的平均近邻数量该网络的平均dRMS。也即，纵轴表示平均dRMS，横轴表示邻近节点的数量。

在此该LSL方法相对于其他两种方法也明显下降。虽然其效率优于前面的情景，但是在节点密度大的情况下其平均dRMS也明显高于GPS位置测量。这种改善通过以下事实来解释，即现在在图9所示的圆中其他节点作为与在同一通道中的近邻不共线的近邻而存在。但是因为这些新的近邻在它们之间同样具有高的共线性，所以这种改善不是如期望的大。

该BB方法与列情景相比相反可能没有改善。在每个节点具有少量近邻的情况下，该dRMS在密度高的情况下仍旧明显较高。在平均约20个邻近节点的数量下才达到相对于GPS测量的dRMS的改善的dRMS，而在列情景中在约11个近邻时就已经是这种情况了。如图所示，BB在近似共线列的伪一维情景中达到了最高效率。在此一旦在两个坐标分量中位置不同的近邻一同进入计算中，那么该值就变差。在这种情景中MDL方法的效率是最佳的。与列情景相比，dRMS甚至还有少许的改善，这对于近邻数量低的情况尤其是适合的。在节点密度大的情况下，与列模拟相反，在MDL和BB之间也存在明显的差别。

如前所述，按照至十字路口中心的距离，得到不同的近邻数量，并从而还得到优劣不同的位置估计。在十字路口直接附近的精度是尤其受关注的。在图11中记录了该方法与距离(在横轴上)有关的dRMS(在纵轴上)。通过50个“快照”(Snapshot)确定了所示的数据。

如图所示，在十字路口直接附近所有三个方法都表现出良好的效率，其中MDL在绕中点0-50m半径内达到4m的平均dRMS，另外两个达到6-8m。所有三个方法然后缓慢地随着距离的增加而以线性方式地变差。LSL的效率在250m-300m时则明显下降，因为与交叉通道的节点不再存在更多关联，所以结果变得如同在列情景中类似地差。BB直至网络外缘都具有良好的值，即使它也没有达到MDL的品质。但是然后dRMS迅速下降，这叉参见具有在边缘的节点的BB的已知问题。

总之，对于利用专用软件而在上述情景中所模拟的方法，用于位置确定的多边扩展法(MDL)不仅仅在汽车网络中是优选的。在所有测试情景中MDL都达到了最佳的效率。MDL受所述的多重共线性问题影响最小。在具有小近邻密度的网络中，利用MDL在大多情况下也可以达到精度上的优势。

本发明涉及确定在Ad-Hoc网络中的节点的地理位置。为此确定该节点的至少两个邻近节点的距离圆。另外还确定该节点的至少两个邻近节点的距离圆。根据所确定的或所求得的交点集合，来确定交点的主要集合，其中该主要集合包含有位于所估计节点位置附近的那些交点。然后借助交点的主要集合来确定节点的地理位置。

因此计算相应近邻对的所有交点。从中选择出一个数据组(交点)来作为结果(比如借助围绕被搜索节点的测量位置的一个确定的圆(比如通过阈值来预先给定))。这些交点的平均点就形成了结果位置，也即被搜索节点的位置。

虽然在前文中参照附图的实施方案来对本发明进行解释，但显然，本发明并不局限于该实施方案，而是能够在上文以及所附权利要求中所公开的发明观点的范畴内进行变化。自然应理解为，还可以提供其他的体现本发明原则并且等同的实施方案，并从而能够实现不同的变化而不脱离本发明的范畴。那么就比如不必考虑所有的邻近节点以确定一个节点的位置。尤其在节点集合大的情况下这并不总是有意义的，而是在很多情况下预先确定或预先求得一个邻近节点的集合就足以实施根据本发明的对位置的确定。另外还可以采用不同的聚类方法，以确定交点的主要集合。另外本发明完全不依赖于所提供的间距或距离确定方法。而是能够采用不同的可用的间距或距离测量方法的结果。此外邻近节点的位置信息可以是不精确的和/或精确的信息。

文献目录

[1]NICULESCU，Dragos；NATH，Badri：在Ad Hoc网络中基于DV的定位(DV Based Positioning in Ad Hoc Networks)，刊登于：电信系统(Telecommunication Systems)22(2003)，第1-4，267-280页

[2]HSIEH，Yi-Ling；WANG，Kuochen：在移动无线传感器网络中的有效定位(Efficient Localization in Mobile Wireless Sensor Networks)，刊登于：IEEE传感器网络国际会议学报，通用，以及可靠计算(Proceedings of the IEEE International Conference on Sensor Networks，Ubiquitous，and Trustworthy Computing)(2006)，292-297页

[3]SAVARESE，C.；RABAY，J.；LANGENDOEN，K.：分布Ad-Hoc无线传感器网络的鲁棒定位算法(Robust Positioning Algorithms for Distributed Ad-Hoc Wireless Sensor Networks).Delft技术大学，2001

[4]SAVVIDES，Andreas；HAN，Chih-Chieh；STRIVASTAVA，Mani B.：在Ad-Hoc传感器网络中的动态精密定位(Dynamic fine-grained localization in Ad-Hoc networks of sensors).刊登于：移动计算和组网(Mobile Computing and Networking)，ACM，2001，166-179页

[5]SAVVIDES，A.；PARK，H.；SRIVASTAVA，M.：节点定位问题的N-Hop多边法的比特和触发器(The Bits and Flops of the N-Hop Multilateration Primitive for Node Localization Problems).刊登于：第一次ACM无线传感器网络和应用国际专题会议学报(Proceedings of the 1st ACM International Workshop on Wireless Sensor Networks and Applications)，ACM，2002，112-121页

[6]BERGAMO，P.；MAZZINI，G.：在具有衰减和移动性的传感器网络中的定位(Localization in sensor networks with fading and mobility).刊登于：IEEE PIMRC学报，电气和电子工程师协会组织，2002，750-754页

[7]BULUSU，N.；HEIDEMANN，J.；ESTRIN，D.：极小型装置的非GPS低成本室外定位(GPS-less Low Cost Outdoor Localization for Very Small Devices).刊登于：IEEE个人通信杂志(IEEE Personal Communications Magazine)7(2000)，第5，28-34页

[8]WHITEHOUSE，Kamin；CULLER，David E.：基于多跳测距的定位近似的一种鲁棒分析(A robustness analysis of multihop ranging-based localization approximations).刊登于：第五次传感器网络信息处理国际会议学报(Proceedings of the Fifth International Conference on Information Processing in Sensor Networks)2006，317-325页

[9]YOON，J.；LIU，M.；NOBLE，B.：有害的随机Waypoint(Random Waypoint Considered Harmful).刊登于：Proceedings of INFOCOM，电气和电子工程师协会组织，2003

Claims (32)

1.一种用于在Ad-Hoc网络中确定节点的地理位置的方法，其中该方法包括：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点的距离圆的交点；

-确定所述交点的主要集合，其中该主要集合具有位于该节点的被估计的位置附近的那些交点；以及

-借助交点的主要集合来确定该节点的地理位置。

2.根据权利要求1所述的方法，其中为所述至少两个邻近节点中的每个邻近节点借助该邻近节点的位置说明和距离说明来确定邻近节点的距离圆。

3.根据权利要求2所述的方法，其中该距离说明是不精确的距离说明。

4.根据权利要求2或3所述的方法，其中该位置说明是不精确的位置说明。

5.根据权利要求4所述的方法，其中该位置说明通过GPS测量来提供。

6.根据权利要求2或3所述的方法，其中该位置说明是精确的位置说明。

7.根据权利要求2至6之一所述的方法，其中借助距离测量方法来确定该距离说明。

8.根据前述权利要求之一所述的方法，其中基于每两个距离圆的圆方程的减法和变换来确定距离圆的交点。

9.根据前述权利要求之一所述的方法，其中在确定交点的主要集合时使用阈值，并且位于该阈值之内的交点被用于计算最终结果。

10.根据权利要求9所述的方法，其中使用所述交点的x和y分量的平均值来确定交点的主要集合。

11.根据权利要求9或10所述的方法，其中借助后向递归来确定交点的主要集合。

12.根据前述权利要求之一所述的方法，其中通过所述节点来实施该方法。

13.根据前述权利要求之一所述的方法，其中所述节点是该Ad-Hoc网络的移动节点。

14.根据前述权利要求之一所述的方法，其中所述节点是汽车。

15.一种在Ad-Hoc网络中的节点，其中该节点具有用于确定该节点地理位置的装置，所述用于确定该节点地理位置的装置被构造用于：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点的距离圆的交点；

-确定交点的主要集合，其中该主要集合具有位于该节点的被估计的位置附近的那些交点；以及

-借助所述交点的主要集合来确定该节点的地理位置。

16.根据权利要求15所述的节点，其中用于确定该节点地理位置的装置被构造用于借助该邻近节点的位置说明和距离说明为所述至少两个邻近节点中的每个邻近节点来确定邻近节点的距离圆。

17.根据权利要求16所述的节点，其中该节点具有用于接收邻近节点的位置说明的装置。

18.根据权利要求16或17所述的节点，其中该距离说明是不精确的距离说明。

19.根据权利要求16至18之一所述的节点，其中该位置说明是不精确的位置说明。

20.根据权利要求16至19之一所述的节点，其中该位置说明是通过GPS测量所提供的位置说明。

21.根据权利要求16至18之一所述的节点，其中该位置说明是精确的位置说明。

22.根据权利要求16至21之一所述的节点，其中该距离说明是借助距离测量方法而确定的距离说明。

23.根据前述权利要求之一所述的节点，其中用于确定该节点地理位置的装置被构造用于基于每两个距离圆的圆方程的减法和变换来确定距离圆的交点。

24.根据前述权利要求之一所述的节点，其中用于确定该节点地理位置的装置被构造用于在确定交点的主要集合时使用阈值，并把位于该阈值之内的交点用于计算最终结果。

25.根据权利要求24所述的节点，其中所述用于确定该节点地理位置的装置被构造用于使用交点的x和y分量的平均值来确定交点的主要集合。

26.根据权利要求24或25所述的节点，其中所述用于确定该节点地理位置的装置被构造用于借助后向递归来确定交点的主要集合。

27.根据权利要求15至26之一所述的节点，其中该节点是该Ad-Hoc网络的移动节点。

28.根据权利要求15至27之一所述的节点，其中该节点是汽车。

29.一种装置，其包含有用于在Ad-Hoc网络中确定节点地理位置的装置，其中该用于在Ad-Hoc网络中确定节点地理位置的装置被构造用于：

-确定该节点的至少两个邻近节点的距离圆；

-确定该节点的至少两个邻近节点的距离圆的交点；

-确定交点的主要集合，其中该主要集合具有位于该节点的被估计的位置附近的那些交点；以及

-借助所述交点的主要集合来确定该节点的地理位置。

30.一种计算机程序，其中该计算机程序具有编码，该编码构造用于实施根据权利要求1至14之一所述的方法步骤。

31.根据权利要求30所述的计算机程序，其中该计算机程序存储于数据载体上。

32.一种数据载体，其具有根据权利要求30所述的计算机程序。

Images