CN102186194B - 基于无线传感器网络的无源目标测量模型的建立方法 - Google Patents
基于无线传感器网络的无源目标测量模型的建立方法 Download PDFInfo
- Publication number
- CN102186194B CN102186194B CN 201110118230 CN201110118230A CN102186194B CN 102186194 B CN102186194 B CN 102186194B CN 201110118230 CN201110118230 CN 201110118230 CN 201110118230 A CN201110118230 A CN 201110118230A CN 102186194 B CN102186194 B CN 102186194B
- Authority
- CN
- China
- Prior art keywords
- wireless sensor
- target
- measurement model
- sensor node
- sensor network
- 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.)
- Expired - Fee Related
Links
Images
Abstract
Description
技术领域
本发明属于无线传感器网络领域,特别是一种基于无线传感器网络的无源目标测量模型的建立方法。
背景技术
目标定位与跟踪是无线传感器网络的主要研究方向之一。由于无线传感器网络所发出的射频信号具有一定的穿透性,因此基于无线传感器网络的定位与跟踪系统可以穿越墙壁、浓烟等物体的阻挡对人与物体进行定位与跟踪。而射频信号的传播不受光照的影响,所以无论是在夜晚、仓库、地下室等缺乏光照的室内场景中,都能够用于目标定位与跟踪。
早期基于无线传感器网络的目标定位与跟踪方法主要适用于有源目标,即目标必须携带无线传感器节点,与已知位置的监控节点通信,通过接收信号强度来计算与已知节点之间的距离,再通过三角质心算法等方法进行定位。但是,该方法对于不主动携带节点设备的无源目标就不适用了。
在无源目标的定位与跟踪问题中,传统的研究方法是fingerprint(指纹)算法,即首先建立接收信号强度取值与目标位置对应关系的数据库,再通过实际样值与数据库的对比从而确定位置。这种方法在数据库建立阶段需要多次测量每个位置的接收信号强度作为“场景指纹信息”,处理的数据量大,且受环境参数的影响较大,维护比较困难。为了克服指纹算法的不足,国内外开始研究利用测量模型对无源目标进行定位与跟踪,通过准确的测量模型描述目标位置与接收信号强度之间的关系,实现基于无线传感器网络的无源被动式跟踪,并提高定位与跟踪精度。目前已有的应用于无源被动式跟踪中的测量模型,主要是基于一种离散的椭圆测量模型,即首先对监控区域进行像素化处理,并将目标对信号的衰减进行了二值化区分,然后再利用滤波算法进行定位与跟踪,如图2所示。但是,该方法任然存在以下三个问题:1、需要对监控区域进行像素化处理,即需要将监控区域视为一幅图形,对监控区域的形状添加了限制;2、对监控区域进行像素化处理的过程,使得定位结果在某个像素的中心,人为地增加了量化噪声,降低了定位与跟踪精度;3、将目标对信号的衰减进行二值化区分,带来了较大的量化误差,因此,限制了其应用范围和精度。
发明内容
本发明的目的在于克服现有技术的不足,提出一种能够更加精确地描述目标位置与接收信号强度之间关系的基于无线传感器网络的无源目标测量模型的建立方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于无线传感器网络的无源目标测量模型的建立方法,包括如下步骤:
其中,xk为第k步的估计目标位置, 分别代表粒子到两个无线传感器节点i,j的距离,di,j代表两个无线传感器节点i,j之间的距离;
其中,φ和σ是测量模型常数,Sk是测量噪声。
本发明的优点和积极效果是:
本发明通过判断预估的目标位置相对无线传感器节点的位置关系(公式1)并计算在此位置的接收信号强度衰减(公式2)从而建立无源目标测量模型,克服了对监控区域进行像素化处理的限制,相对于现有对信号衰减建立的离散二值化判决模型,引入了连续的模型,更好地符合实际数据,大大增加了在目标定位与跟踪中的应用场景,避免了对监测区域进行预先像素化处理,减少了人为引入的量化误差,因此可以达到更好的定位跟踪精度。
附图说明
图1为本发明所采用的无源被动式定位与跟踪场景示意图;
图2为现有的无源被动式跟踪采用的测量模型示意图;
图3为本发明的测量模型示意图;
图4为本发明的测量模型与实际数据匹配图。
具体实施方式
以下结合附图对本发明实施例做进一步详述:
一种基于无线传感器网络的无源目标测量模型的建立方法,用于建立目标位置xk(即预估变量)与接收信号强度zk(即观测值)之间关系的无源目标测量模型。由于目标对信号的吸收、反射及衍射作用,每一个链路的接收信号强度会产生不同的变化,这些高度冗余的信息通过合适的测量模型与目标的位置建立联系,并可用于后续定位及跟踪算法进行目标定位与跟踪。本方法提供一个避免对监控区域进行形状限制且不需要对监控区域进行像素划分的测量模型,并使该测量模型更加精确地描述目标位置与接收信号强度之间关系。
在无源被动式定位与跟踪场景中,如图1所示,监控区域周围布置一些无线传感器节点,所有无线传感器节点构成无线传感器网络,每个节点记录来自其他节点的接收信号强度等相关信息,并按一定顺序互相收发。由于目标对信号的吸收、反射及衍射作用,每一个链路的接收信号强度会产生不同的变化。这些信号强度的变化通过合适的测量模型与目标的位置建立联系,并利用跟踪算法进行跟踪。
本发明建立基于无线传感器网络的无源目标测量模型的方法,包括如下步骤:
步骤1:按照如下公式计算目标位置相对无线传感器节点的位置关系从而得到以无线传感器节点i,j为焦点的椭圆:
其中,φ和σ是测量模型常数,Sk是测量噪声。
通过公式(2),可以得到理论上目标在该位置对信号衰减的影响。
这里需要说明的是:对于第k步的目标的估计位置xk,我们会通过测量模型对该位置对射频信号衰减程度进行估计,并将结果与实际数据进行比较,从而确定估计位置与实际情况的匹配程度。本方法与如图2所示传统方法不同,对任意一对无线传感器节点,定义以此对节点为焦点并通过目标的估计位置xk的椭圆。在给定椭圆焦点的情况下,此椭圆可以通过由公式(1)得到的来唯一确定,如图3所示。越大,说明目标位置对此对节点形成的链路中的信号衰减影响越小。图4显示了本发明的测量模型得到的理论数据很好地匹配了实际数据。在实际的无线传感器网络定位与跟踪中,我们可以得到每一对节点形成的链路中的接收信号强度变化信息,同样也可以通过测量模型得到每一个链路中相对估计目标位置的接收信号强度变化理论值。这些高度冗余的实际数据与理论数据相结合,通过合适的滤波算法(如粒子滤波,卡尔曼滤波)可以判断该估计位置在实际数据中的权重,通过不断更新得到最符合实际数据的目标位置,完成对目标的定位和跟踪。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110118230 CN102186194B (zh) | 2011-05-09 | 2011-05-09 | 基于无线传感器网络的无源目标测量模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110118230 CN102186194B (zh) | 2011-05-09 | 2011-05-09 | 基于无线传感器网络的无源目标测量模型的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102186194A CN102186194A (zh) | 2011-09-14 |
CN102186194B true CN102186194B (zh) | 2013-10-30 |
Family
ID=44572252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110118230 Expired - Fee Related CN102186194B (zh) | 2011-05-09 | 2011-05-09 | 基于无线传感器网络的无源目标测量模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102186194B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711043B (zh) * | 2012-06-18 | 2015-01-28 | 北京中防视信科技有限公司 | 适用于节点分布稀疏的基于rss的无源运动跟踪方法 |
CN103885029A (zh) * | 2014-04-21 | 2014-06-25 | 苏州果壳传感科技有限公司 | 基于无线传感器网络的一种多目标无源追踪方法 |
CN105915597A (zh) * | 2016-04-12 | 2016-08-31 | 时建华 | 一种基于无线传感器网络电压监测系统 |
CN107643731A (zh) * | 2016-07-21 | 2018-01-30 | 西门子公司 | 一种模型生成方法和装置 |
CN107884744B (zh) * | 2017-10-12 | 2021-01-01 | 中国科学院半导体研究所 | 无源被动式室内定位方法及装置 |
CN107976685B (zh) * | 2017-11-20 | 2021-11-19 | 北京航空航天大学 | 一种基于物联网的红外传感器室内人体目标跟踪系统 |
CN110442014B (zh) * | 2019-07-30 | 2020-08-04 | 华中科技大学 | 一种基于位置的移动机器人rfid伺服方法 |
CN111123200B (zh) * | 2020-01-02 | 2023-05-09 | 广东博智林机器人有限公司 | 一种基于无源物体的模型构建方法、装置、系统及介质 |
CN112996108B (zh) * | 2021-04-14 | 2022-04-29 | 无锡亿城盛捷信息技术有限公司 | 基于目标跟踪的无线通信网络中节点定位方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393260A (zh) * | 2008-11-06 | 2009-03-25 | 华南理工大学 | 一种无线传感器网络目标定位与跟踪方法 |
US7705772B1 (en) * | 2009-01-19 | 2010-04-27 | Kustom Signals, Inc. | Traffic radar with target duration tracking |
CN101795486A (zh) * | 2006-11-02 | 2010-08-04 | 西安西谷微功率数据技术有限责任公司 | 无线微功率网络定位系统及其定位方法 |
-
2011
- 2011-05-09 CN CN 201110118230 patent/CN102186194B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795486A (zh) * | 2006-11-02 | 2010-08-04 | 西安西谷微功率数据技术有限责任公司 | 无线微功率网络定位系统及其定位方法 |
CN101393260A (zh) * | 2008-11-06 | 2009-03-25 | 华南理工大学 | 一种无线传感器网络目标定位与跟踪方法 |
US7705772B1 (en) * | 2009-01-19 | 2010-04-27 | Kustom Signals, Inc. | Traffic radar with target duration tracking |
Also Published As
Publication number | Publication date |
---|---|
CN102186194A (zh) | 2011-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102186194B (zh) | 基于无线传感器网络的无源目标测量模型的建立方法 | |
CN110244715B (zh) | 一种基于超宽带技术的多移动机器人高精度协同跟踪方法 | |
Lam et al. | LoRa-based localization systems for noisy outdoor environment | |
CN104363649B (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
CN104507159A (zh) | 一种基于WiFi接收信号强度的混合室内定位方法 | |
CN108362289B (zh) | 一种基于多传感器融合的移动智能终端pdr定位方法 | |
CN103338516A (zh) | 一种基于总体最小二乘的无线传感器网络两步定位方法 | |
CN104869541A (zh) | 一种室内定位追踪方法 | |
CN103177289B (zh) | 一种噪声不确定复杂非线性动态系统的建模方法 | |
Yu et al. | Improvement of positioning technology based on RSSI in ZigBee networks | |
CN104066179A (zh) | 一种改进的自适应迭代ukf的wsn节点定位方法 | |
CN103152820B (zh) | 一种无线传感器网络声源目标迭代定位方法 | |
CN108051779A (zh) | 一种面向tdoa的定位节点优选方法 | |
CN106353722A (zh) | 基于代价参考粒子滤波的rssi测距方法 | |
Gu et al. | Trajectory estimation and crowdsourced radio map establishment from foot-mounted imus, wi-fi fingerprints, and gps positions | |
CN103281779A (zh) | 基于背景学习的射频层析成像方法 | |
CN106102162A (zh) | 一种用于无线传感器网络三维定位的迭代估计方法 | |
CN104093204A (zh) | 一种基于无线传感器网络的rssi区域定位方法 | |
CN106131955B (zh) | 一种基于移动机器人辅助的无线传感器网络节点定位方法 | |
CN103458502A (zh) | 基于位置指纹的定位误差估计方法 | |
CN107966151A (zh) | 一种基于多传感器融合技术的室内行人航位推算方法 | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation | |
CN113453149A (zh) | 一种基于rssi测距的水质监测网络定位方法 | |
CN103491628A (zh) | 一种基于tpoa的nlos传输环境无线定位方法 | |
CN104125640A (zh) | 一种基于无线传感网加权阈值质心定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131030 Termination date: 20140509 |