CN102540137A

CN102540137A - 一种基于信号相位差的无线声传感器网络目标定位方法

Info

Publication number: CN102540137A
Application number: CN2011104465856A
Authority: CN
Inventors: 王智; 余恺; 李元实; 刘薇
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2011-12-28
Filing date: 2011-12-28
Publication date: 2012-07-04

Abstract

本发明公开了一种基于信号相位差的无线声传感器网络目标定位方法，该方法中传感器进行低功耗、隐蔽性强的被动式测量，即对目标自身辐射信号进行探测，基于信号相位差的定位方式能够有效避免由于目标信号能量及传播模型未知的困难，在实际系统中具有很强的实用价值和抗干扰性，同时该方法有效利用压缩采样原理降低传感器端信号采集速率及无线数据上传量，从而易于在实际应用系统中实现；尤其适用于精度要求较高的非配合式目标定位场景。

Description

一种基于信号相位差的无线声传感器网络目标定位方法

技术领域

本发明涉及一种无线传感网络定位方法，尤其涉及一种适用于对精度要求较高的非配合式目标定位场景的基于信号相位差的无线声传感器网络目标定位方法。

背景技术

目标定位技术在军事、民用中都有很广泛的应用需求。目标定位的一般方法是通过对目标的特征信号进行采集以获得目标位置的相关参数估计，如距离、方位角等，然后通过定位算法将这些参数转化为目标位置估计。目前已有的目标定位方法很多，本发明关注的是一种基于声阵列网络的目标定位实现方法。声阵列网络目标定位方法具有自主性、全方位性、被动探测等优势，特别适用于非配合式场景中的应用。

传统的声阵列网络定位方法中，每个阵列节点包含若干声传感器阵元，通过各阵元接收到的声信号的相位差可以估算目标声源到达阵列的方向角。具体的实现可通过阵列信号处理技术完成，如经典的MUSIC算法；再利用基于方位角的目标定位算法完成目标定位。

传统的声阵列网络定位系统具有两种基本体系结构：第一种结构是多个固定式的有线阵列组成网络系统，阵列中各阵元信号处理在传感器端完成，仅上传信号处理结果，即方向角估计，融合中心端利用各阵列的方向角量测实现目标定位；第二种结构是将集成的阵列分散为多个无线传感器阵列组成的网络系统，系统中各传感器将接收到的信号上传至融合中心端，在融合中心端进行阵列信号处理和后续的定位过程。

现有的这两种传统的声阵列网络定位系统基本体系结构都有各自的不足之处。对于第一种结构，传感器端需要进行复杂的阵列信号处理，实际实现难度大、成本较高、运算延时较大，且固定的硬件结构限制了其实际应用，可扩展性、使用灵活性均受到了很大的影响；对于第二种结构，实现难度小、成本低，复杂运算均由计算能力强大的融合中心完成，运算延时很小，但各传感器需要将大量的原始采集信号传输至融合中心，网络负担超负荷，系统能耗、传输延时均难以达到要求。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于信号相位差的无线声传感器网络目标定位方法。

为了实现上述的目的，本发明采取如下技术方案：一种基于信号相位差的无线声传感器网络目标定位方法，包括以下步骤：

（1）系统部署和初始化。

（2）传感器节点对目标声学信号进行压缩采集和上传。

（3）根据上传数据和采集方法，在融合中心段进行信号重构。

（4）根据传感器节点的位置形成多个虚拟的声阵列。

（5）根据虚拟声阵列中各阵元的信号相位差，估计声信号的到达方向角。

（6）根据多个虚拟声阵列位置及方向角估计，完成目标定位。

本发明的有益效果是，能够利用现有的低成本无线声传感器网络在低功耗的工作场景下实现目标的高精度测向、定位。尤其是在非配合式目标定位中具有很大优势，同时也可轻易扩展到多目标定位。

附图说明

图1是本发明的基于信号相位差的无线声传感器网络目标定位方法部署图；

图2是本发明中单目标下本方法和原始方法对目标方向角估计结果的对比图；

图3是本发明中多目标下本方法和原始方法对目标方向角估计结果的对比图；

图4是本发明中阵元信号出现部分重构失败的现象图；

图5是本发明中阵元信号出现部分重构失败时本方法和原始方法对目标方向角估计结果的对比图；

图6是本发明中利用方向角估计的目标定位方法数学模型图；

图7是本发明中利用方向角估计的目标定位效果图。

具体实施方式

本发明专利在原有的声阵列网络定位系统的分散结构基础上，利用新型的压缩感知技术，实现传感器端对信号的边采样边压缩的功能，降低了传感器端的采样负担以及数据无线通信的负担，从而使得实时、精确的目标定位成为可能，同时增强了系统的灵活性、实用性和可扩展性。

本发明基于信号相位差的无线声传感器网络目标定位方法，包括以下步骤：

1、系统组成、部署和初始化。

基于信号相位差的无线声传感器网络目标定位系统包括上位机和若干个无线声传感器簇，无线声传感器簇随机部署在监控区域中，每簇包含3-5个传感器，簇内传感器相距0.3m-0.5m，簇间距离根据目标定位精度和监控范围，并综合传感器感知半径考虑，可设置为20m-200m；簇间距离越大，定位精度越低，可监控范围越大。系统部署完成后进行系统初始化，初始化中实现无线传感器网络的基本功能。系统部署如图1所示，传感器与上位机之间进行无线通信。

2、传感器节点对目标声学信号进行压缩采集和上传，包括以下子步骤：

（1）根据定位目标的声音信号特征，对长度为n的声信号进行傅里叶空间变换，获取信号在稀疏空间下的稀疏度

以及随机采样参数

Figure 2011104465856100002DEST_PATH_IMAGE002

作为先验知识。

（2）根据目标信号的先验知识确定随机稀疏采样的平均频率

，其中

Figure 2011104465856100002DEST_PATH_IMAGE004

为传统的奈奎斯采样频率n为采样点数。

（3）根据随机采样次数，构建相应的观测矩阵。具体为：随机选取满足高斯随机分布

的m×n维多随机观测矩阵中的m列将其余的列置零。（4）根据观测矩阵对声学信号进行稀疏采样，并直接将降维的采样数据从本地数据传输到信号重构端。具体为：根据子步骤（3）的观测矩阵设计，让A/D工作在低速采样状态，在时刻

Figure 2011104465856100002DEST_PATH_IMAGE006

时进行采样，

，

Figure 2011104465856100002DEST_PATH_IMAGE008

，其中满足

Figure 2011104465856100002DEST_PATH_IMAGE010

的高斯分布，其余非采样时间的采样值置零得到长度为n且其中有m个非零值的采样信号，将采样信号乘以随机观测矩阵，从而得到长度为m的测量值。

3、根据上传数据和采集方法，在融合中心段进行信号重构。

根据虚拟无线阵列阵元采集并发送到数据重构端的稀疏采样数据，通过求解L1凸优化问题，实现信号的高效重构。在具体声阵列信号重构中，利用声学信号在频域上的稀疏性，利用OMP算法计算复杂度小的优点实现声信号的快速重构。

4.根据传感器节点的位置形成多个虚拟的声阵列。

根据当前时刻成功上传数据的传感器节点的位置，在同簇节点中选取若干节点组成一个虚拟声阵列，多个簇形成由多个虚拟声阵列组成的系统。

5.根据虚拟声阵列中各阵元的信号相位差，估计声信号的到达方向。

通过各阵元接收到的声信号的相位差可以估算目标声源到达阵列的方向角。具体的实现可通过阵列信号处理技术完成，利用经典的MUSIC算法实现信号到达角度的估计，针对OMP算法在信号重构中存在重构失败的问题，通过比较各阵元间信号的相似性，自适应地剔除重构失败的阵元信号，将重构成功的阵元组成新的无线随机阵列进行信号到达角度的估计。图2和图3分别显示了单目标和多目标情况下原始方法和本方法下信号方向角估计结果对比。图4显示了在8个独立阵元重构信号中即使其中多个阵元信号出现重构失败，依然能够得到如图5所示的方向角估计效果对比。

6.根据多个虚拟声阵列位置及方向角估计，完成目标定位。

根据步骤4中得到的虚拟声阵列位置及步骤5中得到的方向角估计，形成与传统声阵列网络定位系统相似的定位模型如图6所示,其中

为目标位置，

Figure 2011104465856100002DEST_PATH_IMAGE012

为节点i的位置，

为节点估计出的目标方向角。利用基于方向角的目标伪线性定位算法可得目标位置估计，公式如下：

Figure 2011104465856100002DEST_PATH_IMAGE014

，

其中，

Figure 2011104465856100002DEST_PATH_IMAGE016

。

图7为本方法得到的目标估计位置和实际位置的对比。

本发明考虑到传统声阵列传感器网络中传感器端实现难度大、成本高，系统灵活性和可扩展性较差，采用了一种分散的体系结构，将传统的固定的阵列拆分为多个阵元传感器，利用无线的方式进行虚拟的连接，使得系统的灵活性和可扩展性都有很大提高，同时利用压缩感知理论，引入边采样边压缩的思想，从而大幅度降低传感器端的采样要求和数据无线传输量，也使得这种分散体系结构的基于信号相位差的无线声传感器网络目标定位系统能够实现，且定向、定位性能在可接受的范围内。

Claims

1.一种基于信号相位差的无线声传感器网络目标定位方法，其特征在于，包括以下步骤：

系统部署和初始化；

传感器节点对目标声学信号进行压缩采集和上传；

根据上传数据和采集方法，在融合中心段进行信号重构；

根据传感器节点的位置形成多个虚拟的声阵列；

根据虚拟声阵列中各阵元的信号相位差，估计声信号的到达方向角；

根据多个虚拟声阵列位置及方向角估计，完成目标定位。

2.根据权利要求1所述一种基于信号相位差的无线声传感器网络目标定位系统，其特征在于，所述步骤（2）包括以下子步骤

（1）根据定位目标的声音信号特征，根据压缩感知理论，针对声信号在傅里叶空间中的稀疏性，获取目标声信号的稀疏度r作为先验知识，并确定随机采样参数

Figure 2011104465856100001DEST_PATH_IMAGE001

，其中采样点数为；

（2）根据目标信号的先验知识确定随机稀疏采样的平均频率，设传统的基于奈奎斯特采样的采样频率为

Figure 2011104465856100001DEST_PATH_IMAGE003

采样点数为

，则本方法的采样频率为

Figure 2011104465856100001DEST_PATH_IMAGE005

；

（3）根据随机采样参数

，构建相应的观测矩阵，并根据压缩感知理论对原始信号通过观测矩阵进行随机投影；具体为：随机选取满足高斯随机分布的m×n维随机观测矩阵，仅保留其中的

列将其余的列置零，从而克服了原来的基于奈奎斯特采样的随机投影环节对硬件随机数生成器及其同步精度的要求；

（4）根据观测矩阵对声学信号进行稀疏采样，并直接将降维的采样数据从本地数据传输到信号重构端，具体为：根据子步骤（3）的观测矩阵设计，让A/D工作在低速采样状态，将采样信号乘以随机观测矩阵，从而得到长度为m的测量值；同时为保证采样时间间隔小于A/D的采样保持时间，可以选取满足均匀分布的随机采样，其余非采样时间的采样值置零，最后得到长度为n且其中有m个非零值的采样信号；采样间隔为满足

的高斯分布，在时刻

Figure 2011104465856100001DEST_PATH_IMAGE009

时进行采样，

，

Figure 2011104465856100001DEST_PATH_IMAGE011

，其中

为满足的高斯分布，

Figure 2011104465856100001DEST_PATH_IMAGE013

的期望值代表不同稀疏度情况下的平均稀疏采样间隔；使得

从而保证A/D的正常工作，实现满足高斯分布的均匀降速采样，

Figure 2011104465856100001DEST_PATH_IMAGE015

为A/D转换器的数模转换时间。

3.根据权利要求1所述一种基于信号相位差的无线声传感器网络目标定位方法，其特征在于，所述步骤（3）具体为，根据虚拟无线阵列阵元采集并发送到数据重构端的稀疏采样数据，通过求解L1凸优化问题，实现信号的高效重构；在具体声阵列信号重构中，利用声学信号在频域上的稀疏性，利用OMP算法计算复杂度小的优点实现声信号的快速重构。

4.根据权利要求1所述一种基于信号相位差的无线声传感器网络目标定位方法，其特征在于，所述步骤（4）具体为，根据当前时刻成功上传数据的传感器节点的位置，在同簇节点中选取若干节点组成一个虚拟声阵列，多个簇形成由多个虚拟声阵列组成的系统。

5.根据权利要求1所述一种基于信号相位差的无线声传感器网络目标定位方法，其特征在于，所述步骤（5）具体为，通过各阵元接收到的声信号的相位差可以估算目标声源到达阵列的方向角；具体的实现可通过阵列信号处理技术完成，利用经典的MUSIC算法实现信号到达角度的估计，针对OMP算法在信号重构中存在重构失败的问题，在同一个簇中通过比较各阵元间信号的相似性，识别重构失败的阵元并自适应地剔除阵元，最后将重构成功的阵元组成新的无线随机阵列进行信号到达角度的估计。

6.根据权利要求1所述一种基于信号相位差的无线声传感器网络目标定位方法，其特征在于，所述步骤（6）具体为，根据步骤4中得到的虚拟声阵列位置及步骤5中得到的方向角估计，形成与传统声阵列网络定位系统相似的定位模型，并利用基于方向角的目标伪线性定位算法可得目标位置估计。