CN103152761B - 一种测距参数可消减的干扰源定位方法 - Google Patents
一种测距参数可消减的干扰源定位方法 Download PDFInfo
- Publication number
- CN103152761B CN103152761B CN201310071268.XA CN201310071268A CN103152761B CN 103152761 B CN103152761 B CN 103152761B CN 201310071268 A CN201310071268 A CN 201310071268A CN 103152761 B CN103152761 B CN 103152761B
- Authority
- CN
- China
- Prior art keywords
- interference source
- node
- interference
- rss
- signal strength
- 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.)
- Active
Links
Images
Abstract
本发明公开了一种测距参数可消减的干扰源定位方法,其步骤为:(1)监控网络检测到干扰攻击;(2)选取参照节点,进行干扰源位置的估算;(3)被选到的参照节点记录接收到的来自干扰源的信号强度值RSS,并通过网络广播该信息;(4)判断参照节点是否线性相关,若线性相关,则执行步骤(2);若线性无关,则执行步骤(5);(5)利用线性化方法,将传输距离d与接收到的信号强度值RSS的指数关系线性化;(6)根据线性化后的方程组,结合多边测量定位方法,计算干扰源的估算位置。本发明具有原理简单、操作简便、定位准确度高、可节省能耗和成本、适用范围广等优点。
Description
技术领域
本发明主要涉及到网络监控中干扰源的定位技术领域,特指一种测距参数可消减的干扰源定位方法。
背景技术
在无线监控网络中,如果利用干扰设备,发动干扰攻击,则可能对无线监控网络造成严重的威胁,比如节点间数据得不到传输,导致信息通道中断,从而失去监控状态下对态势的掌握能力。因此,研究干扰攻击的防御策略,包括如何避过干扰源、如何定位干扰源、如何在有干扰的情况下继续保持通信等课题对于提高自身安全,保障通信的及时性和可靠性等都具有重要的现实意义。掌握与干扰攻击有关的关键技术和问题,对于掌握战争主动权、提高通信效率都具有重要的实际意义和价值。
“干扰源定位”是最直接、最有力的抵抗干扰攻击的方式。当前主要有测距无关的干扰源定位技术和基于测距的干扰源定位技术。基于测距的定位方法主要是测量节点各种不同的物理属性,如信号强度值(Received Signal Strength,RSS)、到达时间差(Time Difference OfArrival,TDOA)等,然后根据这些测量值估算被定位节点与参照节点之间的距离。基于3个或者更多的距离值,依据多边测量(multilateration technique)方法就可以估算出被定位节点的位置。在基于RSS的定位中,已知发送节点的信号强度,接收节点根据收到的信号强度值,计算出信号的传播损耗,利用信号传播损耗模型将传输损耗转化为距离,再利用已有的算法计算出节点的位置。
基于RSS定位算法实现的简单性和低成本,使其在传感器监控网络节点定位中得到了广泛应用。但传统的基于RSS的定位方法不能用于存在恶意干扰的网络环境。这是因为,在传播损耗模型中,节点之间的距离由RSS值、传输功率和路径损耗参数等值决定,且呈指数关系。不同于一般的传感器节点定位,干扰环境下干扰源不会同参照节点协同合作,因此其传输功率和相关的路径损耗等参数无法获取,故无法将RSS转化为距离值。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种原理简单、操作简便、定位准确度高、可节省能耗和成本、适用范围广的测距参数可消减的干扰源定位方法。
为解决上述技术问题,本发明采用以下技术方案:
一种测距参数可消减的干扰源定位方法,其步骤为:
(1)监控网络检测到干扰攻击;
(2)选取参照节点,进行干扰源位置的估算;
(3)被选到的参照节点记录接收到的来自干扰源的信号强度值RSS,并通过网络广播该信息;
(4)判断参照节点是否线性相关,若线性相关,则执行步骤(2);若线性无关,则执行步骤(5);
(5)利用线性化方法,将传输距离d与接收到的信号强度值RSS的指数关系线性化;
(6)根据线性化后的方程组,结合多边测量定位方法,计算干扰源的估算位置。
作为本发明的进一步改进:
所述步骤(2)中,参照节点需满足如下条件:(a)位于干扰区域边缘;(b)参照节点数为k个且不共圆,其中k≥4。
所述步骤(3)中,通过网络广播的信息为报文,每条报文包含了节点的ID、实际物理位置信息以及接收到的干扰信号强度值,接收到报文的参照节点之间相互共享RSS值,同时基于最大剩余能量,在这些参照节点中选择一个局部的Leader,用来负责干扰源位置的估算。
所述步骤(5)中,将信号强度值与传输距离之间的关系线性化的方法为:
定义为干扰源(x0,y0)与参照节点(xi,yi)之间的距离,根据信号传播的shadowing模型,传输距离与信号强度之间的关系为:令x=(-ri+PLR)/5λ,则可以得到定义线性化参数ω0和ω1,将该指数关系线性化,即其中ω0和ω1两个参数的大小由RSS测量值ri,测距参数PLR和路径损耗参数λ共同决定。
与现有技术相比,本发明的优点在于:
1.本发明的干扰源定位方法,不再依赖于测距参数PLR(传输功率)和λ(路径损耗参数)。在真实的无线网络监控环境中,如果存在干扰(无意干扰或有意的干扰攻击),干扰源不会与参照节点协同合作,因此其传输功率PLR无法获取。路径损耗参数λ则因具体的网络周围环境不同而不同,通过本发明就可以消减测距参数PLR和λ,使得干扰源定位不再依赖于这两个测距参数,更符合实际的复杂网络环境。
2.本发明的干扰源定位方法,线性化参数ω0和ω1不影响干扰源定位的准确度。本发明就是利用线性化方法,将干扰源和参照节点之间的距离d与参照节点接收到的来自干扰源的信号强度值RSS指数关系线性化。通过理论推导和实验证明,线性化参数ω0和ω1在定位过程中都已经被消减,完全不影响干扰源定位的精度,这可以显著减少线性化参数选择的工作量。
3.本发明的干扰源定位方法,干扰源定位完全由网络内节点完成,不需要网络外节点或专业定位设备辅助。本发明完全通过网络内节点之间相互共享信息、协作传输的方式完成,充分发挥众包(crowdsourcing)的思想,不依赖于GPS、红外等定位设备,大大节省了能耗和成本。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中线性化实例对比的示意图。
图3是本发明在应用实例中进行定位的误差比较效果示意图;其中图3a为采用质心定位时的效果示意图,图3b为采用CRB定位时的效果示意图,图3c为采用本发明方法定位时的效果示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的测距参数可消减的干扰源定位方法,其步骤为:
(1)监控网络检测到干扰攻击。
(2)选取参照节点,进行干扰源位置的估算。
(3)被选到的参照节点记录接收到的来自干扰源的信号强度值RSS,并通过网络广播该信息。
(4)判断参照节点是否线性相关,若线性相关,则执行步骤(2);若线性无关,则执行步骤(5)。
(5)利用线性化方法,将传输距离d与接收到的信号强度值RSS的指数关系线性化。
(6)根据线性化后的方程组,结合多边测量定位方法,计算干扰源的估算位置。
本发明利用线性回归方法,将距离和RSS之间的关系线性化,并结合多边测量定位,即使在无法获取传输功率和路径损耗参数的情况下,同样实现干扰源的定位。
在上述步骤(2)中,选择参照节点,该参照节点需要满足如下条件:
(a)位于干扰区域边缘。这些节点虽然受到干扰攻击的影响,但是其信号传播仍满足所需的信噪比值(Signal to Interference and Noise Ratio,SINR)。
(b)与三点定位中三点不共线的要求类似,k(k≥4)个参照节点不共圆,原因在于当选取的参照节点共圆时,其记录的RSS的值可能是相同的,不利于矩阵方程的求解。
在上述步骤(3)中,收集参照节点接收到的信号强度值。当检测到干扰攻击时,参照节点立即向周围的邻居节点广播报文(例如:“I am Jammed”)。每条报文还包含了节点的ID、实际物理位置信息以及接收到的干扰信号强度值。接收到报文的参照节点之间相互共享RSS值,同时基于最大剩余能量,在这些参照节点中选择一个局部的Leader,用来负责干扰源位置的估算。
在上述步骤(5)中,将信号强度值与传输距离之间的关系线性化,为:定义为干扰源(x0,y0)与参照节点(xi,yi)之间的距离。根据信号传播的shadowing模型,传输距离与信号强度之间的关系为:令x=(-ri+PLR)/5λ,则可以得到定义线性化参数ω0和ω1,将该指数关系线性化,即其中ω0和ω1两个参数的大小由ri,PLR和λ共同决定。
在上述步骤(6)中,根据线性化后得到的公式估算干扰源位置,为:在有k个的不同位置参照节点的RSS测量值的情况下,结合步骤(5)中得到的变量定义和公式,可得方程组(1):
用方程组(1)第k个方程分别减其他k-1个方程,整理合并同类项,可得如下矩阵形式方程组:
由方程组(2)可以看出,干扰源的位置(x0,y0)依赖于参照节点位置(xi,yi)、RSS测量值ri以及线性化参数ω1,而与所用信号传播模型的测距参数PLR(传输功率)、路径损耗参数λ的值无关。因此,通过线性化过程,消去了这两个参数对定位的影响。同样,ω0也已经被消去了,这说明干扰源的位置估计与ω0的选取无关。接下来的推导可以证明,ω1的选取也不影响干扰源位置的估计。
当k=4时,方程组(2)即为:
方程组(3)可以写成β=Aα的形式,则α=A-1β,A-1=adj(A)/det(A)。其中:
令 其中ai,bi和ci都是已知或者可以测量的值(xi,yi,ri),则:
结合式(4)、(5)以及A-1=adj(A)/det(A),可以推出在矩阵A-1中,前两行不再有ω1,即ω1可以被消去,综合α=A-1β,α=[x0,y0,1/λ]T可知(x0,y0)的值不依赖于ω1(ω1在矩阵A-1的前两行中已被消去),即在k=4时,与具体的线性化参数ω0和ω1的选取无关。
如图2所示,为本发明中线性化的实例比较示意图。在第一种情况下,选取的参考节点集与干扰源之间的距离都比较近,因此线性化后(粗线段部分)的部分在曲线底部。第二种情况则与第一种情况相反,所有的选取的参考节点集都距离干扰源较远,因此,线性化后的部分上移。第三种情况考虑了干扰源与参考节点距离的多样性,有的离干扰源较近,有的离干扰源较远,这样在选择参考节点时,需要考虑的节点分布区域较广。
如图3所示,为本发明在应用实例中进行定位的误差比较效果示意图,图3a为采用质心定位时的效果示意图,图3b为采用CRB定位时的效果示意图,图3c为采用本发明方法定位时的效果示意图。X和Y坐标描绘了模拟的平面区域的大小,而Z坐标则展示了在每一个网格内的定位误差RMSE(root-mean-square error,RMSE,根均方差)的值。从实验结果可以看出,提出的办法在大部分区域都与Cramer-Rao约束给出的值相近,只有在实验场景的四个角,定位误差较大。其原因在于,角落的定位几何条件较差,这里的几何条件是指干扰源与任意两个参照节点形成的三角区域的总和。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (2)
1.一种测距参数可消减的干扰源定位方法,其特征在于,步骤为:
(1)监控网络检测到干扰攻击;
(2)选取参照节点,进行干扰源位置的估算;
(3)被选到的参照节点记录接收到的来自干扰源的信号强度值RSS,并通过网络广播该信息;
(4)判断参照节点是否线性相关,若线性相关,则执行步骤(2);若线性无关,则执行步骤(5);
(5)利用线性化方法,将传输距离d与接收到的信号强度值RSS的指数关系线性化;
(6)根据线性化后的方程组,结合多边测量定位方法,计算干扰源的估算位置;
所述步骤(2)中,参照节点需满足如下条件:(a)位于干扰区域边缘;(b)参照节点数为k个且不共圆,其中k≥4;
所述步骤(5)中,将信号强度值与传输距离之间的关系线性化的方法为:
2.根据权利要求1所述的测距参数可消减的干扰源定位方法,其特征在于,所述步骤(3)中,通过网络广播的信息为报文,每条报文包含了节点的ID、实际物理位置信息以及接收到的干扰信号强度值,接收到报文的参照节点之间相互共享RSS值,同时基于最大剩余能量,在这些参照节点中选择一个局部的Leader,用来负责干扰源位置的估算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071268.XA CN103152761B (zh) | 2013-03-06 | 2013-03-06 | 一种测距参数可消减的干扰源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071268.XA CN103152761B (zh) | 2013-03-06 | 2013-03-06 | 一种测距参数可消减的干扰源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103152761A CN103152761A (zh) | 2013-06-12 |
CN103152761B true CN103152761B (zh) | 2014-04-02 |
Family
ID=48550578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310071268.XA Active CN103152761B (zh) | 2013-03-06 | 2013-03-06 | 一种测距参数可消减的干扰源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103152761B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208620B (zh) * | 2015-09-01 | 2018-09-21 | 河海大学常州校区 | 一种面向发射干扰的工业无线传感器网络路由构建方法 |
CN105785352B (zh) * | 2016-04-22 | 2018-03-09 | 李明科 | 一种防丢失监控方法及定位装置 |
CN106454925B (zh) * | 2016-09-29 | 2019-07-26 | 中央军委装备发展部第六十三研究所 | 一种车联网干扰源定位方法 |
CN109495963B (zh) * | 2018-12-11 | 2020-12-01 | 中国联合网络通信集团有限公司 | 定位无线网络干扰源的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101965052A (zh) * | 2010-10-15 | 2011-02-02 | 浙江工业大学 | 基于最优信标组的无线传感网节点定位方法 |
CN102595411A (zh) * | 2012-01-11 | 2012-07-18 | 厦门大学 | 基于传感器的认知无线网络对多种类型攻击的检测方法 |
CN102665274A (zh) * | 2012-04-19 | 2012-09-12 | 无锡儒安科技有限公司 | 传感器网络节点的定位方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101260647B1 (ko) * | 2011-08-19 | 2013-05-06 | 서울대학교산학협력단 | 무선센서네트워크 상에서 효율적인 다변측량을 이용한 무선측위방법과 이를 실시하기 위한 프로그램이 기록된 기록매체 |
-
2013
- 2013-03-06 CN CN201310071268.XA patent/CN103152761B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101965052A (zh) * | 2010-10-15 | 2011-02-02 | 浙江工业大学 | 基于最优信标组的无线传感网节点定位方法 |
CN102595411A (zh) * | 2012-01-11 | 2012-07-18 | 厦门大学 | 基于传感器的认知无线网络对多种类型攻击的检测方法 |
CN102665274A (zh) * | 2012-04-19 | 2012-09-12 | 无锡儒安科技有限公司 | 传感器网络节点的定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103152761A (zh) | 2013-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | Sensor positioning in wireless ad-hoc sensor networks using multidimensional scaling | |
Jadliwala et al. | Secure distance-based localization in the presence of cheating beacon nodes | |
Tian et al. | A selective anchor node localization algorithm for wireless sensor networks | |
CN103152761B (zh) | 一种测距参数可消减的干扰源定位方法 | |
Bian et al. | Design and evaluation of a new localization scheme for underwater acoustic sensor networks | |
US8577362B2 (en) | System and method for quantifying anchor placement impact placement on location accuracy | |
Chuku et al. | An RSSI based localization scheme for wireless sensor networks to mitigate shadowing effects | |
Huang et al. | Analysis of TOA localization with heteroscedastic noises | |
Zhang et al. | An efficient node localization approach with RSSI for randomly deployed wireless sensor networks | |
Wan et al. | An efficient virtual nodes-based APIT localization algorithm with low computational cost | |
Li et al. | A robust localization algorithm in wireless sensor networks | |
Kotwal et al. | Region based collaborative angle of arrival localization for wireless sensor networks with maximum range information | |
Jian-guo et al. | An improved range-based localization algorithm in wireless sensor network | |
Neri et al. | A simple ranging technique based on received signal strength measurements in a narrowband 2.4 GHz channel: A space diversity approach | |
Zhu et al. | An Improved Localization Scheme Based on DV-Hop for Large-Scale Wireless Sensor Networks. | |
Zhang et al. | A ToA-based location algorithm reducing the NLoS error under location-aware networks | |
Xie et al. | An improved E-Min-Max localization algorithm in wireless sensor networks | |
Chintalapudi et al. | On the feasibility of ad-hoc localization systems | |
Xu et al. | Node localization in wireless sensor network using dynamic distance prediction algorithm | |
Saad et al. | Mur: A distributed preliminary method for location techniques in sensor networks | |
CN103064058A (zh) | 基于无线传感器网络的低成本移动机器人导航方法 | |
Cao et al. | Study of target localization based on underwater sensor networks | |
Yu-ting et al. | Optimization of least-squares localization algorithm in WSN | |
Khan et al. | Distributed localization and tracking with coordinated and uncoordinated motion models | |
Ji et al. | Locating ineffective sensor nodes in wireless sensor networks |
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 |