CN103235341A - 一种无线传感器网络无源感知的方法 - Google Patents

Abstract

本发明公开了一种无线传感器网络无源感知的方法。本发明首先利用汇聚节点接收无线网络环境内所有节点的数据，然后通过接收到的RSS值建立一个斜率为1的线性模型，假设两种情况，有目标出现在网络环境中和无人出现在网络环境中，预估计一个阈值，作为判断两种情况的分界点，最后，计算接收到的各个节点的RSS值在线性模型中的距离，并与这个阈值比较，做出有人或无人环境的选择，从而实现对目标的无源感知。本发明充分的利用较大物体对无线射频信号有巨大衰减的特点，对无线网络环境的监测和对人的感知。本方法可广泛地应用于像博物馆、档案馆这样重要物品保存单位，也可用于地下仓库、地下室等缺乏光照的需要保护的无人室内环境。

Description

一种无线传感器网络无源感知的方法

技术领域

本发明涉及一种无线传感器网络无源感知的方法，属于利用无线传感器网络安防的技术领域。

背景技术

随着科学技术、信息化、网络化的发展，人们对需要受保护区域的安防需求也日益增大，除了对高档小区、停车场、超市等区域的安防，对于像博物馆、档案室等重要物品保护单位以及仓库、地下室等缺乏光照的室内环境，则更需要高质量的安防感知系统。

在传统的基于安防的感知系统中，由于受室内环境复杂性和不确定性等自身因素的影响，对于像红外感知安防系统、视频监控感知安防系统都有其自身的局限性。红外感知安防系统在室内使用时主要会受到以下两点约束：一方面，红外线的穿透性具有一定的局限性，对于像浓重的烟雾，有色遮挡物等，红外线都不能很好的穿过，另一方面，由于红外必须安装在没有遮挡物的地方，很容易被破坏，达不到理想的安防效果。而视频监控感知安防系统也不能穿过遮挡物进行有效地摄像、检测和感知，且摄像采集设备极容易由于光照的效果而影响摄像的性能，例如在强光或黑暗的环境下，获取的图像的性能都会大大的降低。因此，传统的基于安防的感知系统对室内环境复杂如博物馆、档案室等并不能达到令人满意的安防效果。

无线传感器网络技术被认为是信息感知和采集的一场革命，是当前受各国研究者热烈追捧的研究领域，并且广泛地应用于国防军事、环境监测、医疗卫生、交通管理、智能家居以及工业园区安全监测等领域。其中，定位和感知是无线传感器网络的主要研究方向之一，本发明主要是利用无线传感器网络中传感器节点的无线射频信号的变化进行对目标的感知，因此，也被称为基于无线传感器网络射频接收信号强度的感知方法，在现有的基于信号接收强度的定位和感知的研究中，采用是有源定位和感知，即被定位或感知的目标携带传感器节点，与无线传感器网络中的节点相互作用，实现对目标的定位和感知。无源感知，就是被定位和感知的目标没有携带任何的可以与传感器网络中的节点通信的电子设备，利用目标对无线网络中节点的RSS（Received Signal Strength，接收信号强度）值的影响，通过数学建模，利用假设检验的方法，实现对目标的感知。

发明内容

发明概述

本发明首先利用汇聚节点接收无线网络环境内所有节点的数据，然后通过初始化时（即无人出现在无线传感器网络中）接收到的RSS值在一个线性空间中建立一个斜率为1的直线，假设两种情况，有目标出现在网络环境中和无人出现在网络环境中，预估计一个阈值，作为判断两种情况的分界点，最后，计算接收到的各个节点的RSS值在线性空间中到这条直线的几何距离，并与这个阈值比较，做出有人或无人环境的选择，从而实现对目标的无源感知。

发明详述

针对现有技术的不足，基于安防的感知技术的不足，本发明提供了一种设计合理，安防质量高的无线传感器网络无源感知的方法。

本发明的技术方案如下：

一种无线传感器网络无源感知的方法，包括以下步骤：

（1）使用现有的令牌环网技术初始化无线传感器网络；在本步骤中，无线传感器网络内的所有节点启动，初始化完成，所有节点可以正常、稳定的工作；

（2）无线传感器网络中的节点有序的、逐一的进行广播发送数据包，无线传感器网络中的其余节点分别接收并记录所述的数据包；所述的数据包包括RSS值、发送节点ID号和接收节点ID号；所述的节点均为CC2430传感器节点；

（3）在无线传感器网络中设置有汇聚节点，所述汇聚节点周期性接收的无线传感器网络中所有节点的数据包并记录，所述汇聚节点利用初始化时接收到的RSS值，在一个线性空间中，建立一条斜率为1的直线，然后汇聚节点把周期性接收到的RSS值在这个线性空间中计算到这条直线的几何距离，最后与估计的阈值做比较，做出检测到有人和无人的两种情况的选择，从而实现对人或物体的实时感知：所述实时感知方法如下：

(3-1)初始化无线传感器网络：其中无线传感器网络环境中有N个节点，并且两两可以相互通信，在i时刻，节点k发送数据包，则无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值为

${\stackrel{\→}{r}}_k\left(i\right)=[r_{k,n_0}\left(i\right),...,r_{k,n_{N-1}}\left(i\right)];$

在一个时间窗口T内，计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的均值

${\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right)=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\stackrel{\→}{r}}_k(i-t)$

然后计算在i时刻计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的变化 $\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right):$

$\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)={\stackrel{\→}{r}}_k\left(i\right)-{\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right);$

(3-2)假设是否有人出现在无线传感器网络中的2种情况，并在空间中建立一条斜率为1的直线：

其中，Η₀为没有人出现在无线传感器网络中，Η₁为有人出现在无线传感器网络中；在无线传感器网络设置汇聚节点，该汇聚节点接收到无线传感器网络中所有节点的数据包，记录所述数据包中的RSS值，估计一个

${\hat{m}}_k=\max \left(\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)\right);$

在一个时间窗口W_k(i)内，对于节点k发送的数据包包括l个RSS值传输，则：

W_k(i)=[△r_k(i-l+1),△r_k(i-l+2),…,△r_k(i)]；

在线性模型空间中建立一个斜率为1的直线Γ模型：

$\mathrm{\Γ}:\mathrm{\Δ}{r}_{k,n_0}=\mathrm{\Δ}{r}_{k,n_1}=...=\mathrm{\Δ}{r}_{k,n_{N-1}}={\hat{m}}_k;$

（3-3）将每个节点的l个RSS值在线性模型空间中到直线Γ最小值d_min与估计的阈值λ进行比较：

其中所述估计阈值λ的过程：

首先计算在时间窗口内，节点k的l个数据传输在线性模型空间中的到直线Γ最小距离值d_min[k]：

$d_{\min }\left[k\right]=\underset{j\∈[0,l-1]}{\min }\left(d_k(i-j)\right)$

然后计算所有节点的d_min的均值a_d：

$a_d=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{d}_{\min }\left[k\right]$

最后得出d_min的标准差s_d：

$s_d=\sqrt{\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(d_{\min }\right[k]-a_d)}^2}$

得，阈值λ的估计值为

λ=a_d+2·s_d；

计算每个节点的l个RSS值在线性模型空间中到直线Γ最小值d_min：

$d_{\min }=\underset{j\∈[0,l)}{\min }\left(d_k(i-j)\right)$

其中， $d_k\left(i\right)=\left|\right|\mathrm{\Δ}{\stackrel{\→}{r}}_k-{\hat{m}}_k\·\stackrel{\→}{1}\left|\right|,$ $\stackrel{\→}{1}=[\mathrm{1,1},...,1];$

最后用d_min与λ比较：

当d_min≤λ时，则判定为Η₀，即没有人出现在无线传感器网络中；

当d_min>λ时，则判定为Η₁，即有人出现在无线传感器网络中。

本发明通过以上假设检验的方法，对无线传感器网络做出Η₀和Η₁的选择，从实现对人的无源感知。

本发明的有益优势：

1.本发明充分地利用无线传感器网络内节点的无线射频信号具有一定穿透性的特点，利用少数遮挡物不影响传感器节点直接相互通信以及无线射频信号不受光照的影响的优点，克服红外线不能穿透烟雾和摄像不能录制遮挡物的缺点，实现对出现在网络环境中的人的无源感知，能够很好的应用于博物馆、档案室等重大物品保护单位。

2.本发明使用无线传感器网络技术，不需要人携带任何的电子设备，就可以进行实时的、有效的检测感知。

3.本发明中无线传感器节点放置隐蔽，不易于发现，能够很好的防止人为的破坏，因此有益于安防的准确性。

4.本发明采用无线传感器网络，并不需要特殊的应用环境，安装完毕，系统就可以根据实时环境采集数据，获得初始化状态，从而降低了对应用环境的要求。

附图说明

图1为本发明利用现有的令牌环网技术初始化无线传感器网络的工作流程图；

图2为本发明的无源感知流程图；

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不限于此。

如图1-2所示。

一种无线传感器网络无源感知的方法，包括以下步骤：

（1）使用现有的令牌环网技术初始化无线传感器网络；在本步骤中，无线传感器网络内的所有节点启动，初始化完成，所有节点可以正常、稳定的工作；

（2）无线传感器网络中的节点有序的、逐一的进行广播发送数据包，无线传感器网络中的其余节点分别接收并记录所述的数据包；所述的数据包包括RSS值、发送节点ID号和接收节点ID号；所述的节点均为CC2430传感器节点；

（3）在无线传感器网络中设置有汇聚节点，所述汇聚节点周期性接收的无线传感器网络中所有节点的数据包并记录，所述汇聚节点利用初始化时接收到的RSS值，在一个线性空间中，建立一条斜率为1的直线，然后汇聚节点把周期性接收到的RSS值在这个线性空间中计算到这条直线的几何距离，最后与我们估计的阈值做比较，做出检测到有人和无人的两种情况的选择，从而实现对人或物体的实时感知；所述实时感知方法如下：

(3-1)初始化无线传感器网络：其中无线传感器网络环境中有N个节点，并且两两可以相互通信，在i时刻，节点k发送数据包，则无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值为

${\stackrel{\→}{r}}_k\left(i\right)=[r_{k,n_0}\left(i\right),...,r_{k,n_{N-1}}\left(i\right)];$

在一个时间窗口T内，计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的均值

${\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right)=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\stackrel{\→}{r}}_k(i-t)$

然后计算在i时刻计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的变化 $\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right):$

$\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)={\stackrel{\→}{r}}_k\left(i\right)-{\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right);$

(3-2)假设是否有人出现在无线传感器网络中的2种情况，并在空间中建立一条斜率为1的直线：

其中，Η₀为没有人出现在无线传感器网络中，Η₁为有人出现在无线传感器网络中；在无线传感器网络设置汇聚节点，该汇聚节点接收到无线传感器网络中所有节点的数据包，记录所述数据包中的RSS值，估计一个

${\hat{m}}_k=\max \left(\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)\right);$

在一个时间窗口W_k(i)内，对于节点k发送的数据包包括l个RSS值传输，则：

W_k(i)=[△r_k(i-l+1),△r_k(i-l+2),…,△r_k(i)]；

在线性模型空间中建立一个斜率为1的直线Γ模型：

$\mathrm{\Γ}:\mathrm{\Δ}{r}_{k,n_0}=\mathrm{\Δ}{r}_{k,n_1}=...=\mathrm{\Δ}{r}_{k,n_{N-1}}={\hat{m}}_k;$

（3-3）将每个节点的l个RSS在线性空间中到直线Γ的最小值d_min与估计的阈值λ进行比较：

其中所述估计阈值λ的过程：

首先计算在时间窗口内，节点k的l个数据传输在线性模型空间中到直线Γ的最小距离值d_min[k]：

$d_{\min }\left[k\right]=\underset{j\∈[0,l-1]}{\min }\left(d_k(i-j)\right)$

然后计算所有节点的d_min的均值a_d：

$a_d=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{d}_{\min }\left[k\right]$

最后得出d_min的标准差s_d：

$s_d=\sqrt{\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(d_{\min }\right[k]-a_d)}^2}$

得，阈值λ的估计值为

λ=a_d+2·s_d；

计算每个节点的l个RSS值在线性空间中到直线Γ的最小值d_min：

$d_{\min }=\underset{j\∈[0,l)}{\min }\left(d_k(i-j)\right)$

其中， $d_k\left(i\right)=\left|\right|\mathrm{\Δ}{\stackrel{\→}{r}}_k-{\hat{m}}_k\·\stackrel{\→}{1}\left|\right|,$ $\stackrel{\→}{1}=[\mathrm{1,1},...,1];$

最后用d_min与λ比较：

当d_min≤λ时，则判定为Η₀，即没有人出现在无线传感器网络中；

当d_min>λ时，则判定为Η₁，即有人出现在无线传感器网络中。

本发明通过以上假设检验的方法，对无线传感器网络做出Η₀和Η₁的选择，从实现对人的无源感知。

Claims (1)

1.一种无线传感器网络无源感知的方法，其特征在于，该方法包括以下步骤：

（1）使用现有的令牌环网技术初始化无线传感器网络；

（2）无线传感器网络中的节点有序的、逐一的进行广播发送数据包，无线传感器网络中的其余节点分别接收并记录所述的数据包；所述的数据包包括RSS值、发送节点ID号和接收节点ID号；

（3）在无线传感器网络中设置有汇聚节点，所述汇聚节点周期性接收的无线传感器网络中所有节点的数据包并记录，所述汇聚节点利用初始化时接收到的RSS值，在一个线性空间中，建立一条斜率为1的直线，然后汇聚节点把周期性接收到的RSS值在这个线性空间中计算到这条直线的几何距离，最后与我们估计的阈值做比较，做出检测到有人和无人的两种情况的选择，从而实现对人或物体的实时感知，所述实时感知方法如下：

(3-1)初始化无线传感器网络：其中无线传感器网络环境中有N个节点，并且两两可以相互通信，在i时刻，节点k发送数据包，则无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值为

${\stackrel{\→}{r}}_k\left(i\right)=[r_{k,n_0}\left(i\right),...,r_{k,n_{N-1}}\left(i\right)];$

在一个时间窗口T内，计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的均值

${\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right)=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\stackrel{\→}{r}}_k(i-t)$

然后计算在i时刻计算无线传感器网络中其余节点所收到节点k发送数据包的RSS向量值的变化 $\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right):$

$\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)={\stackrel{\→}{r}}_k\left(i\right)-{\stackrel{\‾}{\stackrel{\→}{r}}}_k\left(i\right);$

(3-2)假设是否有人出现在无线传感器网络中的2种情况，并在空间中建立一条斜率为1的直线：

其中，Η₀为没有人出现在无线传感器网络中，Η₁为有人出现在无线传感器网络中；在无线传感器网络设置汇聚节点，该汇聚节点接收到无线传感器网络中所有节点的数据包，记录所述数据包中的RSS值，估计一个

${\hat{m}}_k=\max \left(\mathrm{\Δ}{\stackrel{\→}{r}}_k\left(i\right)\right);$

在一个时间窗口W_k(i)内，对于节点k发送的数据包包括l个RSS值传输，则：

W_k(i)=[△r_k(i-l+1),△r_k(i-l+2),…,△r_k(i)]；

在线性模型空间中建立一个斜率为1的直线Γ模型：

$\mathrm{\Γ}:\mathrm{\Δ}{r}_{k,n_0}=\mathrm{\Δ}{r}_{k,n_1}=...=\mathrm{\Δ}{r}_{k,n_{N-1}}={\hat{m}}_k;$

（3-3）将每个节点的l个RSS值在线性模型空间中到直线Γ的最小值d_min与估计的阈值λ进行比较：

其中所述估计阈值λ的过程：

首先计算在时间窗口内，节点k的l个数据传输在线性模型空间中到直线Γ的最小距离值d_min[k]：

$d_{\min }\left[k\right]=\underset{j\∈[0,l-1]}{\min }\left(d_k(i-j)\right)$

然后计算所有节点的d_min的均值a_d：

$a_d=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{d}_{\min }\left[k\right]$

最后得出d_min的标准差s_d：

$s_d=\sqrt{\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(d_{\min }\right[k]-a_d)}^2}$

得，阈值λ的估计值为

λ=a_d+2·s_d；

计算每个节点的l个RSS值在线性模型空间中到直线Γ的最小值d_min：

$d_{\min }=\underset{j\∈[0,l)}{\min }\left(d_k(i-j)\right)$

其中， $d_k\left(i\right)=\left|\right|\mathrm{\Δ}{\stackrel{\→}{r}}_k-{\hat{m}}_k\·\stackrel{\→}{1}\left|\right|,$ $\stackrel{\→}{1}=[\mathrm{1,1},...,1];$

最后用d_min与λ比较：

当d_min≤λ时，则判定为Η₀，即没有人出现在无线传感器网络中；

当d_min>λ时，则判定为Η₁，即有人出现在无线传感器网络中。

Images