CN104581770A - 基于高效能射频网络的目标定位和跟踪方法 - Google Patents

Abstract

本发明提供了一种用于目标定位和跟踪的高效射频网络，所述射频网络包括至少两个节点；所述至少两个节点布置在监测区域周围，所述至少两个节点构成了两条以上的有向链路；所述每个节点向基站发送第一消息，所述第一消息包括基站标识号、发送节点的标识号、与所述发送节点构成衰减链路的接收节点的标识号。发明提出的高效节能射频网络可以减少能量损耗，延长节点的工作寿命。

Description

基于高效能射频网络的目标定位和跟踪方法

技术领域

本发明涉及目标探测与跟踪技术领域，具体涉及一种基于高效能射频网络的目标定位和跟踪方法。

背景技术

射频节点网络利用射频节点来定位跟踪目标。基于射频节点网络的目标定位和跟踪技术不需要目标携带任何装置，并且它只需要射频节点提供的接收信号强度(RSS)值。

在传统的射频节点工作模式中，射频节点直接发送其他节点和该节点构成的所有链路的RSS值到基站节点。随着射频节点数目的增加，射频节点传输的数据量与射频节点数目成二次方关系增加，这对于使用电池供电的射频节点是十分不利的，将会大大的缩短射频节点电池的使用寿命。

发明内容

针对现有技术中的缺陷，本发明提供一种基于高效能射频网络的目标定位和跟踪方法，可以减少能量损耗，延长节点的工作寿命，且有效提高定位及跟踪的准确性。

为解决上述技术问题，本发明提出以下解决方案：

第一方面，本发明提供了一种用于目标定位和追踪的高效射频网络，所述射频网络包括至少两个节点；所述至少两个节点布置在监测区域周围，所述至少两个节点构成了两条以上的有向链路；所述每个节点向基站发送第一消息，所述第一消息包括基站标识号、发送节点的标识号、与所述发送节点构成衰减链路的接收节点的标识号。

其中，所述每个节点向基站发送第一消息之前，所述每个节点找出与该节点构成衰减链路的节点的标识号。

其中，所述每个节点找出与该节点构成衰减链路的节点的标识号包括：

第一节点与除第一节点以外的其他节点构成了多条链路，第一节点根据每条链路在定位目标进入监测区域之前和进入监测区域之后链路接收信号强度RSS的变化量判断该链路是否被遮挡，若该链路的RSS变化量大于第一阈值，则该链路被遮挡，第一节点找出与第一节点构成该链路的第二节点的标识号。

其中，所述至少两个节点等距离布置在监测区域周围。

第二方面，本发明提供了一种基于上述高效射频网络的基于网格搜索的最大似然定位方法，包括：

S11.获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的接收信号强度RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$\begin{array}{c}p(z_{l,t}=1|x_t)=p({\mathrm{\&Delta;r}}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_r^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{({\mathrm{\&Delta;r}}_{l,t}-S_l\left(x_t\right))}^2}{{2\mathrm{\&sigma;}}^2}}d{\mathrm{\&Delta;r}}_{l,t}=Q\left(\frac{r-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\\ p(z_{l,t}=0|x_t)=p({\mathrm{\&Delta;r}}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\end{array};$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；

S12.获取某一时刻所有链路的状态观测向量z_t＝[z_1,t,z_2,t,...,z_l,t]^T；

S13.将监测区域均匀地划分为N个网格，网格n的中心的坐标记为q_n，n＝1,2,...,N；其中L条链路相互独立，最大似然估计为 ${\hat{x}}_t^{\mathrm{ML}}=\arg \underset{q_n}{\max }p\left(z_t\right|q_n)=\arg \underset{q_n}{\max }p(z_{1,t},z_{2,t},...,z_{l,t}|q_n)=\arg \underset{q_n}{\max }\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|q_n);$

S14.将链路分为两个集合和其中是未被遮挡的链路的集合，是被遮挡链路的集合；且得到网格n的似然值为：

$p\left(z_t\right|q_n)=\underset{l\&Element;l_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)];$

S15.在N个网格中搜索找到S14中所述似然值最大的网格，该网格的中心坐标就是定位目标的位置。

第三方面，本发明提供了一种基于上述高效射频网络的基于粒子滤波的目标跟踪方法，包括：

S21.获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的接收信号强度RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$\begin{array}{c}p(z_{l,t}=1|x_t)=p({\mathrm{\&Delta;r}}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_r^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{({\mathrm{\&Delta;r}}_{l,t}-S_l\left(x_t\right))}^2}{{2\mathrm{\&sigma;}}^2}}d{\mathrm{\&Delta;r}}_{l,t}=Q\left(\frac{r-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\\ p(z_{l,t}=0|x_t)=p({\mathrm{\&Delta;r}}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\end{array};$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；

S22.获取从1时刻到t时刻的链路状态观测向量z_1:t＝{z₁,z₂,...,z_t}；

S23.根据目标的运动模型和上个时刻的粒子状态获得当前时刻粒子k,k＝1,2,...,N_PF的状态

是定位目标在t时刻的状态，x_t和y_t分别代表当前时刻定位目标的横坐标和纵坐标，和是定位目标在t时刻x方向和y方向的速度，Δt是时刻t-1与时刻t之间的时间间隔，定位目标的匀速运动模型为：

$\begin{array}{c}{X}_t=F{X}_{t-1}+{\mathrm{Bu}}_t\\ F=\left[\begin{array}{cccc}1& 0& \mathrm{\&Delta;t}& 0\\ 0& 1& 0& \mathrm{\&Delta;t}\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right],B=\left[\begin{array}{cc}{\mathrm{\&Delta;t}}^2/2& 0\\ 0& {\mathrm{\&Delta;t}}^2/2\\ \mathrm{\&Delta;t}& 0\\ 0& \mathrm{\&Delta;t}\end{array}\right]\end{array};$

其中u_t为加速度噪声矢量，满足均值为零，协方差矩阵为的高斯分布，其中为x方向上的加速度噪声方差，为y方向上的加速度噪声方差，根据目标的运动模型和上个时刻的粒子状态得到均值为协方差矩阵为BRB^T的高斯分布从而采样得到当前时刻粒子k,k＝1,2,...,N_PF的状态

S24:获得当前时刻粒子权重的更新：

粒子权重按照下式进行更新，∝是正比于的意思：

$\begin{array}{c}{w}_t^k\&Proportional;w_{t-1}^{k}p\left(z_t\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|x_t^k)\\ =w_{t-1}^k\&CenterDot;\underset{l\&Element;e_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(X_t^k\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t^k\right)}{\mathrm{\&sigma;}}\right)]\end{array};$

其中，是的前两个分量，前者是二维状态，即只是位置状态，后者是四维状态，包括位置和速度状态，因此观测量z_t和目标的运动速度无关，因此p(z_t|X_t)等价于p(z_t|x_t)，和为粒子k的状态和权重，选择建议分布 $\mathrm{\&pi;}\left(X_t^k\right|X_{t-1}^k,z_t)=p\left(X_t^k\right|X_{t-1}^k),$ $l_t^0=\{l:z_{l,t}=0\}$ 是未被遮挡的链路的集合， $l_t^1=\{l:z_{l,t}=1\}$ 是被遮挡链路的集合， $l_t^0\&cup;l_t^1=\{1,2,...,L\};$

S25.对粒子权重进行归一化操作以保证所有粒子权重之和为1；

S26.若粒子中某些粒子的权重较大，则导致有效粒子数目小于第二预设阈值N_th，则粒子退化发生，粒子退化是指上述粒子组中只有个别粒子权重较大，其他粒子的权重很小甚至为0；利用重采样产生一组新的粒子，重采样是用上述粒子组中权重较大的粒子替换权重较小甚至为0的粒子，然后将新产生的一组粒子中所有粒子的权重重新设为1/N_PF，其中N_PF是粒子数目；

S27.根据后验概率的近似分布和粒子权重得到定位目标位置估计及方差估计cov(X_t)为：

$\begin{array}{c}{\hat{X}}_t^{\mathrm{MAP}}\&ap;\underset{k=1}{\overset{N_{\mathrm{PE}}}{\mathrm{\&Sigma;}}}{w}_t^k{X}_t^k\\ \mathrm{cov}\left(X_t\right)\&ap;\underset{k=1}{\overset{N_{\mathrm{PE}}}{\mathrm{\&Sigma;}}}{w}_t^k(X_t^k-{\hat{X}}_t^{\mathrm{MAP}}){(X_t^k-{\hat{X}}_t^{\mathrm{MAP}})}^T\end{array}.$

由上述技术方案可知，本发明所述的高效射频网络，网络中每个节点向基站只发送与该节点构成被遮挡链路的另一个节点的ID号，接收端基站只根据发送节点的ID号和接收数据包中的节点ID号就可以判断哪条链路受到了遮挡。本发明提出的高效节能射频网络改变了节点发送数据帧的结构，最终使得需要传输的数据量大大减少，提高了射频节点电池的使用寿命。另外，基于该高效射频网络的基于网格搜索的最大似然定位方法和基于粒子滤波的目标跟踪方法可以取得较好的定位效果和目标跟踪效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的射频节点向基站发送的数据帧的结构示意图；

图2是现有技术中射频节点向基站发送的数据帧的结构示意图；

图3是本发明实施例提供的射频网络高效节能的工作方式流程图；

图4是本发明实施例提供的基于网格搜索的最大似然定位方法流程图；

图5是本发明实施例提供的最大似然定位方法的原理示意图；

图6是本发明实施例提供的最大似然定位方法的实验布局图；

图7是本发明实施例提供的粒子滤波定位方法的流程图；

图8是本发明实施例提供的目标运动轨迹及基于本发明提出的粒子滤波定位方法的跟踪轨迹图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例一提供了一种用于目标定位和追踪的高效射频网络，所述射频网络包括至少两个节点；所述至少两个节点布置在监测区域周围，所述至少两个节点构成了两条以上的有向链路；所述每个节点向基站发送第一消息，所述第一消息包括基站标识号、发送节点的标识号、与所述发送节点构成衰减链路的接收节点的标识号。

其中，所述每个节点向基站发送第一消息之前，所述每个节点找出与该节点构成衰减链路的节点的标识号。

其中，所述每个节点找出与该节点构成衰减链路的节点的标识号包括：

第一节点与除第一节点以外的其他节点构成了多条链路，第一节点根据每条链路在定位目标进入监测区域之前和进入监测区域之后链路的RSS变化量判断该链路是否被遮挡，若该链路的RSS变化量大于第一阈值，则该链路被遮挡(即为衰减链路)，第一节点找出与第一节点构成该链路的第二节点的标识号。

优选地，所述至少两个节点等距离布置在监测区域周围。

优选地，布置4个、6个或8个节点在监测区域周围，当然如果对精度要求不高或监测区域较小的范围，也可以布置3个节点或2个节点。

本发明实施例提供的用于目标定位和追踪的高效射频网络，网络中的节点只向基站发送与该节点构成衰减链路的节点ID号，在接收端，基站根据发送节点的ID号和接收数据包中的节点ID号就可以判断哪条链路受到了遮挡。图1示出了本发明实施例中节点向基站发送的数据帧的结构，如图1所示，节点发送的数据帧只包含两部分：帧头(长度为F_h bytes)，以及与节点构成衰减链路的所有节点的ID号(每个节点的ID号长度为F_ID bytes)。其中，帧头包含发送节点的ID号，基站节点的ID以及其他的一些必要开销。而现有技术中，每个节点向基站发送除本身节点以外的所有节点的ID号以及该节点与其他所有节点组成的所有链路的RSS值。图2示出了现有技术中节点向基站发送的数据帧的结构，参见图2所示，节点发送的数据帧包含两部分：帧头(长度为F_h bytes)以及除本身节点以外的所有节点的ID号(每个节点的ID号长度为F_ID bytes)以及该节点与其他所有节点组成的链路的RSS值(每条链路的RSS值的长度为F_D bytes)。其中，帧头包含发送节点的ID号，基站节点的ID以及其他的一些必要开销。因此本发明实施例所述的网络中每个节点向基站发送的数据量相对于现有技术减少了很多。这对于使用电池供电的射频节点是一个很大的优势，可以提高射频节点电池的使用寿命。

图3是本发明实施例提供的射频网络高效节能的工作方式流程图，本发明实施例所述的用于目标定位和追踪的射频网络的工作过程如下所示：

步骤101：节点部署。

监测区域位于xoy坐标平面，o为坐标原点。将K(K≥2)个射频节点等距离部署在监测区域周围，所有节点都放置在同一个xoy坐标平面上即所有节点放置的高度相同。节点的坐标依次为α_i,i＝1,2,...,K，其中i为节点的ID号。这些无线节点可以构成L＝K(K-1)条有向链路，以K＝3为例，则3个无线节点构成6条有向链路，假设每条链路l由节点i和节点j构成，节点i发送信号，节点j接收信号，其中i≠j。链路编号l为：

步骤102：射频节点测量定位目标进入监测区域之前链路l的静态RSS值。

步骤103：测量定位目标存在于监测区域时链路l的RSS值r_l,t，进而得到链路l的RSS变化量

步骤104：根据Δr_l,t判断链路l的状态。

节点在得到链路的Δr_l,t后，将Δr_l,t与预设的阈值γ比较，作为优选γ取值4dB。如果链路l的RSS衰减超过阈值，那么认为该链路l被目标遮挡，发送节点将构成该链路的另一个节点的ID号发给基站。否则认为链路l不被目标遮挡，构成该链路的另一个节点的ID号不被发给基站。这种量化关系可以表示为：

步骤105：射频节点根据链路的状态确定射频节点的数据帧并将数据发送到基站节点。

下面通过理论分析和实验验证本发明提出的高效节能工作模式。假设帧头的长度为F_h bytes，节点号的长度为F_ID bytes，一组RSS数据包含F_D bytes，那么传统的节点工作模式下完成一轮测量需发送的总的字节数为其中K为总节点数。在本发明提出的工作模式中，节点i的数据帧长为η₂(i)＝F_h+l_iF_ID，其中l_i为节点i和其他K-1个节点构成的K-1条链路中遮挡链路的数目。因此在本发明提出的工作模式中完成一轮测量需要发送的总的字节数为 ${\mathrm{\&eta;}}_2^{\mathrm{Total}}=\underset{i=h}{\overset{K}{\mathrm{\&Sigma;}}}{\mathrm{\&eta;}}_2=\underset{i=1}{\overset{K}{\mathrm{\&Sigma;}}}(F_h+l_i{F}_{\mathrm{ID}})={\mathrm{KF}}_h+M\left(x_t\right)F_{\mathrm{ID}}.$ 其中 $M\left(X_t\right)=\underset{i=1}{\overset{K}{\mathrm{\&Sigma;}}}{l}_i$ 是无线射频网络中所有遮挡链路的数目，可以认为是一个随机变量，其均值与目标位置有关。可以看到传统工作模式下完成一轮测量需要发送的总的字节数与节点数成二次方关系，本发明提出的工作模式下完成一轮测量需要发送的总的字节数与节点数成线性关系。

在进行实验验证过程中，节点数目K＝20，目标位于节点处时取最大值47.2，目标位于其他地方时的取值范围为15-30。是阴影衰落链路数目的平均值，为阴影衰落链路的最大值。实验中F_h＝10Bytes，F_ID＝F_D＝1Byte。可以看出正比于K²，但是正比于K。随着节点数目的增多，和的差别也越来越大。当K＝40时，s当时，e当sM＝M_max时，在射频网络中，如果所有节点的发送能量是固定的，那么少的数据传输量就意味着少的能量损耗。因此本发明提出的高效节能网络可以大大减少完成一轮测试需要传输的总的数据量，减少能量损耗，延长节点的工作寿命。

本发明实施例提出了一种高效节能射频网络，在该网络中，每个节点向基站只发送与该节点构成被遮挡链路的另一个节点的ID号，接收端基站只根据发送节点的ID号和接收数据包中的节点ID号就可以判断哪条链路受到了遮挡。本发明提出的高效节能射频网络改变了节点发送数据帧的结构，最终使得需要传输的数据量大大减少，提高了射频节点电池的使用寿命。

图4给出了在本发明提出的高效节能射频网络下的基于网格搜索的最大似然定位方法的流程图，针对该高效节能射频网络，本发明实施例二提供了一种基于网格搜索的最大似然定位方法，包括：

步骤201：获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的接收信号强度RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$\begin{array}{c}p(z_{l,t}=1|x_t)=p({\mathrm{\&Delta;r}}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_r^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{({\mathrm{\&Delta;r}}_{l,t}-S_l\left(x_t\right))}^2}{{2\mathrm{\&sigma;}}^2}}d{\mathrm{\&Delta;r}}_{l,t}=Q\left(\frac{r-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\\ p(z_{l,t}=0|x_t)=p({\mathrm{\&Delta;r}}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\end{array};$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；这里S_l(x_t)的公式为：其中Δd_l(x_t)＝||x_t-α_j||+||x_t-α_i||-||α_i-α_j||是附加路径长度，φ是当Δd_l(x_t)＝0时S_l(x_t)的取值，即最大的衰减值，κ是衰减因子，α_i，α_j为构成链路l的两个节点的坐标。

步骤202：获取某一时刻所有链路的状态观测向量z_t＝[z_1,t,z_2,t,...,z_l,t]^T；

步骤203：将监测区域均匀地划分为N个网格，网格n的中心的坐标记为q_n，n＝1,2,...,N，如图5所示；在基于网格搜索的方法中，在L条链路相互独立的前提下，最大似然估计为 ${\hat{x}}_t^{\mathrm{ML}}=\arg \underset{q_n}{\max }p\left(z_t\right|q_n)=\arg \underset{q_n}{\max }p(z_{1,t},z_{2,t},...,z_{l,t}|q_n)=\arg \underset{q_n}{\max }\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|q_n).$

步骤204：将链路分为两个集合和其中是未被遮挡的链路的集合，是被遮挡链路的集合；且得到网格n的似然值为：

$p\left(z_t\right|q_n)=\underset{l\&Element;l_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)].$

这里，S_l(q_n)是当目标位置为q_n时对链路l造成的衰减函数，其求解方式参见步骤201。

步骤205：在N个网格中搜索找到步骤204中所述似然值最大的网格，该网格的中心坐标就是定位目标的位置。

下面结合具体实验对最大似然定位方法进行说明，该次实验的实验布局如图6所示，在监测区域周围放置20个支持IEEE802.15.4协议的节点，相邻节点之间的距离是1.9m，无线节点按照令牌环的方式循环发送无线信号到基站节点。监测区域面积是9.5m×9.5m＝90.25m²。图中目标分别位于9个不同的位置，对于各个位置采用基于网格搜索的最大似然定位算法得到目标位置估计，实验结果表明平均定位误差是0.35m。

图7给出了在本发明提出的节点高效节能射频网络下粒子滤波的基于粒子滤波的目标跟踪方法的流程图。针对该高效节能射频网络，本发明实施例二提供了一种基于粒子滤波的目标跟踪方法，参见图7，包括：

步骤301：获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的接收信号强度RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$\begin{array}{c}p(z_{l,t}=1|x_t)=p({\mathrm{\&Delta;r}}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_r^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{({\mathrm{\&Delta;r}}_{l,t}-S_l\left(x_t\right))}^2}{{2\mathrm{\&sigma;}}^2}}d{\mathrm{\&Delta;r}}_{l,t}=Q\left(\frac{r-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\\ p(z_{l,t}=0|x_t)=p({\mathrm{\&Delta;r}}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)\end{array};$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；这里S_l(x_t)的公式为：其中Δd_l(x_t)＝||x_t-α_j||+||x_t-α_i||-||α_i-α_j||是附加路径长度，φ是当Δd_l(x_t)＝0时S_l(x_t)的取值，即最大的衰减值，κ是衰减因子，α_i，α_j为构成链路l的两个节点的坐标。

步骤302：获取从1时刻到t时刻的链路状态观测向量

步骤303：根据目标的运动模型和上个时刻的粒子状态获得当前时刻粒子k,k＝1,2,...,N_PF的状态(N_PF是粒子数目)：

是定位目标在t时刻的状态，x_t和y_t分别代表当前时刻定位目标的横坐标和纵坐标，和是定位目标在t时刻x方向和y方向的速度，Δt是时刻t-1与时刻t之间的时间间隔，定位目标的匀速运动模型为：

$\begin{array}{c}{X}_t=F{X}_{t-1}+{\mathrm{Bu}}_t\\ F=\left[\begin{array}{cccc}1& 0& \mathrm{\&Delta;t}& 0\\ 0& 1& 0& \mathrm{\&Delta;t}\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right],B=\left[\begin{array}{cc}{\mathrm{\&Delta;t}}^2/2& 0\\ 0& {\mathrm{\&Delta;t}}^2/2\\ \mathrm{\&Delta;t}& 0\\ 0& \mathrm{\&Delta;t}\end{array}\right]\end{array};$

其中u_t为加速度噪声矢量，满足均值为零，协方差矩阵为的高斯分布，其中为x方向上的加速度噪声方差，为y方向上的加速度噪声方差，其中，根据目标的运动模型和上个时刻的粒子状态得到均值为协方差矩阵为BRB^T的高斯分布从而采样得到当前时刻粒子k,k＝1,2,...,N_PF的状态。这里，粒子滤波是用粒子状态及其相应的权重来近似目标状态的最大后验分布从而得到目标状态估计。

步骤304：获得当前时刻粒子权重的更新：

粒子权重按照下式进行更新，∝是正比于的意思：

$\begin{array}{c}{w}_t^k\&Proportional;w_{t-1}^{k}p\left(z_t\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|x_t^k)\\ =w_{t-1}^k\&CenterDot;\underset{l\&Element;e_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(X_t^k\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t^k\right)}{\mathrm{\&sigma;}}\right)]\end{array};$

其中，是的前两个分量，前者是二维状态，即只是位置状态，后者是四维状态，包括位置和速度状态，因此观测量z_t和目标的运动速度无关，因此p(z_t|X_t)等价于p(z_t|x_t)，和为粒子k的状态和权重，选择建议分布 $\mathrm{\&pi;}\left(X_t^k\right|X_{t-1}^k,z_t)=p\left(X_t^k\right|X_{t-1}^k),$ $l_t^0=\{l:z_{l,t}=0\}$ 是未被遮挡的链路的集合， $l_t^1=\{l:z_{l,t}=1\}$ 是被遮挡链路的集合， $l_t^0\&cup;l_t^1=\{\mathrm{1,2},...,L\}.$

步骤305：对粒子权重进行归一化操作以保证所有粒子权重之和为1。

步骤306：若粒子中某些粒子的权重较大，则导致有效粒子数目小于第二预设阈值N_th，则粒子退化发生，粒子退化是指上述粒子组中只有个别粒子权重较大，其他粒子的权重很小甚至为0；利用重采样产生一组新的粒子，重采样是用上述粒子组中权重较大的粒子替换权重较小甚至为0的粒子。然后将新产生的一组粒子中所有粒子的权重重新设为1/N_PF，其中N_PF是粒子数目；本步骤中作为优选N_th＝2/3。

步骤307：根据后验概率的近似分布和粒子权重得到定位目标位置估计及方差估计cov(X_t)为：

$\begin{array}{c}{\hat{X}}_t^{\mathrm{MAP}}\&ap;\underset{k=1}{\overset{N_{\mathrm{PE}}}{\mathrm{\&Sigma;}}}{w}_t^k{X}_t^k\\ \mathrm{cov}\left(X_t\right)\&ap;\underset{k=1}{\overset{N_{\mathrm{PE}}}{\mathrm{\&Sigma;}}}{w}_t^k(X_t^k-{\hat{X}}_t^{\mathrm{MAP}}){(X_t^k-{\hat{X}}_t^{\mathrm{MAP}})}^T\end{array}.$

下面根据试验对基于粒子滤波的目标跟踪方法进行说明。在本实验中，实验环境及监测区域周围的节点部署和上述基于网格搜索的最大似然GML定位方法实验部署相同。在本实验中，目标的运动轨迹以及基于粒子滤波的目标跟踪方法所得的目标运动轨迹如图8所示，从实验结果可以看出基于粒子滤波的目标跟踪方法所得目标轨迹与目标真实运动轨迹相当吻合，不存在较大偏差。基于粒子滤波的目标跟踪方法所得跟踪误差为0.2m。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种用于目标定位和跟踪的高效射频网络，其特征在于，所述射频网络包括至少两个节点；所述至少两个节点布置在监测区域周围，所述至少两个节点构成了两条以上的有向链路；所述每个节点向基站发送第一消息，所述第一消息包括基站标识号、发送节点的标识号、与所述发送节点构成衰减链路的接收节点的标识号。

2.根据权利要求1所述的高效射频网络，其特征在于，所述每个节点向基站发送第一消息之前，所述每个节点找出与该节点构成衰减链路的节点的标识号。

3.根据权利要求2所述的高效射频网络，其特征在于，所述每个节点找出与该节点构成衰减链路的节点的标识号包括：

第一节点与除第一节点以外的其他节点构成了多条链路，第一节点根据每条链路在定位目标进入监测区域之前和进入监测区域之后链路接收信号强度RSS的变化量判断该链路是否被遮挡，若该链路RSS的变化量大于第一阈值，则该链路被遮挡，第一节点找出与第一节点构成该链路的第二节点的标识号。

4.根据权利要求3所述的高效射频网络，其特征在于，所述至少两个节点等距离布置在监测区域周围。

5.一种基于权利要求4所述的高效射频网络的基于网格搜索的最大似然定位方法，其特征在于，包括：

S11.获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$p(z_{l,t}=1|x_t)=p(\mathrm{\&Delta;}{r}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_{\mathrm{\&gamma;}}^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;\&sigma;}}}{e}^{-\frac{{(\mathrm{\&Delta;}{r}_{l,t}-S_l\left(x_t\right))}^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{d\&Delta;}{r}_{l,t}=Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right);$

$p(z_{l,t}=0|x_t)=p(\mathrm{\&Delta;}{r}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；

S12.获取某一时刻所有链路的状态观测向量z_t＝[z_1,t,z_2,t,...,z_l,t]^T；

S13.将监测区域均匀地划分为N个网格，网格n的中心的坐标记为q_n，n＝1,2,...,N；其中L条链路相互独立，最大似然估计为

${\hat{x}}_t^{\mathrm{ML}}=\arg \underset{q_n}{\max }p\left(z_t\right|q_n)=\arg \underset{q_n}{\max }p(z_{1,t},z_{2,t},...,z_{l,t}|q_n)=\arg \underset{q_n}{\max }\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|q_n);$

S14.将链路分为两个集合和其中是未被遮挡的链路的集合，是被遮挡链路的集合；且得到网格n的似然值为：

$p\left(z_t\right|q_n)=\underset{l\&Element;l_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(q_n\right)}{\mathrm{\&sigma;}}\right)];$

S15.在N个网格中搜索找到S14中所述似然值最大的网格，该网格的中心坐标就是定位目标的位置。

6.一种基于权利要求4所述的高效射频网络的基于粒子滤波的目标跟踪方法，其特征在于，包括：

S21.获取链路l输出1状态的概率和输出0状态的概率，所述链路l为射频网络中的节点所构成的有向链路，l＝1，2，…，L；

若链路l的接收信号强度RSS的变化量Δr_l,t大于第一阈值γ，则链路l的输出状态z_l,t为1，否则链路l的输出状态z_l,t为0；若目标位置为x_t，则链路l输出1状态的概率p(z_l,t＝1|x_t)和输出0状态的概率p(z_l,t＝0|x_t)分别为：

$p(z_{l,t}=1|x_t)=p(\mathrm{\&Delta;}{r}_{l,t}\&GreaterEqual;\mathrm{\&gamma;})={\&Integral;}_{\mathrm{\&gamma;}}^{\&infin;}\frac{1}{\sqrt{2\mathrm{\&pi;\&sigma;}}}{e}^{-\frac{{(\mathrm{\&Delta;}{r}_{l,t}-S_l\left(x_t\right))}^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{d\&Delta;}{r}_{l,t}=Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right);$

$p(z_{l,t}=0|x_t)=p(\mathrm{\&Delta;}{r}_{l,t}<\mathrm{\&gamma;})=1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t\right)}{\mathrm{\&sigma;}}\right)$

其中S_l(x_t)是当目标位置为x_t时对链路l造成的衰减函数，Q(.)是互补累积分布函数；

S22.获取从1时刻到t时刻的链路状态观测向量z_1:t＝{z₁,z₂,...,z_t}；

S23.根据目标的运动模型和上个时刻的粒子状态获得当前时刻粒子k,k＝1,2,...,N_PF的状态

是定位目标在t时刻的状态，x_t和y_t分别代表当前时刻定位目标的横坐标和纵坐标，和是定位目标在t时刻x方向和y方向的速度，Δt是时刻t-1与时刻t之间的时间间隔，定位目标的匀速运动模型为：

X_t＝FX_t-1+Bu_t

$F=\left[\begin{array}{cccc}1& 0& \mathrm{\&Delta;t}& 0\\ 0& 1& 0& \mathrm{\&Delta;t}\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right],B=\left[\begin{array}{cc}\mathrm{\&Delta;}{t}^2/2& 0\\ 0& \mathrm{\&Delta;}{t}^2/2\\ \mathrm{\&Delta;t}& 0\\ 0& \mathrm{\&Delta;t}\end{array}\right];$

其中u_t为加速度噪声矢量，满足均值为零，协方差矩阵为的高斯分布，其中为x方向上的加速度噪声方差，为y方向上的加速度噪声方差，根据目标的运动模型和上个时刻的粒子状态得到均值为协方差矩阵为BRB^T的高斯分布从而采样得到当前时刻粒子k,k＝1,2,...,N_PF的状态

S24:获得当前时刻粒子权重的更新：

粒子权重按照下式进行更新，∝是正比于的意思：3 -->

$\begin{array}{c}{w}_t^k\&Proportional;w_{t-1}^{k}p\left(z_t\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|X_t^k)=w_{t-1}^k\&CenterDot;\underset{l=1}{\overset{L}{\mathrm{\&Pi;}}}p\left(z_{l,t}\right|x_t^k)\\ =w_{t-1}^k\&CenterDot;\underset{l\&Element;l_t^1}{\mathrm{\&Pi;}}Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t^k\right)}{\mathrm{\&sigma;}}\right)\&CenterDot;\underset{l\&Element;l_t^0}{\mathrm{\&Pi;}}[1-Q\left(\frac{\mathrm{\&gamma;}-S_l\left(x_t^k\right)}{\mathrm{\&sigma;}}\right)]\end{array};$

其中，是的前两个分量，是二维状态，即只是位置状态，是四维状态，包括位置和速度状态，因为观测量z_t和目标的运动速度无关，因此p(z_t|X_t)等价于p(z_t|x_t)，和为粒子k的状态和权重，是未被遮挡的链路的集合，是被遮挡链路的集合， $l_t^0\&cup;l_t^1=\{\mathrm{1,2},...,L\};$

S25.对粒子权重进行归一化操作以保证所有粒子权重之和为1；

S26.若粒子中某些粒子的权重较大，则导致有效粒子数目小于第二预设阈值N_th，则粒子退化发生，粒子退化是指上述粒子组中只有个别粒子权重较大，其他粒子的权重很小甚至为0；利用重采样产生一组新的粒子，重采样是用上述粒子组中权重较大的粒子替换权重较小甚至为0的粒子，然后将新产生的一组粒子中所有粒子的权重重新设为1/N_PF，其中N_PF是粒子数目；

S27.根据后验概率的近似分布和粒子权重得到定位目标位置估计及方差估计cov(X_t)为：

${\hat{X}}_t^{\mathrm{MAP}}\&ap;\underset{k=1}{\overset{N_{\mathrm{PF}}}{\mathrm{\&Sigma;}}}{w}_t^k{X}_t^k;$

$\mathrm{cov}\left(X_t\right)\&ap;\underset{k=1}{\overset{N_{\mathrm{PF}}}{\mathrm{\&Sigma;}}}{w}_t^k(X_t^k-{\hat{X}}_t^{\mathrm{MAP}}){(X_t^k-{\hat{X}}_t^{\mathrm{MAP}})}^T$ 4 -->