CN105323772A - 一种基于智能手机的传感器网络节点自定位方法 - Google Patents

Abstract

本发明公开了一种基于智能手机的传感器网络节点自定位方法，该方法以通用智能手机替代定制硬件模块作为网络节点，多个手机节点借助扬声器和麦克风，依次发送2k-6kHz的线性调频声信号(LFM)，同时，不同的手机节点以固定频率(44.1kHz)对其采样。以广义互相关的方式对采样波形检波，考虑到多径效应，本发明用阈值法和时频分析相结合的手段对其进行有效抑制，得到线性调频声信号的到达时间，再获得不同节点间的距离信息，最后采用多维尺度分析(MDS)算法定位未知节点。本发明方法无需手机节点间的时钟同步，且由于采用频率固定，可通过采样点数对声信号到达时间精确估计，定位精度高，成本低，组网方便，前景广泛。

Description

一种基于智能手机的传感器网络节点自定位方法

技术领域

本发明涉及节点自定位方法，尤其涉及一种基于智能手机的传感器网络节点自定位方法。

背景技术

在传感器网络的应用中，节点的位置信息在传感器网络应用的诸多领域扮演者十分重要的角色，尤其是在GPS应用受限的室内外环境中。通过获取节点的位置信息，不仅可以建立网络的拓扑结构，进而实现节点的协作，而且对于数据融合和网络管理来说也是至关重要的。目前对于节点自定位的方法与研究很多，本发明是一种以通用智能手机代替定制的硬件模块作为传感器节点，仅仅采用声信号，利用MDS算法实现的节点自定位方法，适用于信标节点有限，而且硬件支持缺乏的情况下。

传统的基于距离的自定位方法中，常用的方法主要是根据信标节点与未知节点之间的距离或者DOA(DirectionofArrival，波达方向角)采用三角形测量法或最大似然估计等方法对未知节点的位置进行估计。在这些方法中，多采用超声波，无线等信号作为测量信号，传感器节点也常常为专门定制的硬件模块，成本高，移植性不强。不足之处主要有以下几个方面：(1)超声波和无线信号的应用需要额外的硬件支持，使得其便利性下降；(2)无线信号传播速度快，对于到达时间测量的精度要求高；(3)需要不同硬件模块之间的时钟同步，存在无线信号同步到声信号采集中间的时间延迟不确定性。

发明内容

本发明的目的在于针对现有技术的不足，提供一种以通用智能手机代替定制硬件模块作为传感器网络节点的节点自定位方法。

为了实现上述的目的，本发明采取如下技术方案：一种基于智能手机的传感器网络节点自定位方法，包括以下步骤：

(1)将智能手机作为声阵列传感器网络的节点，对声阵列传感器网络进行系统部署，组建无线局域网；

(2)选择声阵列传感器网络中的一部智能手机作为控制节点，在其他手机节点的麦克风打开之后，控制它们依次发送和采样LFM，即多路感知协议过程；

(3)对采样获得的波形进行检波，抑制多径效应的影响，借助TPSN协议的思想，获得不同手机节点中声信号的到达时间；

(4)根据各手机节点的声信号的到达时间获得不同节点间的距离，采用MDS的方法，对未知节点的位置进行估计。

进一步地，所述步骤(1)具体为：选择其中一部手机作为控制节点，通过热点共享的方式，建立无线局域网，并将其他节点接入该局域网；当接入手机节点的个数超过上限时，借助无线路由器建立无线局域网，此时，也可从传输数据的便利性出发，将PC接入该局域网。

进一步地，所述步骤(2)具体为：让作为控制节点的手机控制其他手机节点实现多路感知协议，即在确保其他手机节点的麦克风打开之后，依次通过扬声器发出2k-6kHz的LFM信号，同时，各手机节点的麦克风对其进行采样。

进一步地，所述步骤(3)包括以下子步骤：

(3.1)采用广义互相关的方法对各部手机采样获得的波形进行检波，从而得到调频声信号的到达时间；

(3.2)由于声信号在传播过程的多径效应，会影响对声信号到达时间的估计，为了提高其估计精度，采用阈值法和时频分析相结合的方法来抑制或者规避多径效应产生的影响，即：根据时频分析边缘拟合曲线提供的参考，在2kHz左右相差5％的频率区间内寻找最优峰对应的时间，即所求声信号到达时间；所述最优峰的选取具体为：选取互相关序列中峰值是最大峰值0.3倍的，且落在前述区间中的第一峰为最优峰。

进一步地，所述步骤(4)包括以下子步骤：

(4.1)首先根据从各部手机的采样信号中获得的声信号的达到时间计算出不同手机节点间的距离信息；

(4.2)根据不同手机节点间的距离信息，采用MDS的方法，对该传感器网络中的未知节点的位置信息进行估计。

本发明的有益效果是：能够在信标节点有限的情况下，仅仅采用声信号，以广义互相关的方式对采样波形检波，再考虑到对多径效应的有效抑制，获得LFM的到达时间，进一步获得不同节点间的距离信息，最后采用MDS算法定位未知节点。该方法无需手机节点间的时钟同步，可通过采样点数对LFM到达时间进行估计，定位精度高，成本低，组网方便，前景广泛。

附图说明

图1是本发明中多路感知协议过程的时间轴；

图2是本发明中两部手机为例的感知过程示意图；

图3是本发明中采样信号加Gabor窗的短时傅里叶变换灰度化处理之后的图像；

图4是本发明中时频图像边缘拟合得到的直线；

图5是本发明中互相关检波效果，(a)为FIR滤波后的信号，(b)为互相关结果；

图6是本发明中两部智能手机为例的距离估计结果；

图7是本发明中未知节点的位置估计结果；

图8是本发明中未知节点位置估计误差分析。

具体实施方式

本发明在智能手机平台上，利用其内嵌的麦克风和扬声器，以多路感知的方式收发2k-6kHz的线性调频声信号，之后，利用广义互相关对各手机节点的采样波形进行检波，获得不同节点间的线性调频声信号达到时间，进一步，采用MDS定位算法，对未知节点的位置信息进行高估计。该方法可以在有限信标节点下实现自定位，适用性强，且不需要专门的定制硬件模块的支持，降低了成本。

本发明基于智能手机的传感器网络节点自定位方法，包括以下步骤：

1、将智能手机作为声阵列传感器网络的节点，对声阵列传感器网络进行系统部署，组建无线局域网；

基于声信号在智能手机平台上实现的传感器网络节点自定位方法包括一个控制节点和若干个位置固定的信标节点以及未知节点，每个节点即一部智能手机。由于智能手机内嵌麦克风和扬声器的性能所限，节点的感知半径最大可以达到50m，区域可以设置为45m×45m，系统部署完成后，对其进行初始化。初始化的过程，即让其中一部手机为控制节点，通过热点共享的方式，建立无线局域网，并将其他节点接入该局域网。考虑到用手机来提供热点时，接入手机节点的各数上限为8个，可以借助无线路由器建立无线局域网，此时，也可从传输数据的便利性出发，将PC接入该局域网，各手机节点的分布如图1所示。

2、在完成步骤1之后，通过其中一部智能手机作为控制节点，在其他手机节点的麦克风打开之后，控制它们依次发送和采样LFM，即多路感知协议过程。

本发明采用选取的LFM信号长度仅有50ms(序列长度为2205)，不会造成太大的扰民噪声，选择2kHz-6kHz的频段。下面以M部智能手机作为感知节点，一部智能手机作为控制节点为例来阐述。感知过程服从以下具体协议，多路感知：由控制节点同时向M个感知节点发出控制命令，使它们的麦克风处于打开状态；M个感知节点根据其连接到控制节点的端口号，轮流通过扬声器发出LFM信号。监听目标的过程是在感知过程结束之后，M个感知节点的麦克分依然处于打开状态，接收来自被动目标声源的声信号的过程。在这两个阶段完成之后，由控制节点发出命令，保存数据到各个智能手机节点的本地存储空间，并重复或者结束定位量测的整个过程，如图1所示。

以两部手机为例表示时间同步的原理，根据图2有推导过程如下：

$t_{B1}-\mathrm{\Δ}t=t_{A1}+\frac{d}{c_{ari}}---\left(1\right)$

$t_{B3}-\mathrm{\Δ}t=t_{A2}-\frac{d}{c_{ari}}---\left(2\right)$

其中，Δt为感知节点之间的时钟偏差，是空气中的声速，T是环境的摄温度；d分别表示感知节点A与B的间距。(1)-(2)有：

$d=c_{air}\·\frac{(t_{B1}-t_{B3})-(t_{A1}-t_{A2})}{2}---\left(3\right)$

由于智能手机麦克风的采样频率固定且已知，即通过信号样本计数方式，可以准确的得到信号传播时间的量测，进而有效消除移动端平台程序指令发出到硬件响应的时延不确定性。

3、对采样获得的波形进行检波，抑制多径效应的影响，借助TPSN协议的思想，获得不同手机节点中声信号的到达时间。

(3.1)广义互相关时延估计

广义互相关(GCC)方法在进行信号检测的同时可以得到时延估计。如图4所示，设x₁(t)、x₂(t)分别为两个声传感器的接收信号，s(t)为源信号，τ^*为两路信号的时延，n₁(t)、n₂(t)为加性噪声，假定噪声互不相关。x₁(t)、x₂(t)表示为：

x₁(t)＝s(t)+n₁(t)(4)

x₂(t)＝α·s(t-τ^*)+n₂(t)(5)

取α＝1,互相关函数为：

R₁₂＝E(x₁(t)*x₂(t+τ))＝R_ss(τ-τ^*)(6)

由式(6)可知，互相关函数取最大值，即τ＝τ^*时。会出现一个突出的峰值，峰值对应的τ值便是对时间延迟τ^*的估计。

(3.2)多径抑制

在多径效应严重的环境下，为了保证高精度地计算出信号到达的时间，需要采用一定的手段来抑制或者规避多径效应的影响。本发明从两个角度出发，提出实用的抑制多径的手段，即阈值法和时频分析相结合。多径效应是由于声波在信道中传播时，由于反射而经过不同到路径到达而产生的。当采用互相关的检测手段时，会因为多径效应的作用而产生多个峰值，常规的甄选手段是设置阈值参数，遴选满足条件的第一峰。但是，这种方法设置的参数不具备自适应的性能，也即当信道环境的变化很大时，参数不能修正，会产生较大的测量误差。考虑到本发明选取的是线性调频声信号，其频率是线性增加的。本发明采用短时傅里叶变换(STFT)的时频分析方法作为参考，以辅助阈值法来抑制多径效应的干扰。由于经过不同路径到达智能手机麦克风的声波的频率不会发生畸变，所以在时频分析图(如图3)上，多径传输的混叠信号频率下限对应的时刻一定是经由最短路径到达的声信号的频率下限对应的时刻。考虑到时频的线性变化关系，可以对其进行直线拟合，进而求出LFM信号的频率下限2KHz对应的时间，即为参考信号达到时间。

图3中色彩越亮，表示幅值越高，可以看到主瓣的亮度最大。不同时段的频带主瓣内外边缘堆叠成线，倍频旁瓣类似主瓣也大致呈线性，可以很清楚地看到主瓣的低频时刻边缘基本平齐，不受多径效应的影响。由于多径衰落的影响，旁瓣峰值远远低于主瓣峰值，通过选取不同时段的主瓣的外边缘可以拟合出一条时频变化直线，如图4。图5是对采样信号采用广义互相关方法处理之后的结果。可以根据时频分析的参考，在其左右相差5％的区间中寻找最优峰对应的时间。本发明选取峰值是最大峰值0.3倍的，落在前述区间中的第一峰为最优峰，对应的时间即为所求时间。

4、根据各手机节点的声信号的到达时间可以获得不同节点间的距离，采用MDS的方法，对未知节点的位置进行估计。

根据步骤3中的方法，以两部智能手机为例，其距离的估计结果如图6所示。MDS定位结果如图7所示，而其精度与全局最小二乘法(TLS)的对比如图8所示。

Claims (5)

1.一种基于智能手机的传感器网络节点自定位方法，其特征在于，包括以下步骤：

(1)将智能手机作为声阵列传感器网络的节点，对声阵列传感器网络进行系统部署，组建无线局域网；

(2)选择声阵列传感器网络中的一部智能手机作为控制节点，在其他手机节点的麦克风打开之后，控制它们依次发送和采样LFM，即多路感知协议过程；

(3)对采样获得的波形进行检波，抑制多径效应的影响，借助TPSN协议的思想，获得不同手机节点中声信号的到达时间；

(4)根据各手机节点的声信号的到达时间获得不同节点间的距离，采用MDS的方法，对未知节点的位置进行估计。

2.根据权利要求1所述一种基于智能手机的传感器网络节点自定位方法，其特征在于，所述步骤(1)具体为：选择其中一部手机作为控制节点，通过热点共享的方式，建立无线局域网，并将其他节点接入该局域网；当接入手机节点的个数超过上限时，借助无线路由器建立无线局域网，此时，也可从传输数据的便利性出发，将PC接入该局域网。

3.根据权利要求1所述一种基于智能手机的传感器网络节点自定位方法，其特征在于，所述步骤(2)具体为：让作为控制节点的手机控制其他手机节点实现多路感知协议，即在确保其他手机节点的麦克风打开之后，依次通过扬声器发出2k-6kHz的LFM信号，同时，各手机节点的麦克风对其进行采样。

4.根据权利要求1所述一种基于智能手机的传感器网络节点自定位方法，其特征在于，所述步骤(3)包括以下子步骤：

(3.1)采用广义互相关的方法对各部手机采样获得的波形进行检波，从而得到调频声信号的到达时间；

(3.2)由于声信号在传播过程的多径效应，会影响对声信号到达时间的估计，为了提高其估计精度，采用阈值法和时频分析相结合的方法来抑制或者规避多径效应产生的影响，即：根据时频分析边缘拟合曲线提供的参考，在2kHz左右相差5％的频率区间内寻找最优峰对应的时间，即所求声信号到达时间；所述最优峰的选取具体为：选取互相关序列中峰值是最大峰值0.3倍的，且落在前述区间中的第一峰为最优峰。

5.根据权利要求1所述一种基于智能手机的传感器网络节点自定位方法，其特征在于，所述步骤(4)包括以下子步骤：

(4.1)首先根据从各部手机的采样信号中获得的声信号的达到时间计算出不同手机节点间的距离信息；

(4.2)根据不同手机节点间的距离信息，采用MDS的方法，对该传感器网络中的未知节点的位置信息进行估计。