CN111999697B - 一种道路两侧三维无线层析成像系统节点自定位方法 - Google Patents
一种道路两侧三维无线层析成像系统节点自定位方法 Download PDFInfo
- Publication number
- CN111999697B CN111999697B CN202010366192.3A CN202010366192A CN111999697B CN 111999697 B CN111999697 B CN 111999697B CN 202010366192 A CN202010366192 A CN 202010366192A CN 111999697 B CN111999697 B CN 111999697B
- Authority
- CN
- China
- Prior art keywords
- nodes
- distance
- node
- received signal
- anchor
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提出了一种道路两侧三维无线层析成像系统节点自定位方法,首先确定通信协议;然后建立接收信号强度值RSSI‑距离关系模型;其次选择误差最小的接收信号强度值RSSI‑距离关系模型;再建立三维传感器锚节点的三维位置坐标信息和锚节点集合;并根据已知锚节点的坐标关系,筛选出构成四面体体积最大的四个锚节点,返回此时对应的锚节点序号;根据得到的接收信号强度值‑距离关系模型,将接收信号强度值RSSI转换为空间中节点之间的距离,建立节点之间距离集合;根据三维空间点之间的距离关系建立数学模型;采用最大似然估计方法计算未知节点坐标;遍历所有待定位节点,直至所有未知节点完成定位。本发明自动定位无线层析成像系统内传感器节点的位置。
Description
技术领域
本发明属于无线层析成像系统领域,特别是一种道路两侧三维无线层析成像系统节点自定位方法。
背景技术
无线层析成像定位技术是一种无需目标携带任何电子标签即可对目标定位的无源被动定位技术,该技术利用目标引起的无线射频信号接收信号强度的变化定位目标。由于无线层析系统具有穿透能力强、非入侵、成本低、结构简单、使用广泛和可视化测量等特点,近年来受到学者的广泛关注,已发展成为涉及电磁学、信号处理、测量学、医学等众多科学领域的新兴交叉学科,并在战场车辆感知、国防安全监测、反恐等科学领域具备广阔的应用前景。无线层析定位系统中传感器节点的坐标在整个定位过程中起到至关重要的作用。现有的研究成果,多假定传感器节点坐标已知,这直接导致定位前耗费大量时间及人力测量传感器节点坐标,严重限制了无线层析在战场车辆感知、反恐救援等需紧急部署快速定位的实际应用,因此如何快速部署无线层析系统,成为无线层析技术研究中的重要环节。
根据定位过程中是否测量节点之间的距离,现有节点自定位算法可以分为基于测距定位算法和非测距定位算法两大类。基于测距的方法定位精度更高,算法复杂度也较非测距算法更高。目前大部分无线传感器节点高精度自定位算法都采用基于测距的方法,其中基于信号衰减强度的方法,具有低成本、低功耗、实用性强的特点被广泛采用。目前基于测距的定位算法采用三边测量、三角测量或最大似然估计的方法,但这些方法主要存在问题有:(1)只能实现二维传感器节点的自定位,不能适用于三维传感器节点的自定位;(2)为提高定位精度,必须增大锚节点的个数,但实际使用增大锚节点的数量会造成系统成本的大幅提高,不适用大规模部署。
发明内容
本发明的目的在于提供一种道路两侧三维无线层析成像系统节点自定位方法,在不需要人工测量的情况下快速自动定位无线层析成像系统内所有传感器节点的位置。
实现本发明目的的技术解决方案为:
一种道路两侧三维无线层析成像系统节点自定位方法,包括以下步骤:
步骤1、确定通信协议:传感器节点按照编号依次发送广播信息,通信协议采用时分复用多信道通信协议;
步骤2、建立接收信号强度值RSSI-距离关系模型:在定位之前,采用多种模型获得接收的信号强度RSSI和距离之间的对应关系;
步骤3、选择误差最小的接收信号强度值RSSI-距离关系模型:将不同模型应用于同一接收信号强度值RSSI-距离d数据集,计算不同模型的均方根误差,均方根误差最小的模型最优;
步骤4:道路两侧传感器锚节点建模:建立三维传感器锚节点的三维位置坐标信息和锚节点集合;
步骤5:根据已知锚节点的坐标关系,筛选出构成四面体体积最大的四个锚节点,返回此时对应的锚节点序号;
步骤6:根据步骤3得到的接收信号强度值RSSI-距离关系模型,将接收信号强度值RSSI转换为空间中节点之间的距离,建立节点之间距离集合;
步骤7、根据最大似然法计算节点位置:根据三维空间点之间的距离关系建立数学模型;根据节点之间距离集合和锚节点集合的关系,采用最大似然估计方法计算未知节点坐标;
步骤8、遍历所有待定位节点,直至所有未知节点完成定位。
本发明与现有技术相比,其显著优点是:
(1)本发明的基于四面体体积优选锚节点定位方法,只需通过部署少量锚节点(例如,4个),即可完成待定位节点定位,这不仅降低了成本,而且使得三维无线层析成像系统中无线传感器节点位置由手动部署,升级为自动测量,大大提高了三维无线层析成像定位技术的实用性。
(2)本发明的基于四面体体积优选锚节点定位方法,只需建立四个距离方程,即可完成未知节点定位,与现有通过建立多个距离方程的基于最小二乘法的节点三维定位技术相比计算复杂度大大降低。
附图说明
图1为实施例中道路两侧三维传感器节点自定位方法流程图。
图2为道路两侧三维传感器网络系统组成及布局图。
图3为现有的锚节点共面时定位效果图。
具体实施方式
下面结合附图对本发明的具体实施方案进行进一步的说明。
附图2是一种道路两侧三维传感器网络系统组成及布局示意图,如图所示,X方向平行于道路行进方向,Y方向道路行进方向,多个传感器节点(C1-C16)分布在道路两侧的不同高度处。结合图1,本发明的一种道路两侧三维无线层析成像系统节点自定位方法,包括以下步骤:
步骤1、确定通信协议:传感器节点按照编号依次发送广播信息,其他所有节点获取到接收信号强度数据包,为了减轻多路径干扰对通信链路RSSI的影响,同时又满足节点间快速组网的需求,本实施例中采用时分复用多信道通信协议。
首先,为每个传感器节点预设k个通信信道(信道及信道数量编程可调);其次,通信协议根据节点序号轮流发送数据,其中第N个节点发送数据时其余N-1个传感器节点处于接收数据状态;第三,当第N号节点的数据包发送完毕后,所有传感器节点将通信信道切换到下一个预设信道进行通信,若当前信道为预设的最后一个信道,则所有传感器节点将信道切换到第一个预设信道通信。以此,循环实现时分复用多信道通信协议。
实际应用中,某一时刻可能无法接收到数据包,因此增加判断机制,如果丢包则该位置用一个固定常数(例如,247)替代,并在处理数据时将该常数用上一时刻该位置数据替代。
步骤2、建立接收信号强度值RSSI-距离关系模型:在定位之前获得接收的信号强度RSSI和距离之间的对应关系,常用的模型有对数-正态经验分布模型以及多项式模型等。
在理想的自由空间内,假设发送端和接收端为视距通信链路,信号接收节点处的接收功率可用Friis公式计算:
上式中,Pr为接收功率,Pt为发射功率,Gt为发射天线增益,Gr为接收天线增益,λ为工作波长,R为接收点和发射点的距离,L是与传播无关的系统损耗因子。Friis公式表明在理想环境中接收信号强度Pr与收发节点间距R的平方成反比例关系。
由于Friis公式有平方关系不便于计算,一般采用对数-正态分布经验模型,表达式为:
上式中,d表示待测节点与已知节点之间的距离,RSSI(d)则为在此距离时损耗的接收信号强度值,d0和RSSI(d0)是参考点的系数;e是路径损耗因子,受环境因素影响,一般根据应用场合选用相应的经验值;A为衰减修正项,忽略其他衰减效应时其数值为0;ε为误差修正项,服从以0为均值的正态分布。实际使用时,不考虑高斯随机变化量,可以忽略衰减修正项和误差修正项,该公式可以简化为:
RSSI(d)=g+h log d (3)
其中,g、h与公式(2)中的系数有如下关系:g=RSSI(d0)-10elog(d0),h=10e,公式(3)表明,接收信号强度值RSSI与节点之间间隔的距离d的对数值有一次关系。根据定位时所用的传感器节点及实验现场环境,在正式定位前标定公式(3)中的参数g、h,得到一系列距离d与信号强度值RSSI(d)之间的关系如下:
采用最小二乘方法计算公式(4),可得到对数-正态分布经验模型中接收信号强度值RSSI与距离d的关系。其中di示第i个待测节点与已知节点之间的距离。
根据对数-正态分布经验模型计算参数的方法,可以采用多项式直接拟合距离与接收信号强度RSSI值之间的关系,例如采用三阶多项式拟合,得到:
其中RSSI(di)是距离为di时得到的接收信号强度值,采用最小二乘法计算公式(5)中的参数u、v、p、q,得到三阶多项式拟合的接收信号强度RSSI与距离d的关系。同理,也可以使用四阶或者更高阶的多项式拟合,得到不同的模型。
步骤3、选择误差最小的接收信号强度值RSSI-距离关系模型:为避免出现拟合不足和过拟合的情况,需要设置相应的标准,在众多模型中选择最合适的模型,作为步骤6中测定节点之间距离的依据。
为了评判模型的优劣,将不同模型应用于同一接收信号强度值RSSI-距离d数据集,计算不同模型的均方根误差,它是观测值与真值偏差的平方和与观测次数n比值的平方根,均方根误差能够很好地反映出模型的精密度,均方根误差最小的模型最优,均方根误差表达式如下:
其中,dreal是节点之间的真实距离,dcal是依据模型计算出的节点之间的距离,n是观测次数。
步骤4:道路两侧传感器锚节点建模:根据道路情况,以贴近地面且节点布局边缘位置为原点,道路延伸方向为x轴,垂直道路方向为y轴,竖直向上为z轴,建立三维传感器锚节点i的三维位置坐标信息,为Mi=[xi,yi,zi],锚节点集合:{anchors}={M1,M2,...,Mi,...,Mt},其中下标i是节点标号。
步骤5:根据已知锚节点的坐标关系,筛选出构成四面体体积最大的四个锚节点:在锚节点集合{anchors}内选择任选四个锚节点Mi、Mj、Mk、Ml,坐标分别是(xi,yi,zi),(xj,yj,zj),(xk,yk,zk),(xl,yl,zl);根据向量混合积公式,计算组成四面体的体积。以节点i为四面体顶点,过顶点的三个向量是:v1=Mj-Mi;v2=Mk-Mi;v3=Ml-Mi,所求四面体体积是:
V=|(v1×v2)·v3|/6 (7)
带入行列式计算得到:
在所有锚节点组成的四面体中,找到组成体积最大的四面体,返回此时对应的锚节点序号Ma、Mb、Mc、Md。
步骤6:根据步骤3得到的接收信号强度值RSSI-距离关系模型,将接收信号强度值RSSI转换为空间中节点之间的距离,节点之间距离集合:{distances}={d12,d13,d14,...,dij,...,d(m-1)m},其中dij是节点i与节点j之间的距离,m是系统内所有节点总个数。
步骤7、根据最大似然法计算节点位置:根据三维空间点之间的距离关系建立数学模型;根据{distances}和{anchors}集合的关系,假定待定位节点Pu的坐标是(xu,yu,zu),步骤5中返回的锚节点序号是Ma、Mb、Mc、Md,锚节点对应的坐标分别是(xa,ya,za),(xb,yb,zb),(xc,yc,zc),(xd,yd,zd),则待定位节点Pu与各锚节点间的距离公式可表示为:
其中距离dau,dbu,dcu,ddu分别为Ma与Pu,Mb与Pu,Mc与Pu,Md与Pu间距离。
采用最大似然估计方法计算未知节点坐标,公式(9)中的第一个公式依次减去最后一个公式,待定位节点的坐标可线性表示为:
则未知节点Pu的坐标为:
X=(PTP)-1PTW (10)
步骤8、遍历所有待定位节点,直至所有未知节点完成定位。
至此,完成了附图2所示的道路两侧所有传感器节点的自定位。这种根据四面体体积选择的锚节点的方法,避免了类似附图3所示锚节点共面或近似共面时待定位节点Pu定位误差高达200%的情况,提升了定位精度。此外,本发明只需通过部署少量锚节点(例如,4个),即可完成待定位节点定位,这不仅降低了成本,而且使得三维无线层析成像系统中无线传感器节点位置由手动部署,升级为自动测量,大大提高了三维无线层析成像定位技术的实用性。
Claims (7)
1.一种道路两侧三维无线层析成像系统节点自定位方法,其特征在于,包括以下步骤:
步骤1、确定通信协议:传感器节点按照编号依次发送广播信息,通信协议采用时分复用多信道通信协议;
步骤2、建立接收信号强度值RSSI-距离关系模型:在定位之前,采用多种模型获得接收的信号强度RSSI和距离之间的对应关系;
步骤3、选择误差最小的接收信号强度值RSSI-距离关系模型:将不同模型应用于同一接收信号强度值RSSI-距离d数据集,计算不同模型的均方根误差,均方根误差最小的模型最优;
步骤4:道路两侧传感器锚节点建模:建立三维传感器锚节点的三维位置坐标信息和锚节点集合;
步骤5:根据已知锚节点的坐标关系,筛选出构成四面体体积最大的四个锚节点,返回此时对应的锚节点序号;
步骤6:根据步骤3得到的接收信号强度值RSSI-距离关系模型,将接收信号强度值RSSI转换为空间中节点之间的距离,建立节点之间距离集合;
步骤7、根据最大似然法计算节点位置:根据三维空间点之间的距离关系建立数学模型;根据节点之间距离集合和锚节点集合的关系,采用最大似然估计方法计算未知节点坐标;
步骤8、遍历所有待定位节点,直至所有未知节点完成定位。
2.根据权利要求1所述的自定位方法,其特征在于,步骤2接收信号强度值RSSI-距离关系模型采用对数-正态经验分布模型:在自由空间传播模型基础上,两边取对数得到该模型表达式,不考虑高斯随机变化量,忽略衰减修正项和误差修正项,标定简化的公式,采用最小二乘方法得到对数-正态分布经验模型中接收信号强度值与距离的关系。
3.根据权利要求1所述的自定位方法,其特征在于,步骤2接收信号强度值RSSI-距离关系模型采用多项式模型:根据对数-正态分布经验模型计算参数的方法,采用多项式直接拟合距离与接收信号强度值之间的关系。
4.根据权利要求1所述的自定位方法,其特征在于,步骤2接收信号强度值RSSI-距离关系采用均方根误差最小的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366192.3A CN111999697B (zh) | 2020-04-30 | 2020-04-30 | 一种道路两侧三维无线层析成像系统节点自定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366192.3A CN111999697B (zh) | 2020-04-30 | 2020-04-30 | 一种道路两侧三维无线层析成像系统节点自定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999697A CN111999697A (zh) | 2020-11-27 |
CN111999697B true CN111999697B (zh) | 2022-05-20 |
Family
ID=73461468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366192.3A Active CN111999697B (zh) | 2020-04-30 | 2020-04-30 | 一种道路两侧三维无线层析成像系统节点自定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999697B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102547918A (zh) * | 2012-01-05 | 2012-07-04 | 重庆大学 | 一种基于非测距的无线传感网三维节点定位方法 |
CN104902567A (zh) * | 2015-06-29 | 2015-09-09 | 江南大学 | 基于最大似然估计的质心定位方法 |
CN106559749A (zh) * | 2016-11-22 | 2017-04-05 | 天津大学 | 一种基于射频层析成像的多目标被动式定位方法 |
CN107666705A (zh) * | 2017-08-23 | 2018-02-06 | 中山大学 | 一种对偶空间反投影射频层析成像方法、定位方法及装置 |
CN108151744A (zh) * | 2017-12-20 | 2018-06-12 | 四川长虹电器股份有限公司 | 基于a-star算法的室内导航系统 |
CN108828510A (zh) * | 2018-05-29 | 2018-11-16 | 南京信息工程大学 | 一种基于渐变阴影权重模型的射频层析成像定位方法 |
CN109375168A (zh) * | 2018-11-16 | 2019-02-22 | 华南理工大学 | 一种基于rssi的低速移动车辆定位方法 |
-
2020
- 2020-04-30 CN CN202010366192.3A patent/CN111999697B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102547918A (zh) * | 2012-01-05 | 2012-07-04 | 重庆大学 | 一种基于非测距的无线传感网三维节点定位方法 |
CN104902567A (zh) * | 2015-06-29 | 2015-09-09 | 江南大学 | 基于最大似然估计的质心定位方法 |
CN106559749A (zh) * | 2016-11-22 | 2017-04-05 | 天津大学 | 一种基于射频层析成像的多目标被动式定位方法 |
CN107666705A (zh) * | 2017-08-23 | 2018-02-06 | 中山大学 | 一种对偶空间反投影射频层析成像方法、定位方法及装置 |
CN108151744A (zh) * | 2017-12-20 | 2018-06-12 | 四川长虹电器股份有限公司 | 基于a-star算法的室内导航系统 |
CN108828510A (zh) * | 2018-05-29 | 2018-11-16 | 南京信息工程大学 | 一种基于渐变阴影权重模型的射频层析成像定位方法 |
CN109375168A (zh) * | 2018-11-16 | 2019-02-22 | 华南理工大学 | 一种基于rssi的低速移动车辆定位方法 |
Non-Patent Citations (1)
Title |
---|
基于概率密度的无线层析成像节点自定位方法;王满意等;《传感器与微系统》;20191031;第38卷(第10期);第21-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111999697A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109639378B (zh) | 矩形隧道无线传播信道建模方法 | |
Ocana et al. | Indoor robot localization system using WiFi signal measure and minimizing calibration effort | |
CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
CN111123341B (zh) | 无人机群三维协同定位方法 | |
CN107734479A (zh) | 一种基于无线传感技术的消防人员定位方法、系统和装置 | |
CN110856106A (zh) | 基于uwb和气压计的室内高精度三维定位方法 | |
CN108882151A (zh) | 基于csi信息区域化标注的室内定位方法 | |
CN103513229A (zh) | 基于wifi信号的定位方法 | |
CN107466102A (zh) | 利用四面体以及无线通讯技术的楼层定位系统及方法 | |
CN107396280A (zh) | 一种基于rssi的室内定位系统和方法 | |
Mahbub | Comparative link-level analysis and performance estimation of channel models for IIoT (industrial-IoT) wireless communications | |
CN111999697B (zh) | 一种道路两侧三维无线层析成像系统节点自定位方法 | |
Shin et al. | An indoor localization system considering channel interference and the reliability of the RSSI measurement to enhance location accuracy | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation | |
CN113453150A (zh) | 一种基于rssi测距的火灾监测网络定位方法 | |
CN113453149A (zh) | 一种基于rssi测距的水质监测网络定位方法 | |
Aparicio et al. | An indoor location method based on a fusion map using Bluetooth and WLAN technologies | |
Yi et al. | RSSI localization method for mine underground based on RSSI hybrid filtering algorithm | |
Ileri | RSSI based position estimation in zigbee sensor networks | |
Ahmad et al. | Experiments on localization of wireless sensors using airborne mobile anchors | |
Yang et al. | Channel modeling for High-Altitude platform: A review | |
Chandra-Sekaran et al. | Empirical analysis and ranging using environment and mobility adaptive RSSI filter for patient localization during disaster management | |
CN112954591B (zh) | 一种协同分布式定位方法及系统 | |
CN108111440A (zh) | 一种ofdm的子信道估计测距方法 | |
CN107517500A (zh) | 一种基于最小误差传播的锚节点优化选择的三边测量定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |