RSSI信号滤波技术在机器人导航中的应用_刘贞

将机器人作为无线传感 器网络 W SN ( W ireless sensor netw ork) 的动态移动节点, 利用节点间接收信 号强度 RSS I 信息和网络拓扑结构可为机器人提供 便捷、 廉价的导航服务
[ 1]
。文献 [ 2] 提出一种利用
收稿日期 : 2008- 05- 05 基金项目 : 国家自然科学基金 ( 60572010) ; 黑龙江省自然科学基金 ( F2007- 08) 作者简介 : 刘 王 贞 ( 1981 - ) 男 , 博士研究生 , 主要研究方向为无线传感器网络 、 智能机器人导航 ; 祁 ( 1944 - ) , 男 , 教授 , 博士生导师 , 主要研究方向为人工智能 、 多传感器信息融合 。 丁明理 ( 1974 - ) , 男 , 副教授 , 主要研究方向为无线传感器网络 、 惯性导航 ;
[ 7]
G
G
2 问题描述
21 1 RSSI 定位的背景噪声问题 在现有 W SN 节点定位方法中, RSSI 是一种最 便利、 廉价的方式, 其 通过测量节点 的接收信号强 度 , 利用理论或经验的信道传播衰减模型将信号强 度转化为距离。由于很难建立一种自适应环境变化 的理论或经验信道传播衰减模型, 将信号强度转化 为距离时都将产生很大的模型误差。 如果利用 RSSI 信息直接表示机器人的位置, 可以 避免上述问题。在图 1中, 机器人的当前位置可表示为 A rob = (R , R
^
^
( 6)
由式 ( 3 )和 ( 6 )可知 A值可表示为 A(X k, X ) = m in 其中 ,
N- 1 ^
W c(X ) , 1 , W c(X k )
( D epartment o fA utom atic T est and Contro,l H arbin Institute o f T echno logy , H arb in 150001, China)
Abstract : A group i m proved particle filter algorithm w as designed to preprocess the RSSI( received sin ga l streng th in dicator) sig na l wh ich in cludes plenty o f background no ise. In order to avoid the m odel error , the coordinate space w hich w as quantized by using RSSI value w as used to describe the robo t. s state and target posit io n . The nav ig ation system consists of som e beacon nodes , and each of them is a distributed contro l un i. t T hen the nav ig at io n control cen ter gathers the control in for m ation from each beacon nodes and ca lculates the fin al outputs for m ob ile robo . t The coordinat io n of beacon node is no t needed to know before nav ig ation , and it a llow for adaptation to dynam ic or unknow n scenario s. T he experi m en tal indicate that an accuracy of 01 6 m is atta in able w ith this m ethod . K ey w ord s : w ireless sensor net w ork ; particle filters ; autonom ous nav iga tio n ; received singa l strength in d icat io n
k i G k i k i+ 1
。其核心思想是 每个粒
子代表一种对状态的假设, 利用一系列假设的加权 和, 表示状态的后验概率分布 , 得到状态估计值。然 而, 通常很难从后验概率分布中采样, 所以假定一种 提议概率分布函数 q (X k X k - 1, Yk ), 使其尽量接近 后验概率分布。并且假定目标的状态转移属于马尔 可夫过程 , 各状态下的测量值相对独立 , 按照序贯重 [ 8] i 要采样法 ( SISR ) , 第 i个粒子的权值 W k 为 W k = W k-1 归一化权值为 Wk = W k
第 12卷
第 6期
2008 年 11 月
电 机 与 控 制 学 报 ELE CT R IC M ACH INE S AND CONT RO L
Vo l1 12 N o1 6 Nov. 2008
RSSI信号滤波技术在机器人导航中的应用
刘
摘
贞,
丁明理,
王
祁
( 哈尔滨工业大学 自动化测试与 控制系 , 黑龙江 哈尔滨 150001)
p ( Yk X k ) p (X k X k - 1 ) , q (X k X 0: k , Yk )
( 3)
EW
j= 1Hale Waihona Puke Nj k。
i
( 4)
其中 : Yk 是 k 时刻的测量值 , 表示 X k 提议分布中得
图 1 RSSI 势场量化的机器人导航空间表示 F ig. 1 Th e m ob ile robot . s state denoted by the RSSI po ten tial f ie ld
[ 5]
导航系统由多个处于机器人一跳通信范围内的 信标节点组成 , 信标节点 B i 做出的控制输出希望移 动节点沿着 H i 方向移动到目标等势线 R i ; 同理 B i + 1 和 B i + 2希望移动节点分别沿着 H i + 1和 H i + 2方向移动
G
到目标等势线 R i + 1和 R i + 2; 在理想情况下, 决策控制 中心综合各信标节点的控制输出量最终使移动节点 沿 H 方向抵达目标位置 G 点。 [ 6] 根据大尺度路径衰减模型 , 可得出接收信号 强度 R 与传输距离 d 存在对数关系, 但由于受到各 种因素的影响 , 对数模型很难 自适应环境的变 化。 在较大的背景噪声下 , 导航系统无法估计移动节点 是靠近还是远离目标等势线, 此时每个信标节点也 无法给出合理的控制输出引导移动节点到达目标位 置。必须对 RSSI信号做滤波处理 , 使其相对于信标 节点 和 移 动节 点 间距 离 的 函数 单 调。 由于 受 到 W SN 中节点存储器容量和计算能力的限制 , 选用一 种改进的高效粒子滤波算法对 RSSI 信号进行预处 理以适应分布式导航的要求。 21 2 粒子滤波 当系统可用高斯线性模型描述时 , Ka l m an 滤波 可以得到统计意义上的无偏最优估计 , 然而在基于 W SN 的移动机 器人导航 系统中 , 目标运 动模 型和 RSSI信号测量模型是非线性的, 噪声是非 高斯的, 此时 K al m an 滤波的使用受到一定限制。 粒子滤波技术通过非参数化的蒙特卡罗模拟方 法来实现递推贝叶斯滤波, 适用于任何能用状态空 间模型以及传统的卡尔曼滤波表示的非线性系统, 精度可以 逼近最优估计
要 : 针对 RSSI方式对移动节点进行导航定位时会引入较大的模型误差的问题, 提出了一种高
效的硬件分组粒子滤波算法对节点间 RSSI信号进行滤波预处理, 确保 RSSI 值和节点间距离呈单 调函数关系 。直接利用 RSSI信息和网络拓扑结构实现机器人定位 , 避免将 RSSI值转换为几何距 离时带来的模型误差 。将滤波处理和导航计算分散到多个信标节点上执行以提高算法实时性, 在 导航实施之前无需精确已知各信标节点的几何坐标 , 免去了人工部署信标节点的步骤 , 可适合网络 拓扑结构或环境参数频繁变化的场合 , 该方法在现场实验中导航控制精度可达到 01 6 m。 关键词 : 无线传感器网络; 粒子滤波 ; 自主导航 ; 接收信号强度
3 )按照均匀概率分布从区间 [ 0, 1 ] 中抽样得到 门限值 L , 即 L~ U [ 0, 1 ], 则 Xk = 其中 ,
^ p (X ) g (X k X ) , 1。 A(X k, X ) = m in ^ p (X k ) g (X Xk ) ^ ^
X , if L[ A(X k - 1, X ), X k - 1, otherw ise。
中图分类号 : V 2941 32 文献标识码 : A 文章编号 : 1007 - 449X ( 2008) 06- 0717 - 06
I m ple m entation of RSSI filter technique in robot navigation
LI U Zhen , DI NG M ing- l,i W ANG Q i
i i i i i i
, ,, R
k i+ 2
)。
( 1)
其中: R 表示 k 时刻机器人与节点 B i 间通信 RSSI 值 ; R i 表示机器人关于节点 B i 的目标 RSS I等势线 , 则机器人的目标位置为 G 可表示为 G = [R , R
G i G i+ 1
,R
G i+ 2
]。
( 2)
1 引
言
拓扑地图和地理信标的导航方法 , 在不依赖精确几 何坐标的情况下只需简单拓扑信息便可表示导航空 间, 但网络环境频繁变化时该方法的自适应能力较 差。文献 [ 3] 将传 感器信息 和运动信 息表示 为概 率, 利用贝叶斯条件概率公式来估计机器人的当前 状态 , 在此基础上完成机器人的导航, 但该方法在环