无线传感器网络节点定位技术

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

无线传感器网络节点定位技术
一、无线传感器网络发展及研究现状
1.1 无线传感器网络
无线传感器网络(Wireless Sensor Network, WSN)是由部署在监测区域内的大量廉价微型传感器节点组成,通过无线通信方式形成的一种多跳自组织网络系统,它是当前在国际上备受关注、涉及多学科、高度交叉、知识高度集成的前沿研究领域,综合传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等,其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息(如光强、温度、湿度、噪音、震动和有害气体浓度等物理现象),并以无线的方式发送出去,通过无线网络最终发送给观察者。

传感器、感知对象和观察者构成了传感器网络的3个要素。

如果说Internet构成了逻辑上的信息世界,改变了人与人之间的沟通方式,那么无线传感器网络就是将逻辑上的信息世界与客观上的物理世界融合在一起,改变人类与自然界的交互方式。

人们可以通过传感器网络直接感知客观世界,从而极大地扩展现有网络的功能和人类认识世界的能力。

无线传感器网络作为一项新兴的技术,越来越受到国内外学术界和工程界的关注,其在军事侦察、环境监测、医疗护理、空间探索、智能家居、工业控制和其他商业应用领域展现出了广阔的应用前景,被认为是将对21世纪产生巨大影响的技术之一。

WSN的基木思想起源于20世纪70年代。

1978年,DARPA在卡耐基-梅隆大学成立了分布式传感器网络工作组;1980年,DARPA的分布式传感器网络项目(DSN)开启了传感器网络研究的先河;20世纪80- 90年代,研究主要在军事领域,成为网络中心战的关键技术,拉开了无线传感器网络研究的序幕;20世纪90年代中后期,WSN引起了学术界、军界和工业界的广泛关注,发展了现代意义的无线传感器网络技术。

无线传感器网络产业的萌芽,最早可以追溯到20世纪60年代的战争中。

在20世纪80年代至90年代之问,无线传感器网络产业在欧美得到发展,美国更多地将其用于军事方面。

从21世纪开始至今,逐步进入现代意义上的无线传感网研究及其应用,专利就是从这时候开始逐年增加。

虽然2008年的金融危机对传统产业影响最大,无线传感器网络产业却是异军突起,进入快速发展阶段。

来自美国的一份调研报告显示,2011年,世界市场无线传感器网络系统与服务市场价值46亿美元,同比增长近15%。

目前,各个发达国家都非常重视无线传感器网络技术的研发。

具体来看,最早揭开现代无线传感器网络产业发展序幕的美国在通信协议、硬件设施和芯片技术等核心技术方面较为领先,日本和韩国则在应用方面走在前列。

美国军方最先开始无线传感器网络技术的研究,包括CEC 、REM BASS、TRSS、Sensor IT、WINS、Smart Dust、Sea Web等研究项目。

美国国防部远景计划研究局已投资几千万美元,帮助大学进行无线传感器网络技术的研发。

美国国家自然基金委员会(N SF)也开设了大量与其相关的项目。

NSF于2003年制定了W SN研究计划,每年拨款3 400万美元支持相关研究项目,并在加州大学洛杉矶分校成立了传感器网络研究中心。

2005年对网络技术和系统的研究计划中,主要研究下一代高可靠、安全的可扩展的网络、可编程的无线网络及传感器系统的网络特性,资助金额达4 000万美元。

此外,美国交通部、能源部、美国国家航空航大局也相继启动了相关的研究项目。

美国所有著名院校几乎都有研究小组在从事W SN相关技术的研究,加拿大、英国、德国、芬兰、日木和意大利等国家的研究机构也加入了WSN的研究。

加州大学洛杉矶分校、加州大学伯克利分校、麻省理工学院、康奈尔大学、哈佛大学、卡耐基梅隆大学等在WSN 研究领域成绩较为突出。

国际相关学术会议中对W SN的研讨增多,检索论文数目逐年以较大幅度增加。

美国的Crossbow, Dust Network, Ember, Freescale等公司也开展了WSN的研究工作。

加拿大、英国、德国、芬兰、日木和意大利等国家的研究机构也加入了WSN的研究。

欧盟第6个框架计划将“信息社会技术”作为优先发展领域之一。

其中多处涉及对W SN 的研究。

启动了EYES等研究计划。

日本总务省在2004年3月成立了“泛在传感器网络,调查研究会。

韩国信息通信部制订了信息技术"839"战略,其中“3"是指IT产业的三大基础设施,即宽带融合网络、泛在传感器网络、卜一代互联网协议。

企业界,欧盟的Philips, Siemens, Ericsson, ZMD,France Telecom,Chipcon等公司;日木的NEC,OKI,Sky-leynetworks、世康、欧姆龙等公司都开展了WSN的研究。

国内首次正式启动出现于1999年中国科学院《知识创新工程点领域方向研究》的“信息与自动化领域研究报告”中,该领域的五大重点项目之一。

2001年中国科学院依托上海微系统所成立微系统研究与发展中心,旨在引领中科院WSN的相关工作。

国家自然科学基金已经审批了与WSN相关的一个重点课题和多项课题。

2004年,将一项无线传感器网络项目(而上传感器网络的分布自治系统关键技术及协调控制理论列为重点研究项目。

2005年,将网络传感器中的基础理论和关键技术列入计划。

2006年将水下移动传感器网络的关键技术列为重点研究项目。

国家发改委下一代互联网(CNGI)示范工程中,也部署了WSN相关的课题。

在一份我国未来20年预见技术的调查报告中,信息领域157项技术课题中有7项与传感器网络直接相关。

2006年初发布的《国家中长期科学与技术发展规划纲要》为信息技术定义了3个前沿方向,其中2个与WSN的研究直接相关,即智能感知技术和自组织网络技术。

我国2010年远景规划和“十一五”计划中,将WSN列为重点发展的产业之一。

近年来,随着计算成本的下降以及微处理器体积越来越小,已经有为数不少的无线传感器网络开始投入使用,而且应用领域越来越广泛。

在环境的监测和保护方面,随着人们对于环境问题的关注程度越来越高,需要采集的环境数据也越来越多,无线传感器网络的出现为随机性的研究数据获取提供了便利,并且还可以避免传统数据收集方式给环境带来的侵入式破坏。

英特尔公司曾经将32个小型传感器连进互联网,以读出缅因州“大鸭岛”上的气候,用来考察一种海燕巢的信息。

无线传感器网络可以跟踪候鸟和昆虫的迁移,研究环境变化对农作物的影响,监测海洋、大气和土壤的成分等。

此外,它也可以应用在精细农业中,来监测农作物中的害虫、土壤的酸碱度和施肥状况等。

在医疗护理方面,英国科学家使用无线传感器创建了一个智能医疗房问,使用微尘来测量居住者的血压、脉搏、呼吸、睡觉姿势以及每天24小时的活动状况。

英特尔公司也推出了无线传感器网络的家庭护理技术,通过在鞋、家具以家用电器等家具和设备中嵌入半导体传感器,帮助老龄人士、特殊病患者以及残障人士的日常生活,可以减轻护理人员的负担。

除了民用领域,无线传感器网络在西方国防领域的用途也很广泛。

西方已经将无线传感器部署到森林、山地、海洋,构建远程信息化国防体系;部署在生物燃料时示器、仿生微型时示器、无人侦察机上的移动传感器可为国防数据链系统提供实时、大纵深、全角度侦察情报;同时也可应用在重要场所的狙击手、侦察人员、侦控设备网络。

据美国媒体报道,美国国防部已投资数千万美元,与研究机构合作进行“智能尘埃”传感器技术的研发,预计产品年销售额将达数十亿美元。

在更多的领域,一些危险的工业环境如井矿、核电厂等,工作人员可以通过它来实施安全监测;在交通领域进行车辆监控;在工业白动化生产线进行实时监测甚至控制。

英特尔正在对其生产工厂中的一个无线网络进行测试,该网络由40台机器上的210个传感器组成,这样组成的监控系统将可以大大改善工厂的运作条件,由于能够及时发现问题,可以大幅降低
检查设备的成本,缩短停机时问,提高效率,并延长设备的使用时问。

1.2 网络节点定位技术
定位就是确定位置,定位技术是无线传感器网络重要的支撑技术。

很多情况下,无线传感器网络中的节点需要知道自身的物理位置,如果网络不能提供相应的位置信息,那么传感器的许多功能是毫无意义的。

在无线传感器网络中,设置每个节点的位置是不可取的。

并且,由于成本过高和配置条件的限制,为每个节点配置GPS接收机也是不现实的。

因此对传感器定位技术的研究是很有意义且是必不可少的。

定位在实际应用中有两种含义:一是确定自己在系统中的位置;二是确定目标在系统中的位置。

自组织的网络通过一定方法提供节点的位置信息,从而实现无线传感器网络的定位。

这种自组织网络定位可分为节点自身定位和目标定位。

在传感器网络中,没有统一的最优的定位算法,只有针对特定环境比较适合的定位算法。

在特定环境中,某些算法的某些性能可能会优于其他算法。

因此,不同的环境会有不同的定位算法。

近年来,随着蜂窝网络通信技术的迅速发展,对移动台的定位需求也越来越迫切。

在蜂窝网中,基于移动台位置信息的服务,如车辆和交通管理、公共安全服务、网络规划与设计、资源管理等,都需要对移动台的精确定位。

根据进行定位的主体和利用的设备不同可将对移动台的无线定位分为基于移动台(终端)的定位、基于网络的定位及GPS辅助定位三种类型。

对于不同的无线定位系统,测量的参数固然不同,实现定位的方法与技术也各异,但从原理上来讲,无线定位机制一般由以下三个步骤组成:
第一步,对无线电信号的一个或几个电参量(振幅、频率、相位、传播时间)进行测量,根据电波的传播特性把测量的电参量转换为距离、距离差或到达角等,用来表示位置关系;
第二步,运用各种算法或技术来实现空间位置估计;
第三步,对估计值进行优化。

传感器网络中的定位也是通过已知信息解算未知点坐标,在理论和实现方式上与传统的定位技术有着一定的相似性,只是离散的分布式协同网络特性赋予了传感器网络定位跟踪独特的技术内涵。

传感器网络节点的定位是传感器网络最基本的功能之一,对传感器网络的应用起着关键的作用。

大量的无线传感器节点的组织成分布式可协作的网络,被应用在人类无法到达的但又需连续监控的地方,如敌对环境中、偏僻危险的区域等,进行环境监控和目标跟踪。

然而,无线传感器网络中的定位技术是很据挑战性的。

由于传感器节点在大小、外观及构造费用上的限制,用GPS进行节点定位造价太高,而且GPS的应用受卫星信号限制。

目前很多研究者提出了定位的方法,都是针对低成本、高精度、简单易行的要求设计的,但由于硬件技术和算法的局限性,定位精度和定位效率很难满足应用要求。

传感器节点定位采用较多的方法是参考节点法,即在传感器网络中布置好一定数量的己知自身位置的节点作为其它未知节点的参考。

这种方法在较高的参考节点密度的情况下,能够获得较好的位置估算精度。

但必须存在大量的参考节点的要求限制了它的应用范围,并且为计算未知节点坐标,其必须接收到至少3个参考节点的定位信息,这在通信质量不稳定的传感器网络中不是时时都可满足的。

定位计算可采用分布式和集中式两种:
(1)集中定位技术
集中定位技术指传感器节点都将数据传输到一个中心位置,在这里执行计算来决定每个节点的位置。

Doherty Piste:和Ghaoui提出一种集中定位技术,使用凸形最优化算法估计位置。

由于通信费用高和固有的延迟,这种技术所要求的集中计算不适合移动应用环境,因此我们致力于分布式定位技术的研究。

(2)分布式定位技术
分布式定位技术不要求集中式计算,每个节点只需依靠与临近节点的有限通信就可决定自己的位置。

根据位置估测机制的不同,我们又将分布式定位技术分成两类:距离相关(Range- based)定位和距离无关(Range- free)定位。

Range- based定位机制根据点到点的绝对距离或角度来估计位置,所采用的测距技术,大都依赖于多种通信源、精确的时钟和通信设备间的角度推导,这些都需要复杂的硬件来实现。

对于传感器节点而言成木太高,消耗电能也太多。

为了克服Range- based定位机制存在的问题,近年来提出了Range-free定位机制,其目标是在不需要复杂的定位硬件情况下能够提供足够精度的位置估计。

它是利用邻近信息和连通信息来实现定位。

该技术比较适合于传感器网络。

研究者们针对不同的环境要求等提出各种各样的解决方案,在相对的条件下很多都能达到较好的效果,但真正的应用还很少。

因此,该领域还有待更多的人去研究,以设计更好的定位算法,使传感器网络定位在实际生活中得到广泛的应用。

为了适应目前的器件水平,无线但感器网络还需要更低能耗、更高效的节点定位技术。

目前,有关该领域的研究主要集中在以下方向:
(1)低成本、高能效、高精度的距离或角度测量技术。

(2)为尽量延长网络生存周期的低复杂度、低开销、低能耗的节点定位算法。

(3)适用于大规模或超大规模无线传感器网络的低成本节点定位技术。

另外,已提出的节点定位算法研究成果大部分是基于静态网络的,对移动节点定位技术研究相对较少,适用于网络拓扑结构处于动态变化时的节点的定位技术还有待研究。

二、节点定位技术
WSN节点定位问题可表述为:依靠有限的位置已知节点,确定布设区中其它节点的位置,在传感器节点间建立起一定的空间关系。

根据节点是否已知自身位置,传感器节点可分为信标节点(beaoon node)和未知节点(unknown node)。

信标节点也可称为锚节点(anchor node)或参考节点(reference node),它在网络节点中所占的比例很小,可以通过携带GPS定位设备等手段获得自身的精确位置,然后做为未知节点的参考点。

除了信标节点外,其他的传感器节点就是未知节点,它们通过信标节点的位置信息来确定自身位置。

根据定位过程中是否需要测量节点间的实际距离,将定位系统分为
(1)基于距离的定位算法;
(2)无需测距的定位算法。

基于距离的定位算法需要测量节点间的距离或角度信息,然后使用三边测量、三角测量或者最大似然估计定位算法实现节点间定位。

而无需测距定位技术则不需要距离和角度信息,通过网络连通度、节点间相对距离等信息即可实现。

基于距离的定位普遍采用的技术有RSSI, TOA, TDOA和AOAO在RSSI定位中,需已知发射节点的信号强度,接收节点依据接收到的信号强度,计算出信号传播损耗,并将信号传播损耗转化为距离,目前常采用理论和经验两种模型,最后依据己有的技术算出节点位置。

这种方法节省费用,不用提前建立数据库,基站移动后也无需重新计算参数,但可能会有±50%误差。

(1)TOA定位机制需己知信号传播速度,通过信号传播时间计算节点间距离,最后采用已有算法计算节点的位置。

与RSSI算法相较,该算法定位精度高,但需要节点间保持准确的时间同步,对传感器节点的硬件和功耗要求较高。

该技术不适合松散藕合型定位。

在TDOA定位机制中,发射节点同时发送两种无线信号,这两种发射信号传播速度应有所不同,接收节点依据这两种信号到达的时间差及两种信号的传播速度,通过己有的基本的定位算法计算出节点位置。

在WSN中通常使用距离为20到30英尺左右的超声波,而超声
波传播距离有限,这样就需要对网络密集部署。

由于NLOS问题会影响超声波信号的传播,TDOA技术会受到限制,但该技术的测距误差比较小,精度也比较高。

在AOA定位机制中,接收节点通过很多个超声波接收机或者天线阵列,从而感知得到发射节点信号的到达方向,根据计算出的接收节点和发射节点间相对方位或角度,使用三角测量法获得节点的位置。

AOA技术不仅能确定节点的坐标,并且还能提供节点方位信息。

但是该算法容易受外界的影响,并且需要额外的硬件,其硬件尺寸、功耗等因素使得该技术不太适用大规模传感器网络。

随着对基于测距定位技术的深入研究,虽然通过采用多次测量,循环定位求精等各种方法可以在一定程度上减小定位的测距误差,但是增加了大量的计算和通信开销。

综上所述可知,虽然在定位精度上基于距离的定位技术有可取之处,但在低功耗、低成本的应用领域,该技术还是有一定的局限性的。

虽然基于距离的定位技术能实现精确的定位,但通常对节点硬件要求高,考虑到硬件成本、功耗等问题,人们提出了无需测距的定位技术。

虽然无需测距的定位技术误差相较会有所增加,但因其无需测量节点间的绝对距离和方位,对节点硬件的要求有所降低,减少了节点的成本和功耗,且粗粒度的定位对大多数的应用己足够(节点的定位误差在传感器节点通信半径40%以内,定位误差对路由性能中目标追踪的精确度的影响很小),基于以上原因,无需测距的定位技术越来越受到人们的关注。

DV-Hop , Amorphous ,APIT、质心算法、凸规划和MDS-MAP等都是典型的无需测距定位技术,其中MDS-MAP也能够在基于测距的条件下达到更加精确的定位。

由于位置与距离同单位,即位置为二维或三维的距离组合,又因为空间边角信息可相互转换,所以不论用何种方法获取何种解算数据,最终都要转换为边角信息来求解空间位置。

空间位置的解算方法一般有三边定位法、三角定位法、边角定位法、极大似然估计法、质心定位法,如图1所示。

图1 空间位置的解算方法
2.1三边定位法
如图2所示,已知A、B、C三个节点的坐标分别为(x a,y a)、(x b,y b)、(x c,y c),以及它们到未知节点D(x,y)的距离分别为d a,d b, d c,则存在下式关系:
{√(x−x
a)
2
+(y−y a)2=d a
√(x−x
b)2
+(y−y b)2=d b
√(x−x
c)2
+(y−y c)2=d c
解之得D 点的坐标:
[x y ]=[2(x a −x c ) 2(y a −y c )2(x b −x c ) 2(y b −y c )]−1[x a 2−x c 2+y a 2−y c 2+d c 2−d a 2x b 2−x c 2+y b 2−y c 2+d c 2−d b
2]
图2 三边定位法 图3 三角定位法
2.2 三角定位法
如图3所示,已知A 、B 、C 三个节点的坐标分别为(x a,y a )、(x b,y b )、(x c ,y c ),以及节点D (x,y )相对点A 、B 、C 的角度分别为∠ADB 、∠ADC 、∠BDC ,对于节点A ,C 和∠ADC ,如果弧段AC 在ΔABC 内,那么能够唯一确定一个圆,设圆心为O 1(x o1,y o1),半径为r 1,那么α=∠A O 1C=(2π-2∠ADC ),并存在下列公式:
解之得O 1(x o1,y o1)和r 1。

同理可求得两外两个圆的圆心和半径O 2(x o2,y o2)、O 3(x o3,y o3)和r 2、r 3,然后再利用三边定位法解算D 点坐标。

2.3 边角定位法
如图4所示,已知节点A 的坐标(x a,y a ),连线AB 、AC 的方位角分别为α、β,AB 、AC 的长度分别为d 1、d 2,根据边角关系易求得节点B 、C 的坐标:
图4 边角定位法图5 极大似然估计定位法
2.4极大似然估计法
如图5所示,已知n个节点的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、…、(x n,y n),以及它们到未知节点的距离为d1、d2……d n,则存在如下关系:
于是易得线性方程AX=B,其中:
使用最小二乘估计法可求得D的坐标为:
2.5 求质心
质心算法(Centroid algorithm)是一个典型的利用信标节点信息进行定位的方法。

该算法的主要优点是简单,具有很好的可扩展性,但是定位精度较差,且定位精度依赖于信标节点的数量和分布情况。

通过收到的位置广播信息,未知节点根据相对于参考点链接度超过90%推论到它的近似相连节点集合。

客户节点将它的位置定义在这些信标相连接的区域(公共区域)里面,也可以定义为信标节点的质心(中心)。

设某一未知节点i有k个邻居信标节点,且第j (1≤j≤k)个节点的坐标为(x ij,y ij),则未知节点的物理位置估计值为:
三、比较及展望。

相关文档
最新文档