張?jiān)? 劉穎 徐高潮 耿曉中

摘要：為節(jié)約成本、提高算法實(shí)用性和準(zhǔn)確性，提出一種新穎的基于RSS的多目標(biāo)節(jié)點(diǎn)定位算法。通過(guò)一個(gè)移動(dòng)信標(biāo)節(jié)點(diǎn)采集RSS信號(hào)及其相應(yīng)位置坐標(biāo)，構(gòu)成已知條件，結(jié)合高斯混合模型和貝葉斯信息準(zhǔn)則等統(tǒng)計(jì)模型設(shè)計(jì)實(shí)現(xiàn)多目標(biāo)高斯混合模型定位算法。仿真實(shí)驗(yàn)和實(shí)測(cè)實(shí)驗(yàn)均表明該算法在不預(yù)先假設(shè)一定區(qū)域內(nèi)傳感器節(jié)點(diǎn)數(shù)量的情況下，能夠同時(shí)估計(jì)傳感器節(jié)點(diǎn)的數(shù)量和位置，具有較好的實(shí)用性和準(zhǔn)確性。本文網(wǎng)絡(luò)版地址：http：//www.eepw.com.cn/article/164387.htm

關(guān)鍵詞：定位；GMM；信號(hào)傳播模型

DOI： 10.3969/j.issn.1005-5517.2013.9.008

*基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（NO.60973136網(wǎng)絡(luò)攻擊行為混雜建模及檢測(cè)技術(shù)研究，NO.61073164面向服務(wù)的無(wú)線傳感器網(wǎng)絡(luò)生存期優(yōu)化體系研究）

引言

無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位是傳感器網(wǎng)絡(luò)研究的熱點(diǎn)，如何利用簡(jiǎn)單廉價(jià)的設(shè)備得到精確的定位結(jié)果一直是傳感器節(jié)點(diǎn)定位研究的重點(diǎn)和難點(diǎn)。

在目前已有的定位算法中，基于RSS的節(jié)點(diǎn)定位算法與基于AOA、TOA或TDOA的節(jié)點(diǎn)定位算法相比，具有成本低、適用范圍廣等優(yōu)點(diǎn)，但定位精度不高[1-2]。為此，研究人員利用統(tǒng)計(jì)模型提高定位算法的健壯性和精確度[3-8]。另外，很多定位算法假設(shè)待估節(jié)點(diǎn)數(shù)量已知，或者假設(shè)RSS發(fā)射節(jié)點(diǎn)的ID可識(shí)別，但在大多數(shù)情況下，上述假設(shè)都是不可預(yù)知的，很難在實(shí)際環(huán)境中使用，因而算法實(shí)用性不強(qiáng)。

為節(jié)約成本，提高算法實(shí)用性和精度，本文提出一種新穎的基于RSS的定位算法——多目標(biāo)高斯混合模型定位算法（Multi-target Localization Based on Gaussian Mixture Model，MTL-GMM），使用單一移動(dòng)信標(biāo)節(jié)點(diǎn)[8-9]采集信息，用最小化已知條件估算傳感器節(jié)點(diǎn)的數(shù)量和位置信息。仿真實(shí)驗(yàn)和實(shí)測(cè)實(shí)驗(yàn)均證明了本文提出算法的有效性和準(zhǔn)確性。

多目標(biāo)高斯混合模型

GridL算法描述

圖1給出了GridL算法的偽代碼。表1給出了GridL算法使用的符號(hào)及其解釋。MT-GMM算法嵌套了內(nèi)外兩層循環(huán)。外層循環(huán)即算法第4行到第29行，用來(lái)估計(jì)節(jié)點(diǎn)數(shù)量。假設(shè)節(jié)點(diǎn)數(shù)量M從1開始取值，并隨循環(huán)逐次遞增，根據(jù)（M-1）個(gè)節(jié)點(diǎn)坐標(biāo)估計(jì)第M個(gè)節(jié)點(diǎn)坐標(biāo)。當(dāng)節(jié)點(diǎn)數(shù)量增加，但模型BIC取值不增加時(shí)，算法結(jié)束。內(nèi)層循環(huán)即算法第11行到第20行，用來(lái)調(diào)整外層循環(huán)確定的M個(gè)節(jié)點(diǎn)的位置坐標(biāo)。當(dāng)模型BIC取值最大時(shí)，獲得節(jié)點(diǎn)數(shù)量為M時(shí)的位置坐標(biāo)。

算法第13行的函數(shù)findBIC（R，j）根據(jù)前j個(gè)節(jié)點(diǎn)的位置坐標(biāo)，估計(jì)第（j+1）個(gè)節(jié)點(diǎn)的位置坐標(biāo)。該函數(shù)分別假設(shè)第（j+1）個(gè)節(jié)點(diǎn)在定位區(qū)域內(nèi)的每個(gè)網(wǎng)格中，并分別計(jì)算相應(yīng)的BIC取值，BIC取值最大時(shí)對(duì)應(yīng)的網(wǎng)格坐標(biāo)就是第（j+1）個(gè)節(jié)點(diǎn)的坐標(biāo)。

仿真實(shí)驗(yàn)

我們用NCTUns v5.0[14]模擬實(shí)驗(yàn)場(chǎng)景，將8個(gè)傳感器分別放置在180m×300m的區(qū)域里，將一個(gè)可移動(dòng)的傳感器做為信標(biāo)節(jié)點(diǎn)RC，如圖2所示。圖中叉號(hào)表示傳感器節(jié)點(diǎn)所在的位置，曲線表示RC的移動(dòng)路徑，圓圈表示估計(jì)的傳感器位置。傳感器節(jié)點(diǎn)的通信半徑設(shè)為100米。RC采集的RSS序列長(zhǎng)度為300。

第一次迭代的網(wǎng)格邊長(zhǎng)為5米，第二次為1米。表3給出了仿真實(shí)驗(yàn)的數(shù)據(jù)結(jié)果，兩次迭代估計(jì)的節(jié)點(diǎn)數(shù)量均為8個(gè)，與實(shí)際相符，節(jié)點(diǎn)坐標(biāo)的定位誤差由第一次迭代時(shí)的3.86米減小到第二次迭代時(shí)的0.93米。

實(shí)測(cè)實(shí)驗(yàn)

我們將4個(gè)Access Point（AP）分布在學(xué)校實(shí)驗(yàn)室大樓二層，將帶有無(wú)線網(wǎng)卡的筆記本做為信標(biāo)節(jié)點(diǎn)，采集從AP發(fā)來(lái)的RSS，同時(shí)記錄筆記本移動(dòng)的路線坐標(biāo)。圖3給出了AP的位置（叉號(hào)表示）和筆記本的移動(dòng)路線（實(shí)線表示），圓圈表示估計(jì)的節(jié)點(diǎn)位置。AP的通信半徑為30米，筆記本采集的RSS序列長(zhǎng)度為120。

第一次迭代的網(wǎng)格邊長(zhǎng)為2米，第二次為1米。表4給出了實(shí)測(cè)實(shí)驗(yàn)結(jié)果，兩次迭代估計(jì)的節(jié)點(diǎn)數(shù)量均為4個(gè)，與實(shí)際相符，節(jié)點(diǎn)坐標(biāo)的定位誤差由第一次迭代時(shí)的2.99米減小到第二次迭代時(shí)的1.83米。

結(jié)語(yǔ)

本文提出了一種基于RSS的多目標(biāo)節(jié)點(diǎn)定位算法（MTL-GMM算法），可同時(shí)估計(jì)一定區(qū)域內(nèi)傳感器節(jié)點(diǎn)的數(shù)量和位置。相比其他定位算法，MTL-GMM算法選擇單一的移動(dòng)信標(biāo)節(jié)點(diǎn)采集RSS信號(hào)，結(jié)合使用高斯混合模型、貝葉斯信息準(zhǔn)則等統(tǒng)計(jì)模型，節(jié)約了成本，提高了定位精度。同時(shí)，MTL-GMM算法不假設(shè)待估節(jié)點(diǎn)數(shù)量已知或RSS發(fā)射節(jié)點(diǎn)的ID可辨識(shí)，增強(qiáng)了算法的實(shí)用性。

參考文獻(xiàn)：

[1] 蔣鵬，覃添，陳歲生. 基于AOA降維和同心圓定位的三維傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位方法[J].傳感技術(shù)學(xué)報(bào)，2012，25，（7）：999-1000

[2] 杜巧玲.無(wú)線傳感器網(wǎng)絡(luò)三維節(jié)點(diǎn)定位問(wèn)題的研究[D].長(zhǎng)春：吉林大學(xué)通信工程學(xué)院，2009

[3] F. Wang， L. Qiu， and S. Lam. Probabilistic Region-Based Localization for Wireless Networks[J]. ACMSIGMOBILE

[10] （美）西奧多 S.拉帕波特（Theodore Rappaport，T.S.）著，周文安等譯.無(wú)線通信原理與應(yīng)用[M].第二版.北京：電子工業(yè)出版社，2012

[11] Tan P-N， Steinbach M， Kumar V著，范明，范宏建等，譯.數(shù)據(jù)挖掘?qū)д揫M].北京：人民郵電出版社，2011

[12] M. Ding and X. Cheng. Fault Tolerant Target Tracking in Sensor Networks[C]. Proceedings of the tenth ACM international symposium on Mobile ad hoc networking and computing， New Orleans， LA， USA. ACM， New York， USA，2009， pp. 125-134

[13] 段江嬌.基于模型的時(shí)間序列數(shù)據(jù)挖掘[D].上海：復(fù)旦大學(xué)，2008[14] NCTUns 5.0 Network Simulator and Emulator[EB/OL].（2008-09-20） http：//nsl.csie.nctu.edu.tw/nctuns.html