定位算法文献综述Word文件下载.docx
- 文档编号:21314106
- 上传时间:2023-01-29
- 格式:DOCX
- 页数:12
- 大小:177.72KB
定位算法文献综述Word文件下载.docx
《定位算法文献综述Word文件下载.docx》由会员分享,可在线阅读,更多相关《定位算法文献综述Word文件下载.docx(12页珍藏版)》请在冰豆网上搜索。
外界环境中存在严重的多径传播、衰减、非视距(non.1ine.of-sight,简称NLOS)、通信盲点等问题;
网络节点由于周围环境或自身原因(如电池耗尽、物理损伤)而出现失效的问题;
外界影响和节点硬件精度限制造成节点间点到点的距离或角度测量误差增大的问题.由于环境、能耗和其他原因,物理地维护或替换传感器节点或使用其他高精度的测量手段常常是十分困难或不可行的.因此,定位系统和算法的软、硬件必须具有很强的容错性和自适应性,能够通过自动调整或重构纠正错误、适应环境、减小各种误差的影响,以提高定位精度。
(6)功耗。
功耗是对WSN的设计和实现影响最大的因素之一.由于传感器节点电池能量有限,因此在保证定位精度的前提下,与功耗密切相关的定位所需的计算量、通信开销、存储开销、时间复杂性是一组关键性指标。
(7)代价。
定位系统或算法的代价可从几个不同方面来评价.时间代价包括一个系统的安装时间、配置时间、定位所需时间.空间代价包括一个定位系统或算法所需的基础设施和网络节点的数量、硬件尺寸等.资金代价则包括实现一种定位系统或算法的基础设施、节点设备的总费用。
上述7个性能指标不仅是评价WSN自身定位系统和算法的标准,也是其设计和实现的优化目标.为了实现这些目标的优化,有大量的研究工作需要完成。
同时,这些性能指标是相互关联的,因此,要提高移动节点定位算法的精度必须根据应用的具体需求对以上7个性能指标进行权衡[14],以选择和设计合适的定位技术。
2.室内无线定位
可进行定位的信号是多种多样的,所以定位系统种类繁多。
如利用卫星无线RF信号的GPS、利用红外和激光的光学定位、利用超声和声纳的声音定位、利用图像处理和计算机视觉的视觉定位、利用陀螺原理的相对定位等等。
其中,GPS是目前应用最成功的定位技术,但是对室内近距离定位,GPS的精度远远达不到要求。
目前室内无线定位技术的研究相对集中在基于RF信号,并结合各种无线网络技术如ZigBee,超宽带(Ultra-WideBand,UWB),Wi-Fi,蓝牙,射频识别(Radio-frequencyIdentification,RFID)等定位技术的研究。
2.1基于ZigBee的定位技术研究
基于ZigBee的定位技术主要是采用接收信号强度指示(ReceivedSignalStrengthIndicator,RSSI)来实现,目前ZigBee已经广泛地应用于工业、农业、军事、医疗等领域[7]。
最初由国外科研人员通过实际测量、仿真评估[8,9],建立了无线RF信号的RSSI传播模型[10],由于单纯的使用RSSI的ZigBee定位系统精度有限,HyunggiCho等人通过在此基础上使用最大似然估计方法提高定位精度[11]。
目前在国内已经商业化的定位系统有成都无线龙通讯科技有限公司开发的“ZigBee无线网络定位标准开发系统”,它使用Chipcon公司(已被TI公司收购)的CC2431和CC2430开发的可实现最大区域为64*64米空间的定位[12]。
由于CC2431的RSSI定位引擎的分辨率为0.25米[13],因此,“ZigBee无线网络定位标准开发系统”的定位精度不高,一般在3~5米。
2.2基于UWB的定位技术研究
根据FCC的定义,只要信号在-10dB处的绝对带宽大于0.5GHz或者相对带宽大于20%,并且中心频率大于500MHz,那么这一信号就是超宽带(Ultra-wideband,UWB)。
基于UWB的定位主要是通过到达时间(TimeofArrival,TOA)或者到达时间差(TimeDifferenceofArrival,TDOA)来实现的。
基于UWB的TDOA方法,RobertJ.Fontanat等人[14,15]早在2003年就成功地开发出可产品化的,用于财物定位的PAL650定位系统,如图1所示,定位精度可到15厘米以内。
另外,Ubisense公司开发基于UWB的UbisenseSystem定位系统也能实现精度为15厘米的三维定位,目前该系统[16]已应用于人员定位,仓储物流,军事,安防预警等。
国内的南京唐恩科技资讯有限公司Ubisense公司的一些硬件产品,并在此基础上与南京大学、南京航天航空大学、东南大学合作自主研发了基于UWB的iLocate定位系统,能够实现2D/3D的人员及物品定位[17]。
由于时间脉冲持续的时间很短(大约10~100ps),大大降低了发射信号所需的功率,所以UWB的发射功率很小,同时这一性能也决定了其具有精确定位的功能。
UWB定位在一定程度上代表着当前室内或者局部区域范围三维定位的一个趋势[18],因此目前国内外针对UWB的位置估计[19]、减小NLOS误差[20,21]及求精的算法研究很多[22]。
图1PAL650定位系统(UWB接收器的数字处理部分,定位系统架构连接图)
2.3基于RFID的定位技术研究
基于RFID(RadioFrequencyIDentification)的定位技术是通过射频识别标签(tags)或者无线收发器(Transponders)来存储和非接触地发送数据来进行自动身份辨认的技术。
RFID应用于定位主要分为两种方式:
一种是位置感知方式,一种是基于RSSI方式。
HenrikLjø
godtMoen等人[23]提出的基于城市无线网络定位的服务以及TeruhiroHaga[24]等人的2维定位与角度测量研究都是基于这一方式;
在位置感知方式下,可以通过对跟踪对象安装RFID标签,然后将RFID标签读取器放置在已知位置的地方,当跟踪对象进入到感知范围内时,就可以检测到跟踪对象的位置了。
基于RSSI的RFID定位在一定程度上与ZigBee的定位方法类似。
目前RFID广泛地应用于田径比赛时间检测[25]、运输仓储、图书馆导游交互[26]、室内位置感知、人员跟踪系统[27]等等。
广为人知的SpotON系统[28]就是基于RSSI对主动型RFID标签进行定位的系统;
香港科技大学的LANDMARC系统[29]采用RFID技术思想,用活性参考标签代替离散数据采集,其动态参考信息能更好的适应室内环境波动,提高定位精度(50th-1m,最大误差2m),但是系统需要调节目标发射功率级别来估计距离远近,该过程不仅影响精度,而且造成一定时滞。
AbdelmoulaBekkali等人[27]通过使用参考标签形成RFID地图,并结合Kalman滤波可得到很高的定位精度。
由于RSSI定位精度的问题,有很多人对这一方法的可行性提出了质疑。
SergioPolito等人[30]对基于RF能量的,主动型RFID的定位性能做了评估,指出:
仅在算法上的改进,在室内环境下能够达到的定位精度仍然有限;
为了达到更高的精度,需要大量的参考点和检测天线,同时不同的环境对无线能量传播的影响是必须考虑的因素,在定位算法中还存在着不容易确定的参数。
国内有很多采用RFID技术应用的例子,如国家大剧院已应用WLAN和RFID定位的设备。
2.4其它的无线定位技术
Wi-Fi(IEEE802.11)[31]和蓝牙[32]是目前较为常用的两种无线网络协议。
基于Wi-Fi和蓝牙的无线定位也主要是根据接收信号强度来实现的,这里就不做详细介绍了。
由于采用这一方案的种种问题,很多研究是对基于接收信号强度的定位方法进行改进。
为了得到更高的精度,很多研究人员研究了必要的精确校准方法[33]。
另外,有一些定位系统是将RF与其它的无线传输结合起来实现定位。
麻省理工学院的Cricket系统[34]就是通过信标节点同时发出无线射频信号与超声波信号,由于超声波传播较慢,接收端接收的两种信号会形成时间差,由此可以计算得到信标节点与接收端的距离。
在使用多个信标节点之后,Cricket就可以实现对接收端的定位。
3定位算法
3.1应用型定位算法
XiaoyanLi等人提出了一种基于应用的RSS定位算法[15]。
传感器定位系统在现实的运用中,越来越多的需要考虑到环境对RSS影响造成的定位误差问题。
例如:
基于RSS定位的某一超市,如果某一盗贼在偷取物品时利用某些金属盒影响了传感器的RSS值,超市的定位系统就会出现故障,那么盗贼很容易将物品带出,而超市却不知道物品的具体位置。
文章研究在对所有信标节点采取同样信号攻击的前提下,保证定位精确度的问题。
首先是建立获取同样信号攻击的模型。
第一种方式:
将节点放入锡罐中;
第二种方式:
通过编程的方式,将节点的信号强度减小。
其次,确立鲁棒的信号强度参数。
文章认为两个节点之间的相对信号强度是不变的。
信号发生变化前相对信号强度
,当信号发生变化后,相对信号强度
。
最后,利用其它比较成熟的定位算法,使用相对信号强度这一不变参数对待定位节点进行定位。
文章在80ft*70ft的实验室进行了实验。
在实验室中布置了5个锚节点,总共有20个采样的位置。
RSS值是通过获取100个数据包的平均值求得。
实验数据,都是通过锡罐覆盖的方式改变RSS的值。
以RSM作为衡量参数进行定位的原则分别运用到两种定位算法中:
最小二乘法定位和指纹定位。
通过实验比对原始定位算法和改进后算法的定位性能。
从实验仿真数据可以看出,两种算法改进后对于RSS攻击的敏感性更小,定位精度更高。
对于每个采样位置的精确度分析也显示改进后的算法鲁棒性更高。
3.2针对固定节点的定位算法
3.2.1指纹定位算法
2011年DanLiu等人提出了基于指纹定位算法,找出含有最有用信息的一组参考节点给待定位节点定位,提高定位精度的算法[16]。
首先通过模糊聚类选取最有用的一组参考节点;
其次利用jffrey&
Matusita公式给参考节点分配不同的权值。
文章利用TI生产的CC2431节点,在5*13.5的长方形房间布置8个锚节点进行实验。
仿真将本文提出的算法和CC2431自带的定位算法进行对比。
结果显示文章提出的定位算法误差不到1m,比原始的指纹定位算法误差更小。
2011年PanaratCherntanomwong等人提出利用指纹库中所有的采样数据进行定位,减小定位误差[17]。
首先,建立网格中每个格点收到参考节点RSS值的指纹库。
其次,利用欧几里得距离公式和指纹库中的所有信息计算待定位节点的位置。
文章利用Xbee-24ZB节点,4个或者6个参考节点,36个指纹库信息进行仿真。
仿真结果显示4个参考节点时定位误差为0.56m,6个参考节点时定位误差为0.44m。
PanaratCherntanomwong等人于同一年,提出基于指纹定位算法的改进算法。
通过选取指纹库中最有用采样数据进行定位,提高定位精度[18]。
首先建立网格中每个格点收到参考节点RSS值的指纹库;
其次,利用模糊C-Means聚类算法找出含有最有用信息的节点,再根据欧几里得距离公式计算待定位节点的坐标。
通过聚类的方式,减小了与待定位节点无关的节点信息引起的定位误差,提高了定位的精确度。
3.2.2压缩感知定位算法
奈奎斯特采样定理是信号处理领域信号采样和重构的重要理论基础,它指出,采样速率需达到信号带宽两倍以上是避免混叠、精确重构信号的必要条件[19l。
近年来由Candè
s、Romberg、Ta。
和Donoho等人提出了一种新颖的理论,即压缩感知理论(CompressiveSensing,CS)[20-22]。
不同于传统的奈氏采样定理,CS指出,对于可压缩或在某个变换域内稀疏的信号,可从远比奈氏采样速率低的采样或测量中以高概率得到无损恢复[6]。
其具体实现可通过一个与变换基不相关的感知矩阵将变换所得高维信号投影到一个低维空间,并通过优化问题的求解从这些低维的投影信号中以高概率重构原始信号。
由于实际信号在某一特定域下(如空域、频域、小波域等)往往具有一定的可压缩性,因而该理论为压缩采样、信号重构领域带来了一次新的革命。
3.2.3目标跟踪定位算法
2011年MajdiMansouri等人文章提出了量化目标跟踪的遗传优化算法[27]。
算法的具体流程如下图所示:
图3遗传优化算法
首先t-1时刻选取的簇头利用量化近似观测模型(QuantizedProximityObservationModel,QPOM)获取t-1时刻待定位节点的坐标;
其次t-1时刻利用t-1时刻之前待定位节点的所有坐标信息和量化变滤波算法(QuantizedVariationalFilter,QVF)算法计算出t时刻的簇头;
再次,t-1时刻的簇头利用t-1时刻待定位节点的坐标选取最优的一组传感节点,并计算出最优的量化级;
接着,利用最优量化级对选取的一组最优传感节点的感知数据进行量化;
最后t时刻簇头利用量化的观测数据计算t时刻待定位节点的坐标。
文章在100个传感节点,采样100次,节点的传输半径是10m的环境下进行了仿真。
通过定位精确度、均方差、执行时间和整个定位跟踪的能耗四个方面进行了仿真分析。
首先,将本文提出的Optimized-QVF算法和QVF-R算法,QPF算法从定位精确度,均方差和执行时间上进行了对比。
实验数据表明,本文提出的优化-QVF算法在各个评价指标上都有显著的优势。
其次,三个算法定位误差都随着节点密度的增加而减小,随着节点噪声的增加而增加,随着节点传输功率的增加而减小。
2012年冯辰等人在压缩感知定位算法的基础上,提出了基于卡尔曼滤波的压缩感知室内目标跟踪定位算法[28]。
图4压缩感知跟踪定位算法
首先,需要预先设定要节点的目标位置和行走路径。
其次,通过压缩感知定位算法计算出节点的位置。
再次,粗定位和卡尔曼滤波同时进行,分别选出最适合定位的簇,如果两者匹配,那么将选定的簇用于精确定位。
最后,导航功能是利用目标节点的位置和路径进行匹配,如果和哪个位置匹配成功,那么驱动相应的声控命令。
文章的实验在加拿大盲人研究院的二楼进行。
面积为18m*36m,128个参考节点。
每个参考节点在4个方向上分别采样50次。
移动速度为0.34m/s,通过4条不同的测试路线进行实验。
利用c#做的测试界面。
移动设备使用HPiPAQhx2750PDA。
文章的实验将提出的压缩感知定位算法和RADAR算法,Horus定位算法,Kernel-based定位算法进行对比。
实验结果显示,本文提出的压缩感知定位算法在不同的未知位置下,定位误差都优于其它定位算法。
当未知位置设置为14个时,本文提出的压缩感知定位算法90%的误差都小于3.2m,优于其它三种定位算法。
在目标跟踪系统测试中,压缩感知定位算法90%定位误差都小于2.9m优于其它三种算法。
针对导航系统的测试,数据显示运用导航行走的时间为485.5s,大于正常速度到达的时间367.3s。
3.2.4无线传感网络可定位性分析的算法
2011年TaoChen,ZhengYang,YunhaoLiu等人提出了LAL_Basic和LAL_Heuristic算法对网络可定为性进行分析[29]。
在通信开销最小的情况下,有效的调整网络结构,使整个网络都是可定位的。
图5网络可定为性算法
首先初始化网络配置;
其次,通过网络流算法和卵石博弈算法,计算节点的可定位性,进行可定位性测试;
再次,通过深度优先搜索,将网络分为多个2连通的组件,进行网络结构分析;
再次,利用文章提出的LAL_Basic算法和LAL_Heuristic将网络调整为可定位的网络。
最后利用定位算法对网络中的待定位节点进行定位。
文章的实验环境为,单位正方形面积上,不规则的随机摆放400个节点,有3个锚节点,节点的通信距离从0.06以0.02的增速变至0.98。
实验的数据是通过100个网络实例集成所得。
通过Anderson等提出的普通调整方法IND和本文提出的LAL_Basic算法和LAL_Heuristic算法进行仿真分析,从加入边的数量、边的总数和可定位节点数量三个方面进行评测。
实验数据显示,文章提出的两种算法在添加边的数量上都少于IND算法。
2011年RyoSugihara和RajeshK.Gupta提出了提出一种在多种网络模型下,可准确判定节点的可定位性,以及定位误差上限的semidefiniteprogramming(SDP)算法[30]。
文章首先提出了刚性原理对网络可定位性分析的局限性,其次提出SDP算法对网络的可定位性进行分析,弥补了刚性原理的缺陷,最后利用SDP算法计算待定位节点的位置。
4.总结
文章通过对无线传感器网络定位算法的研究,引出一系列定位算法以及定位误差的优化算法。
从基于应用型的定位算法,固定节点的定位算法,移动目标跟踪定位算法到网络性能分析算法四个方面提出了提高节点定位的方法。
本文就是将室内可能存在的网络信号进行分析,然后利用可利用的信号资源进行融合定位的。
经过分析得知,WSN、Wi-Fi、GPS均为室内外常见网络,且低成本,高精度,适用于室内环境的优势,已成为室内定位的研究热点,同时,三种信号的融合定位算法易扩展到室外。
参考文献
[1]RabacyJJ,AmmerMJ,daSilvaJr.JL,PatelD,RoundyS.Picorodiosupportsadhocultra-lowpowerwirelessnetworking.Computer,2000,33(7):
42-48.
[2]BolengJ,CampT.Adaptivelocationaidedmobileadhocnetworkrouting.In:
ProceedingsoftheIEEEInternationalConferenceonPerformance,Computing,andCommunications,Phoenix,Arizona,USA,2004.423-432
[3]HarterA,HopperA,StegglesP,etal.Theanatomyofacontext-awareapplication.In:
Proceedingsofthe5thAnnualInternationalConferenceonMobileComputingandNetworking.SeattleWashington,USA,1999.59-68
[4]JiYM,BiazS,PandeyS,.ARIANDNE:
Adynamicindoorsignalmapconstructionandlocalizationsystems,ApplicationsandServices[C].NewYork,NJ,USA:
ACM,2006.151-164.
[5]CandesE,RombergJ,TaoT.Robustuncertaintyprinciples:
exactsignalreconstructionfromhighlyincompletefrequencyinformation.IEEETransactionsonInformationTheory,2006,52
(2):
489—509
[6]DonohoDL.Compressedsensing.IEEETransactionsonInformationTheory,2006,52(4):
1289—1306
[7]CandesE.Compressivesampling.In:
ProceedingsofInternationalCongressofMathematicians.Madrid,Spain:
EuropeanMathematicalSocietyPublishingHouse,2006.1433—1452
[8]王福豹,史龙,任丰原,无线传感器网络中的自身定位系统和算法。
软件学报2005年第16卷第5期.
[9]BahlP,PadmanabhanVN.RADAR:
Anin-buildingRF-baseduserlocationandtrackingsystem.In:
Proc.oftheIEEEINFOCOM2000.V01.2,TelAviv:
IEEEComputerandCommunicationsSocieties,2000.775—784.
[10]GoodsteinL.LocationBasedService:
AnalysisofCarrierSpending.Subscribers,DevicesandApplicationsforHandset-basedandTelematicsServices[R].Ne
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 定位 算法 文献 综述
![提示](https://static.bdocx.com/images/bang_tan.gif)