目標(biāo)定位算法研究背景和意義

宮浩鵬 周振雄

伴隨著通信技術(shù)、嵌入式計(jì)算技術(shù)和傳感器技術(shù)的飛速發(fā)展和日益成熟，具有感知能力、計(jì)算能力和通信能力的微型分布傳感器所組成的無(wú)線傳感器網(wǎng)絡(luò)因其潛在的廣泛應(yīng)用引起了人們?cè)絹?lái)越多的注意。美國(guó)的《技術(shù)評(píng)論》雜志在論述未來(lái)新興十大技術(shù)時(shí)，將無(wú)線傳感器網(wǎng)絡(luò)列為第一項(xiàng)未來(lái)新興技術(shù)，《商業(yè)周刊》預(yù)測(cè)的未來(lái)四大新技術(shù)中，無(wú)線傳感器網(wǎng)絡(luò)也列入其中?？梢灶A(yù)計(jì)，無(wú)線傳感器網(wǎng)絡(luò)的發(fā)展和應(yīng)用，將會(huì)給人類的生活和生產(chǎn)的各個(gè)領(lǐng)域帶來(lái)深遠(yuǎn)影響。

利用傳感器網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)目標(biāo)的定位是其重要用途。目標(biāo)的定位有巨大的意義，在探測(cè)敵方目標(biāo)的入侵，運(yùn)動(dòng)方向，以及探測(cè)事件發(fā)生地點(diǎn)方面起著重要作用，為后面的正確決策以及采取相應(yīng)的措施提供了有力保證。用傳感器網(wǎng)絡(luò)來(lái)進(jìn)行目標(biāo)的定位，主要是運(yùn)用網(wǎng)絡(luò)中的節(jié)點(diǎn)搜集到的關(guān)于目標(biāo)的一些信息，并對(duì)信息進(jìn)行一定的處理來(lái)得到目標(biāo)的位置。目標(biāo)定位是傳感器網(wǎng)絡(luò)最基本的功能之一，對(duì)傳感器網(wǎng)絡(luò)應(yīng)用的有效性起著關(guān)鍵的作用。

目標(biāo)定位的應(yīng)用中，目標(biāo)的數(shù)量往往大于1，例如：多目標(biāo)跟蹤、實(shí)時(shí)監(jiān)視多個(gè)目標(biāo)的行動(dòng)路線、預(yù)測(cè)前進(jìn)軌跡等。由此可見在傳感器網(wǎng)絡(luò)中，多目標(biāo)定位對(duì)各種應(yīng)用都有著重要的作用。因此，對(duì)傳感器網(wǎng)絡(luò)的多目標(biāo)定位算法進(jìn)行研究，設(shè)法提出定位快速并且準(zhǔn)確的多目標(biāo)定位算法是非常有必要的。

無(wú)線傳感器網(wǎng)絡(luò)中，傳統(tǒng)的數(shù)據(jù)傳遞方法是各節(jié)點(diǎn)不斷地把采集的原始數(shù)據(jù)傳送給一個(gè)數(shù)據(jù)處理中心。然而，由于數(shù)據(jù)量太大，節(jié)點(diǎn)電源將很快消耗殆盡。目前已有一些針對(duì)如何減少傳送數(shù)據(jù)量的研究，比如本地?cái)?shù)據(jù)壓縮、傳送描述性數(shù)據(jù)代替實(shí)際數(shù)據(jù)和傳送查詢消息等。傳輸查詢消息的方法即網(wǎng)絡(luò)外部的某客戶節(jié)點(diǎn)向網(wǎng)絡(luò)發(fā)送查詢消息，網(wǎng)絡(luò)在完成消息處理后給客戶節(jié)點(diǎn)返回應(yīng)答。通過(guò)精心設(shè)計(jì)消息處理算法，可以取得了很好的效果。傳感器網(wǎng)絡(luò)定位根據(jù)定位過(guò)程中是否測(cè)量實(shí)際節(jié)點(diǎn)之間的距離，可分為基于測(cè)距的定位和免于測(cè)距的定位。下面將列出目前目標(biāo)定位算法的一些成果。

對(duì)免于測(cè)距的定位已經(jīng)有了以下研究：在文獻(xiàn)[1]中，提出了一種數(shù)學(xué)模型，這種數(shù)學(xué)模型確定了傳感器網(wǎng)絡(luò)在檢測(cè)目標(biāo)以及沒有檢測(cè)目標(biāo)的情況下傳感器網(wǎng)絡(luò)的生命期。文獻(xiàn)[2]提出了一種基于追蹤（tracking—based）的目標(biāo)定位算法，該算法基于這樣一個(gè)事實(shí)：當(dāng)目標(biāo)在無(wú)線傳感器網(wǎng)絡(luò)覆蓋的地理區(qū)域中移動(dòng)時(shí)，其運(yùn)動(dòng)軌跡在時(shí)間和空間上都是連續(xù)的。一旦目標(biāo)進(jìn)入該區(qū)域，就已經(jīng)處于某個(gè)傳感器節(jié)點(diǎn)的監(jiān)測(cè)范圍中;當(dāng)目標(biāo)離開某個(gè)節(jié)點(diǎn)檢測(cè)范圍的同時(shí)，立即進(jìn)入到其相鄰節(jié)點(diǎn)的監(jiān)測(cè)范圍中，直到目標(biāo)離開傳感器網(wǎng)絡(luò)所覆蓋的地理區(qū)域。它利用目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行追蹤，首先找到一個(gè)曾經(jīng)監(jiān)測(cè)到目標(biāo)的節(jié)點(diǎn)，然后利用相鄰節(jié)點(diǎn)間的本地消息跟蹤目標(biāo)的運(yùn)動(dòng)軌跡。

對(duì)基于測(cè)距的目標(biāo)定位已經(jīng)有了很多研究。對(duì)于單個(gè)目標(biāo)的定位問(wèn)題，已經(jīng)有大量的研究成果涌現(xiàn)。如利用接收信號(hào)能量采用質(zhì)心方法[3][4]或最大似然函數(shù)對(duì)目標(biāo)進(jìn)行定位[5][6];利用節(jié)點(diǎn)測(cè)得的DOA（Direction Of Arrival）信息采用最大似然估計(jì)對(duì)目標(biāo)進(jìn)行定位[7];利用節(jié)點(diǎn)測(cè)得的TDOA（Time Difference of Arrival）信息對(duì)目標(biāo)進(jìn)行定位[8][9];利用節(jié)點(diǎn)測(cè)得TOA（Time of Arrival）信息對(duì)目標(biāo)進(jìn)行定位[10][11]等。在存在多個(gè)目標(biāo)的情況下，各個(gè)節(jié)點(diǎn)測(cè)得的參數(shù)之間缺少對(duì)應(yīng)關(guān)系，從而需要首先完成參數(shù)配對(duì)，然后才能對(duì)各個(gè)目標(biāo)進(jìn)行定位。近幾年有研究者將傳感器網(wǎng)絡(luò)目標(biāo)定位問(wèn)題構(gòu)建成優(yōu)化問(wèn)題，多數(shù)算法目標(biāo)參數(shù)測(cè)量值關(guān)聯(lián)關(guān)系已知為前提[12][13][14]。但實(shí)際應(yīng)用中，往往由于目標(biāo)的非合作性，各個(gè)節(jié)點(diǎn)不能獲得目標(biāo)參數(shù)測(cè)量值的對(duì)應(yīng)關(guān)系。對(duì)于未知關(guān)聯(lián)關(guān)系的多目標(biāo)定位問(wèn)題，最直接的辦法是對(duì)所有可能的配對(duì)關(guān)系進(jìn)行計(jì)算，比較得出最合理的一種組合作為估計(jì)結(jié)果。但是窮舉法的運(yùn)算量隨著節(jié)點(diǎn)數(shù)目和目標(biāo)數(shù)目的增加呈指數(shù)增長(zhǎng)的趨勢(shì)，例如，N個(gè)節(jié)點(diǎn)獲得K個(gè)目標(biāo)的參數(shù)，可能的參數(shù)配對(duì)關(guān)系有KN種。因此，窮舉法的運(yùn)算量限制了其在工程實(shí)際中的應(yīng)用。

參考文獻(xiàn)

[1]M. Bhardwaj， T.Garnett and A.P.Chandrakasan，”bounding the lifetime of sensor networks? via? optimal? Role? assignments”，? Proc.IEEE infocom， Vol.3， pp.1380-1387，2001.

[2]T.Rappaport，? Wireless? Communications：? Principles? &? Practice， New Jersey ： Prentice-Hall，Inc，1996.

[3]Wang Biao， Li Yu， Huang Haining， and Zhang Chunhua.Target Localization in Underwater Acoustic Sensor Networks. IEEE Proceedings of Congress on Image and Signal Processing.2008：68-72.

[4]Y.SH. Yan， H.Y.Wang， X.H. Shen. Efficient Convex Optimization Method for Underwater Passive Source Localization Based on RSS with WSN，IEEE Proceedings of ICSPCC，2012，171-174.

[5]K.M.Kaplan， Q.Le， and P.Molnar.Maximum likelihood methods for bearing-only target localization. Proc. of IEEE ICASSP， 2001， 5： 3001-3004.

[6]郝林喆. 基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)定位技術(shù)研究. 鄭州：解放軍信息工程大學(xué)， 2013：21-40.

[7]何川. 海上無(wú)線傳感器網(wǎng)絡(luò)中一種改進(jìn)的定位算法. 艦船科學(xué)技術(shù)，2016，38（4A）：124-126.

[8]E. Xu， Z. Ding， and S. Dasgupta. Source localization in wireless sensor networks from signal time-of-arrival measurements. IEEE Trans. Signal Processing， 2011，59（6）：2887–2897 .

[9]吳森峰，畢坤. 基于TOA的無(wú)線傳感器網(wǎng)絡(luò)源定位算法研究，激光雜志，2016，37（1）：78-81

[10]Yan Ma， Yu Hen Hu. ML Source Localization Theory in an Underwater Wireless Sensor Array Network. Proceedings of? WiCOM ， 2009，9（5）：1-4.

[11]Yan Ma， Leilei Jin. Sensitivity Analysis of DOA Error on Least Square based Source Localization in UWSAN. Proceedings of 7th International Congress on Image and Signal Processing，2014，979-983.

[12]Xiaohong Sheng and Yu-Hen Hu. Maximum Likelihood Multiple-Source Localization Using Acoustic Energy Measurements with Wireless Sensor Networks. IEEE Trans. on Signal Processing，2005， 53（1）：44-53.

[13]Wei Meng， Wendong Xiao， and Lihua Xie. An Efficient EM Algorithm for Energy-Based Multisource Localization in Wireless Sensor Networks. IEEE Trans. on Instrumentation and Measurement， 2011，60（3）：1017-1027.

[14]Hong Shen， Zhi Ding， Soura Dasgupta and Chunming Zhao. Multiple source localization in wireless sensor networks based on time of arrival measurement. IEEE trans. on signal processing， 2014， 62（8）：1938-1949.