無線傳感網(wǎng)中低功耗的多聲源定位與跟蹤

馮玉武　胡國華　洪蕾

【摘? ?要】? ?針對傳統(tǒng)的無線傳感網(wǎng)中多聲源定位與跟蹤功耗高、定位精度低以及適應(yīng)環(huán)境能力弱等問題，提出了基于完全分布式結(jié)構(gòu)的低功耗魯棒性多聲源定位方法。首先構(gòu)造完全分布式結(jié)構(gòu)的無線傳感器網(wǎng)絡(luò)，然后建立含混合噪聲的聲源信號模型。在此基礎(chǔ)上采用EM算法的E步完成傳感器檢測信號總能量的分解，針對每個節(jié)點利用M估計完成聲源位置的估計;利用魯棒性均值一致性算法對每個節(jié)點所得的估計值進行融合以得聲源位置的全局估計值，進一步提高定位精度;最后利用仿真實驗驗證了算法的有效性。

【關(guān)鍵詞】? ?無線傳感網(wǎng);多聲源;定位與跟蹤;低功耗

Low Power Multi-source Localization and Tracking

in Wireless Sensor Networks

Feng Yuwu， Hu Guohua， Hong Lei

（ Hefei University， Hefei 230601， China）

【Abstract】? ? Aiming at the problems of high power consumption， low positioning accuracy and weak ability to adapt to the environment in traditional wireless sensor networks， a robust multi-source localization method with low power consumption based on fully distributed structure is proposed in this paper. Firstly， a completely distributed wireless sensor network is constructed. Then， a sound source signal model with mixed noise is established. On this basis， E step of EM algorithm is used to complete the decomposition of the total energy of the sensor detection signal， and M estimation is used to complete the estimation of the sound source position for each node and the robust mean consistency algorithm is used to fuse the estimated value of each node to obtain the global estimate value of the sound source location， which further improves the positioning accuracy. Finally， a large number of simulation experiments verify the effectiveness of the proposed algorithm.

【Key words】? ? ?wireless sensor network; multi sound source; location and tracking; low power consumption

〔中圖分類號〕? TN913.2? ? ? ? ? ? ? ?〔文獻標識碼〕? A ? ? ? ? ? ? ?〔文章編號〕 1674 - 3229（2022）02- 0040 - 05

0? ? ?引言

無線傳感網(wǎng)中的聲源定位方法根據(jù)傳感器節(jié)點采集的物理量可分為三類：基于DOA、TDOA與 RSS的聲源定位算法。基于DOA的聲源定位算法中，硬件的要求相對較嚴格，計算的復(fù)雜度也較高;基于TDOA的聲源定位算法中，對時鐘的同步要求比較高，而精準的時鐘同步在無線傳感網(wǎng)中又很難實現(xiàn)。對于能量受限的無線傳感網(wǎng)來說，定位精度高、能量消耗少的基于RSS的聲源定位算法是比較適合的[1]。在基于RSS的定位方法中，極大似然估計算法由于其定位精度高，既適合單聲源定位又適合多聲源定位，應(yīng)用較為廣泛。在極大似然估計方法中，對所建立的似然方程進行優(yōu)化求解是整個定位算法實現(xiàn)的關(guān)鍵，它所面臨的主要問題是優(yōu)化精度與計算量之間的矛盾，研究人員一直致力于極大似然函數(shù)的優(yōu)化函數(shù)的研究。SHENG[2]等人提出引用EM算法來減少MLE定位算法的計算量。EM算法對初始狀態(tài)非常敏感，不能保證在任何初始狀態(tài)下都能得到全局最優(yōu)解。為了減少能量的消耗，近年來基于分布式結(jié)構(gòu)的聲源定位算法相繼被一些研究學(xué)者提出來，如分布式次梯度遞增算法[3]、分布式EM算法[4]和分布式粒子濾波器算法[5]等。然而這些算法仍然存在一些問題，比如局限于單聲源定位，或者容易陷入局部最優(yōu)解的情況、計算量大等等。同時在這些定位算法中，通常假設(shè)環(huán)境噪聲為高斯白噪聲，然而在實際應(yīng)用環(huán)境中如停車場、野外惡劣環(huán)境中，受外在環(huán)境因素和人為因素等的影響，高斯噪聲模型不能再適應(yīng)實際工作中的定位需求[6]。針對上述存在的不足，本文研究一種基于完全分布式結(jié)構(gòu)的無線傳感網(wǎng)中低功耗的多聲源定位方法，在保證定位精度的同時盡量減少能量的消耗。0903A774-C8CA-488F-964C-45596FCBF1E3

1? ? ?無線傳感器網(wǎng)絡(luò)架構(gòu)模型

2? ? ?構(gòu)建含混合噪聲的聲源信號模型

3? ? ?基于完全分布式結(jié)構(gòu)的聲源定位算法

4? ? ?仿真實驗

4.1? ?靜態(tài)多聲源定位

在一個100m×100m的二維監(jiān)測區(qū)域內(nèi)，假設(shè)在任意位置有多個聲源發(fā)出聲音信號，在單位距離1m處的能量強度均設(shè)為500pJ/m²，在這一監(jiān)測區(qū)域內(nèi)隨機布設(shè)N個傳感器節(jié)點，每一傳感器節(jié)點的增益相同為g_n=1，同時假設(shè)在每個傳感器節(jié)點處檢測的噪聲均為混合噪聲，高斯噪聲部分均值為10，方差為3，非高斯噪聲部分假設(shè)在區(qū)間[0，65535]為均勻分布的噪聲。在單位窗時間內(nèi)采樣點數(shù)為1000。同時假設(shè)每個節(jié)點的單跳范圍距離為20m。

本文所提出的基于完全分布式結(jié)構(gòu)的定位算法針對多聲源的定位情況圖3及圖4所示，監(jiān)測區(qū)域內(nèi)布設(shè)60個傳感器節(jié)點。其中圖3為4個聲源的情況，圖4為5個聲源的情況。從圖3、圖4中可以看出，利用本文所提出的在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上的定位算法估計出的聲源位置非常接近聲源的實際位置，即便是在聲源個數(shù)達到5個的情況下，定位的情況也是比較理想的，因此仿真實驗驗證了在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上，本文所提算法具有較高的定位精度。

均方根誤差（RMSE）是衡量定位精度高低的重要指標之一，本文也采用RMSE來對比不同算法的定位精度的高低。為了有效地比較完全分布式網(wǎng)絡(luò)結(jié)構(gòu)和集中式網(wǎng)絡(luò)結(jié)構(gòu)下定位算法的定位精度，在求解M估計問題時均采用迭代加權(quán)最小二乘法。圖5（4個聲源）和圖6（5個聲源）為不同網(wǎng)絡(luò)結(jié)構(gòu)下，兩種算法的位置估計的均方根誤差與傳感器節(jié)點數(shù)量的關(guān)系圖。從圖5和圖6中可以看出，隨著傳感器節(jié)點個數(shù)的增加，在完全分布式結(jié)構(gòu)的基礎(chǔ)上，本文所提算法的均方根誤差逐漸減小，并逐漸趨近于基于集中式結(jié)構(gòu)下的該算法。然而在基于完全分布式結(jié)構(gòu)算法中，避免了大量數(shù)據(jù)的遠距離無線傳輸，節(jié)省了大量能量。

4.2? ?能量消耗分析

在此次實驗中假設(shè)傳感器節(jié)點的數(shù)量為60，根據(jù)公式（1）所描述，閾值設(shè)為d₀=20m，傳輸?shù)臄?shù)據(jù)包為10bit，匯聚節(jié)點設(shè)置在監(jiān)測區(qū)域的邊上（110，110）處。由公式（1）可知，大量的遠距離數(shù)據(jù)傳輸需要消耗更多的能量，尤其是當兩個傳感器節(jié)點間的距離大于閾值的情況下，而在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下，傳感器節(jié)點的數(shù)據(jù)僅在單跳范圍距離內(nèi)進行數(shù)據(jù)傳輸，大大地減少了能量消耗。對此做了實驗仿真，得出數(shù)據(jù)如下表1和表2所示，其中表1是4個聲源的情況，表2是5個聲源的情況。

從表1和表2中可以看出，與集中式結(jié)構(gòu)相比，完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法節(jié)省了大量能量，同時結(jié)合圖5和圖6可得，完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法在保證定位精度的同時可以有效節(jié)省大量能量，因此對于能量有限的無線傳感器網(wǎng)絡(luò)來說，完全分布式結(jié)構(gòu)是合理的。

4.3? ?動態(tài)聲源跟蹤

第二種仿真場景考慮的是兩個動態(tài)聲源正在不停移動的情況，在5.2分鐘時間內(nèi)，兩個動態(tài)聲源在監(jiān)測區(qū)域內(nèi)分別留下了兩個圓形的軌跡，仿真實驗中布設(shè)的傳感器節(jié)點個數(shù)為80個。在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下完成的定位結(jié)構(gòu)如圖7所示，從圖中可以看出，利用本文所提算法的定位軌跡非常接近于聲源的實際運動軌跡。由此可以看出，在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下，本文所利用算法都可以較好地完成位置估計。

動態(tài)聲源跟蹤的定位均方根誤差如圖8所示，從圖中可以看出，完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法的均方根誤差非常接近集中式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法，但是完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法卻節(jié)省了較多的能量，因此對于多聲源定位和跟蹤的問題，完全分布式結(jié)構(gòu)下的定位算法都是比較合適的。

5? ? ?結(jié)論

針對無線傳感網(wǎng)中多聲源定位與跟蹤的問題，本文研究了在完全分布式網(wǎng)絡(luò)結(jié)構(gòu)下的定位算法。此算法可以在得到較高定位精度基礎(chǔ)上，有效地減少大量數(shù)據(jù)的遠距離無線傳輸，大大減少能量消耗，對于能量受限的無線傳感器網(wǎng)絡(luò)來說，此種方法是比較合適的。此算法利用了EM算法和M估計算法的有效結(jié)合，采用了完全分布式網(wǎng)絡(luò)結(jié)構(gòu)模型。同時與傳統(tǒng)聲源定位算法相比，本文采用了完全分布式網(wǎng)絡(luò)結(jié)構(gòu)以及混合高斯噪聲模型，減少了能量消耗，提高了定位精度，同時能夠滿足復(fù)雜環(huán)境多聲源定位的需求。

[參考文獻]

[1] JAVADI S， MOOSAEI H， CIIUNZO D.Learning Wireless Sensor Networks for Source Localization[J]. IEEE Transactions on Sensors， 2019，19（3）： 635-646.

[2] SHENG X， Hu Y.Maximum likelihood multiple source localization using acoustic energy measurements with wireless sensor networks[J].IEEE Transactions on Signal Processing，2019， 3（1）： 44-53.

[3? MENG W， XIAO W. Distributed energy-based multi-source localization in wireless sensor network[C]. IEEE International Conference on Systems， Man and Cybemetric， 2018： 2950-2954.0903A774-C8CA-488F-964C-45596FCBF1E3

[4] RABBAT M， NOWARK R.Decentralized source localization and tracking[C]. IEEE International Conference on Acoustics， Speech and Signal Processing，? 2004： 921-924.

[5] SHENG X， HU Y， RAMANATHAN P. Distributed particle filter with GMM approximation for multiple targets localization and tracking in wireless sensor network[C]. IEEE International Conference on Information Processing in Sensor Networks，2005： 181-188 .

[6] LIU Y， HU Y H， PAN Q.Distributed robust acoustic source localization in a wireless sensor network[J]. IEEE Transactions on Signal Processing，2012， 60（8）：4350-4359.

[7] HEINZELMAN W， CHANDRAASAN A， BALAKRISHNAN H. An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Transactions on wireless communications， 2012， 4（1）： 660-670.

[8] MENG W， XIAO W， XIE L. An Efficient EM Algorithm for Energy-Based Multisource Localization in Wireless Sensor Networks[J]. IEEE Transactions on Instrumentation and Measurement， 2011， 3（60）： 1017-1027.

[9] CHENA J， HUDONS R， YAO K.Maximum likelihood source localization and unknown sensor location estimation for wideband signals in the near-field[J]. IEEE Transactions on Signal Processing，2012 ，4（6）： 1843-1850.

[10]? YI J， AAIMI M. A robust source localization algorithm applied to acoustic sensor network[C]. IEEE International Conference on Acoustic， Speech， Signal Process， 2014： 1233-1236.0903A774-C8CA-488F-964C-45596FCBF1E3