专利名称：一种基于wsn改进粒子滤波的运动目标定位方法
一种基于WSN改进粒子滤波的运动目标定位方法技术领域
本发明属于无线传感器技术领域，它特别涉及无线传感器网络(简称:WSN)改进粒子滤波的运动目标定位方法。
背景技术：
基于WSN的运动目标定位在军事和民用领域有着广泛的应用，已成为一个迅速发展的热点领域。无线传感器网络是由大量低功耗、多功能无线传感器协同工作进行数据采集和处理的，而目标定位正是利用传感器节点接收到的信息来确定目标所在位置。目前在许多领域里，都需要利用WSN对监测区域中的运动目标进行定位。比如抢险救灾中，灾区中布置的传感器网能够追踪医护人员的位置；战争中军队可以在阵地上布置传感器网，用于确定士兵、车辆等的位置；在禁入地区可以用来监测和追踪闯入者。由于传感器节点资源受限的特点，在解决实际定位问题时，需要节省有限的能源和网络带宽。另外，当目标所在区域的传播路径损耗未知时，对衰减强度的估计也是需要解决的问题。
现有的WSN目标定位技术虽然在定位精度和低成本方面有很明显的优势但其无线通信的带宽和生命周期十分有限，如何以较低的能量代价高效的融合有效的信息，增大定位精度的同时延长生命周期，成为目前研究无线传感器网络目标定位的热点。
现有技术大多建立在传感器与目标间信号衰减模型确定的情况下，以目标在固定传播空间中传播的情况作为处理对象，对不同传播空间内的传播路径损耗带来的影响考虑不够充分，对不同环境下目标信号衰减强度未知的情况难以适应。发明内容
本发明的目的不仅在于克服现有无线通信带宽对网络通信的限制，而且提供了一种不同环境中信号衰减强度未知情况下的运动目标定位方法。该方法充分考虑了 WSN系统的特点，对每个传感器节点接收数据进行量化处理，并提出一种改进的粒子滤波方法，不仅克服了 WSN带宽有限的影响，而且能在目标位置随机分布并且传输过程中能量衰减强度未知的情况下，实现目标位置与能量衰减强度的同步估计，因此该方法可高效精确的实现运动目标定位。包括以下步骤:
步骤一、运动目标衰减模型的建立
目标信号强度在自由空间内的传播路径损耗为:
Lp=IOlog10· (Pt/Pr) 式(I)
其中Pt是目标发射功率，已是传感器接收功率。当目标在不同的传播空间中传播时其对应的损耗Lp分别为: J + 51og10(J,.) 城市地区
Lp(dB) = < ! + Blog10(Cii)-C 近郊地区式(2)A + ^log10(Cf1) — D 开阔地区
其中式=+(V1-Jf)2为目标与第i个传感器之间的距离，A和B为固定常数，C和D为不同传播环境对信号衰减强度的影响因子。
假设传播环境的改变对信号衰减强度的影响由M表示，则M可取值的范围为0，C，D中任意量。式(2)可简化为:
Lp=A+Blog10 (Cii) -M式(3)
结合式(I)和式(3)进一步求得接收端信号能量为:
a) =Pr = PtAQ^1式⑷
其中ai为接收端信号幅度，值得注意的是在实际情况下传感器接收到的信号中还含有噪声成分&，若假设为服从N(0，O2)分布的高斯白噪声，则第i个传感器接收到总的信号A为:
r^aj+Wj 式(5)
步骤二、传感器对接收信号量化处理
首先在一个方形区域内均匀部署N个传感器，每个传感器所在位置(Xi，yi)均已知；在每一个采样时刻，所有传感器收集的目标信号数据作为一个数据帧。两帧之间的时间间隔足够短，可假设目标在T个数据帧内是静止的，即若第j帧、第i个传感器测量到的信号强度定义为au，则整个T帧内％=%(1=1，...，!0是一个固定值。接着每个传感器将接收到的数据进行K比特量化变为离散信号D= (D1:1=l,…，N}，则离散信号Di的取值范围为[OjH]。设第i个传感器的一组量化门限为1=[1。，nn，....，nj，其中L=2K, ni0=- 00，Hil= °°，则第i个传感器的量化结果可由式(6)表示: O - X < r < I] 1
Di =< I式(6) L-1 nn.； < /； < 50
每个传感器在对接收信号进行量化处理后，将量化后的离散量发送到融合中心进行目标的定位估计。
步骤三、改进粒子滤波处理的运动目标定位
在目标衰减模型下，首先充分利用信号衰减强度M这一静态参数的特性，直接采用递归的最大似然(ML)方法对信号衰减强度进行估计，再结合粒子滤波实现目标位置这一动态参数的估计。假设融合中心在t时刻接收到N个传感器的量化结果为矢量Dt，为获得信号衰减强度M的最大似然估计，其`代价函数为:
f (M) =p (Dt I Dt_” M) = / / P (Dt | xt； t, yt； t, M) p (xt； t, yt； 11 D0lt^1, M) dxt； tdyt； t 式(7)
假设t-1时刻衰减强度Mh的代价函数一阶导为兔/ 1:A/, i I ,可得:
Mt= Mt_x+JtVf(M^1) 式(8)
其中Yt为步长逐渐减小的序列。假设在t_l时刻目标位置的粒子样本为 ，对应的加权系数为，进一步可得Mt_i的代价函数
/(U = P(J)1 I Dtt,—,) =I式(9)m=\
其中g，％为通过t_I时刻的条件概率估计出的t时刻的粒子，Kt正比于p(xu I ，M1-1)，fu正比于p(yt.t 1.h，)。完成静态参数粒子M的更新，关键在于求解代价函数的一阶导。进一步引入随机扰动矢量Ar，获得扰动影响后的参数粒子
权利要求
1.一种基于WSN改进粒子滤波的运动目标定位方法，其特征在于具体步骤如下: 步骤一、运动目标衰减模型的建立 运动目标位于不同环境下对应信号的传输衰减强度各异，传感器接收到的信号强度不仅与目标和传感器间的距离有关系，也与目标在不同环境下信号传输衰减有关；为分析不同环境下的衰减情况，分别建立起不同传播空间中传播损耗的计算模型，针对城市，近郊和开阔地获得相应的信号衰减强度； 步骤二、传感器对接收信号量化处理 构建一个含有N个传感器的WSN系统，其传感器均匀分布于一个方形区域中，每个传感器所在位置均已知；在每一个采样时刻，所有传感器收集的目标信号数据作为一个数据帧，两帧之间的时间间隔足够短，目标在相应间隔的数据帧内近似为静止，使得每个传感器在采样间隔内接收到的信号强度为固定值；为减小无线传感器网络带宽有限在网络通信中的影响，对每个传感器接收到的目标信号进行量化处理，将模拟信号转化为离散信号，并由无线信道发送到融合中心进行目标位置的估计； 步骤三、改进粒子滤波处理的运动目标定位 融合中心在接收到来自所有传感器发送的量化结果后，对接收信号进行改进粒子滤波处理以实现对运动目标位置以及目标与传感器间传输过程中的信号衰减强度的估计；当目标处于未知环境中时，传感器接收到的信号幅度不仅包含目标位置这一动态参数，还包含传输过程中信号衰减强度这一静态参数，为同时实现多参数的估计，改进粒子滤波处理充分利用静态参数的静态特性，采用递归的最大似然(ML)方法对信号衰减强度进行估计，再结合粒子滤波实现目标位置这一动态参数的估计；融合中心在某时刻接收到N个传感器的量化结果后，通过求解该时刻信号衰减强度的代价函数一阶导，再结合前一时刻的粒子样本对当前时刻粒子进行更新；随着粒子样本的不断更新，在噪声服从高斯白噪声分布的情况下可求解出传感器量化结果的条件概率后，结合前一时刻的加权系数与量化结果的条件概率进一步更新当前时刻对应的加权系数，并经过归一化处理后得到新的加权系数，再利用加权系数对所有粒子样本进行加权求和即可完成未知参数的估计，实现目标定位与信号衰减强度的同 步估计。
全文摘要
本发明提供了一种基于无线传感器网络(WSN)改进粒子滤波的运动目标定位方法，属于运动目标定位的技术领域。它首先将传感器接收到的信号幅度进行量化处理后传到融合中心，在目标位置随机分布且目标与传感器间传输过程中能量衰减强度未知的情况下，融合中心再将多个传感器传输的信息进行改进的粒子滤波处理，实现目标位置与能量衰减强度的同步估计。能够克服WSN有限带宽对估计性能的影响，避免了传感器节点到融合中心传输中的能量损耗，对目标衰减强度未知的情况下可高效的实现目标定位，可用于未知环境下WSN的目标定位。
文档编号H04W84/18GK103237348SQ20131017253
公开日2013年8月7日 申请日期2013年5月10日 优先权日2013年5月10日
发明者刘书君, 张新征, 刘颖 申请人:重庆大学