一种多移动模式无线节点距离的动态估计方法与流程

本发明属于无线传感器网络
技术领域：
，具体为一种多移动模式无线节点的动态距离估计方法。
背景技术：
：在静态距离估计中，影响估计结果的因素多在于采集设备信号的灵敏度及其计算环节处理的准确度。但在动态距离估计中，除上述影响外，移动节点的位置不断改变，移动测量和周围环境变动也会使得RSSI测量数据呈现动态变化，导致RSSI数据具有更多的不确定性，使得不同模式速度下的距离估计更加困难。为克服RSSI数据的不确定性，通常采用聚类的方法处理数据。一般通过簇中心来表示RSSI数据分布特征，用聚类的方法进行距离估计。但该方法仅能解决静态场景问题，没考虑在动态情况下，节点移动对RSSI数据流的干扰，影响了距离估计的精度。采用简单滑动窗口模式匹配的方法进行RSSI-D估计，可以克服动态RSSI数据流估计困难的同时，提升RSSI-D估计的准确度。但该方法又过于强调对匀速移动单一模式的适应性，而在现实应用中，节点保持绝对的匀速移动并不常见，对于匀变速以及变加速移动的节点，该方法不能保证动态RSSI-D估计的准确度。因此，为包容节点移动中RSSI数据流和节点速度的不确定性，以及RSSI数据的动态性，需要一种多移动模式下，对无线节点的动态距离估计方法。技术实现要素：本发明的目的是为了克服节点移动中呈现的RSSI数据流和节点速度的不确定性，以及RSSI数据的动态性影响了距离估计的精度这些问题，提供一种多移动模式无线节点距离的动态估计方法。按照本发明提供的技术方案，所述的多移动模式无线节点距离的动态估计方法包括以下步骤：步骤1.在动态估计之前，锚节点事先测量位于不同距离点的无线节点发来的信号强度RSSI，确定信号强度与距离的映射关系RSSI-D；对RSSI数据聚类，形成簇中心集合CCS，可建立基于测量点距离D和簇中心CCS的映射关系曲线CCDC；步骤2.根据节点移动初始速度V0和加速度a，确定距离与时间的映射关系，进一步确定信号强度与时间的映射关系RSSI-T，同时更新得到基于时间轴的簇中心映射曲线CCTC；步骤3.在动态估计中，随着无线节点的移动，锚节点以固定时间间隔Δt实时测量无线节点发送过来的RSSI数据流，在当前时刻tk＝t0+kΔt，k≥0，t0表示初始时刻，移动节点与锚节点的距离，通过对所测量得到的数据窗口，在CCTC上通过滑动窗口匹配进行确定；其中，当前测量数据进行匹配前，需进行测量间隔对等处理；对无线节点在以匀速、匀变速和变加速模式直线移动时的动态距离估计方法分别为：步骤3-1.当无线节点匀速运动时，V0≠0，a＝0，对测量得到的数据窗口通过一次线性变换进行间隔对等处理，变换后形成的滑动窗口就可以一直在CCTC上进行时间对等的滑动匹配，直至满足滑动匹配的标准，以此估计出无线节点和锚节点之间的距离；步骤3-2.当无线节点以匀变速运动时，V0≠0，a为非0常数，数据窗口遍历CCTC上所有可能的参考窗口进行滑动匹配；测量提取的数据窗口每次与参考窗口进行匹配前，均进行一次间隔对等处理，此时形成滑动窗口进行滑动匹配；最后，基于滑动匹配的标准，估计出移动节点和锚节点之间的距离；步骤3-3.当无线节点以变加速运动时，V0≠0，a→0，需要根据CCTC对应的时间间隔的变化，决定是否对提取的数据窗口通过多次线性处理进行间隔对等处理：若CCTC对应的时间间隔呈非线性变化，则按照步骤3-2的方法处理；若CCTC对应的时间间隔为等间距，则按照步骤3-1的方法处理。具体的，所述映射关系曲线CCDC的形成过程为：以锚节点为起始点的直线上建立N个等间距测量位置点，并以测量点距离D＝{d1，d2，...，dN}进行标示；节点位于每一个测量点时，锚节点记录m次节点发送过来的RSSI值；锚节点完成对N个测量点的RSSI信号采样后，形成样本数据集A：A＝{(d1，RSSI1，)，…，(di，RSSIi，)，…，(dN，RSSIN，)}，其中RSSIi，＝{RSSIi，1，RSSIi，2，，…，RSSIi，m}；设定每个测量点di处对应的RSSI测量数据服从高斯分布特征，计算RSSI信号样本的均值μi和标准差σi，形成RSSI样本数据的簇中心集合CCS＝{μ1，μ2，...，μN}，根据集合CCS和测量点集合D＝{d1，d2，...，dN}，可建立基于测量点距离D和簇中心CCS的映射关系曲线CCDC：CCS→f(D)。具体的，所述簇中心映射曲线CCTC的形成过程为：首先基于匀变速公式解得移动节点在每个测量点D＝{d1，d2，...，dN}处，以当前速率移动时的对应的时间测量点T＝{T1，T2，...，TN}，从而确定距离D与时间T的映射：D→T，基于先验映射CCDC：CCS→f(D)，更新得到基于时间轴的簇中心映射曲线CCTC：CCS→f(T)。所述数据窗口是指：锚节点以当前tk时刻及其之前w-1个时刻所记录的RSSI值，可以形成一个宽度为w的数据窗口Sk＝{sk-w+1，sk-w+2，...，sk}。所述滑动窗口Sk′为数据窗口Sk＝{sk-w+1，sk-w+2，...，sk}经测量间隔对等处理得出，所述测量间隔对等处理具体为：在簇中心映射曲线CCTC上，定义宽度同为w的参考窗口CCSi＝{μi-w+1，μi-w+2…μi}，基于CCS→f(T)关系可确定参考窗口中数据对应的时间序列{Ti-w+1，Ti-w+2，…，Ti}；以窗口Sk中的末端值sk为不变点，利用公式(I)对数据窗口Sk中的数据依次进行线性迭代变换，得到变换后的数据窗口称为滑动窗口SK′＝{sk-w+1′，sk-w+2′，...，sk}；sk-1′-sksk-1-sk=Ti-Ti-1Δt...sk-w+1′-sk-w+2′sk-w+1-sk-w+2=Ti-w+2-Ti-w+1Δt---(I)]]>其中，k≥w，Δt≠Ti-Ti-1，w≤i≤N。具体的，所述通过滑动窗口匹配的过程为：在由RSSI-T关系确定的簇中心映射曲线CCTC上，滑动窗口Sk′中的每个数据逐个与宽度同为w的参考窗口CCSi＝{μi-w+1，μi-w+2…μi}进行数据比较，计算两个窗口对应位置上数据之间的差异和M，其中M＝|sk-w+1′-μi-w+1|+…+|sk-μi|，w≤i≤N；参考窗口满足滑动匹配的标准为：与滑动窗口具有最小的差异和，即满足式(II)的参考窗口CCSi；MinM=|sk-w+1′-μi-w+1|+...+|sk-μi|S.T.1≤w≤N,w≤k---(II)]]>基于CCS→f(D)与滑动窗口末端值sk不变的原则，该参考窗口CCSi的末端值μi所对应的di，即为第tk时刻移动节点与锚节点的估计距离本发明的优点是：将经典的RSSI-D的估计过程，由点对点的匹配模式，延伸为多点对多点的窗口匹配模式，对数据窗口间隔对等处理，形成时间差比可变的弹性滑动窗口，通过提高模式匹配的多样化，克服了移动节点速度不确定性问题，保证了动态距离估计精度。附图说明图1是动态距离估计示意图。图2是无线节点以多种模式移动时，数据滑动匹配示意图。其中图2(a)是匀速运动时，图2(b)是匀变速运动时，图2(c)是变加速运动时。具体实施方式下面结合附图和实施例对本发明做进一步详述。实例中采用的无线节点与锚节点均以CC2530模块为核心；利用上位机实时监测锚节点收集的无线节点的RSSI数据。后文不引起歧义的情况下，无线节点简称为节点。本发明包括离线映射与在线匹配估计两个环节。离线映射中，给定锚节点且其位置固定，基于与锚节点距离差异，设定多个测量位置点。节点在每个测量点时，锚节点多次记录节点发送过来的RSSI信息。通过统计分析得到RSSI值与各个测量点距离的对应特征，建立RSSI值与测量点距离D的映射关系。在线匹配估计中，节点以初始速度V0和加速度a远离锚节点移动，并不断向锚节点发送RSSI信息，锚节点每隔Δt记录一次RSSI信息，形成RSSI值数据流。基于移动节点初始速度V0和加速度a，可将RSSI值与测量点距离D的映射关系等价为RSSI值与时间T的映射关系；在锚节点记录形成的RSSI值数据流中，提取出RSSI数据窗口，对数据窗口间隔对等处理，形成易与RSSI值和时间T映射匹配的滑动窗口，从而进行距离估计。如图1所示，具体实施流程如下：先离线建立RSSI与测量点距离D的映射曲线关系CCDC和根据移动节点初始速度V0和加速度a，建立的信号强度RSSI与时间T的映射曲线关系CCTC。步骤1：RSSI采样：在给定区域I2中放置一个已知锚节点Anch。在以锚节点为起始点的直线上建立若干个测量位置点，每个测量位置点之间的距离相等。对于不同的测量位置点，设以测量点与锚节点间的距离di，i＝1，2…，N进行区分标示。节点位于每一个测量点时，锚节点记录m次节点发送过来的RSSI值。在完成N个测量点的采样后，形成样本数据集A：A＝{(d1，RSSI1)，…，(di，RSSIi)，…，(dN，RSSIN)}，其中1≤i≤N。步骤2：离线映射：为每个测量点di处的样本数据建立一个簇Ci＝{di，(RSSIi，1，RSSIi，2，…RSSIi，m)}，以反映通信距离与RSSI值之间的关系，并设均值μi为簇Ci的簇中心(简称簇心)，建立RSSI样本数据的簇中心集合(ClusterCenterSample，CCS)，可表示为：CCS＝{μ1，μ2，...，μN}。接着，根据集合CCS和测量点集合D＝{d1，d2，...，dN}，可建立基于距离D和簇中心CCS的映射关系曲线(ClusterCenterDistanceCurve，CCDC)：CCS→f(D)。步骤3：在线等价映射：基于匀变速公式可解得移动节点在每个测量点D＝{d1，d2，...，dN}处的当前速率的时间测量点T＝{T1，T2，...，TN}，从而确定距离D与时间T的映射：D→T，基于离线过程中的先验映射CCDC：CCS→f(D)，更新得到基于时间轴的簇中心映射曲线CCTC(ClusterCenterTimeCurve)：CCS→f(T)。步骤4：窗口提取与线性变换：在tk＝t0+kΔt，k≥0时刻，锚节点Anch提取当前tk时刻及其之前w-1个时刻所记录的RSSI值，形成一个宽度为w的数据窗口Sk＝{sk-w+1，sk-w+2，…，sk}。但由于存在Δt≠Ti-Ti-1，w≤i≤N，其中Δt为数据窗口Sk对应的时间间隔，Ti-Ti-1为CCTC曲线对应的时间间隔，Sk无法在CCTC曲线上进行时间对等的滑动匹配，因此需要对数据窗口通过线性变化对间隔对等处理。以窗口Sk中的末端值sk为不变点，基于时间间隔比Ti-Ti-1/Δt，对Sk中的数值依次进行线性迭代变换，得到变换后的数据窗口(称为滑动窗口)Sk′{sk-w+1′，sk-w+2′，...，sk}。线性迭代公式如式(I)所示。sk-1′-sksk-1-sk=Ti-Ti-1Δt...sk-w+1′-sk-w+2′sk-w+1-sk-w+2=Ti-w+2-Ti-w+1Δt---(I)]]>步骤5：滑动匹配：所谓滑动匹配就是在簇中心曲线CCTC上，搜索一个宽度同为w的参考窗口CCSi＝{μi-w+1，μi-w+2…μi}，w≤i≤N，使得滑动窗口Sk′中的每个元素与其具有最小的差异和，即满足式(II)。此时得到的CCSi为与滑动窗口最匹配的参考窗口。基于CCS→f(T)与滑动窗口末端值sk不变的原则，该参考窗口CCSi的末端值μi所对应的di，即为第tk时刻移动节点与锚节点的估计距离MinM=|sk-w+1′-μi-w+1|+...+|sk-μi|S.T.1≤w≤N,w≤k---(II)]]>如图2(a)所示，当移动节点匀速运动(V0≠0，a＝0)时，基于式(I)对测量得到的数据窗口通过一次线性变换进行间隔对等处理，变换后形成的滑动窗口就可以一直在CCTC上进行时间对等的滑动匹配，在匹配所有的参考窗口后，寻找满足式(II)的参考窗口CCSi，进而估计出移动节点和锚节点之间的距离。如图2(b)所示，当移动节点以匀变速运动(V0≠0，a≠0且为常数)时，数据窗口遍历CCTC上所有可能的参考窗口进行滑动匹配。测量提取的数据窗口每次与参考窗口进行匹配前，均基于式(I)通过线性变化进行一次间隔对等处理，此时形成滑动窗口进行滑动匹配。最后，在匹配所有的参考窗口后，寻找满足式(II)的参考窗口CCSi，进而估计出移动节点和锚节点之间的距离。如图2(c)所示，当移动节点以变加速运动(V0≠0，a→0)时，需要根据CCTC对应的时间间隔的变化，决定是否对提取的数据窗口通过多次线性处理进行间隔对等处理：若CCTC对应的时间间隔呈非线性变化，则采用类似于无线节点匀变速运动时的匹配方法进行滑动匹配，即：数据窗口遍历CCTC上所有可能的参考窗口进行滑动匹配，测量提取的数据窗口每次与参考窗口进行匹配前，均基于式(I)通过线性变化进行一次间隔对等处理；若CCTC对应的时间间隔为等间距，则采用类似于无线节点匀速运动时的匹配方法进行滑动匹配，即基于式(I)对测量得到的数据窗口通过一次线性变换进行间隔对等处理，变换后形成的滑动窗口就可以一直在CCTC上进行时间对等的滑动匹配，直至匹配到CCTC最后一个参考窗口；最后，在匹配完所有的参考窗口后，寻找满足式(II)的参考窗口CCSi，进而估计出移动节点和锚节点之间的距离。当前第1页1 2 3