基于rss分布的距离自适应的无线传感网络被动式定位方法
【技术领域】
[0001] 本发明属于无线网络的应用技术领域，具体涉及一种基于RSS分布低成本距离自 适应的传感网被动式定位，该方法应用于野生动物的无线传感器网络的被动式目标跟踪。
【背景技术】
[0002] 野生动物在自然界中具有重要的生态地位和生态功能，是整个生态链中不可或缺 的环节之一，如何有效对其进行监测与保护，显得尤为重要。传统的野生动物保护采用人工 方式手工记录、统计，因此，传统方式存在很多弊端，如：缺乏长期性、实时性，也有一定的困 难性和危险性，另外，时空割裂，难以对获取的数据进行时间、空间、现象的综合分析。而目 前无线传感器网络的出现，为解决上述问题提供了技术支撑。
[0003] 无线传感器网络是由部署在被监测区域的大量分布式传感器节点组成的，它综合 了传感器技术、无线通信技术、嵌入式技术和计算机技术等多种领域技术，通过各种类型的 传感器对物质的性质、环境的状态以及行为模式等信息进行大规模、长期、实时的获取，并 通过802. 15. 4通信协议以自组织的方式将感知数据传送至远程数据中心。其中，无线传感 器网络的定位技术为野生动物的活动轨迹监测提供了有效解决方案。
[0004] 面向野生动物的运动轨迹测绘技术存在以下4方面的挑战：
[0005] 1)稀疏部署。野生动物监测的一个基本要求是监测不要干扰野生动物的生活环境 和习性。因此使用尽可能少的设备是面向野生动物保护的需求之一，即稀疏部署。
[0006] 2)设备无关。现有的大多定位方法都要求待定位物体携带设备（如GPS模块，RFID 标签），然而，为野生动物携带设备不容易做到，并且动物保护专家也不建议这样做。因此需 要在目标不携带设备的情况下实现定位是面向野生动物保护的需求之一，即设备无关。
[0007] 3)计算开销。现有方法对目标被动式轨迹测绘，均是先定位再将不同时间点目标 的估算位置连起来完成轨迹测绘，需要在每个时间点进行定位计算，存在频繁定位导致计 算开销大的问题。因此需要减少对野生动物频繁定位造成计算开销大的问题是面向野生动 物保护的需求之一，即计算开销。
[0008] 4)轨迹稀疏性。野生动物运动轨迹经过的位置与监测区域的位置相比具有稀疏 性。因此为了在不降低测绘精度的条件下，减少测绘轨迹所需数据量并降低能耗是面向野 生动物保护的需求之一，即轨迹稀疏性。
[0009] 截止目前为止，在无线传感器网络中已经有许多定位技术，大体分为以下2类：
[0010] 第一类：主动式定位，即物体携带设备。传感器节点均匀或者随机部署在定位区域 中，物体携带的设备发出的信号（如电磁波、红外、超声波等）会被无线传感器网络检测到， 由于物体在不同位置处设备发出的信号不同，因此这类方法的基本思想是通过检测设备发 出信号的变化，建立信号变化与位置的对应函数，进而对物体进行定位。如Kaltiokallio、 刘云浩等人通过无线传感器网络中RSSI(ReceivedSignalStrengthIndicator)信号波 动检测目标的出现，进而进行定位。该类方法的优点是定位精度高（典型的如GPS定位）， 由于每个物体携带可区分的设备，因此多目标定位简单，易于统计目标数量。但该方法的缺 点是需要目标携带设备，不符合面向野生动物保护的设备无关需求。
[0011] 第二类：被动式定位。如基于RSS的被动式定位，通常的方法是传感器节点均勾部 署在监测区域中，相邻的节点进行通信，物体在区域内活动会对两个通信的节点造成干扰。 通过对物体在不同位置处受到的无线电信号RSS干扰进行量化标定，建立位置与RSS值干 扰之间的关系。当被干扰的节点收到一组变化的RSS值时，可以推出物体所在的位置，如张 颠等为代表的基于学习的被动式定位。该类方法的优点是设备无关，不需要物体携带设备 也能对目标定位。但该方法的缺点是节点部署密集，成本高，不符合面向野生动物保护的稀 疏部署需求；另外还有GPS定位、摄像头定位或者CSI定位，但他们具有需要特殊设备、成本 高等缺点，这些都限制了其在实际生活中的应用，不能满足野生动物保护应用的需求。
[0012] 由此可见，基于RSS的被动式定位因其不依靠其携带的设备、不受特定设备限制、 成本低廉等优点备受人们青睐，在现实中应用广泛。这些特性同时也满足野生动物保护场 景的需要。但现有的基于RSS的被动式定位通常是通过增加监测区域的节点的数量来提高 定位精度，但因为节点的部署会产生部署成本代价和通信代价，依靠这种方法存在许多的 问题。节点数越多，成本代价越大；随着部署节点数的增加，网络将会发生拥塞和碰撞。并 且监测面积越大，这些问题越明显。
[0013] 另外，现有的被动式定位方法普遍需要预先建立一个特定场景下的先验知识库， 但构建先验知识库的代价是巨大的，因此当监测区域很大时，现有的被动式定位方法便不 再适用。
【发明内容】
[0014] 针对上述现有定位方法存在的缺陷或不足，本发明的目的在于，提出一种基于RSS 分布低成本距离自适应的传感网被动式定位方法，以实现对野生动物的进行定位。
[0015] 为了实现上述任务，本发明采取如下的技术解决方案：
[0016] 一种基于RSS分布的距离自适应的无线传感网络被动式定位方法，包括以下步 骤：
[0017] 步骤1，在监测区域中部署无线传感器节点，选取样本链路，将样本链路覆盖区域 划分网格，并根据样本链路的长度确定参照距离和迀移距离；
[0018] 步骤2,将参照对应的通信链路的覆盖区域的网格分为参考网格和非参考网格； 根据参照距离下的参考网格和非参考网格，确定迀移距离下的参考网格和非参考网格；求 得迀移距离下的参考网格及非参考网格的RSS值集合；得到迀移距离下的其余网格的RSS 值集合；根据迀移距离下的所有网格的RSS值集合得到非样本链路的RSS集合，构建监测区 域下网格RSS先验知识库；
[0019] 步骤3,利用步骤二中构建的监测区域下网格RSS先验知识库进行待测目标的定 位。首先，选出数据处理周期t内的投票链路，然后选出t内某一时刻上的候选网格，运用 多重链路位置投票方法确定每个候选网格上的投票数，选取出投票数最多的即为待测目标 位置。
[0020] 进一步的，所述步骤1包括如下步骤：
[0021] 步骤10 :在监测区域内部署个无线传感器节点、汇聚节点以及PC机，相邻无线传 感器节点间能够通信；设定每条通信链路的覆盖区域S为长A= 1，宽B= 1/2的矩形区域， 1为通信链路长度，〇m< 1 < 12m;
[0022] 步骤11 :从监测区域中每种长度的通信链路中选出任一条链路，作为该长度下的 样本链路；
[0023] 步骤12 :将所选取的每条样本链路对应的通信链路的覆盖区域用正方形网格划 分为多个网格；选取监测区域中相邻节点间距离最小的节点距离为参照距离，其他节点距 离为迀移距离。
[0024]进一步的，所述步骤2包括如下步骤：
[0025] 步骤20,采集参照距离下所有网格的RSS值集合，将参照距离对应的通信链路的 覆盖区域的网格分为参考网格和非参考网格，构建关于参考网格和非参考网格的多元线性 回归模型。
[0026] 步骤21，根据参照距离下对应的通信链路覆盖区域中的参考网格和非参考网格， 确定迀移距离L'对应的通信链路覆盖区域中的参考网格和非参考网格；
[0027] 步骤22,测量迀移距离L'对应的通信链路覆盖区域中的参考网格的RSS值集合， 利用步骤20得到的多元线性回归模型，得到迀移距离L'对应的通信链路覆盖区域中的非 参考网格的RSS值集合；
[0028] 步骤23,根据步骤22得到的迀移距离对应的通信链路覆盖区域中参考网格的RSS 值集合以及非参考网格的RSS值集合，获得迀移距离L'下其余网格（即迀移距离L'下参 考网格和非参考网格之外的网格）的RSS值集合；
[0029] 步骤24,根据监测区域中所有样本链路的网格RSS值集合，得到其他与样本链路 相同长度的非样本链路的网格RSS值集合，与样本链路的相同；监测区域中所有通信链路 的网格的RSS值集合构成监测区域下网格RSS先验知识库。
[0030]进一步的，所述步骤20包括以下步骤：
[0031] 步骤200,采集参照距离下所有网格的RSS值集合；
[0032] 步骤201，将参照距离对应的通信链路的覆盖区域的网格分为参考网格和非参考 网格，构建关于参考网格和非参考网格的多元线性回归模型；具体包括两个步骤：
[0033]A)将参照距离L对应的通信链路的覆盖区域#的网格分为参考网格和非参考网 格。
[0034] 选取参照距离下通信链路视距上以及与链路视距垂直的十字区域上的所有网格 为参考网格，其余的网格为非参考网格；第q(q= 〇, 1，. . .，nl)个参考网格的RSS值集合为 /太卜第k(k= 1，2,. . .，n2)个非参考网格的RSS集合为;
[0035] B)构建关于参考网格和非参考网格的多元线性回归模型；
[0036]将采集的参照距离L下的所有参考网格的第x次RSS值、所有非参考网格的第x 次RSS值代入公式1，得到第x次的多元线性回归系数矩阵；x= 1，2,……，X;共得到X个 多元线性回归系数矩阵；从而得到参考网格和非参考网格的多元线性回归模型：
[0037]
[0038] 式中为第k个非参考网格的某一次的RSS测量值，k= 1，2, . . .，n2 ; 为第 q个参考网格的对应次的RSS测量值，q= 0, 1，. ..，nl; <为对应次的多元线性回归矩阵 系数；"为噪声干扰，忽略不计。
[0039] 进一步的，所述步骤21的具体操作如下：
[0040] 步骤210,确定迀移距离L'对应的通信链路覆盖区域中的参考网格；
[0041] 将参照距离L下的参考网格从上至下从左至右依次编号为{1，2，...，nl};将迀移 距离L'下的十字区域网格从上至下从左至右依次编号为{1，2, ...，n3};
[0042] 利用公式2计算迀移距离L'下的参考网格编号:
[0043]
(公式 2)
[0044] 式中，nl为参照距离L下的参考网格的个数；n3为迀移距离L'下的十字区域网格 的个数；
[0045] 步骤211，确定迀移距离L'对应的通信链路覆盖区域中的非参考网格；
[0046] 将参照距离L下的非十字区域的网格从左至右蛇形依次编号为{1，2, ...，n2};将 迀移距离L'下的非十字区域网格从左至右蛇形依次编号为；利用公式3计算得到迀移距离 L'下的非参考网格编号s
[0047]
(公式 3)
[0048] 式中，n2为参照距离L下的非参考网格的个数；n4为迀移距离L'下的非十字区域 网格的个数。
[0049] 进一步的，所述步骤22具体如下：
[0050] 分别采集X次迀移距离L'下第q个参考网格的RSS值（q= 0, 1，. . .nl)，得到迀 移距离L'下第q个参考网格的RSS值集合将测得的迀移距离L'下所有参考网格的第 x次（x= 1，2，……，X)RSS值代入步骤20得到的对应次的多元线性回归系数矩阵下的多 元线性回归模型，计算得到第x次的迀移距离L'下的第k个非参考网格的RSS的值<%， 最终得到非参考网格k上的RSS值集合|<gA |:
[0051]
(公式 4)
[0052] 其中彳《为迀移距离下第q个参考网格对应次的 RSS测量值，q= 0, 1，. ..，nl 为对应次的多元线性回归矩阵系数，k= 1，2, . . .，n2 ; |k 为噪声干