法律状态公告日
法律状态信息
法律状态
2018-01-19
授权
授权
2015-04-29
实质审查的生效 IPC(主分类):H04W64/00 申请日:20141230
实质审查的生效
2015-04-01
公开
公开
技术领域
本发明属于无线定位领域(Wireless Positioning),传感器节点通过监听发射机与 接收机之间的信号,从而实现对接收机的定位。
背景技术
在基于传感器网络的许多应用中,需要将采集的数据和位置信息捆绑在一起才 具有实际意。因此,节点定位技术在无线传感器网络的应用中是一项十分重要技术。
如图1所示,传统的定位系统主要配置为:位置未知节点(也称待定位节点, 主要为信号发射节点)和一定数量位置已知的节点(也称锚节点,为未知节点定位 提供参考点)。
在过去的几十年里,研究人员对于定位技术进行了广泛的研究,提出了很多定 位算法。这些定位算法主要可以分为基于接收信号强度(RSS)、基于到达时间(TOA)、 基于到达时间差(TDOA)及基于到达角度(AOA)四大类。但是这些算法都是针 对于将发射机作为定位目标(即未知节点),因此可以将这些定位算法统称为发射 机定位算法。
相反,很少有文献研究关于接收机定位算法。由于接收机是以一种被动的方式 运行的,它在接收信号时是不传送信号,这对于传感器节点(即锚节点)来说是不 可见的。因此,对于接收机定位的研究是十分有挑战性的。传感器节点利用现有的 定位技术,只能定位发射机,却不能定位相应的接收机,这大大地限制了位置感知 应用的发展。
发明内容
本发明为解决现有定位技术的局限性,即无法定位接收机的坐标,提供一种基 于接收信号强度的接收机定位方法。
为了方便地描述本发明的内容,首先对本发明中所使用的术语和模型进行介绍。
发射机:Tx,系统中的信号发射端。
接收机:Rx,系统中与Tx组成通信链路的信号接收端。
传感器:Sensor,监测Tx-Rx通信的传感器节点。
信噪比:Signal Noise Ratio,SNR,信号功率与噪声功率的比值。
闭环功率控制:Closed Loop Power Control,CLPC,发射端的功率根据接收 端信噪比的变化调整,从而保证接收端的接收质量。
时分多址接入:Time Division Multiple Access,TDMA,发射机通过时分多址 接入的方式与接收机进行通信。
如图2所示,本发明采用的定位系统模型为:M个Tx,N个Sensor节点和一 个Rx。其中,li表示第i个发射机Txi与Rx之间的距离,dij表示Txi到第j传感器 节点Sensorj的距离,gi表示Txi-Rx的路径损耗,g′ij表示Txi-Sensorj的路径损耗, qi表示Txi-Rx的阴影衰落,q′ij表示Txi-Sensorj的阴影衰落,pi表示Txi与Rx 通信时的发射功率,Γ表示Rx接收信号的目标信噪比。模型中,M个Tx采用时 分多址接入(TDMA)与Rx进行通信,并使用闭环功率控制技术。N个Sensor同 时监听每个时隙传输的信号,而且他们之间的信息是共享的。N个Sensor协作估计 出Rx的位置。模型也可以看作是Tx在移动过程中与Rx的点对点通信,而N个 Sensor监听的是Tx在移动过程中不同位置下与Rx的通信。
本发明的原理:
将多个Tx作为锚节点,通过估计出Txi-Rx的距离li来定位接收机。发射机之 所以能够作为锚节点,是由于可以通过传统的发射机定位方法来定位Tx。这样一 来,我们就有充分的理由将Tx当做锚节点使用,即Tx的坐标可假设为已知。锚节 点其物理意义就是坐标已知的节点,作为参考的节点。
在对Txi-Rx的距离进行估计时,采用了闭环功率控制(CLPC)技术在Txi与Rx 之间进行通信。在CLPC下,Tx在调整发射功率时通常携带有距离信息:当li较小 时,Txi会自动地降低发射功率以降低功耗,同时也可以降低对其他通信链路的影 响;当li增大时,Tx又会自动地增加发射功率以补偿路径损耗的影响。因此,Sensor 通过检测Tx的传输功率,可以估计出Txi-Rx的距离li,然后根据锚节点的坐标以 及它们与未知节点(Rx)距离关系,可以估算出相应的Rx的坐标。
一种基于接收信号强度的接收机定位方法,具体步骤如下:
S1、选取M个Tx作为锚节点,所述M个Tx采用闭环功率控制技术在不同时 隙与Rx进行通信;
S2、选取N个Sensor同时监听不同时隙S1所述M个Tx与Rx之间的通信, 计算出不同时隙M个Tx与Rx之间的接收信噪比的概率密度函数集合,其中, M≥3且M为整数;
S3、根据S2所述接收信噪比的概率密度函数集合估计出Tx与Rx之间的距 离l,其中,通过第j个传感器节点Sensorj估计的第i个发射机Txi与Rx之间的距 离记作其中,i=1,2...M,j=1,2...N;
S4、N个Sensor共享自己估算出的通过取平均得最终估计距离
S5、将S4所述带入定位估计器,获取定位坐标。
进一步地,所述任一Sensor必须已知大于等于3个Tx的坐标及所述已知坐标 的TX与Rx之间相应的距离。
本发明的有益效果是:
本发明将提出的接收机定位方法,能够实现较好的接收机定位精度。同时,因为 传统的定位是针对发射机的,本发明提出的接收机定位方法可以丰富感知应用。
附图说明
图1为传统的定位系统示意图。
图2为本发明采用的定位系统示意图。
图3为RMSE与传感器(Sensor)数量N的关系示意图。
图4为RMSE与发射机(Tx)数量的关系示意图。
图5RMSE与相互独立阴影衰落系数个数的关系示意图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
S1、选取M个Tx作为锚节点,所述M个Tx采用闭环功率控制技术在不同时 隙与Rx进行通信,其中,i=1,2...M。
假设Tx的位置已知,即假设Sensor已知Txi的位置信息和Txi-Sensorj的距离 dij。
Txi分别通过不同时隙,应用CLPC与Rx进行通信。Txi根据Rx端的接收信 噪比来调整自身的发射功率,以满足Rx的接收信噪比达到设定目标信噪比。
Txi-Rx传输链路
在无线信道中,gi表示Txi-Rx的路径损耗,其模型为其中,C为常 数,α为路径损耗指数,2≤α≤6。qi(k)为阴影衰落系数,服从标准差为δ的 log-normal分布。其中,k是相互独立的阴影衰落的标号,1≤k≤K,K为最大采样 数。
在静态场景中,Txi-Rx之间的阴影衰落是固定的,则在定位的过程中令K=1。 在时变场景下,Txi-Rx之间的阴影衰落系数是随时间变化的,则在定位过程Txi-Rx 会经历K>1个相互独立的阴影衰落系数。
令pi为Txi的发射功率,在Txi工作下Rx的接收信噪比为
γi(k)=pigiqi(k) (1)
为简化公式,归一化了Rx接收噪声的方差(即噪声功率)。
系统中采用闭环功率控制,Txi会自动的调整发射功率以满足Rx处的目标信 噪比Γ。因此,pi需满足下式:
Txi-Sensorj传输链路
g′ij表示Txi-Sensorj的路径损耗,其模型为q′ij(k)为阴影衰落系数, 服从标准差为δ的log-normal分布。则在Txi工作下Sensorj的接收信噪比为
γ′ij(k)=pig′ijq′ij(k) (3)
对Sensorj的噪声功率作归一化处理。
将式(2)带入式(3)处理,则
S2、选取N个Sensor同时监听不同时隙S1所述M个Tx与Rx之间的通信, 计算出不同时隙M个Tx与Rx之间的接收信噪比的概率密度函数集合。
如图2所示,Rx为未知节点。为了定位Rx,Sensor必须已知大于等于3个Tx 的坐标及所述已知坐标的TX与Rx之间相应的距离。Rx与Sensorj都可以收到来自 Txi的信号,则它们平均接收信噪比的比值(γi/γ′ij)可近似为
其中,在给定场景下,α是常数。在式(5)中,有四个变量,其中,γ′ij是Sensorj的接收信噪比,可以由自身直接检测得到,dij是Txi-Sensorj的距离,可以利用 传统的发射机定位技术获得,γi是Rx的接收信噪比,由于采用闭环功率控制,γi可以近似为目标信噪比Γ,所述目标信噪比Γ可以通过盲信号处理技术获取。最 终,Sensor只剩li无法直接获知,但是显然可以通过一定的处理来估计出li。
为Sensor设计一个最大似然估计器来估计li,让每个Sensor都可以获取Txi-Rx 之间的距离信息,并通过克拉美劳下界(CRLB)来分析估计性能。
将式(4)转换成dB,得
其中,li是未知的待估计参量,q′ij[dB](k)和qi[dB](k)是相互独立的阴影衰落系数, q′ij[dB](k)服从q′ij[dB](k)~N(0,δ2),qi[dB](k)服从qi[dB](k)~N(0,δ2),则 q′ij[dB](k)-qi[dB](k)~N(0,2δ2)。
根据式(6),γ′ij[dB](k)关于li的条件概率密度函数为
Sensorj可以获取K个具有相互独立阴影衰落系数的平均信噪比,则获得K维的 条件概率密度函数
S3、根据S2所述接收信噪比的概率密度函数集合估计出Tx与Rx之间的距离 l,其中,通过第j个传感器节点Sensorj估计的第i个发射机Txi与Rx之间的距离 记作
对式(8)两边取对数,并对li求偏导,得
令式(9)为0,则Sensorj可以求得Txi-Rx的距离li的估计值(记为)等于
所求得的估计器是有偏的,即
其中,
对估计器进行纠偏,可得无偏估计器如下
根据式(9)对li求偏导,可得
基于CRLB的定义,则
设计的估计器的CRLB为
其中,η=10α/ln10。
根据式(12)验证估计器的有效性,估计器的均方误差为
当K较大时,上式可近似为
由此可知,估计器是渐进有效的。
采用经典的线性方法来定位接收机。
假设Rx的坐标为(x0,y0),Txi的坐标为(xi,yi),则
式(18)中的前两个式子相减,可得
令Di=xi2+yi2,则上式可以简化为
相似地,可得
将式(21)中的方程组写成矩阵形式,可得
HX=b (22)
其中,
通过解式(22),Sensorj可以获取Rx的坐标,如下
S4、N个Sensor共享自己估算出的通过取平均得最终估计距离
li的估计性能将会直接影响到定位估计器的性能。因此,N个Sensor共享它们 的估计结果则得出更为精确的li估计值如下
S5、将S4所述带入定位估计器,获取定位坐标。
将带入到式(23)中,我们可以得到Rx坐标的估计值
根据图2所示定位系统通过MATLAB仿真进行仿真:
M个Tx和N个Sensor均匀的分布在半径为R=100的圆内,Rx在圆内随机分 布,采用104次蒙特卡洛,其他仿真参数如表1所示。
表1
由于所有的Tx,Rx和Sensor都随机的分布在半径为R=100m的圆内,因此 Txi-Rx的距离li不会超过2R。Txi和Rx的横坐标xi(纵坐标yi)的取值范围均在 [-R,R]内。在每次仿真过程中,我们将的估计值限制在[0,2R],限制在 [-R,R]内。
定义均方根误差来评价接收机定位的性能,如下
图3中所示为RMSE与Sensor数量N的关系。其中,假设Tx的数量M=10, 并考虑静态场景(即K=1),这意味在定位的过程中阴影衰落系数是不变的。从图 3中可以看出,RMSE随着Sensor数量N的增加降低。这是由于式(24)中的取平均 提升了li的估计性能,从而提高了坐标估计的性能。同事,比较具有不同阴影衰落 标准差下的性能,可以看出随着阴影衰落标准差的减小,RMSE也相应的降低。这 是因为较小的阴影衰落标准差降低了无线信道的不确定性。
如图4所示,假设Sensor的数量N=10,采用静态场景(即K=1)。从图4可 以看出,当M从3到10增加时,RMSE明显地下降;当M继续增大时,RMSE下 降趋势有所缓解,这种趋势表明,随着M的增加,能够提高接收机定位的性能。 同时,也可以看出只需要少数量的Tx就可以获得较好的估计性能。另外,考虑不 同的阴影衰落标准差,可以看出趋势跟图3中一致。
假设有M=10个Tx和N=10个Sensor。当K>1时,仿真场景是时变的。即在 定位过程中每个节点经历了K个相互独立的阴影衰落系数。如图5所示,RMSE随 着K的增加而减少。这是由于考虑多个阴影衰落系数,降低了阴影衰落的不确定性, 从而降低了RMSE。当阴影衰落的标准差δ=6时,本发明所提出的接收机定位方法 的RMSE,在K=1和K=4时分别为38米和20米。
机译: 无线节点位置估计方法,涉及在无线电接收机处收集信号强度值,并基于收集的信号强度值和RF覆盖图来计算无线节点的估计位置
机译: 基于接收信号强度降低接收机功耗的系统和方法
机译: 广播接收机,即便携式数字电视,定位区域确定方法,涉及在实际区域之外的区域中检测分配的频道的信号强度,并且当存储一个区域时将存储的区域定义为实际区域。