張原 劉穎 徐高潮 耿曉中

摘要：為節(jié)約成本、提高算法實用性和準確性，提出一種新穎的基于RSS的多目標節(jié)點定位算法。通過一個移動信標節(jié)點采集RSS信號及其相應(yīng)位置坐標，構(gòu)成已知條件，結(jié)合高斯混合模型和貝葉斯信息準則等統(tǒng)計模型設(shè)計實現(xiàn)多目標高斯混合模型定位算法。仿真實驗和實測實驗均表明該算法在不預(yù)先假設(shè)一定區(qū)域內(nèi)傳感器節(jié)點數(shù)量的情況下，能夠同時估計傳感器節(jié)點的數(shù)量和位置，具有較好的實用性和準確性。本文網(wǎng)絡(luò)版地址：http：//www.eepw.com.cn/article/164387.htm

關(guān)鍵詞：定位；GMM；信號傳播模型

DOI： 10.3969/j.issn.1005-5517.2013.9.008

*基金項目：國家自然科學(xué)基金項目（NO.60973136網(wǎng)絡(luò)攻擊行為混雜建模及檢測技術(shù)研究，NO.61073164面向服務(wù)的無線傳感器網(wǎng)絡(luò)生存期優(yōu)化體系研究）

引言

無線傳感器網(wǎng)絡(luò)節(jié)點定位是傳感器網(wǎng)絡(luò)研究的熱點，如何利用簡單廉價的設(shè)備得到精確的定位結(jié)果一直是傳感器節(jié)點定位研究的重點和難點。

在目前已有的定位算法中，基于RSS的節(jié)點定位算法與基于AOA、TOA或TDOA的節(jié)點定位算法相比，具有成本低、適用范圍廣等優(yōu)點，但定位精度不高[1-2]。為此，研究人員利用統(tǒng)計模型提高定位算法的健壯性和精確度[3-8]。另外，很多定位算法假設(shè)待估節(jié)點數(shù)量已知，或者假設(shè)RSS發(fā)射節(jié)點的ID可識別，但在大多數(shù)情況下，上述假設(shè)都是不可預(yù)知的，很難在實際環(huán)境中使用，因而算法實用性不強。

為節(jié)約成本，提高算法實用性和精度，本文提出一種新穎的基于RSS的定位算法——多目標高斯混合模型定位算法（Multi-target Localization Based on Gaussian Mixture Model，MTL-GMM），使用單一移動信標節(jié)點[8-9]采集信息，用最小化已知條件估算傳感器節(jié)點的數(shù)量和位置信息。仿真實驗和實測實驗均證明了本文提出算法的有效性和準確性。

多目標高斯混合模型

GridL算法描述

圖1給出了GridL算法的偽代碼。表1給出了GridL算法使用的符號及其解釋。MT-GMM算法嵌套了內(nèi)外兩層循環(huán)。外層循環(huán)即算法第4行到第29行，用來估計節(jié)點數(shù)量。假設(shè)節(jié)點數(shù)量M從1開始取值，并隨循環(huán)逐次遞增，根據(jù)（M-1）個節(jié)點坐標估計第M個節(jié)點坐標。當(dāng)節(jié)點數(shù)量增加，但模型BIC取值不增加時，算法結(jié)束。內(nèi)層循環(huán)即算法第11行到第20行，用來調(diào)整外層循環(huán)確定的M個節(jié)點的位置坐標。當(dāng)模型BIC取值最大時，獲得節(jié)點數(shù)量為M時的位置坐標。

算法第13行的函數(shù)findBIC（R，j）根據(jù)前j個節(jié)點的位置坐標，估計第（j+1）個節(jié)點的位置坐標。該函數(shù)分別假設(shè)第（j+1）個節(jié)點在定位區(qū)域內(nèi)的每個網(wǎng)格中，并分別計算相應(yīng)的BIC取值，BIC取值最大時對應(yīng)的網(wǎng)格坐標就是第（j+1）個節(jié)點的坐標。

仿真實驗

我們用NCTUns v5.0[14]模擬實驗場景，將8個傳感器分別放置在180m×300m的區(qū)域里，將一個可移動的傳感器做為信標節(jié)點RC，如圖2所示。圖中叉號表示傳感器節(jié)點所在的位置，曲線表示RC的移動路徑，圓圈表示估計的傳感器位置。傳感器節(jié)點的通信半徑設(shè)為100米。RC采集的RSS序列長度為300。

第一次迭代的網(wǎng)格邊長為5米，第二次為1米。表3給出了仿真實驗的數(shù)據(jù)結(jié)果，兩次迭代估計的節(jié)點數(shù)量均為8個，與實際相符，節(jié)點坐標的定位誤差由第一次迭代時的3.86米減小到第二次迭代時的0.93米。

實測實驗

我們將4個Access Point（AP）分布在學(xué)校實驗室大樓二層，將帶有無線網(wǎng)卡的筆記本做為信標節(jié)點，采集從AP發(fā)來的RSS，同時記錄筆記本移動的路線坐標。圖3給出了AP的位置（叉號表示）和筆記本的移動路線（實線表示），圓圈表示估計的節(jié)點位置。AP的通信半徑為30米，筆記本采集的RSS序列長度為120。

第一次迭代的網(wǎng)格邊長為2米，第二次為1米。表4給出了實測實驗結(jié)果，兩次迭代估計的節(jié)點數(shù)量均為4個，與實際相符，節(jié)點坐標的定位誤差由第一次迭代時的2.99米減小到第二次迭代時的1.83米。

結(jié)語

本文提出了一種基于RSS的多目標節(jié)點定位算法（MTL-GMM算法），可同時估計一定區(qū)域內(nèi)傳感器節(jié)點的數(shù)量和位置。相比其他定位算法，MTL-GMM算法選擇單一的移動信標節(jié)點采集RSS信號，結(jié)合使用高斯混合模型、貝葉斯信息準則等統(tǒng)計模型，節(jié)約了成本，提高了定位精度。同時，MTL-GMM算法不假設(shè)待估節(jié)點數(shù)量已知或RSS發(fā)射節(jié)點的ID可辨識，增強了算法的實用性。

參考文獻：

[1] 蔣鵬，覃添，陳歲生. 基于AOA降維和同心圓定位的三維傳感器網(wǎng)絡(luò)節(jié)點自定位方法[J].傳感技術(shù)學(xué)報，2012，25，（7）：999-1000

[2] 杜巧玲.無線傳感器網(wǎng)絡(luò)三維節(jié)點定位問題的研究[D].長春：吉林大學(xué)通信工程學(xué)院，2009

[3] F. Wang， L. Qiu， and S. Lam. Probabilistic Region-Based Localization for Wireless Networks[J]. ACMSIGMOBILE

[10] （美）西奧多 S.拉帕波特（Theodore Rappaport，T.S.）著，周文安等譯.無線通信原理與應(yīng)用[M].第二版.北京：電子工業(yè)出版社，2012

[11] Tan P-N， Steinbach M， Kumar V著，范明，范宏建等，譯.數(shù)據(jù)挖掘?qū)д揫M].北京：人民郵電出版社，2011

[12] M. Ding and X. Cheng. Fault Tolerant Target Tracking in Sensor Networks[C]. Proceedings of the tenth ACM international symposium on Mobile ad hoc networking and computing， New Orleans， LA， USA. ACM， New York， USA，2009， pp. 125-134

[13] 段江嬌.基于模型的時間序列數(shù)據(jù)挖掘[D].上海：復(fù)旦大學(xué)，2008[14] NCTUns 5.0 Network Simulator and Emulator[EB/OL].（2008-09-20） http：//nsl.csie.nctu.edu.tw/nctuns.html