邢天璋,王 舉,陳曉江,房鼎益,楊 哲

(1.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127; 2.西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,陜西西安 710069)

WSN中異構(gòu)數(shù)據(jù)協(xié)同的目標(biāo)定位方法

邢天璋1,王 舉1,陳曉江1,房鼎益1,楊 哲2

(1.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,陜西西安 710127; 2.西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,陜西西安 710069)

針對無線傳感器網(wǎng)絡(luò)中室外環(huán)境下的被動式目標(biāo)定位問題,提出一種基于動態(tài)貝葉斯圖的異構(gòu)數(shù)據(jù)協(xié)同定位方法.該方法能夠?qū)Ξ悩?gòu)無線網(wǎng)絡(luò)數(shù)據(jù)相協(xié)調(diào),完成目標(biāo)被動式定位任務(wù).首先深入分析了異構(gòu)網(wǎng)絡(luò)中可用于測距定位的三種基本被動式定位方法(基于信號強(qiáng)度模型,紅外測距定位模型,粒子濾波定位),總結(jié)歸納了各方法的適用特點(diǎn).其次,利用動態(tài)貝葉斯圖,協(xié)調(diào)兩種方法適用特點(diǎn),推導(dǎo)出大規(guī)模室外被動式定位模型.仿真結(jié)果表明,筆者提出的異構(gòu)數(shù)據(jù)協(xié)同定位方法能夠完成被動式定位要求,與其他定位方法相比,定位精度較已有方法有所提升.

無線傳感器網(wǎng)絡(luò);被動式定位;信號強(qiáng)度;紅外測距;貝葉斯圖

目標(biāo)定位技術(shù)作為無線傳感器網(wǎng)絡(luò)眾多關(guān)鍵技術(shù)之一,在軍事戰(zhàn)場監(jiān)控、醫(yī)療智能保健、自然災(zāi)害搶險(xiǎn)救助以及智能環(huán)境區(qū)域監(jiān)控等場景下均有成熟應(yīng)用案例[1].學(xué)者將目標(biāo)定位技術(shù)分為主動式目標(biāo)定位和被動式目標(biāo)定位兩類,其本質(zhì)區(qū)別在于目標(biāo)是否攜帶設(shè)備參與無線信號的接收或發(fā)送.主動式定位技術(shù)通常要求定位目標(biāo)攜帶信號收發(fā)設(shè)備,通過信號的衰減或相位的變化完成定位[2];被動式定位則不要求目標(biāo)攜帶任何數(shù)據(jù)收發(fā)設(shè)備,這給被動式定位可行性研究與定位精度提升帶來極大困難[3-4].無線傳感器網(wǎng)絡(luò)感知數(shù)據(jù)類型豐富,屬性多樣、異構(gòu),而如何利用異構(gòu)數(shù)據(jù)信息完成目標(biāo)被動式定位,是筆者的主要研究工作.

利用無線信號強(qiáng)度的測距定位方法,大致分為“基于指紋匹配”與“基于傳輸模型”兩類.其中,第一類方法分為兩個(gè)階段,即離線階段與在線階段[5].離線階段主要建立標(biāo)準(zhǔn)指紋庫,將監(jiān)測區(qū)域內(nèi)每一位置與目標(biāo)出現(xiàn)在該位置時(shí)的接收信號強(qiáng)度指示(Receiver Signal Strength Indication,RSSI)相關(guān)聯(lián).在線階段針對出現(xiàn)在監(jiān)控區(qū)域內(nèi)的目標(biāo)進(jìn)行定位,其過程主要是針對測量到的RSSI值與離線階段建立的標(biāo)準(zhǔn)指紋庫進(jìn)行比對,從而給出目標(biāo)出現(xiàn)的最大概率位置.第二類方法[6]避免了前期大量的學(xué)習(xí)階段,主要針對無線信號傳輸進(jìn)行建模,分析被檢測目標(biāo)對于通信鏈路的影響,測量無線信號衰減,通過估算被檢測目標(biāo)與收發(fā)節(jié)點(diǎn)的距離進(jìn)行目標(biāo)定位.這兩類方法均利用無線信號強(qiáng)度進(jìn)行測距后定位,其共性特點(diǎn)在于小范圍定位精度較高,但RSSI較脆弱,易受環(huán)境因素影響,不宜用于室外大規(guī)模區(qū)域環(huán)境下的目標(biāo)定位.

紅外測距技術(shù)起源較早.其原理主要是通過單片機(jī)(或微處理器)統(tǒng)計(jì)反射回波時(shí)間差,計(jì)算傳輸距離.紅外測距技術(shù)在汽車防撞、相機(jī)自動對焦、野外勘探、野外搜救、入侵檢測領(lǐng)域也有成功應(yīng)用案例[7].這些應(yīng)用不僅計(jì)算了回波傳輸時(shí)間,同時(shí)借助紅外熱量輻射探測目標(biāo)的大致方向.紅外技術(shù)具有非接觸、反應(yīng)快、低成本和高靈敏等技術(shù)特點(diǎn),被廣泛應(yīng)用于日常生活與民用行業(yè).上述方法均屬于非接觸測距技術(shù),適應(yīng)于大范圍環(huán)境下的目標(biāo)定位,但由于電波傳輸速率較快,收發(fā)雙方時(shí)間同步難以保證,其測距誤差客觀存在,定位誤差較大,不宜適用于細(xì)粒度目標(biāo)定位.

由于信號強(qiáng)度與紅外數(shù)據(jù)均能捕獲目標(biāo)距離方位信息,筆者旨在利用這兩類數(shù)據(jù)作為約束條件,同時(shí)考慮移動目標(biāo)的距離約束,構(gòu)建貝葉斯圖完成異構(gòu)網(wǎng)絡(luò)環(huán)境下的被動式目標(biāo)定位.

圖1 無線信號繞射、散射示意圖

1 測距模型

1.1 基于信號強(qiáng)度的定位模型

在估計(jì)信道損耗時(shí),需要考慮傳播路徑上的地形地貌、建筑物、樹木、電線桿等阻擋物.相同的收發(fā)設(shè)備在不同的室外傳播環(huán)境下,鏈路RSSI也不同[8].RSSI不僅會受到鏈路所處環(huán)境的影響,收發(fā)設(shè)備的電壓、天線方向等條件也會對其產(chǎn)生很大的影響.當(dāng)目標(biāo)出現(xiàn)在監(jiān)控區(qū)域,接收節(jié)點(diǎn)對于接收到的信號強(qiáng)度有了變化,產(chǎn)生該變化的原因來自于信號繞射場強(qiáng)與散射場強(qiáng),如圖1所示.即

繞射模型為

散射模型為

其中,D與S分別為繞射增益和散射增益,單位為d B,Pt為發(fā)射功率;Gt為發(fā)射天線增益,Gr為接收天線增益;λ為無線信號波長,單位為m;l1與l2分別代表目標(biāo)距收、發(fā)節(jié)點(diǎn)的距離,單位為m.

基于信號傳輸模型的定位方法通過測量無線通信鏈路RSSI,求解目標(biāo)與收發(fā)節(jié)點(diǎn)之間的距離,定位目標(biāo).該方法定位結(jié)果具有對稱性,虛擬位置點(diǎn)成對出現(xiàn),該問題可通過網(wǎng)絡(luò)部署設(shè)計(jì)避免.在定位階段,可用確定性定位方法修正目標(biāo)存在的概率,尋求目標(biāo)最近距離的信號強(qiáng)度分布,即

這里,m,n分別代表信號收發(fā)節(jié)點(diǎn)的個(gè)數(shù),l是指定位結(jié)果,ˉsij表示收發(fā)節(jié)點(diǎn)間信號強(qiáng)度的平均值表示通過信號傳輸模型計(jì)算獲得的信號強(qiáng)度值不依賴于目標(biāo)所處位置l的變化,同時(shí)假定目標(biāo)外在形態(tài)不會發(fā)生變化,可表示為

通過信號傳輸模型的計(jì)算限制位置概率,而目標(biāo)位置概率則可作為貝葉斯網(wǎng)絡(luò)推演的第一約束條件.

1.2 基于紅外熱輻射的測距模型

紅外檢測適用于高于絕對零度溫度的每個(gè)目標(biāo),而帶寬的電磁輻射發(fā)射能量是檢測目標(biāo)距離的重要參量.這種輻射的整體流量和波長取決于其表面溫度T和發(fā)射率ε.后來使用一個(gè)區(qū)間[0,1]來描述表面在相同溫度下相對于理想發(fā)射體也就是黑體的輻射能力.發(fā)射率依賴波長,但在大多數(shù)實(shí)際情況下,相關(guān)波長的范圍非常有限,可以認(rèn)為是一常量.普朗克定律給出了波長λ、溫度T、發(fā)射率ε以及輻出度Mλ之間的關(guān)系:

其中,L代表信號周期.目標(biāo)與紅外檢測設(shè)備間的距離可作為貝葉斯網(wǎng)絡(luò)推演的第二約束條件.

1.3 基于粒子濾波的目標(biāo)間距離

粒子濾波用于被動式定位主要通過動態(tài)模型描述物理系統(tǒng).Pk為目標(biāo)在某時(shí)刻k的位置狀態(tài),記作Pk=[xk,yk,vxk,vyk]T,其中(xk,yk)表示目標(biāo)的位置坐標(biāo),(vxk,vyk)表示其速度.Zk則是目標(biāo)在k時(shí)刻的真實(shí)位置.所以,目標(biāo)系統(tǒng)模型與觀測模型表述為

其中,εk與ηk分別為過程噪聲和測量噪聲,且相互獨(dú)立.而G為狀態(tài)轉(zhuǎn)移矩陣,H為理想觀測矩陣.在k時(shí)刻,更新粒子權(quán)值,其歸一化為其中,C1=3.74×10-12W/cm2,C2=1.44 cm·K,Ee為目標(biāo)處于距離紅外檢測裝置d處的輻照度.可見,目標(biāo)與已知設(shè)備間的距離可通過檢測紅外輻射中的相關(guān)參量獲取.同時(shí)紅外測距原理和超聲、雷達(dá)測距原理相似,由于光速傳播極快,常規(guī)方法及設(shè)備無法精準(zhǔn)測量,所以一般是將紅外線發(fā)射功率調(diào)制上一個(gè)較低的頻率,然后測量回波與發(fā)射波的相位差,根據(jù)相位差Δφ可計(jì)算出回波時(shí)間Δt,即

因此,k時(shí)刻目標(biāo)位置參數(shù)P的最小均方估計(jì)為

利用系統(tǒng)模型預(yù)測目標(biāo)出現(xiàn)的位置,并可將其作為第三約束條件.

2 基于動態(tài)貝葉斯網(wǎng)絡(luò)的定位

異構(gòu)數(shù)據(jù)協(xié)同定位模型(Heterogeneous Data Synergistic targeting methods,HDS)在定位前將定位區(qū)域的位置標(biāo)記為[L1,…,Lk,…,LN].針對某一待估計(jì)位置,筆者所提方法不再是傳統(tǒng)的基于簡單貝葉斯推論,而是將多種推理及約束融合為一體形成貝葉斯網(wǎng)絡(luò),對待估計(jì)位置構(gòu)建更多的約束,在數(shù)據(jù)獲取上利用紅外信號消除多徑帶來的誤差,在位置推理上利用距離約束消除貝葉斯推論固有的誤差,從而提高了定位精度.下面分別介紹每部分的原理和總體模型.

第1部分是基于無線信號(RSSI)的定位,如圖2(a)所示,其中,Lk表示目標(biāo)位于第k個(gè)位置,向量Rk= [rk,1,…,rk,Q]表示目標(biāo)在位置Lk時(shí)收集到的Q個(gè)RSS值.定位前的離線階段,在位置Lk采集一組先驗(yàn)知識向量Rk,得到先驗(yàn)概率P(Rk);在線定位階段,根據(jù)收到的無線信號RSS值,利用貝葉斯理論[9]得到后驗(yàn)概率P(Lx=Lk|Rk)最大的位置Lk,然后將Lk作為目標(biāo)位置的估計(jì).

第2部分是基于紅外信號的定位,如圖2(b)所示,其中,向量Hk=[hk,1,…,hk,Q],表示目標(biāo)在位置Lk時(shí)收集到的Q個(gè)紅外信號值.與第1部分類似,在離線階段采集先驗(yàn)知識并得到先驗(yàn)概率P(Hk),在定位階段,根據(jù)收到的紅外信號的值,將使得后驗(yàn)概率P(Lx=Lk|Hk)最大的位置Lk作為目標(biāo)位置的估計(jì).

第3部分是基于距離約束的定位誤差修正,如圖2(c)所示,其中,dl,k表示位置Ll和Lk間的距離.筆者利用距離dl,k來約束后驗(yàn)概率P(Ll|Rl,Hl)和P(Lk|Rk,Hk)的分布,剔除錯(cuò)誤位置,提高定位精度.為方便說明,考慮一種簡單的一維區(qū)域定位情況,當(dāng)目標(biāo)在位置Ll時(shí),用無線信號Rl和紅外信號Hl可以計(jì)算出目標(biāo)的位置分布P(Ll|Rl,Hl),其分布在0～5 m之間.同樣,可以計(jì)算出目標(biāo)在位置Lk的分布P(Lk|Rk, Hk),其分布在9～14 m之間.同時(shí),根據(jù)粒子濾波可以估計(jì)出目標(biāo)的軌跡,可得到位置Ll和Lk之間的距離dl,k=5 m.距離約束dl,k將位置Ll和Lk限制為Ll≥4,Lk≤10,從而修正了分布P(Ll|Rl,Hl)在4～5 m之間,分布P(Lk|Rk,Hk)在9～10 m之間.容易看到,這種修正剔除了目標(biāo)不可能存在的位置,從而提高了精度.采用粒子濾波估計(jì)的方法獲取dl,k,在目標(biāo)運(yùn)動狀態(tài)下,當(dāng)其處于位置Ll時(shí),通過粒子濾波可估計(jì)出目標(biāo)的下一個(gè)位置Lk,從而得到距離dl,k.

圖2 HDS系統(tǒng)框圖

如前所述,在進(jìn)行目標(biāo)定位時(shí),筆者將無線信號和紅外信號兩種異構(gòu)數(shù)據(jù)利用貝葉斯網(wǎng)絡(luò)進(jìn)行協(xié)同定位,具體為將前面講到的3部分聯(lián)合構(gòu)成如圖2(d)所示的貝葉斯網(wǎng)絡(luò).基于貝葉斯網(wǎng)絡(luò)理論和貝葉斯公式,以及圖2所示的獨(dú)立性關(guān)系,可得到目標(biāo)在位置Lk的概率為

其中,α是與Lk無關(guān)的正數(shù);P(rk,i|Lk)和P(hk,i|Lk)分別是無線信號數(shù)據(jù)下的條件概率和紅外信號數(shù)據(jù)下的條件概率,其均通過定位前的先驗(yàn)知識獲得;P(Lk|dk-1,k)是距離修正后的概率分布.P(Lk|Lk-1)是類(位置)轉(zhuǎn)移概率,通常情況下定位區(qū)域內(nèi)的位置都是均勻劃分的,因此,針對已知的定位區(qū)域,該概率是一個(gè)定值1nk,nk為位置Lk周圍的其他位置數(shù)目.目標(biāo)的位置估計(jì)^Lk是使得下式概率最大的位置:

3 實(shí)驗(yàn)仿真

針對所提出的HDS方法,以Matlab 7.0為仿真平臺,進(jìn)行了大量的定位仿真實(shí)驗(yàn).由于環(huán)境的不同,分別進(jìn)行了開闊環(huán)境與多徑環(huán)境下的定位測試.仿真實(shí)驗(yàn)場景是在25 m×35 m的矩形區(qū)域中部署35組紅外和無線模塊,每組模塊中各含紅外和無線模塊一個(gè),每組模塊間隔為5 m.所有無線模塊可互相通信,構(gòu)成覆蓋整個(gè)矩形區(qū)域的無線信號環(huán)境.所有紅外模塊均各自以120°的角度收集來自矩形區(qū)域的熱輻射信號.在仿真實(shí)驗(yàn)過程中,所需要的定位數(shù)據(jù)均通過第1節(jié)中介紹的模型來計(jì)算得到,所需的參數(shù)取值如表1所示.在定位仿真中,讓目標(biāo)隨機(jī)出現(xiàn)在該矩形區(qū)域內(nèi),采集所有模塊的數(shù)據(jù),通過不同的定位方法給出定位結(jié)果.通過與現(xiàn)有的兩類經(jīng)典算法的比較,體現(xiàn)HDS的優(yōu)越性.

表1 無線模塊和紅外模塊仿真參數(shù)

圖3(a)和圖3(b)分別展示了文中算法HDS在開闊環(huán)境(SNR為40dB)和多徑環(huán)境(SNR為5dB)下的定位性能,在兩種環(huán)境下分別進(jìn)行了只有無線信號、只有紅外信號及兩種信號結(jié)合時(shí)的3種定位仿真實(shí)驗(yàn).在每種環(huán)境下,將每個(gè)定位方法進(jìn)行100次測試.定位結(jié)果的累積概率分布(CDF)曲線如圖3(a)所示,由該圖可知,基于紅外的定位誤差最大,80%的定位誤差都在1.2 m以內(nèi).基于無線信號的定位精度較高,80%的定位誤差都在0.5 m以內(nèi).兩種信號結(jié)合下的定位精度最高,但較只有無線信號的定位精度提高不多,這是因?yàn)樵陂_闊環(huán)境下無線信號干擾較少,因此基于無線信號的定位能達(dá)到很好的效果.圖3(b)展示的定位精度變化趨勢與圖3(a)類似,不同之處在于此時(shí)兩種信號結(jié)合的定位精度較其中任意一個(gè)定位方法的精度都有較大提高,如80%的定位誤差由0.7 m(基于無線信號)和1.1 m(基于紅外信號)降低到0.5 m(兩種信號的結(jié)合).這是因?yàn)樵诙鄰江h(huán)境下,無線信號易受干擾導(dǎo)致定位誤差大,而紅外信號不受多徑影響,如定位誤差在20%以下時(shí),基于紅外信號的定位誤差小于基于無線信號的定位誤差,紅外信號的抗多徑優(yōu)點(diǎn)可以彌補(bǔ)無線信號定位的不足,與此同時(shí),無線信號的定位粒度比紅外信號細(xì),因此,在多徑環(huán)境下兩種信號結(jié)合的定位結(jié)果具有互補(bǔ)的作用,故將兩種信號結(jié)合可以提高定位精度.

圖3 仿真結(jié)果

圖3(c)展示了定位誤差隨人移動距離的變化趨勢,在仿真試驗(yàn)中,讓目標(biāo)沿矩形區(qū)域內(nèi)側(cè)的一條長70 m的曲線運(yùn)動,每隔2 m進(jìn)行一次定位.針對距離dl,k的估計(jì)使用粒子濾波的方法,因此,目標(biāo)行走距離越遠(yuǎn),對于距離dl,k的估計(jì)將會越準(zhǔn),更精確的距離約束將會剔除更多的錯(cuò)誤定位,使得定位精度更高.

圖3(d)顯示了文中定位方法HDS與現(xiàn)有兩類經(jīng)典算法的比較.這兩類經(jīng)典算法分別是基于學(xué)習(xí)的RASS算法[10]和基于計(jì)算的M-A算法[3],分別在開闊和多徑兩種環(huán)境下進(jìn)行了仿真實(shí)驗(yàn).在每種環(huán)境下,將每個(gè)定位方法進(jìn)行100次測試,平均定位誤差如圖3(d)所示,無論在哪種環(huán)境下,文中HDS方法都優(yōu)于其他兩種定位方法.同時(shí),3種定位方法的定位精度在多徑環(huán)境下較開闊環(huán)境都有所下降,然而文中的HDS方法平均誤差僅從0.3 m增加到0.45 m,這是由于文中方法融合了紅外信號抗多徑干擾的優(yōu)點(diǎn);RASS方法平均誤差則從0.4 m增加到1.1 m,這是因?yàn)镽ASS方法是基于學(xué)習(xí)的方法,對環(huán)境依賴大,多徑環(huán)境與開闊環(huán)境截然不同,故定位精度下降較多;M-A方法平均誤差變化不大,僅從0.7 m增加到0.8 m,這是因?yàn)镸-A方法是基于計(jì)算的定位方法,對環(huán)境依賴小,然而其定位精度較文中的HDS方法還有很大差距.

4 結(jié)束語

信號強(qiáng)度與紅外技術(shù)作為被動式定位中的重要測距方法,由于各自工作原理特點(diǎn)約束,一直制約其在室外環(huán)境下較大范圍中細(xì)粒度定位要求的實(shí)際應(yīng)用.筆者提出了基于動態(tài)貝葉斯圖的異構(gòu)數(shù)據(jù)協(xié)同定位方法,實(shí)現(xiàn)了細(xì)粒度的目標(biāo)定位,解決了傳統(tǒng)方法在位置求解時(shí)的較大誤差問題.其中詳細(xì)討論了貝葉斯圖的延伸過程,并給出了具體的位置求解公式;通過實(shí)驗(yàn)仿真,深入分析了該方法的定位精度,驗(yàn)證了其正確性及有效性.

[1]Seifeldin M,Saeed A,Kosba A E,et al.Nuzzer:A Large-Scale Device-Free Passive Localization System for Wireless Environments[J].IEEE Transactions on Mobile Computing,2013,12(7):1321-1334.

[2]Wang J,Fang D Y,Chen X J.LCS:Compressive Sensing based Device-Free Localization for Multiple Targets in Sensor Networks[C]//Proceedings of IEEE International Conference on Computer Communications.Piscataway:IEEE,2013: 145-149.

[3]Zhang D,Ma J,Chen Q B,et al.An RF-based System for Tracking Transceiver-free Objects[C]//Proceedings of IEEE International Conference on Pervasive Computing and Communications.Los Alamitos:IEEE,2007:135-144.

[4]Zhang D,Ni L M.Dynamic Clustering for Tracking Multiple Transceiver-free Objects[C]//Proceedings of International Conference on Pervasive Computing and Communications.Piscataway:IEEE,2009:1-8.

[5]Chintalapudi K,Iyer A P,Padmanabhan V N.Indoor Localization Without the Pain[C]//Proceedings of the Annual International Conference on Mobile Computing and Networking.New York:ACM,2010:173-184.

[6]Salman N,Ghogho M,Kemp A H.On the Joint Estimation of the RSS-based Location and Path-loss Exponent[J]. IEEE Wireless Communications Letters,2012,1(1):34-37.

[7]辛云宏,楊萬海.基于偽線性卡爾曼濾波的兩站紅外無源定位及跟蹤技術(shù)[J].西安電子科技大學(xué)學(xué)報(bào),2004,31(4): 505-508.

Xin Yunhong,Yang Wanhai.Pseudo-linear Kalman Filter Based Passive Location and Tracking Techniques by Two Infrared Stations[J].Journal of Xidian University,2004,31(4):505-508.

[8]Theodore S.Rappaport,Wireless Communications:Principles and Practice[M].London:Prentice-Hall,1996.

[9]Park J G,Curtis D,Teller S,et al.Implications of Device Diversity for Organic Localization[C]//Proceedings of IEEE International Conference on Computer Communications.Piscataway:IEEE,2011:3182-3190.

[10]Zhang D,Liu Y H,Guo X N,et al.RASS:A Real-time,Accurate and Scalable System for Tracking Transceiver-free Objects[J].IEEE Transactions on Parallel and Distributed systems,2013,24(5):996-1008.

(編輯:李恩科)

Heterogeneous data synergistic location method in the WSN

XING Tianzhang1,WANG Ju1,CHEN Xiaojiang1, FANG Dingyi1,YANG Zhe2
(1.School of Information and Technology,Northwest Univ.,Xi’an 710127,China; 2.School of Computer Science,Northwestern Polytechnical Univ.,Xi’an 710069,China)

For the passive localization problem,a novel method called the heterogeneous data synergistic (HDS)based on the dynamic Bayesian network is proposed,which can coordinate heterogeneous data,and localize the target in the wireless sensor network(WSN).By comprehensively analyzing the three localization models(the signal strength model,the infrared ranging model and the particle filter)in the WSN,their characteristics are summarized in brief.According to the Bayesian network and the different characteristics,the HDS is designed under the dynamic deduction.Simulation results prove that the proposed method is adequate to the passive localization,and that compared with other traditional methods, the localization accuracy is greatly improved.

wireless sensor network;passive localization;signal strength;infrared ranging;Bayesian network

TP915

A

1001-2400(2014)05-0197-06

2014-01-07

國家科技支撐計(jì)劃資助項(xiàng)目(2013BAK01B02,2013BAK01B05);國家自然科學(xué)基金資助項(xiàng)目(61170218,61272461);陜西省教育廳自然專項(xiàng)資助項(xiàng)目(2013JK1126,2013JK1127);西北大學(xué)科學(xué)研究基金資助項(xiàng)目(12NW05);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(K5051203003)

邢天璋(1981-),男,講師,E-mail:xtz@nwu.edu.cn.

10.3969/j.issn.1001-2400.2014.05.033