張亞軍，王洪君

（1.昌吉學(xué)院計算機工程系，新疆昌吉831100；2.山東大學(xué)信息科學(xué)與工程學(xué)院，濟南250100）

基于無線層析成像的室內(nèi)監(jiān)測定位算法研究*

張亞軍1，2，王洪君2*

（1.昌吉學(xué)院計算機工程系，新疆昌吉831100；2.山東大學(xué)信息科學(xué)與工程學(xué)院，濟南250100）

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，通過傳感網(wǎng)絡(luò)實現(xiàn)定位的技術(shù)成為研究熱點。通過部署傳感網(wǎng)絡(luò)，收集傳感器的接收信號強度指示，設(shè)計對應(yīng)的定位模型從而達到高效定位的功能。但在室內(nèi)復(fù)雜多徑環(huán)境下，接收信號強度指示的值容易受到外界因素的干擾，其定位的準(zhǔn)確度和精確度將會因為多徑干擾而大幅下降。為此，提出基于RTI的室內(nèi)成像技術(shù)，建立成像模型，設(shè)計兩種定位算法并完成相關(guān)實驗。實驗結(jié)果表明，均值法定位算法具有較高的準(zhǔn)確性和精確性。

物聯(lián)網(wǎng)；傳感網(wǎng)絡(luò)監(jiān)測；成像技術(shù)；多徑干擾；無源定位

室內(nèi)無源定位及追蹤是通過對已知的無線傳感網(wǎng)絡(luò)信號分析，利用無線層析成像RTI（Radio To?mographic Imaging）原理［1-2］，對室內(nèi)未攜帶任何電子設(shè)備的無源目標(biāo)運動行為進行探測感知、定位及追蹤的一種新興技術(shù)。與此對應(yīng)的是目標(biāo)攜帶有源標(biāo)簽（Active Radio Frequency Identification），通過有源信號實現(xiàn)的有源定位。此類方案是利用無線傳感器組建傳感網(wǎng)絡(luò)WSNs（Wireless Sensor Net?works，）。在WSNs中，多個無線傳感器被部署在監(jiān)視區(qū)域內(nèi)，單個目標(biāo)或者多個目標(biāo)在監(jiān)視區(qū)域內(nèi)隨機游走，收集無線傳感器的接收信號強度指示RSSI（Received Signal Strength Indication），通過算法處理，實現(xiàn)目標(biāo)無源定位。

使用無線射頻傳感網(wǎng)絡(luò)的無源定位（device-free localization or passive location）技術(shù)作為一個新興的研究熱點［3-4］，已經(jīng)引起研究者的極大興趣。無源定位技術(shù)可以應(yīng)用在工業(yè)領(lǐng)域檢測入侵者，或在危急情況下幫助警察及消防人員跟蹤室內(nèi)的受困人員［1］。

實際上，已經(jīng)存在多種不同的方案實現(xiàn)無源定位，例如視頻定位追蹤、紅外線定位、超聲波定位等技術(shù)。但是這些方案具有局限性，部署成本及定位精度都存在不同的問題。包含超寬頻UWB（Ultra-Wide Band）和接收信號強度RSS（Received Signal Strength）在內(nèi)的多種無線射頻測量方案已經(jīng)被提出，并且應(yīng)用在室內(nèi)人員的監(jiān)測和定位［2，5-6］。本文提出的方案具有一定的優(yōu)勢：首先，在性價比方面，對比雷達無源探測定位方案，本方案成本低廉；其次，應(yīng)用范圍方面，比起視頻監(jiān)控、紅外線探測等技術(shù)，本方案具有范圍大，不受墻面阻擋等限制，具有穿墻功能；第三，本方案不侵犯個人隱私，比如嫌疑人被監(jiān)視居住的情況下，在保護其個人隱私的情況下實現(xiàn)室內(nèi)無源定位。

1 基于無線層析成像無源定位原理

1.1 線性模型

當(dāng)無線傳感節(jié)點通信時，無線信號穿過該網(wǎng)絡(luò)的監(jiān)視區(qū)域。在該區(qū)域內(nèi)的目標(biāo)能夠?qū)?jié)點發(fā)射功率產(chǎn)生吸收、反射、衍射、散射等現(xiàn)象?；赗TI的定位系統(tǒng)的描述：由于目標(biāo)在N個像素的監(jiān)視區(qū)域內(nèi)遮擋無線電功率衰減而產(chǎn)生的RN維的圖像向量。由于像素是已知的，因此根據(jù)該區(qū)域內(nèi)衰減區(qū)域，從而確定目標(biāo)的位置［7-9］。

假設(shè)WSNs中有K個傳感器節(jié)點，兩兩之間相互通信，則認為該網(wǎng)絡(luò)中鏈接對總數(shù)量（為減少計算量，只考慮無向圖）。根據(jù)信道傳播模型，鏈接i在t時刻的值RSSi(t)是5部分組成，由式（1）表示：

其中Pi是發(fā)射功率；Si(t)是由于目標(biāo)遮擋衰減信號損耗；Fi(t)是多徑環(huán)境下的信號衰退損耗；Li是靜態(tài)損耗，比如距離、天線類型等；vi(t)是測量噪聲；以上各部分的單位都是分貝（dB）.

信號的接收強度RSSi(t)。而Si(t)近似的認為是區(qū)域內(nèi)每個像素的衰減的總和。由于區(qū)域內(nèi)像素對任意鏈接衰減的貢獻值大小不同，因此需要分配權(quán)重值wij。

Si(t)的數(shù)學(xué)形式如式（2）：

其中wij是鏈接i中像素j的權(quán)重值，xj(t)是發(fā)生在t時刻像素j的衰減。如果鏈接沒有“穿過”某像素，則權(quán)重wij的值為零，即可以刪除該像素點，參考圖1。

RSS從ta到tb時刻變化如下：

其中，噪聲

像素j從ta到tb時刻的差異是

其中y∈RM，W∈RM×N，x∈RN，n∈RM是噪聲向量。

圖1 直射（LOS）鏈接示意圖

1.2 權(quán)重模型設(shè)計和噪聲n的選擇

權(quán)重矩陣W在不同的文獻中多種形式，W可以被分解［10］為

其中S是二進制選擇矩陣，Ω是包含權(quán)重大小的實值矩陣，?代表Hadamard乘積。

針對該模型，有如下定義：d(i)代表第i個鏈接節(jié)點間的距離；d1(i,j)和d2(i,j)分別代表像素的中心到鏈接i的兩個終端節(jié)點的距離；λ定義為鏈接i上兩個節(jié)點作為的一個橢圓的焦距，如圖2所示。

圖2 權(quán)重模型

則式（7）可變換如下：

1.3 圖像重建

由式（7）可知，此類方程屬于不適定問題的求解，當(dāng)從測量值估計圖像的時候，通常最優(yōu)的方案是最小二乘法。

利用梯度下降法可得

但實際上，根據(jù)文獻［11］所述，式（11）的前提條件為條件數(shù)較小，而在本文中W不滿足該條件。

為了解決本文的不適定問題，引入Tikhonov規(guī)則［11-14］。把Tikhonov規(guī)則引入公式最小二乘法之后，得到目標(biāo)函數(shù)：

其中Q是Tikhonov矩陣。

由于∏是固定不變的，因此∏可以根據(jù)實驗設(shè)置提前計算，從而在能夠快速的成像，實現(xiàn)圖像重建。

2 定位算法

2.1 直接定位法

直接定位法是依據(jù)式（15）直接成像之后，在圖像上面最亮的點，即為估計出的位置，同時根據(jù)坐標(biāo)和分辨率的映射關(guān)系，計算真實的位置坐標(biāo)。本文中，坐標(biāo)和分辨率的映射關(guān)系依據(jù)圖2所示，映射原則：自下而上，自左向右。

2.2 均值定位法

均值定位法：在圖像中找到最亮的點，然后在該點的鄰域中進行降序排列，最后選取該序列中前3個值作為輸入數(shù)據(jù)，使用式（16）計算橫坐標(biāo)均值：

其中，n取值范圍為［3，8］的整數(shù)，如果n=3則與質(zhì)心法相似?？v坐標(biāo)的計算方式與橫坐標(biāo)一致。

2.3 判斷

其判斷是否和參考坐標(biāo)一致的步驟：①利用定位算法解得坐標(biāo)(x′i,y′i)中的x′i和y′i，分別減去對應(yīng)序號的參考坐標(biāo)(xi,yi)的 xi和 yi值；②假如和同時滿足，則Nright加1，反之Nerror加1；③遍歷所有16個定位點。由于本文在部署階段說明（參考第3節(jié)），固定坐標(biāo)是像素的中心坐標(biāo)，因此在判別過程中假如是直接定位法Dth的取值為0.3 m，均值定位法Dth取值為0.424 m。

3 傳感網(wǎng)絡(luò)部署和數(shù)據(jù)收集

在6 m×6 m室內(nèi)空間，部署28個傳感器，相鄰節(jié)點之間的距離是m，每個節(jié)點放置在距離地面0.95 m高的三腳架上，該區(qū)域分辨率設(shè)置為10×10。

整個網(wǎng)絡(luò)是由TI公司生產(chǎn)的CC2530傳感器組成。傳感器節(jié)點在2.4 GHz頻率下運行，遵循IEEE 802.15.4標(biāo)準(zhǔn)通信協(xié)議，設(shè)置一個匯聚節(jié)點監(jiān)聽網(wǎng)絡(luò)狀態(tài)，并通過USB口上傳數(shù)據(jù)給筆記本電腦，根據(jù)算法處理，實時成像。為了避免網(wǎng)絡(luò)通信擁塞，本網(wǎng)絡(luò)采用令牌環(huán)控制通信，匯聚節(jié)點發(fā)送令牌環(huán)。每一個節(jié)點分配一個ID號，令牌環(huán)根據(jù)ID號控制通信順序。當(dāng)網(wǎng)絡(luò)中某一個節(jié)點收到令牌環(huán)，則發(fā)射信號，其他節(jié)點收取信號。當(dāng)節(jié)點收取時，檢查是否收到令牌環(huán)，如果收到則發(fā)送信號，沒有收到則等待接受下一個節(jié)點發(fā)送的信號。另外，為了提高系統(tǒng)的魯棒性，設(shè)置固定時常，任意節(jié)點超過該時常未能收取到信號，則說明當(dāng)前發(fā)射節(jié)點未能成功發(fā)送信號，則令牌環(huán)交給下一個節(jié)點。以此類推，收集每個節(jié)點發(fā)出的信號，作為成像的基礎(chǔ)數(shù)據(jù)。

在部署該實驗所需的基本步驟之后，運行該WSNs，由于開始階段可能會受到外界不同環(huán)境等因素干擾，出現(xiàn)RSSI不穩(wěn)定現(xiàn)象，因此需要運行大約3 min～5 min左右，系統(tǒng)可以達到穩(wěn)定狀態(tài)。此時按照部署要求收集離線階段數(shù)據(jù)，利用算法計算式（14），實現(xiàn)成像。

3.1 實驗結(jié)果

在試驗區(qū)域內(nèi)，隨機選擇16個位置，進行RSSI數(shù)據(jù)收集，具體數(shù)據(jù)見表1。

由表1的數(shù)據(jù)通過坐標(biāo)顯示如圖3，通過式（17）計算定位準(zhǔn)確率：

其中Nright代表和參考坐標(biāo)一致的定位坐標(biāo)個數(shù)，Nerror代表和參考坐標(biāo)不一致的定位坐標(biāo)個數(shù)。

表1 16個參考點的定位數(shù)據(jù) 單位：m

3.2 實驗分析

根據(jù)2.3節(jié)的判斷步驟以及式（17），直接法和均值法定位準(zhǔn)確率分別為68.75%和87.5%。

根據(jù)圖3和圖4分析可知，在本實驗中，采用均值法定位時，第9個參考點時具有最小值0.015 7 m，更加貼近實際位置，且正確率87.5%，且均方根誤差基本是0.3 m左右；而采用直接法定位時，雖然均方根值大部分為零，但是其準(zhǔn)確性只有68.79%，均方根誤差較大。

綜合以上分析，本文的基于無線層析成像的室內(nèi)均值定位算法具有較好的準(zhǔn)確率且具有一定的普適性。

圖3 定位圖

圖4 RMSE比較

4 結(jié)束語

作為室內(nèi)無源定位技術(shù)主要研究方向的無線傳感器定位，其信號對周圍環(huán)境的變化極其敏感，從而影響定位的精度。本文提出的基于無線層析成像的室內(nèi)監(jiān)測定位技術(shù)，在成像基礎(chǔ)之上，對于室內(nèi)的目標(biāo)進行定位研究，并設(shè)計相關(guān)的實驗，驗證兩種不同的定位算法。實驗結(jié)果表明，均值定位法具有較高的準(zhǔn)確性和精確性。

［1］Wilson J，Patwari N.See-Through Walls：Motion Tracking Using Variance-Based Radio Tomography Networks［J］.IEEE Transac?tions on Mobile Computing，2011，10（5）：612-621.

［2］Viani F，Rocca P，Benedetti M，et al.Electromagnetic Passive Lo?calization and Tracking of Moving Targets in a WSN-Infrastruc?tured Environment［J］.Inverse Problems，2010，26（7）：102-106.

［3］吳哲夫，周言.基于信道狀態(tài)信息的無源被動定位［J］.傳感技術(shù)學(xué)報，2015，28（5）：677-683.

［4］陳斌濤，劉任任，陳益強，等.動態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位方法［J］.傳感技術(shù)學(xué)報，2015，28（5）：729-738.

［5］Liu Heng，Wang Zhenghuan，Bu Xiangyuan，et al.Image Recon?struction Algorithms for Radio Tomographic Imaging［C］//Pro?ceedings of the 2012 IEEE International Conference on Cyber Technology in Automation，Control and Intelligent Systems，2012：48-53.

［6］Kaltiokallio O，Bocca M，Patwari N.Follow@grandma：Long-Term Device-Free Localization for Residential Monitoring［C］// 7th IEEE International Workshop on Practical Issues in Building Sensor Network Applications，2012：991-998.

［7］Maurizio Bocca，Ossi Kaltiokallio，Neal Patwari，et al.Multiple Target Tracking with RF Sensor Networks［J］.IEEE Transactions on Mobileomputing，201413（8）：1787-1800.

［8］Teav K，Zhou Zhendong，Vucetic B.Triangular MIMO Relay Channels：Simultaneous Signal and Interference Alignment［J］.IEEE Transactions on Vehicular Technology，2015，64（1）：223-235.

［9］Teun H，Evert Woudenberg，Alexander G.Urban Objects Classifi?cation With an Experimental Acoustic Sensor Network［J］.IEEE Sensors Journal，2015，15（5）：3068-3075.

［10］Christopher R，Richard K，Owens Walker T.Radio Tomographyfor Roadside Surveillance［J］.IEEE Journal of Selected Topics in Signal Processing，2014，8（1）：66-79.

［11］王雷，李宏明，杜曉通.基于Tikhonov正則化的WSN多邊定位算法研究［J］.傳感技術(shù)學(xué)報，2009，22（6）：852-856.

［12］Chiu Chingyuih，Diego Dujovne.Experimental Characterization of Radio Tomographic Imaging Using Tikhonov’s Regularization［C］// Biennial Congress of Argentina（ARGENCON），2014：468-472.

［13］Wilson J，Patwari N.Radio Tomographic Imaging with Wirelesss Networks［J］.IEEE Trans Mobile Computer，2010，9（5）：621-632.

［14］Tropp J A，Wright S J.Computational Methods for Sparse Solution of Linear Inverse Problems［J］.Appl&ComputMath，2010，98（6）：948-958.

［15］Wang Ju，F(xiàn)an Dingyi，Chen Xiaojiang，et al.LCS：Compressive Sensing Based Device-Free Localization for Multiple Targets in Sensor Networks［C］//Proceedings IEEE INFOCOM，2013：145-149.

［16］王雷，王曉鵬.WSNs節(jié)點定位不適定性的診斷與克服［J］.儀器儀表學(xué)報，2012（4）：850-856.

張亞軍（1983-），男，講師，博士研究生，研究方向為無源感知、傳感網(wǎng)監(jiān)測、信息融合，yajunzhang369@163.com；

王洪君（1963-），男，教授，博士，研究方向為物聯(lián)網(wǎng)技術(shù)、無源感知、嵌入式系統(tǒng)，hjw@sdu.edu.cn。

Research of Indoor location Algorithm Based on Radio Tomographic Imaging*

ZHANG yajun1，2，WANG hongjun2*
（1.Department of computer Engineering，Changji University，Changji Xinjiang 831100，China；2.School of Information Science and Engineering，Shandong University，Ji’nan 250100，China）

Location technology of sensor is an emerging research hot topic with the rapid development of Internet of things technology.Through the deployment of sensor networks，the receiver signal strength indicator is collected，and the corresponding positioning model is designed to achieve the function of high efficiency.But in the indoor com?plex multipath environment，its accuracy and precision drop significantly because of multipathinterference.There?fore，this paper presents imaging technology based radio tomographic imaging，establishsthe imaging model，designs two algorithms and completes related experiments.Experiment results show that mean-value algorithm has higher accuracy and precision.

Internet of things；sensor networks monitor；imaging technology；multipath interference；passive location

TP393

A

1004-1699(2015)10-1558-05

??6135E；6250D；6210E

10.3969/j.issn.1004-1699.2015.10.024

項目來源：國家重大科學(xué)儀器設(shè)備開發(fā)專項項目（2012YQ20022407）

2015-05-22 修改日期：2015-06-29