WSN 定位技术基本概念资料下载

  1 引 言     网络作为一种全新的信息获取和处理技术在目标跟踪、入侵监测及一些定位相关领域有广泛的应用前景。然而， 无论是在军事侦察或地理环境监测， 还是交通路况监测或医疗卫生中对病人的跟踪等应用场合， 很多获取的监测信息需要附带相应的位置信息， 否则， 这些数据就是不确切的，甚至有时候会失去采集的意义， 因此网络中传感器节点自身位置信息的获取是大多数应用的基础。首先， 传感器节点必须明确自身位置才能详细说明“在什么位置发什么了什么事件”， 从而实现对外部目标的定位和跟踪； 其次， 了解传感器节点的位置分布状况可以对提高网络的路由效率提供帮助， 从而实现网络的负载均衡以及网络拓扑的自动配置， 改善整个网络的覆盖质量。因此， 必须采取一定的机制或算法来实现无线传感器网络中各节点的定位。   无线传感器网络定位最简单的方法是为每个节点装载全球卫星定位系统（GPS） 接收器， 用以确定节点位置。但是， 由于经济因素、节点能量制约和GPS 对于部署环境有一定要求等条件的限制， 导致方案的可行性较差。因此， 一般只有少量节点通过装载GPS 或通过预先部署在特定位置的方式获取自身坐标。另外， 无线传感器网络的节点定位涉及很多方面的内容， 包括定位精度、网络规模、锚节点密度、网络的容错性和鲁棒性以及功耗等， 如何平衡各种关系对于无线传感器网络的定位问题非常具有挑战性。可以说无线传感器网络节点自身定位问题在很大程度上决定着其应用前景。因此， 研究节点定位问题不仅必要， 而且具有很重要的现实意义。     2 WSN 定位技术基本概念     2.1 定位方法的相关术语   1） 锚节点（anchors）： 也称为信标节点、灯塔节点等， 可通过某种手段自主获取自身位置的节点；   2） 普通节点（normal nodes）： 也称为未知节点或待定位节点， 预先不知道自身位置， 需使用锚节点的位置信息并运用一定的算法得到估计位置的节点；   3） 邻居节点（neighbor nodes）： 传感器节点通信半径以内的其他节点；   4） 跳数（hop count）： 两节点间的跳段总数；   5） 跳段距离（hop distance）： 两节点之间的每一跳距离之和；   6） 连通度（connectivity）： 一个节点拥有的邻居节点的数目；   7） 基础设施（infrastructure）： 协助节点定位且已知自身位置的固定设备， 如卫星基站、GPS 等。   2.2 定位方法的性能评价标准   无线传感器网络定位性能的评价标准主要分为7 种， 下面分别进行介绍。   1） 定位精度。定位技术首要的评价指标就是定位精确度， 其又分为绝对精度和相对精度。绝对精度是测量的坐标与真实坐标的偏差， 一般用长度计量单位表示。相对误差一般用误差值与节点无线射程的比例表示， 定位误差越小定位精确度越高。   2） 规模。不同的定位系统或算法也许可以在一栋楼房、一层建筑物或仅仅是一个房间内实现定位。   另外， 给定一定数量的基础设施或一段时间， 一种技术可以定位多少目标也是一个重要的评价指标。   3） 锚节点密度。锚节点定位通常依赖人工部署或使用GPS 实现。人工部署锚节点的方式不仅受网络部署环境的限制， 还严重制约了网络和应用的可扩展性。而使用GPS 定位， 锚节点的费用会比普通节点高两个数量级， 这意味着即使仅有10%的节点是锚节点， 整个网络的价格也将增加10 倍， 另外， 定位精度随锚节点密度的增加而提高的范围有限， 当到达一定程度后不会再提高。因此， 锚节点密度也是评价定位系统和算法性能的重要指标之一。   4） 节点密度。节点密度通常以网络的平均连通度来表示， 许多定位算法的精度受节点密度的影响。   在无线传感器网络中， 节点密度增大不仅意味着网络部署费用的增加， 而且会因为节点间的通信冲突问题带来有限带宽的阻塞。   5） 容错性和自适应性。定位系统和算法都需要比较理想的无线通信环境和可靠的网络节点设备。   而真实环境往往比较复杂， 且会出现节点失效或节点硬件受精度限制而造成距离或角度测量误差过大等问题， 此时， 物理地维护或替换节点或使用其他高精度的测量手段常常是困难或不可行的。因此， 定位系统和算法必须有很强的容错性和自适应性， 能够通过自动调整或重构纠正错误， 对无线传感器网络进行故障管理， 减小各种误差的影响。   6） 功耗。功耗是对无线传感器网络的设计和实现影响最大的因素之一。由于传感器节点的电池能量有限， 因此在保证定位精确度的前提下， 与功耗密切相关的定位所需的计算量、通信开销、存储开销、时间复杂性是一组关键性指标。   7） 代价。定位系统或算法的代价可从不同的方面来评价。时间代价包括一个系统的安装时间、配置时间、定位所需时间； 空间代价包括一个定位系统或算法所需的基础设施和网络节点的数量、硬件尺寸等； 资金代价则包括实现一种定位系统或算法的基础设施、节点设备的总费用。   上述7 个性能指标不仅是评价无线传感器网络自身定位系统和算法的标准， 也是其设计和实现的优化目标。为了实现这些目标的优化， 有大量的研究工作需要完成。同时， 这些性能指标相互关联， 必须根据应用的具体需求做出权衡以设计合适的定位技术。     3 主要的WSN 定位方法     WSN 的定位方法较多， 可以根据数据采集和数据处理方式的不同来进行分类。在数据采集方式上， 不同的算法需要采集的信息有所侧重， 如距离、角度、时间或周围锚节点的信息， 其目的都是采集与定位相关的数据， 并使其成为定位计算的基础。在信息处理方式上， 无论是自身处理还是上传至其他处理器处理， 其目的都是将数据转换为坐标， 完成定位功能。目前比较普遍的分类方法有3 种：   1） 依据距离测量与否可划分为： 测距算法和非测距算法。其中测距法是对距离进行直接测量， 非测距法依靠网络连通度实现定位， 测距法的精度一般高于非测距法， 但测距法对节点本身硬件要求较高，在某些特定场合， 如在一个规模较大且锚节点稀疏的网络中， 待定位节点无法与足够多的锚节点进行直接通信测距， 普通测距方法很难进行定位， 此时需要考虑用非测距的方式来估计节点之间的距离，两种算法均有其自身的局限性；2） 依据节点连通度和拓扑分类可划分为： 单跳算法和多跳算法。单跳算法较多跳算法来说更加的简便易行， 但是存在着可测量范围过小的问题， 多跳算法的应用更为广泛， 当测量范围较广导致两个节点无法直接通信的情况较多时， 需要多跳通信来解决；3） 依据信息处理的实现方式可划分为： 分布式算法和集中式算法。以监测和控制为目的算法因为其数据要在数据中心汇总和处理， 大多使用集中式算法， 其精度较高， 但通信量较大。分布式算法是传感器节点在采集周围节点的信息后， 在其自身的后台执行定位算法， 该方法可以降低网络通信量， 但目前节点的能量、计算能力及存储能力有限， 复杂的算法难以在实际平台中实现。   普遍认为基于测距和非测距的算法分类更为清晰， 本文以其为分类原则介绍主要的WSN 定位方法。此外， 由于目前非测距算法大多为理论研究， 且实用性较差， 因此， 本文将着重介绍基于测距的定位方法。   3.1 基于测距的算法   基于测距的算法通常分为2个步骤， 首先利用某种测量方法测量距离（或角度）， 接着利用测得的距离（或角度）计算未知节点坐标。下面分别进行介绍。   3.1.1 距离的测量方法   本节将详细说明3 种主流的测量方法， 第一种是基于时间的方法， 包括基于信号传输时间的方法（time of arrival， TOA）和基于信号传输时间差的方法（time difference of arrival， TDOA）； 第二种是基于信号角度的方法（angle of arrival， AOA）； 第三种是基于信号接收信号强度的方法（received signal strengthindicator， RSSI）方法。下面分别进行介绍。   1） 基于时间的方法   a. 基于信号传输时间的方法：   TOA 技术通过测量信号的传播时间来计算距离，该技术可分为单程测距和双程测距， 单程测距即信号只传输一次， 双程测距即信号到达后立即发回。前者需要两个通信节点之间具有严格的时间同步， 后者则不需要时间同步， 但是本地时钟的误差同样会造成很大的距离偏差。最典型的应用就是GPS 定位系统。   优点： 测量方法简单且能取得较高的定位精度。   缺点： Ⅰ。 精确计时难。通常传感节点之间通信都采用无线电信号， 由于无线电的传输速度非常快，而传感节点之间的距离又较小， 这使得计算发送节点和接收节点之间的信号传输时间非常困难。因此利用此技术定位的节点需要采用特殊硬件来产生用于发送和接收的慢速无线信号。Ⅱ。 高精度同步难。