论文部分内容阅读
目标的位置与运动轨迹是无线传感器网络的基础信息,是基于位置服务实现的基础。卫星定位系统为室外环境下的目标定位与轨迹跟踪问题提供了解决方案。据统计,人类有80%以上的时间是在室内度过的,提供高精度的室内位置或者轨迹,是许多应用的基础。卫星无线信号会受到建筑物、墙壁等障碍物的严重影响,不能有效地在室内环境中工作。无线网络定位与轨迹跟踪问题涉及到计算机、通信、自动化与物理等多个学科的相关研究领域,为了提供室内位置服务,近二十年来,国内外研究者提出了基于不同技术原理的多种室内定位系统,但迄今为止尚无一种主导性的室内定位服务。室内无线网络的定位与轨迹跟踪问题有重大的应用价值,与此相关,无线网络的室内定位与轨迹跟踪问题持续吸引了许多研究者的目光。
室内移动对象的位置信息包括当前位置与移动轨迹两个方面,目前提出的轨迹跟踪模型大都将移动对象的轨迹定义为通过室内定位设备感知的位置序列,也就是先定位,再形成轨迹。由于定位误差不可避免,轨迹中包含的原始位置信息在空间上不一定连续,造成这种现象的原因是在定位时没有考虑定位信息是在相邻的位置产生的。本文基于位置指纹进行定位与轨迹跟踪问题的研究,根据移动未知节点时间上连续的指纹对应的物理位置必然空间上相邻的先验知识提出了两阶段处理的轨迹跟踪模型,将定位与轨迹跟踪问题统一考虑,利用统计推断挖掘位置指纹中蕴含的定位与轨迹跟踪问题的约束条件。具体来说,本文的主要研究内容和创新成果包括:
(1)针对网格状区域提出了一种基于RSSI指纹向量时空关联特性的轨迹跟踪算法。将原始的RSSI指纹向量处理为若干个根据信标节点分类的时间序列,为了降低噪声的影响,更加清晰地反映出RSSI的变化趋势,对重构的边界时间序列进行移动最小二乘拟合处理并检测边界跨越事件;以边界为单位对相邻区域计算区域RSSI时间窗口统计量,采用基于最小错误率贝叶斯决策规则的分类器推断与时间窗口对应的未知节点所在的网格状区域;在此基础上进行受约束条件限制的动态时间弯曲位置指纹匹配得到网格区域内轨迹。对时空关联模型轨迹跟踪算法中约束条件信息检测的原理进行了严谨的数学论证。通过现场实验与仿真实验表明,该算法计算所得轨迹光滑、误差不累积、可避免野值、环境适应性好,有效克服了噪声的影响,提高了轨迹跟踪的准确度。
(2)针对任意形状区域提出基于Delaunay三角剖分的轨迹跟踪模型。现场被划分为一系列的三角形区域,邻接的三角形区域的公共边作为边界处理,其中每个区域为由三个最近的信标节构成的最优三角形;采用基于APIT测试累加统计推断的方法判定区域,对节点的RSSI信息采用移动最小二乘拟合处理,使区域判定的准确率从86%提升到95.4%,未知节点在Delaunay三角形之间切换的位置就是边界点;在此基础上进行受约束条件限制的动态时间弯曲位置指纹匹配得到Delaunay三角形区域内轨迹。通过现场实验表明,在节点分布密度>6并且在单个区域内APIT测试数不少于5次的情况下,区域可以准确地判断出来,从而形成连续光滑、误差不累积的高精度轨迹。
(3)提出了网格状区域的最优参考方程多边定位算法。在信标节点网格状部署的情况下,先利用RSSI指纹的统计特性判定一段时间内未知节点所在的区域,用该区域的对应信标节点构建多边定位方程组,选择测距误差尽可能小的方程作为参考方程进行方程组的线性化,在此基础上求出最小二乘解作为定位结果。对于网格状区域,选择区域顶点符合MaxMean准则;其次,根据无线信号的传输模型选择测距误差尽可能小的最优参考方程;最后,以网格区域构建的方程组线性化后具有优良的特性。通过现场实验表明,相对于单纯的考虑信标节点,约束条件下的网格状区域的最优参考方程多边定位算法取得了更高的定位精度。
(4)提出了基于RSSI测距的自适应受限凸规划定位算法。在信标节点任意部署的情况下,先利用RSSI指纹的统计特性判定一段时间内未知节点所在的Delaunay三角形区域;根据Delaunay三角形是所有三角剖分方案中最接近于等边三角形的剖分方案,以区域为单位选择该Delaunay三角形对应信标节点进行定位;一方面,以三角形区域为单位考虑信标节点的选择,不同形状的三角形在定位计算中的作用是不一样的,另一方面,以区域为单位来看,算法所选择的Delaunay三角是与未知节点最近的;在此基础上,充分利用RSSI的测距能力,设计了基于RSSI测距的自适应受限凸规划定位算法;算法引入自适应机制保证总可以形成重叠区域,用区域限制来减小重叠区域的面积,通过现场实验表明,相对于单纯的凸规划定位算法,约束条件下的基于RSSI测距的自适应受限凸规划定位算法定位精度有大幅度的提升。
综上所述,本文研究了根据不同信标节点的空间部署所形成的区域信息,利用统计推断充分挖掘RSSI指纹向量中蕴含的与区域相关的约束条件,在此基础上分别构建轨迹跟踪模型,实现约束条件下的轨迹跟踪算法;在已有的约束条件下,以区域为单位考虑信标节点的选择并设计了相应的定位算法;这些算法极大地降低了RSSI噪声的影响,消除了野值,取得了高的定位精度与轨迹跟踪精度。
室内移动对象的位置信息包括当前位置与移动轨迹两个方面,目前提出的轨迹跟踪模型大都将移动对象的轨迹定义为通过室内定位设备感知的位置序列,也就是先定位,再形成轨迹。由于定位误差不可避免,轨迹中包含的原始位置信息在空间上不一定连续,造成这种现象的原因是在定位时没有考虑定位信息是在相邻的位置产生的。本文基于位置指纹进行定位与轨迹跟踪问题的研究,根据移动未知节点时间上连续的指纹对应的物理位置必然空间上相邻的先验知识提出了两阶段处理的轨迹跟踪模型,将定位与轨迹跟踪问题统一考虑,利用统计推断挖掘位置指纹中蕴含的定位与轨迹跟踪问题的约束条件。具体来说,本文的主要研究内容和创新成果包括:
(1)针对网格状区域提出了一种基于RSSI指纹向量时空关联特性的轨迹跟踪算法。将原始的RSSI指纹向量处理为若干个根据信标节点分类的时间序列,为了降低噪声的影响,更加清晰地反映出RSSI的变化趋势,对重构的边界时间序列进行移动最小二乘拟合处理并检测边界跨越事件;以边界为单位对相邻区域计算区域RSSI时间窗口统计量,采用基于最小错误率贝叶斯决策规则的分类器推断与时间窗口对应的未知节点所在的网格状区域;在此基础上进行受约束条件限制的动态时间弯曲位置指纹匹配得到网格区域内轨迹。对时空关联模型轨迹跟踪算法中约束条件信息检测的原理进行了严谨的数学论证。通过现场实验与仿真实验表明,该算法计算所得轨迹光滑、误差不累积、可避免野值、环境适应性好,有效克服了噪声的影响,提高了轨迹跟踪的准确度。
(2)针对任意形状区域提出基于Delaunay三角剖分的轨迹跟踪模型。现场被划分为一系列的三角形区域,邻接的三角形区域的公共边作为边界处理,其中每个区域为由三个最近的信标节构成的最优三角形;采用基于APIT测试累加统计推断的方法判定区域,对节点的RSSI信息采用移动最小二乘拟合处理,使区域判定的准确率从86%提升到95.4%,未知节点在Delaunay三角形之间切换的位置就是边界点;在此基础上进行受约束条件限制的动态时间弯曲位置指纹匹配得到Delaunay三角形区域内轨迹。通过现场实验表明,在节点分布密度>6并且在单个区域内APIT测试数不少于5次的情况下,区域可以准确地判断出来,从而形成连续光滑、误差不累积的高精度轨迹。
(3)提出了网格状区域的最优参考方程多边定位算法。在信标节点网格状部署的情况下,先利用RSSI指纹的统计特性判定一段时间内未知节点所在的区域,用该区域的对应信标节点构建多边定位方程组,选择测距误差尽可能小的方程作为参考方程进行方程组的线性化,在此基础上求出最小二乘解作为定位结果。对于网格状区域,选择区域顶点符合MaxMean准则;其次,根据无线信号的传输模型选择测距误差尽可能小的最优参考方程;最后,以网格区域构建的方程组线性化后具有优良的特性。通过现场实验表明,相对于单纯的考虑信标节点,约束条件下的网格状区域的最优参考方程多边定位算法取得了更高的定位精度。
(4)提出了基于RSSI测距的自适应受限凸规划定位算法。在信标节点任意部署的情况下,先利用RSSI指纹的统计特性判定一段时间内未知节点所在的Delaunay三角形区域;根据Delaunay三角形是所有三角剖分方案中最接近于等边三角形的剖分方案,以区域为单位选择该Delaunay三角形对应信标节点进行定位;一方面,以三角形区域为单位考虑信标节点的选择,不同形状的三角形在定位计算中的作用是不一样的,另一方面,以区域为单位来看,算法所选择的Delaunay三角是与未知节点最近的;在此基础上,充分利用RSSI的测距能力,设计了基于RSSI测距的自适应受限凸规划定位算法;算法引入自适应机制保证总可以形成重叠区域,用区域限制来减小重叠区域的面积,通过现场实验表明,相对于单纯的凸规划定位算法,约束条件下的基于RSSI测距的自适应受限凸规划定位算法定位精度有大幅度的提升。
综上所述,本文研究了根据不同信标节点的空间部署所形成的区域信息,利用统计推断充分挖掘RSSI指纹向量中蕴含的与区域相关的约束条件,在此基础上分别构建轨迹跟踪模型,实现约束条件下的轨迹跟踪算法;在已有的约束条件下,以区域为单位考虑信标节点的选择并设计了相应的定位算法;这些算法极大地降低了RSSI噪声的影响,消除了野值,取得了高的定位精度与轨迹跟踪精度。