英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于AOA的自组织传感器网络的定位算法
摘要：
无线传感器网络（WSN）中传感器节点的位置知识将使许多应用程序成为可能，例如资产监控，对象跟踪和路由。 在WSN中，在WSN中的节点对之间的距离和角度的测量中可能发生错误，并且这些错误将被传播到不同的节点，传感器节点的位置的估计可能是困难的并且具有巨大的误差。 在本文中，我们将提出基于距离和角度的定位算法。 因此，我们引入了一个入射角度的方法，以及交换物理数据（如距离和入射角度）的算法，并通过利用多个地标和多个路标到地标来更新节点的位置。
关键词：AoA，RSSI，无线传感器网络，本地化
1简介
无线传感器网络（WSN）涉及许多不同的技术，如通信，传感和计算，现在已成为非常重要的研究领域。传感器节点在WSN中的准确位置的知识使许多有吸引力的应用（如路由和跟踪资产）成为可能[1-4]。传感器节点在WSN中的位置坐标可以增加传感器收集的信息的重要意义[5-7]。
传感器节点位置可以通过基于范围的方法计算，例如GPS（全球定位系统）或无范围方法。基于GPS的方法需要传感器节点由GPS配备，这是非常昂贵的，并且在阻挡诸如室内环境的GPS信号的情况下不能使用。
传感器节点之间的距离可以通过RSSI（接收信号强度指示器），ToA / TDoA（到达时间/到达时间差）和AOA（到达角度）来确定。如果可以精确测量节点对之间的距离和角度，则本地化过程将非常简单。但是测量可能是错误的，所以本地化算法可能变得复杂和不准确。
对定位技术进行了大量的研究[8-12]。在这些研究中，Niculescu [8,9]提出的DV-hop和DV-距离是众所周知的。在本文中，假设WSN由传感器节点和地标组成。地标坐标可以由GPS或人类直接给出。此外，还假设传感器具有测量与其邻居的距离和相对角度的能力。除了地标之外的传感器不知道他们的绝对参考轴承如北部，以便它们从地标轴承推断参考轴承。在[13]中，我们已经引入了一种方法来获得传感器节点的轴承，并通过与DV跳和DV距离进行比较来符合我们的方法的有效性。在本文中，我们将给出更多的详细定位算法和一些具有节点密度，测量物理数据和地标数量的结果。
本文的组织结构如下。在第二节中，介绍相关的作品。然后，、在第3节中，我们详细介绍了测量邻居角度的方法[13]。在第4节中，我们更详细地介绍了本文提出的定位算法。在第5节中给出了仿真结果。最后，在最后一节，我们给出结论。
2相关工作
已经开发了几种使用无线电收音机的本地化技术，并且在商业上可用。 GPS可能是最受欢迎的定位系统，但GPS不能在室内使用，或者当接收机不能从卫星接收无线信号时。为了补充GPS的弱点，已经有许多可用的本地化系统，如活动徽章，活动蝙蝠，板球和雷达，他们的详细评论见[14]。
活动徽章本地化系统是在奥利维泰研究实验室开发的，现在是AT＆T剑桥，并使用漫射红外技术。活动徽章系统提供绝对的位置信息和难度在荧光灯或阳光直射的地点。因为扩散红外线的有效范围只有几米，所以活动徽章系统可以部署在中小型房间中。
主动蝙蝠定位系统由AT＆T开发。该系统使用超声飞行时间技术，使其能够比活动徽章提供更准确的测量。蝙蝠向天花板安装的接收器发送超声脉冲，同时控制器不仅发送射频请求包，而且向天花板传感器发送同步复位信号。每个天花板传感器测量RF信号复位到达和超声脉冲到达之间的时间间隔，然后时差将被转换距离。活动蝙蝠可以在真实位置的9cm内获得准确度。
板球位置支持系统旨在补充Active Bat系统。因此，像Active Bat系统一样，利用超声飞行时间数据和射频同步信号。该系统允许对象执行所有的三角测量计算。板球使用RF信号进行同步以及可用时域的描述。板球提供了后台和邻近技术。
RADAR由微软研究组开发，基于IEEE 802.11 WaveLAN无线网络技术。 RADAR可以测量用于计算建筑物内2D位置的信号的信号强度和信噪比。该系统只需要几个基站，并为建筑物的通用无线网络提供相同的基础设施。无线电定位系统通过测量WSN中的一组地标（或信标或固定站）和未知节点（或移动站）之间的无线电信号来操作。在WSN的定位系统中，节点可以通过使用从地标接收到的信号来计算自己的位置。
图1测量角度以确定节点的位置。点是已经知道它们的坐标的地标，而三角形是要被定位的节点。
图2信号强度和基于ToA的定位系统。 点是已经知道它们的坐标的地标，而三角形是要被定位的节点。
无线定位系统可以分为基于角度的技术，如AoA，基于时间的技术，如ToA和TDoA以及基于信号强度的技术或其组合。在[15]中有一个简短的回顾。
基于角度的技术：AoA是基于角度的技术的定位方法。 AoA技术中的节点可以通过首先测量来自图1所示的几个地标的接收信号的角度来估计它们的位置。在节点中测量AoA可以使用指令天线或天线阵列。如图所示。 1，找到位置线的交点允许节点计算它们的位置。 AoA方法需要至少两个地标来修正节点的位置。
信号强度：信号强度技术使用已知的数学模型描述路径损耗衰减与距离。测量的信号强度可以转换地标和节点之间的距离。要定位的节点应位于以地标为中心的圆圈上。如图所示。 2，当从三个以上的地标测量信号强度时，节点可以使用简单的几何关系找到它的位置。
基于时间的本地化：在ToA方法中，通过测量它们之间的单向传播时间，可以通过测量信号以光速行进（c）来发现地标和节点之间的距离。如图2所示，如果一个节点能够知道距离其相邻地标三个以上的距离，则节点可以定位其自己的位置。另一方面，TDoA使用到达信号的时差。 TDoA不需要知道信号的传输时间，这在ToA系统中是重要的。在TDoA技术中，线路位置将被定义为双曲线，因为如图3所示，两个地标的到达时间的恒定时间差的曲线是双曲线。
图3基于TDoA的定位方法。点是已经知道它们的坐标的地标，而三角形是要被定位的节点。
3测量与立即节点角度的方法
WSN是指ad-hoc部署的传感器节点集合。假设WSN中的所有节点都可以在其传输范围内与其相邻节点进行通信[16]。特别是地标已经知道他们的坐标，并且他们有自己的参考轴承（例如，东）。将假定所有节点都有能力根据自己的轴（称为标题）测量与其邻居的距离和相对角度。图4显示了所用角度的定义。
在本文中[13]。用于测量与邻居角度的节点的航向在不同的节点之间是不同的。节点的标题由粗箭头显示。在图如图4所示，ab是节点A和节点C之间的测量角度。theta;表示与东方相邻的邻居的入射角度。例如，theta;AB是在节点B处测量的来自节点A的入射角度。然后，a是节点A的方位角，其表示从东部测量的A的航向的角度。
由于地标具有方位角，计算将从地标附近的节点开始。首先，假设节点B已经知道自己的方位角和与节点A的角度。节点B能够使用其自己的方位角和与节点A的角度来计算入射角theta;BA，
获得的入射角度theta;BA将为转移到节点A，然后被用于计算与节点A相关的角度。也就是说，节点A将从节点B计算入射角度theta;AB，如下：
图4计算两个节点之间有用角度的详细描述
对于地标邻居的所有节点将执行相同的计算，以便具有任何与地标的连接的所有节点都可以拥有自己的方位角。然后，节点还将从它们的邻居从它们的方位角计算所有入射角，并且将测量的角度计算到它们的邻居。虽然具有至少一个与地标的连接路径的节点可以计算与角度相关的信息，但是对于远离地标的许多跳的节点，角度误差累积将是深刻的。 所以我们会把跳数限制在3或5之内。
4定位算法
本文提出的定位算法由两个阶段组成。对于分配过程，这两个阶段将同时执行。在第一阶段，传感器领域中的所有传感器节点将在其传输范围内找到相邻节点。然后，他们必须计算他们和他们的邻居之间的距离和来自他们的邻居的入射角度。这个物理信息将被重新计算并与它们的邻居周期性地或者事件发生，例如添加新的节点共享。每个节点将构建其物理信息表。id是邻居节点的标识号，距离是指节点与邻居节点之间的距离。这些距离将由传感器节点本身计算的距离和其邻居发送的距离进行分隔。 Theta是由节点本身计算的值和由邻居发送的值组成的计算入射角度。为了识别邻居是否是地标或普通节点，将记录“L或S”。显示了传感器节点交换物理数据的过程示例。每个节点将发送包括物理数据的消息，例如其标识号，从自身到其接近度的距离，通过前一章描述的方法计算的入射角。因此，在完成此过程之后，所有节点都可以共享所有物理信息，以便与邻居计算其位置。
基于在物理数据表中重新编码的物理数据，第二阶段将从地标开始。首先，由于地标已经知道他们的位置，所以他们会广播他们的身份证号码及其坐标。然后，相邻的地标节点可以根据存储的物理数据和其地标的坐标来计算它们的位置。例如，与图1中的地标Li相邻的节点Nj。可以得到其坐标如下
在节点计算其坐标之后，构建它们的位置表，其中包括它们的坐标和跳数，跳数远离用于计算位置的地标。 已经拥有其位置的节点将把它们的坐标广播到它们的邻居，然后从邻居接收到的位置信息的节点可以计算它们的位置。 计算其坐标的节点可以使其位置表。 这个过程将一直持续到所有的节点都有自己的位置，当邻居的位置更新时也会发生。
4.1更新传感器节点的坐标
由于一些节点可能已经知道了几个地标的坐标，或者从地标到节点有许多路径需要知道它们的位置，所以传感器节点可以具有几个坐标。显示了一个节点链接了几个地标并且有几条路径到地标的情况。正方形是地标，圆是传感器节点。在图1的情况下。传感器节点j知道2个地标，因此该节点有可能具有三个坐标。显示了从标记i到传感器节点j的几条路径。在这种情况下，传感器节点j本身将具有多个坐标。这意味着节点需要一个方法来确定它们在几个坐标之间的位置。
本文提出了四种方案来确定传感器的坐标。第一个方案是我们所说的“最小跳点”方法。该方案可以选择远离传感器节点的地标最小跳数，然后传感器节点从该地标的位置计算其坐标。但是，有多个地标相同的跳数;传感器节点的位置将被平均。第二种方案称为“最小距离”方法。首先，传感器节点估计到已知地标的距离，然后选择距离最近的地标。因此，传感器节点将确定其从最近的地标计算的位置。
第三种方法利用从几个地标计算的几个坐标。如果从传感器节点到地标有几条路径，我们选择具有最小跳数的路径。因此，该方法可以从多个地标平均坐标来确定节点的坐标。我们可以看到，第一种方法仅使用地标k来找到节点j的坐标，但第三种方法利用由地标i，k和m计算的所有坐标。我们称之为“平均最小跳数”方法。
图6具有节点密度变化的定位误差和覆盖（通过改变节点数量来计算节点密度）。
最终的方案很简单。该方法利用从地标到传感器节点的几条路径。从地标到节点有多条路径。这意味着即使只知道一个地标，节点也可以获得多个坐标，因为几个路径意味着节点的几个坐标。因此，我们将简单地平均从多路径获得的节点坐标，所谓的“多路径均值”方法。
5.结果与讨论
所提出的方法将容易受到角度误差的影响，因为节点的方位角距离一个地标很远。当地标远离时，这变得很严重。 在本文中，测量的距离和角度被假设为高斯。
（theta;meas）是一个特定的常数[17]，而N（0,1）是一个正态分布的随机变量。 因此，测量值中的噪声误差被建模为加法，可以通过改变特定常数sigma;r（sigma;theta;）来改变，其中在方程（5），（6）中的Matlab程序中的sigma;r（sigma;theta;）是正常的标准偏差 分配，所以我们简单地称之为标准偏差。
图6显示了具有节点密度的位置误差和覆盖范围，其中覆盖是指计算坐标到节点的节点的比率。节点密度[18-20]可以计算为，
其中N是传感器场部署的传感器节点的总数，A是传感器场的面积，R表示所有节点中相同节点的传输范围。 模拟中获得的定位误差由下式定义：
图7.比较有限的最大跳数为3和5的结果。（a）精度（b）覆盖范围。
其中N是节点的总数，rcalc是节点的计算坐标，而rreal是节点的真实坐标。
在该模拟中，传感器场被认为是每侧的长度为100m的平方。传输距离为10 m。如公式（7）中，当传感器场的面积固定时，节点密度可以根据节点数量或传播范围的变化而改变。结果如图1所示。8是通过改变节点数获得的。在这个模拟中，我们将跳数限制在5以内的地标，以防止角度误差的传播。也就是说，当计算节点的坐标时，只考虑远离节点的5跳内的地标。跳跃越大，覆盖范围越大，但是定位误差越大。“多路径均值”方法显示出最佳结果，“平均最小跳数”方法在准确度方面排名第二。此外，两种方法几乎独立于节点密度，但是“最小跳跃”和“最小距离”方法表明随着节点密度的增加，精度增加。在覆盖方面，除了“最小距离”方法之外，还有三种方法显示相同的结果。也就是说，当我们的方法获得的覆盖率达到近100％，当节点密度约为10。
为了看到测量距离和角度误差对精度和覆盖度的影响，在图5中比较了允许的最大跳数为3和5的两个结果。在图中。如图7所示，实线表示最大跳跃限制为5的结果，虚线为3跳的结果。在允许的最大跳数为3的情况下的精度，在图1中。如图7（a）所示，优于5跳，费用如图1所示。图7（b）。5个节点的覆盖范围达到近100％，节点密度为12.然而，在最大跳数为3的情况下，达到约90％。
增加地标数量对定位误差和覆盖率的影响如图1所示。一般来说，增加地标数量可以使节点的节点较小，从而可以减少角度误差的积累，从而允许节点选择具有小误差的地标。当地标数量小于40时，“多路径均值”方法显示出最佳的准确度，但是当地标数超过40时，“平均最小跳数”方法的精度要高于其他方法。 在这个模拟中，由于我们将跳数限制在5以找到地标，所以即使增加地标数量，覆盖率也不会达到100％，仍然有独立的地标。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[137443]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
