無(wú)線傳感網(wǎng)絡(luò)中多目標(biāo)識(shí)別與定位系統(tǒng)設(shè)計(jì)

謝仕義，徐　兵，陳有英，彭小紅

（1. 廣東海洋大學(xué)信息學(xué)院，廣東 湛江 524088；2. 廣東石油化工學(xué)院電信學(xué)院，廣東 茂名525000）

無(wú)線傳感網(wǎng)絡(luò)中多目標(biāo)識(shí)別與定位系統(tǒng)設(shè)計(jì)

謝仕義1，徐兵2，陳有英1，彭小紅1

（1. 廣東海洋大學(xué)信息學(xué)院，廣東 湛江 524088；2. 廣東石油化工學(xué)院電信學(xué)院，廣東 茂名525000）

設(shè)計(jì)了一種基于無(wú)線傳感網(wǎng)絡(luò)的多目標(biāo)識(shí)別與定位系統(tǒng)。系統(tǒng)采用DSP控制器作為傳感節(jié)點(diǎn)的核心，實(shí)時(shí)采集移動(dòng)目標(biāo)的紅外信號(hào)、磁信號(hào)和聲音信號(hào)，并對(duì)所采集的目標(biāo)信號(hào)進(jìn)行預(yù)處理，通過(guò)無(wú)線傳感器網(wǎng)絡(luò)將所采集的目標(biāo)信息上傳至上位機(jī)，通過(guò)上位機(jī)調(diào)用基于Matlab的神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別算法和定位算法分別實(shí)現(xiàn)對(duì)移動(dòng)目標(biāo)的識(shí)別與定位。分別進(jìn)行了室內(nèi)單人定位和小車定位的多目標(biāo)探測(cè)實(shí)驗(yàn)，結(jié)果表明，設(shè)計(jì)的基于無(wú)線傳感網(wǎng)絡(luò)的多目標(biāo)識(shí)別定位系統(tǒng)對(duì)目標(biāo)的識(shí)別正確率均達(dá)到92%以上，定位效果的均方誤差小于0.22 m，達(dá)到了探測(cè)系統(tǒng)的技術(shù)指標(biāo)要求。

無(wú)線傳感器網(wǎng)絡(luò)；探測(cè)識(shí)別；節(jié)點(diǎn)定位；特征提取；神經(jīng)網(wǎng)絡(luò)

物聯(lián)網(wǎng)被認(rèn)為是繼計(jì)算機(jī)、互聯(lián)網(wǎng)信息技術(shù)之后，世界信息產(chǎn)業(yè)的第3次信息發(fā)展浪潮，受到世界各國(guó)政府、企業(yè)和學(xué)術(shù)界的重視，無(wú)線傳感器網(wǎng)絡(luò)WSNs作為其感知層的關(guān)鍵技術(shù)也得到了長(zhǎng)足的發(fā)展[1]。無(wú)線傳感器網(wǎng)絡(luò)是由密集部署在監(jiān)視區(qū)域內(nèi)廉價(jià)微型的傳感器節(jié)點(diǎn)，通過(guò)無(wú)線自組織構(gòu)成的多跳無(wú)線通信網(wǎng)絡(luò)系統(tǒng)，其中每個(gè)感知網(wǎng)絡(luò)節(jié)點(diǎn)的電量、感知能力、計(jì)算能力和通信能力都有限[2]。感知節(jié)點(diǎn)將客觀世界的物理信息與傳輸網(wǎng)絡(luò)相連接，提高了人類獲取信息的能力，具有重要的應(yīng)用價(jià)值。作為一種新興的信息獲取技術(shù), WSNs具有廣闊的應(yīng)用前景[3]。但對(duì)于移動(dòng)多目標(biāo)探測(cè)識(shí)別、定位及跟蹤等方面由于物體數(shù)量較多、速度較快，物體的識(shí)別率和定位精度都不高。

目前，研究人員對(duì)移動(dòng)目標(biāo)探測(cè)識(shí)別、定位及跟蹤等方面進(jìn)行了研究。其中梁小曉等[4]提出了基于小波神經(jīng)網(wǎng)絡(luò)的WSNs目標(biāo)識(shí)別設(shè)計(jì)；唐亮等[5]提出了基于LEACH和壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)探測(cè)；梁濤等[6]提出了基于位置預(yù)測(cè)的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法；馮智博等[7]提出了分布式粒子濾波實(shí)現(xiàn)無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤；彭遠(yuǎn)芳等[8]提出了無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究;馮延蓬等[9]提出了無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤動(dòng)態(tài)簇成員調(diào)度策略；唐國(guó)明等[10]提出了一種基于雙層?xùn)鸥駝澐值臒o(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位法；焦竹青等[11]提出了基于曲線擬合的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位算法；岳亞南等[12]提出了基于概率假設(shè)密度的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤算法。以上這些研究在目標(biāo)探測(cè)、識(shí)別、定位方面取得了一些進(jìn)展，但是沒(méi)有建立一個(gè)綜合的探測(cè)識(shí)別定位系統(tǒng)，而且多數(shù)沒(méi)有針對(duì)多目標(biāo)進(jìn)行探測(cè)識(shí)別。

為了能夠探測(cè)出人、車輛等眾多移動(dòng)目標(biāo)的類型以及具體的位置等信息，結(jié)合WSNs技術(shù)自身特點(diǎn)，本文提出了基于WSNs的多目標(biāo)探測(cè)系統(tǒng)進(jìn)行研究與設(shè)計(jì)方案。

在本設(shè)計(jì)的多目標(biāo)探測(cè)識(shí)別系統(tǒng)中，首先分析了人、車輛等移動(dòng)多目標(biāo)的紅外信號(hào)、磁信號(hào)和聲音信號(hào)等特性，在此基礎(chǔ)上設(shè)計(jì)了基于WSNs的多目標(biāo)探測(cè)系統(tǒng)研究方案，包括多目標(biāo)識(shí)別方案設(shè)計(jì)和單個(gè)目標(biāo)定位方案設(shè)計(jì)。其中多目標(biāo)識(shí)別子方案采用LHI958紅外傳感器和HMC1002磁阻傳感器分別獲取移動(dòng)多目標(biāo)的紅外和磁信號(hào)，之后通過(guò)小波包分析方法進(jìn)行特征提取，并利用神經(jīng)網(wǎng)絡(luò)算法識(shí)別移動(dòng)多目標(biāo)的類型。目標(biāo)定位方案則采用聲音傳感器線性陣列獲取移動(dòng)目標(biāo)聲音信號(hào)，利用基于到達(dá)時(shí)間差的聲源定位技術(shù)，結(jié)合多傳感器數(shù)據(jù)融合算法，對(duì)移動(dòng)目標(biāo)實(shí)現(xiàn)定位。

1　多目標(biāo)識(shí)別定位方案設(shè)計(jì)

1.1網(wǎng)絡(luò)設(shè)計(jì)

為了實(shí)現(xiàn)對(duì)探測(cè)范圍內(nèi)信息的有效獲取，需要在探測(cè)范圍內(nèi)布置大量的WSNs節(jié)點(diǎn)，同時(shí)將整個(gè)探測(cè)范圍分成若干個(gè)相似區(qū)域，每個(gè)區(qū)域內(nèi)部包含一個(gè)組織協(xié)調(diào)者和若干個(gè)傳感節(jié)點(diǎn)，組織協(xié)調(diào)者稱為簇頭節(jié)點(diǎn)，該簇頭節(jié)點(diǎn)負(fù)責(zé)管理該區(qū)域內(nèi)的傳感節(jié)點(diǎn)，同時(shí)協(xié)調(diào)該區(qū)域簇頭節(jié)點(diǎn)與其它相鄰簇頭節(jié)點(diǎn)之間的通訊。圖1所示為基于WSNs的多目標(biāo)識(shí)別定位方案設(shè)計(jì)示意圖。

圖1　多目標(biāo)識(shí)別定位方案Fig.1　Scheme diagram of multi-target Detection and location

在該區(qū)域內(nèi)部，傳感節(jié)點(diǎn)通過(guò)傳感器對(duì)運(yùn)動(dòng)的人、車輛等多種目標(biāo)進(jìn)行探測(cè)，同時(shí)自身和區(qū)域內(nèi)相鄰節(jié)點(diǎn)之間相互合作，將所獲取的信息發(fā)送給該區(qū)域內(nèi)的簇頭節(jié)點(diǎn)。簇頭節(jié)點(diǎn)通過(guò)無(wú)線傳感器網(wǎng)絡(luò)將該區(qū)域內(nèi)所獲取的探測(cè)信息發(fā)送到網(wǎng)關(guān)節(jié)點(diǎn)后上傳至遠(yuǎn)程監(jiān)控中心，通過(guò)對(duì)探測(cè)信息分析與處理，從而實(shí)現(xiàn)對(duì)整個(gè)探測(cè)范圍內(nèi)的多目標(biāo)的探測(cè)功能。

圖2　典型區(qū)域目標(biāo)識(shí)別定位方案Fig.2　Scheme diagram of multi-target detection and location at typical regional

圖2為單個(gè)典型區(qū)域目標(biāo)識(shí)別定位方案示意。為了更加深入地研究基于WSNs的目標(biāo)探測(cè)技術(shù)，本文將探測(cè)范圍分為若干個(gè)相似的區(qū)域，重點(diǎn)對(duì)單個(gè)典型區(qū)域進(jìn)行深入研究。典型區(qū)域中主要包含一個(gè)簇頭節(jié)點(diǎn)和4個(gè)普通感知節(jié)點(diǎn)，各個(gè)傳感節(jié)點(diǎn)在該區(qū)域內(nèi)以輪詢的方式將采集的目標(biāo)信息發(fā)送給該區(qū)域內(nèi)的簇頭節(jié)點(diǎn)，然后上傳至上位機(jī)對(duì)采集的目標(biāo)信息進(jìn)行分析處理，最終實(shí)現(xiàn)對(duì)運(yùn)動(dòng)的人、車輛等多種目標(biāo)的探測(cè)。

1.2基于WSNs的目標(biāo)識(shí)別方案

為了達(dá)到較高的目標(biāo)識(shí)別率，結(jié)合移動(dòng)目標(biāo)信號(hào)特性分析，本設(shè)計(jì)選擇紅外傳感器和磁性傳感器對(duì)目標(biāo)進(jìn)行探測(cè)識(shí)別。同時(shí)采用合理的信號(hào)處理方法、軟硬件設(shè)計(jì)以及智能算法對(duì)目標(biāo)進(jìn)行識(shí)別，同時(shí)還兼顧到各傳感節(jié)點(diǎn)在具備功能的基礎(chǔ)上，滿足功耗低、抗干擾能力較強(qiáng)和小型化等方面要求。圖3為目標(biāo)探測(cè)識(shí)別的方法示意圖。

圖3　目標(biāo)識(shí)別方法Fig.3　Diagram of target recognition method

無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)識(shí)別方案如表1所示，識(shí)別對(duì)象主要分為兩大類，人與車，其中人經(jīng)過(guò)時(shí)只有紅外傳感器有參數(shù)，當(dāng)車從監(jiān)測(cè)區(qū)域經(jīng)過(guò)時(shí)，紅外傳感器與磁性傳感器都有數(shù)據(jù)變化。另外為了表示傳感器采集到的數(shù)據(jù)強(qiáng)度，多人與大車經(jīng)過(guò)時(shí)，紅外傳感器與磁性傳感器的數(shù)值變化較大，在表1中也進(jìn)行了加強(qiáng)標(biāo)識(shí)。

表1　目標(biāo)識(shí)別方案Table 1　Table of target identification scheme

1.3基于WSNs的目標(biāo)定位方案

聲音信號(hào)由于傳播距離遠(yuǎn)、受干擾小、易于獲取等特點(diǎn)，廣泛應(yīng)用于定位技術(shù)研究。而在實(shí)際環(huán)境中，人、小型車輛和大型車輛在移動(dòng)過(guò)程中所產(chǎn)生聲音信號(hào)幅度和頻率也有很大的不同，采用聲音傳感器對(duì)移動(dòng)目標(biāo)定位可以得到較好的效果。

由于單個(gè)聲音傳感器受環(huán)境噪聲、各種其他聲音的混響等因素影響，其接收的目標(biāo)信號(hào)信噪比會(huì)降低，拾取目標(biāo)信號(hào)的質(zhì)量也會(huì)下降。為了解決這些局限性，采用多個(gè)聲音傳感器組成陣列來(lái)大幅度提高接收目標(biāo)信號(hào)的質(zhì)量。目前聲音傳感器陣列可以分為線陣、面陣、立體陣。其中面陣主要對(duì)平面和低空目標(biāo)進(jìn)行定位，立體陣主要對(duì)空間目標(biāo)進(jìn)行定位，同時(shí)其算法也比較復(fù)雜。而線陣結(jié)構(gòu)簡(jiǎn)單且算法易于實(shí)現(xiàn)，適合對(duì)目標(biāo)進(jìn)行定位。因此，本設(shè)計(jì)采用傳感器線性陣列用于對(duì)目標(biāo)進(jìn)行定位。圖4為目標(biāo)定位的方法示意圖。

圖4　目標(biāo)定位方法Fig.4　Diagram of target location method

2　傳感節(jié)點(diǎn)硬件電路設(shè)計(jì)

傳感節(jié)點(diǎn)作為基于WSNs的多目標(biāo)探測(cè)系統(tǒng)的基本單元，應(yīng)具有對(duì)目標(biāo)信號(hào)的數(shù)據(jù)采集、處理和無(wú)線通訊等功能。其硬件分為兩部分：傳感器板和核心板。在傳感板電路設(shè)計(jì)中，為了盡可能提高獲取目標(biāo)聲音信號(hào)的質(zhì)量，同時(shí)考慮到傳感節(jié)點(diǎn)的硬件資源限制等因素，筆者采用多個(gè)聲音傳感器組成線性陣列實(shí)現(xiàn)對(duì)目標(biāo)聲音信號(hào)的獲取，用于對(duì)目標(biāo)進(jìn)行定位。

主控制板包含了DSP處理器電路、E2PROM存儲(chǔ)器、SDRAM存儲(chǔ)器、JTAG調(diào)試接口電路、無(wú)線通訊接口以及電源電路等。本設(shè)計(jì)選用TI公司的型號(hào)為TMS320VC5502的DSP處理器，具有低功耗、體積小、價(jià)格便宜等特點(diǎn)，同時(shí)具有強(qiáng)大的處理功能以及方便后續(xù)算法的移植。數(shù)據(jù)收發(fā)模塊以Jennic公司生產(chǎn)的超低功耗、高性能無(wú)線模塊JN5139，該芯片無(wú)線微控制器提供大存儲(chǔ)、高性能CPU，超低功耗和優(yōu)異無(wú)線RF包括在內(nèi)的全面的解決方案。其工作電壓3V，兩節(jié)干電池容量為1 000 mAh，在露天野外環(huán)境通信距離能達(dá)到100 m。在傳感節(jié)點(diǎn)正常工作之前，需要將預(yù)先調(diào)試好的程序燒寫到E2PROM，然后DSP上電后自動(dòng)加載程序，按照預(yù)設(shè)步驟運(yùn)行。傳感節(jié)點(diǎn)的硬件結(jié)構(gòu)圖如圖5所示。基于DSP開(kāi)發(fā)的軟件工作流程：首先DSP進(jìn)行上電初始化，然后判斷是否接收到探測(cè)命令或者是否接收到聲源采集命令。如果接收到探測(cè)命令，則進(jìn)行目標(biāo)磁信號(hào)和紅外信號(hào)采集，然后對(duì)采集到的信號(hào)進(jìn)行處理并存儲(chǔ)到外部存儲(chǔ)器，接著判斷是否要發(fā)送磁和紅外數(shù)據(jù)。如果需要發(fā)送，則發(fā)送磁和紅外數(shù)據(jù)；否則判斷是否結(jié)束，如果沒(méi)有結(jié)束，則等待下一次探測(cè)命令。

傳感節(jié)點(diǎn)的無(wú)線通信模塊軟件設(shè)計(jì)主要是接收簇頭節(jié)點(diǎn)的控制命令，其控制命令包括目標(biāo)探測(cè)采集命令、聲源采集命令以及接收傳感節(jié)點(diǎn)的數(shù)據(jù)命令。如果接收到數(shù)據(jù)上傳命令，則將該命令發(fā)送給DSP控制器，DSP控制器將發(fā)送來(lái)的數(shù)據(jù)以無(wú)線方式將數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)，完成一次數(shù)據(jù)傳輸。

圖5　傳感節(jié)點(diǎn)的硬件結(jié)構(gòu)Fig.5　Hardware structure of sensor nodes

3　上位機(jī)軟件設(shè)計(jì)

上位機(jī)軟件主要是能夠在PC機(jī)上實(shí)現(xiàn)對(duì)傳感節(jié)點(diǎn)的控制、實(shí)現(xiàn)與傳感節(jié)點(diǎn)之間的通訊。上位機(jī)界面軟件設(shè)計(jì)采用Visual C++6.0編譯環(huán)境和Matlab 2012a版本進(jìn)行開(kāi)發(fā)，上位機(jī)界面軟件可以分為移動(dòng)目標(biāo)探測(cè)與定位兩部分界面軟件來(lái)設(shè)計(jì)。移動(dòng)目標(biāo)探測(cè)部分界面軟件設(shè)計(jì)能夠顯示每個(gè)傳感節(jié)點(diǎn)所探測(cè)目標(biāo)的磁阻信號(hào)和紅外信號(hào)采樣值，具有VC調(diào)用Matlab程序計(jì)算目標(biāo)的磁阻信號(hào)和紅外信號(hào)的特征功能、調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)識(shí)別算法實(shí)現(xiàn)對(duì)目標(biāo)類型識(shí)別功能并顯示識(shí)別結(jié)果。定位部分界面軟件設(shè)計(jì)能夠顯示每個(gè)傳感節(jié)點(diǎn)所采集的目標(biāo)的聲信號(hào)采樣值，并顯示傳感節(jié)點(diǎn)的坐標(biāo)信息、通過(guò)VC調(diào)用聲源定位Matlab程序計(jì)算目標(biāo)坐標(biāo)點(diǎn)信息。上位機(jī)界面軟件通過(guò)串口與簇頭節(jié)點(diǎn)相連接，簇頭節(jié)點(diǎn)通過(guò)無(wú)線傳感器網(wǎng)絡(luò)將上位機(jī)界面軟件的控制命令傳輸?shù)綄?duì)應(yīng)的傳感節(jié)點(diǎn)并將傳感節(jié)點(diǎn)的數(shù)據(jù)傳送至上位機(jī)界面軟件。

4　基于WSNs的多目標(biāo)識(shí)別實(shí)驗(yàn)

考慮到車輛行車速度等因素影響，同一車型提取的信號(hào)能量的絕對(duì)數(shù)值會(huì)有所不同。因此在數(shù)據(jù)的提取過(guò)程中，如果將信號(hào)能量的絕對(duì)數(shù)值直接為特征向量，將會(huì)使得提取的特征非常不穩(wěn)定，特征向量的重復(fù)性會(huì)比較差。經(jīng)過(guò)對(duì)特征值歸一化后，提取小轎車和大客車的磁阻信號(hào)的特征向量、單人和多人的紅外信號(hào)的特征向量，然后可以利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。

首先選取幾組數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練。分別從每一種目標(biāo)的數(shù)據(jù)選取前3組，分別有6組數(shù)據(jù)作為識(shí)別小轎車和大客車、單人和多人。將小轎車和大客車的磁阻信號(hào)的6組特征向量數(shù)據(jù)以及單人和多人的紅外信號(hào)的6組數(shù)據(jù)分別利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，誤差精度為20%，選擇最大學(xué)習(xí)次數(shù)為600次，得出BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練系數(shù)。將剩余的數(shù)據(jù)經(jīng)過(guò)歸一化處理后，根據(jù)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的系數(shù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)驗(yàn)證。其結(jié)果如表2所示。

表2　4種移動(dòng)目標(biāo)的識(shí)別結(jié)果Table 2　Four kinds of moving target recognition results

5　基于WSNs的目標(biāo)定位實(shí)驗(yàn)

5.1小車移動(dòng)定位實(shí)驗(yàn)

實(shí)驗(yàn)中選擇的移動(dòng)目標(biāo)為小車，其在無(wú)線傳感器網(wǎng)絡(luò)區(qū)域邊線距離傳感節(jié)點(diǎn)1 m處進(jìn)入，以斜線移動(dòng)。為了驗(yàn)證對(duì)小車定位效果，首先建立坐標(biāo)系，以傳感節(jié)點(diǎn)1為原點(diǎn)，在該斜線路線上，每隔0.6 m設(shè)定一個(gè)數(shù)據(jù)采集點(diǎn)。經(jīng)過(guò)多次實(shí)驗(yàn)，得到基于WSNs的多目標(biāo)探測(cè)系統(tǒng)對(duì)小車斜線移動(dòng)的定位結(jié)果如表3所示。

從表3可見(jiàn)，系統(tǒng)對(duì)于小車進(jìn)行了5次定位，一共重復(fù)進(jìn)行了20次實(shí)驗(yàn)，對(duì)定位結(jié)果求取平均值。每次定位出的坐標(biāo)點(diǎn)與設(shè)定位置坐標(biāo)點(diǎn)的比較后發(fā)現(xiàn)有較大誤差，X坐標(biāo)定位誤差最大為0.17 m，Y坐標(biāo)定位誤差最大為0.17 m，最大均方差為0.22 m。

表3　小車斜線移動(dòng)定位結(jié)果Table 3　Car slash moving location resultsm　　 m

5.2單人移動(dòng)定位實(shí)驗(yàn)

實(shí)驗(yàn)選擇的移動(dòng)目標(biāo)為模擬單人，其在無(wú)線傳感器網(wǎng)絡(luò)區(qū)域邊線距離傳感節(jié)點(diǎn)1 m處進(jìn)入，以曲線移動(dòng)。為驗(yàn)證對(duì)模擬單人的定位效果，首先建立坐標(biāo)系，以傳感節(jié)點(diǎn)1為原點(diǎn)，在該曲線路線上，每隔0.3 m設(shè)定一個(gè)數(shù)據(jù)采集點(diǎn)。經(jīng)過(guò)多次實(shí)驗(yàn)，得到基于WSNs的多目標(biāo)探測(cè)系統(tǒng)對(duì)模擬單人直線移動(dòng)的定位結(jié)果如表4所示。

從表4可見(jiàn)，系統(tǒng)對(duì)于模擬單人的4處坐標(biāo)進(jìn)行了定位實(shí)驗(yàn)，重復(fù)進(jìn)行了20次實(shí)驗(yàn)，求取平均值，每次定位出的坐標(biāo)點(diǎn)與設(shè)定位置坐標(biāo)點(diǎn)的比較后發(fā)現(xiàn)有較大誤差，X坐標(biāo)定位誤差最大為0.13 m，Y坐標(biāo)定位誤差最大為0.18 m，最大均方誤差為0.22 m。

表4　單人曲線移動(dòng)的定位結(jié)果Table 4　The single curve moving location results　　m

5.3實(shí)驗(yàn)結(jié)果誤差分析

對(duì)小車和模擬單人定位結(jié)果可以看出，所得的定位效果誤差雖滿足本系統(tǒng)的要求，但還存在一定的誤差，造成誤差較大的原因有以下兩點(diǎn)：

1）在進(jìn)行實(shí)驗(yàn)過(guò)程中，傳感器節(jié)點(diǎn)不可避免的受外界環(huán)境影響與存在其它一些噪聲的影響，在進(jìn)行相關(guān)運(yùn)算時(shí)造成較大誤差。

2）實(shí)驗(yàn)過(guò)程中聲音信號(hào)所產(chǎn)生的反射的聲波與入射的聲波相疊加，導(dǎo)致傳感節(jié)點(diǎn)采集數(shù)據(jù)產(chǎn)生誤差，從而降低時(shí)延估計(jì)的精度。

6　結(jié)　語(yǔ)

本實(shí)驗(yàn)對(duì)移動(dòng)多目標(biāo)探測(cè)識(shí)別系統(tǒng)進(jìn)行了研究，首先進(jìn)行了基于WSNs的多目標(biāo)識(shí)別實(shí)驗(yàn)，包括基于WSNs的移動(dòng)多目標(biāo)識(shí)別實(shí)驗(yàn)，還進(jìn)行了基于WSNs的單個(gè)目標(biāo)定位實(shí)驗(yàn)，分別對(duì)小車和模擬單人進(jìn)行了定位實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，基于WSNs的移動(dòng)多目標(biāo)探測(cè)識(shí)別定位系統(tǒng)對(duì)目標(biāo)識(shí)別的正確率達(dá)到了92%以上，定位誤差小于0.22 m，能夠滿足多目標(biāo)識(shí)別定位的技術(shù)指標(biāo)要求。

[1]陳海明，崔莉，謝開(kāi)斌. 物聯(lián)網(wǎng)體系結(jié)構(gòu)與實(shí)現(xiàn)方法的比較研究[J]. 計(jì)算機(jī)學(xué)報(bào)，2013（1）：168-188.

[2]任小洪，樂(lè)英高，徐衛(wèi)東. 無(wú)線傳感ZigBee技術(shù)在物聯(lián)網(wǎng)中的應(yīng)用[J]. 電子技術(shù)應(yīng)用，2011，37(6)：81-83.

[3]錢志鴻，王義君. 面向物聯(lián)網(wǎng)的無(wú)線傳感器網(wǎng)絡(luò)綜述[J].電子與信息學(xué)報(bào)，2013（1）：215-227.

[4]梁小曉，韋崇崗，樂(lè)英高. 基于小波神經(jīng)網(wǎng)絡(luò)的WSNs目標(biāo)識(shí)別設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制，2013（9）：2550-2553.

[5]唐亮，周正，石磊. 基于LEACH和壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)探測(cè)[J]. 北京郵電大學(xué)學(xué)報(bào)，2011（3）：8-11.

[6]梁濤，梁玉其，范書瑞. 基于位置預(yù)測(cè)的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法[J]. 計(jì)算機(jī)測(cè)量與控制，2011（7）：1791-1793.

[7]馮智博，黃宏光. 分布式粒子濾波實(shí)現(xiàn)無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2012（5）：1104-1107.

[8]彭遠(yuǎn)芳，黃曉峰. 無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究[J]. 計(jì)算機(jī)仿真，2012（5）：122-125.

[9]馮延蓬，仵博，鄭紅燕. 無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤動(dòng)態(tài)簇成員調(diào)度策略[J]. 傳感器與微系統(tǒng)，2012（7）：26-29.

[10]唐國(guó)明，周廣新，謝羿. 一種基于雙層?xùn)鸥駝澐值臒o(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位方法[J]. 計(jì)算機(jī)科學(xué)，2012（6）：25-29.

[11]焦竹青，熊偉麗，張林. 基于曲線擬合的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)定位算法[J]. 東南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008（S1）：249-252.

[12]岳亞南，張國(guó)良，湯文俊. 基于概率假設(shè)密度的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤算法[J]. 計(jì)算機(jī)測(cè)量與控制，2014（10）：3263-3266.

（責(zé)任編輯：任萬(wàn)森）

Wireless Sensor Networks Multi-target Detection and Location System Design

XIE Shi-yi1, XU Bing2, CHEN You-ying1, PENG Xiao-hong1
（1. School of Information, Guangdong Ocean University, Zhanjiang 524088, China; 2. Institute of Telecommunications, Guangdong University of Petrochemical Technology, Maoming 525000, China）

A new system design to identify and locate multiple objectives in WSNs (Wireless Sensor Networks) was proposed. This system adopted DSP controller as the center of sensor nodes and collected infrared, magnetic and acoustic signals of moving targets for preprocessing. The signals were transmitted to upper computer and then the targets were recognized and located utilizing objective identification and location algorithms of neural network via Matlab. Ultimately, experiments were executed to verify the system effectiveness in terms of single objective identification, multi-objective location and moving target location. The results indicated that the system proposed in this paper can achieve an accuracy rate of above 92% in objective identification and a mean squared deviation of below 0.22 m in location. Therefore, the detection system satisfied the specifications.

WSNs; detection and location; node localization; feature extraction; neural network

TP393

A

1673-9159（2015）06-0082-05

10.3969/j.issn.1673-9159.2015.06.015

2015-07-10

謝仕義（1963－），男，碩士，教授，主要研究方向?yàn)閿?shù)字海洋與物聯(lián)網(wǎng)技術(shù)。E-mail:shiyixie@126.com