目標定位算法研究背景和意義

宮浩鵬 周振雄

伴隨著通信技術、嵌入式計算技術和傳感器技術的飛速發展和日益成熟，具有感知能力、計算能力和通信能力的微型分布傳感器所組成的無線傳感器網絡因其潛在的廣泛應用引起了人們越來越多的注意。美國的《技術評論》雜志在論述未來新興十大技術時，將無線傳感器網絡列為第一項未來新興技術，《商業周刊》預測的未來四大新技術中，無線傳感器網絡也列入其中。可以預計，無線傳感器網絡的發展和應用，將會給人類的生活和生產的各個領域帶來深遠影響。

利用傳感器網絡來實現目標的定位是其重要用途。目標的定位有巨大的意義，在探測敵方目標的入侵，運動方向，以及探測事件發生地點方面起著重要作用，為后面的正確決策以及采取相應的措施提供了有力保證。用傳感器網絡來進行目標的定位，主要是運用網絡中的節點搜集到的關于目標的一些信息，并對信息進行一定的處理來得到目標的位置。目標定位是傳感器網絡最基本的功能之一，對傳感器網絡應用的有效性起著關鍵的作用。

目標定位的應用中，目標的數量往往大于1，例如：多目標跟蹤、實時監視多個目標的行動路線、預測前進軌跡等。由此可見在傳感器網絡中，多目標定位對各種應用都有著重要的作用。因此，對傳感器網絡的多目標定位算法進行研究，設法提出定位快速并且準確的多目標定位算法是非常有必要的。

無線傳感器網絡中，傳統的數據傳遞方法是各節點不斷地把采集的原始數據傳送給一個數據處理中心。然而，由于數據量太大，節點電源將很快消耗殆盡。目前已有一些針對如何減少傳送數據量的研究，比如本地數據壓縮、傳送描述性數據代替實際數據和傳送查詢消息等。傳輸查詢消息的方法即網絡外部的某客戶節點向網絡發送查詢消息，網絡在完成消息處理后給客戶節點返回應答。通過精心設計消息處理算法，可以取得了很好的效果。傳感器網絡定位根據定位過程中是否測量實際節點之間的距離，可分為基于測距的定位和免于測距的定位。下面將列出目前目標定位算法的一些成果。

對免于測距的定位已經有了以下研究：在文獻[1]中，提出了一種數學模型，這種數學模型確定了傳感器網絡在檢測目標以及沒有檢測目標的情況下傳感器網絡的生命期。文獻[2]提出了一種基于追蹤（tracking—based）的目標定位算法，該算法基于這樣一個事實：當目標在無線傳感器網絡覆蓋的地理區域中移動時，其運動軌跡在時間和空間上都是連續的。一旦目標進入該區域，就已經處于某個傳感器節點的監測范圍中;當目標離開某個節點檢測范圍的同時，立即進入到其相鄰節點的監測范圍中，直到目標離開傳感器網絡所覆蓋的地理區域。它利用目標的運動軌跡進行追蹤，首先找到一個曾經監測到目標的節點，然后利用相鄰節點間的本地消息跟蹤目標的運動軌跡。

對基于測距的目標定位已經有了很多研究。對于單個目標的定位問題，已經有大量的研究成果涌現。如利用接收信號能量采用質心方法[3][4]或最大似然函數對目標進行定位[5][6];利用節點測得的DOA（Direction Of Arrival）信息采用最大似然估計對目標進行定位[7];利用節點測得的TDOA（Time Difference of Arrival）信息對目標進行定位[8][9];利用節點測得TOA（Time of Arrival）信息對目標進行定位[10][11]等。在存在多個目標的情況下，各個節點測得的參數之間缺少對應關系，從而需要首先完成參數配對，然后才能對各個目標進行定位。近幾年有研究者將傳感器網絡目標定位問題構建成優化問題，多數算法目標參數測量值關聯關系已知為前提[12][13][14]。但實際應用中，往往由于目標的非合作性，各個節點不能獲得目標參數測量值的對應關系。對于未知關聯關系的多目標定位問題，最直接的辦法是對所有可能的配對關系進行計算，比較得出最合理的一種組合作為估計結果。但是窮舉法的運算量隨著節點數目和目標數目的增加呈指數增長的趨勢，例如，N個節點獲得K個目標的參數，可能的參數配對關系有KN種。因此，窮舉法的運算量限制了其在工程實際中的應用。

參考文獻

[1]M. Bhardwaj， T.Garnett and A.P.Chandrakasan，”bounding the lifetime of sensor networks? via? optimal? Role? assignments”，? Proc.IEEE infocom， Vol.3， pp.1380-1387，2001.

[2]T.Rappaport，? Wireless? Communications：? Principles? &? Practice， New Jersey ： Prentice-Hall，Inc，1996.

[3]Wang Biao， Li Yu， Huang Haining， and Zhang Chunhua.Target Localization in Underwater Acoustic Sensor Networks. IEEE Proceedings of Congress on Image and Signal Processing.2008：68-72.

[4]Y.SH. Yan， H.Y.Wang， X.H. Shen. Efficient Convex Optimization Method for Underwater Passive Source Localization Based on RSS with WSN，IEEE Proceedings of ICSPCC，2012，171-174.

[5]K.M.Kaplan， Q.Le， and P.Molnar.Maximum likelihood methods for bearing-only target localization. Proc. of IEEE ICASSP， 2001， 5： 3001-3004.

[6]郝林喆. 基于無線傳感器網絡的目標定位技術研究. 鄭州：解放軍信息工程大學， 2013：21-40.

[7]何川. 海上無線傳感器網絡中一種改進的定位算法. 艦船科學技術，2016，38（4A）：124-126.

[8]E. Xu， Z. Ding， and S. Dasgupta. Source localization in wireless sensor networks from signal time-of-arrival measurements. IEEE Trans. Signal Processing， 2011，59（6）：2887–2897 .

[9]吳森峰，畢坤. 基于TOA的無線傳感器網絡源定位算法研究，激光雜志，2016，37（1）：78-81

[10]Yan Ma， Yu Hen Hu. ML Source Localization Theory in an Underwater Wireless Sensor Array Network. Proceedings of? WiCOM ， 2009，9（5）：1-4.

[11]Yan Ma， Leilei Jin. Sensitivity Analysis of DOA Error on Least Square based Source Localization in UWSAN. Proceedings of 7th International Congress on Image and Signal Processing，2014，979-983.

[12]Xiaohong Sheng and Yu-Hen Hu. Maximum Likelihood Multiple-Source Localization Using Acoustic Energy Measurements with Wireless Sensor Networks. IEEE Trans. on Signal Processing，2005， 53（1）：44-53.

[13]Wei Meng， Wendong Xiao， and Lihua Xie. An Efficient EM Algorithm for Energy-Based Multisource Localization in Wireless Sensor Networks. IEEE Trans. on Instrumentation and Measurement， 2011，60（3）：1017-1027.

[14]Hong Shen， Zhi Ding， Soura Dasgupta and Chunming Zhao. Multiple source localization in wireless sensor networks based on time of arrival measurement. IEEE trans. on signal processing， 2014， 62（8）：1938-1949.