WSN中异构数据协同的目标定位方法

doi:10.3969/j.issn.1001-2400.2014.05.033

J4 ›› 2014, Vol. 41 ›› Issue (5): 197-202.doi: 10.3969/j.issn.1001-2400.2014.05.033

WSN中异构数据协同的目标定位方法

邢天璋¹;王举¹;陈晓江¹;房鼎益¹;杨哲²

(1. 西北大学信息科学与技术学院，陕西西安 710127；
2. 西北工业大学计算机学院，陕西西安 710069)

收稿日期:2014-01-07 出版日期:2014-10-20 发布日期:2014-11-27
作者简介:邢天璋(1981-)，男，讲师，E-mail: xtz@nwu.edu.cn．
基金资助:
国家科技支撑计划资助项目(2013BAK01B02, 2013BAK01B05)；国家自然科学基金资助项目(61170218, 61272461)；陕西省教育厅自然专项资助项目(2013JK1126, 2013JK1127)；西北大学科学研究基金资助项目(12NW05)；中央高校基本科研业务费专项资金资助项目(K5051203003)

Heterogeneous data synergistic location method in the WSN

XING Tianzhang¹;WANG Ju¹;CHEN Xiaojiang¹;FANG Dingyi¹;YANG Zhe²

(1. School of Information and Technology, Northwest Univ., Xi'an 710127, China;
2. School of Computer Science, Northwestern Polytechnical Univ., Xi'an 710069, China)

Received:2014-01-07 Online:2014-10-20 Published:2014-11-27

摘要/Abstract

摘要：

针对无线传感器网络中室外环境下的被动式目标定位问题，提出一种基于动态贝叶斯图的异构数据协同定位方法．该方法能够对异构无线网络数据相协调，完成目标被动式定位任务．首先深入分析了异构网络中可用于测距定位的三种基本被动式定位方法(基于信号强度模型，红外测距定位模型，粒子滤波定位)，总结归纳了各方法的适用特点．其次，利用动态贝叶斯图，协调两种方法适用特点，推导出大规模室外被动式定位模型．仿真结果表明，笔者提出的异构数据协同定位方法能够完成被动式定位要求，与其他定位方法相比，定位精度较已有方法有所提升．

关键词: 无线传感器网络, 被动式定位, 信号强度, 红外测距, 贝叶斯图

Abstract:

For the passive localization problem, a novel method called the heterogeneous data synergistic (HDS) based on the dynamic Bayesian network is proposed, which can coordinate heterogeneous data, and localize the target in the wireless sensor network (WSN). By comprehensively analyzing the three localization models (the signal strength model, the infrared ranging model and the particle filter) in the WSN, their characteristics are summarized in brief. According to the Bayesian network and the different characteristics, the HDS is designed under the dynamic deduction. Simulation results prove that the proposed method is adequate to the passive localization, and that compared with other traditional methods, the localization accuracy is greatly improved.

Key words: wireless sensor network, passive localization, signal strength, infrared ranging, Bayesian network

邢天璋;王举;陈晓江;房鼎益;杨哲. WSN中异构数据协同的目标定位方法[J]. J4, 2014, 41(5): 197-202.

XING Tianzhang;WANG Ju;CHEN Xiaojiang;FANG Dingyi;YANG Zhe. Heterogeneous data synergistic location method in the WSN[J]. J4, 2014, 41(5): 197-202.

参考文献

［1］ Seifeldin M, Saeed A, Kosba A E, et al. Nuzzer: A Large-Scale Device-Free Passive Localization System for Wireless Environments ［J］. IEEE Transactions on Mobile Computing, 2013, 12(7): 1321-1334.
［2］ Wang J, Fang D Y, Chen X J. LCS: Compressive Sensing based Device-Free Localization for Multiple Targets in Sensor Networks ［C］//Proceedings of IEEE International Conference on Computer Communications. Piscataway: IEEE, 2013: 145-149.
［3］ Zhang D, Ma J, Chen Q B, et al. An RF-based System for Tracking Transceiver-free Objects ［C］//Proceedings of IEEE International Conference on Pervasive Computing and Communications. Los Alamitos: IEEE, 2007: 135-144.
［4］ Zhang D, Ni L M. Dynamic Clustering for Tracking Multiple Transceiver-free Objects ［C］//Proceedings of International Conference on Pervasive Computing and Communications. Piscataway: IEEE, 2009: 1-8.
［5］ Chintalapudi K, Iyer A P, Padmanabhan V N. Indoor Localization Without the Pain ［C］//Proceedings of the Annual International Conference on Mobile Computing and Networking. New York: ACM, 2010: 173-184.
［6］ Salman N, Ghogho M, Kemp A H. On the Joint Estimation of the RSS-based Location and Path-loss Exponent［J］. IEEE Wireless Communications Letters, 2012, 1(1): 34-37.
［7］辛云宏, 杨万海. 基于伪线性卡尔曼滤波的两站红外无源定位及跟踪技术［J］. 西安电子科技大学学报, 2004, 31(4): 505-508.
Xin Yunhong, Yang Wanhai. Pseudo-linear Kalman Filter Based Passive Location and Tracking Techniques by Two Infrared Stations ［J］. Journal of Xidian University, 2004, 31(4): 505-508.
［8］ Theodore S. Rappaport, Wireless Communications: Principles and Practice［M］. London: Prentice-Hall, 1996.
［9］ Park J G, Curtis D, Teller S, et al. Implications of Device Diversity for Organic Localization ［C］//Proceedings of IEEE International Conference on Computer Communications. Piscataway: IEEE, 2011: 3182-3190.
［10］ Zhang D, Liu Y H, Guo X N, et al. RASS: A Real-time, Accurate and Scalable System for Tracking Transceiver-free Objects ［J］. IEEE Transactions on Parallel and Distributed systems, 2013, 24(5): 996-1008.

[1]	余修武, 晋诗琪. 融合VFA和ISSA的多目标优化WSN覆盖算法[J]. 西安电子科技大学学报, 2024, 51(6): 60-72.
[2]	姜来为, 顾海洋, 谢丽霞, 杨宏宇. 机器学习在WSN入侵检测中的应用研究[J]. 西安电子科技大学学报, 2024, 51(4): 206-225.
[3]	陈俊杰, 邓洪高, 马谋, 蒋俊正. GCN-GRU:一种无线传感器网络故障检测模型[J]. 西安电子科技大学学报, 2022, 49(5): 60-67.
[4]	窦佩佩,曾玉琴,卢毅,马洪亮,徐梦颖,周杰. 无线传感器网络能量高效分簇的一种改进方法[J]. 西安电子科技大学学报, 2022, 49(3): 68-73.
[5]	孙泽宇,兰岚,曾操,廖桂生. 一种面向最小能耗自适应汇聚路由判定算法[J]. 西安电子科技大学学报, 2022, 49(2): 11-20.
[6]	徐莎莎,周芳,李杨剑,蒋俊正. 一种新的传感器节点分布式定位算法[J]. 西安电子科技大学学报, 2022, 49(2): 89-96.
[7]	李明,胡江平,曹晓莉. 异构传感网成本优化的节点部署策略[J]. 西安电子科技大学学报, 2021, 48(4): 11-19.
[8]	周杰,徐梦颖,王娇娇,卢毅. 认知无线传感器网络频谱分配的一种改进方法[J]. 西安电子科技大学学报, 2020, 47(3): 80-85.
[9]	黄影,华雨晴. 能量与路径约束的无线传感网络路由优化[J]. 西安电子科技大学学报, 2020, 47(3): 113-120.
[10]	杨杰,蒋俊正. 利用联合图模型的传感器网络数据修复方法[J]. 西安电子科技大学学报, 2020, 47(1): 44-51.
[11]	田强,冯大政,李进,胡豪爽. 一种利用声音能量的两步SDR定位算法[J]. 西安电子科技大学学报, 2019, 46(4): 16-21.
[12]	甄岩,赵虎. 层次型软件定义无线传感器网络资源调度策略[J]. 西安电子科技大学学报, 2019, 46(4): 87-98.
[13]	闫千里,万鹏武,卢光跃,黄琼丹,王瑾,李怡霄. 非视距环境下RSS和TDOA联合的信源被动定位[J]. 西安电子科技大学学报, 2019, 46(3): 180-188.
[14]	卢毅,周杰,万连城. 一种无线传感器网络二维目标覆盖的改进方法[J]. 西安电子科技大学学报, 2019, 46(2): 101-106.
[15]	方德亮;冉晓旻;李鸥. 一种能量有效的分布式传感器管理算法[J]. 西安电子科技大学学报, 2017, 44(2): 171-177.

WSN中异构数据协同的目标定位方法

Heterogeneous data synergistic location method in the WSN

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0