阅读说明：本技术 一种基于wsn的道路车辆三维无源被动定位方法及系统 (WSN-based three-dimensional passive positioning method and system for road vehicle ) 是由 王满意 黄炳华 杨佳星 于 2020-04-30 设计创作，主要内容包括：本发明公开了一种基于WSN的道路车辆三维无源被动定位方法及系统,首先在道路两侧部署无线传感器节点拓扑网络；再对所部署的无线传感器节点拓扑网络建立三维空间模型：建立与无线传感器节点拓扑网络一致的三维空间模型,并对其监测区域划分等距离的网格；然后接收节点接收到的信号强度值；消除噪声的影响：利用核函数的方法消除噪声的影响；将有效的衰减链路对应画在所建立的三维空间模型中,得到特征图；最后生成车辆定位结果三维热图：将所有的有效衰减链路的特征图进行叠加拟合,生成车辆的定位结果热图；本发明可对在监测区内的车辆进行三维无线定位。(The invention discloses a WSN-based three-dimensional passive positioning method and a WSN-based three-dimensional passive positioning system for a road vehicle, wherein a wireless sensor node topological network is deployed on two sides of a road; then establishing a three-dimensional space model for the deployed wireless sensor node topological network: establishing a three-dimensional space model consistent with a wireless sensor node topological network, and dividing monitoring areas of the three-dimensional space model into equidistant grids; then receiving a signal strength value received by the node; eliminating the influence of noise: eliminating the influence of noise by using a kernel function method; correspondingly drawing the effective attenuation links in the established three-dimensional space model to obtain a characteristic diagram; and finally generating a three-dimensional heat map of the vehicle positioning result: performing superposition fitting on the characteristic graphs of all the effective attenuation links to generate a positioning result heat map of the vehicle; the invention can carry out three-dimensional wireless positioning on the vehicles in the monitoring area.)

一种基于WSN的道路车辆三维无源被动定位方法及系统

技术领域

本发明属于目标的三维定位领域，特别是一种基于WSN的道路车辆三维无源被动定位方法及系统。

背景技术

随着科学技术的发展，位置信息在人类生产活动中扮演着极其重要的角色，在智能家居、目标导航、移动商务以及军事战争等领域对位置信息的需求日益增长，使得定位技术有着巨大的发展潜力和广阔的应用前景。近年来研究人员探索了应用于目标的定位和活动感知的不同方法，如蓝牙技术定位、红外技术定位、计算机视觉定位、Wi-Fi定位等，然而，这些定位技术存在需目标协作(佩戴标识卡)、受墙体或天气等环境因素干扰大、定位设备结构复杂成本较高等问题，使得上述定位技术的应用受到很大的限制。因此，探索出一种无需目标协作、低成本、低功耗且不受环境等各种因素影响的定位方法，成为了未来定位技术的迫切发展需求和研究热点。

当前，基于无线传感器网络(WSN)发展的无源被动定位技术(Device FreeLocalization,DFL)为目标检测、定位和跟踪提供了一种新方法。DFL定位技术无需被测目标携带任何电子标签，只需在监测区域周围部署无线传感器节点，即可完成对该区域目标的定位和追踪。与其他定位技术相比，DFL定位技术具有低功耗、低成本、无需目标携带任何设备、不受光线和温度以及烟雾雨雪等因素的影响、自组织性强等优势，使其在目标定位领域具有巨大的应用和研究价值。但现有的DFL定位技术仍存在一些问题：(1)定位方法多基于无线传感器节点网络二维环绕部署的二维平面进行，在目标的三维定位领域尚无比较成熟的定位方法；(2)相关定位算法、权重模型多针对二维网络拓扑下人体的定位，鲜有涉及无线传感器三维拓扑网络下的大体积目标的三维定位方法。

发明内容

本发明的目的在于提供一种基于WSN的道路车辆三维无源被动定位方法及系统，对在监测区内的车辆进行三维无线定位且受环境影响小的定位方法。

实现本发明目的的技术解决方案为：

一种基于WSN的道路车辆三维无源被动定位方法，包括以下步骤：

步骤1、在道路两侧部署无线传感器节点拓扑网络：在道路两侧对称的布置多个传

感器节点；每侧布置多组，组成通信网络；放置一个接收节点用以接收通信网络的通信数据；

步骤2、对所部署的无线传感器节点拓扑网络建立的三维空间模型：建立与无线传感器节点拓扑网络一致的三维空间模型，并对无线传感器节点网络监测区域划分等距离的网格；

步骤3、接收节点接收到的RSS值，消除噪声的影响：利用核函数的方法消除噪声的影响；

步骤4、将有效的衰减链路对应画在所建立的三维空间模型中，得到特征图：对节点间的各通信链路根据每条链路的信息熵来划分该链路的权重，然后将链路权重划分体现在所建立的网格上，再对各个小网格依据它们的位置关系得到像素间的相关系数，并做协方差处理，生成像素特征图；

步骤5、生成车辆定位结果三维热图：将所有的有效衰减链路的特征图进行叠加拟合，生成车辆的定位结果热图。

本发明与现有技术相比，其显著优点是：

(1)所部署的无线传感器节点网络，其正常工作状态不受光线和温度以及烟雾雨雪等因素的影响，也不受周围环境譬如建筑物和墙体树木的影响，使本发明提出的车辆三维定位方法可在多种环境、多种条件下都可以完成定位。

(2)本发明提出的基于WSN的道路车辆三维无线定位方法，对大体积目标的三维无线定位领域，探索出了一种有效的定位方法，其平均定位误差在0.2m，定位的准确度很高。

(3)所部署的无线传感器节点网络，结构简单，相对于传统定位技术，传感器节点体积小，可通过电池供电，使用方便，在定位时可实现快速部署；仅需要布置无线传感器空间网络，即可完成定位，具有比其他定位技术更低的成本；

(4)对于处在监测区域内的目标车辆，无需车辆携带任何设备即可实现对其三维定位，充分保证了被定位目标车辆的隐私不被侵犯。

附图说明

图1为本发明方法的流程图。

图2为无线传感器网络节点布置俯视图。

图3为无线传感器网络节点布置主视图。

图4为依据通信链路权重划分原则得到的定位初步特征图。

图5为最终得到的定位结果热图俯视图。

图6为最终得到的定位结果热图主视图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的介绍。

实施例1

结合图1，本实施例的一种基于WSN(WSN：Wireless Sensor Network无线传感器网络)的道路车辆三维无源被动定位方法，包括以下步骤：

步骤1、在道路两侧部署无线传感器节点拓扑网络：

参照图2、图3所示传感器节点部署示意图，在一个宽度大于4m的道路两侧部署无线传感器节点网络，具体是在道路的两侧沿道路行进方向按直线每隔2m的距离放置一个无线传感器节点，每一侧布置9个传感器节点，一共布置18个传感器节点，道路两侧的传感器节点是对称分布的，道路两侧的相对的传感器节点所在的两条直线的距离是4m，且在第一个节点的左边2m处放置一个接收节点。

各个传感器节点所处的高度不一，具体是，以道路一侧(与接收节点同侧)放置的第一个传感器节点作为1号节点，在1号节点一侧放置2号节点，再以1号指向2号的方向放置3号节点，以此类推，在一侧所放置的节点序号为1～9号，则这9个节点的高度摆放规则为，1～9号节点对应的高度分别为0.5m、1m、1.5m、0.5m、1m、1.5m、0.5m、1m、1.5m，由于道路两侧的节点摆放在高度上也是对称的，所以道路另一侧与1～9号节点对称的节点序号为10～18，且节点高度和1～9号节点是对应一致的。

在18个无线传感器节点组成的监测区域外，距离1号节点2m处放置一个接收节点，接收节点高度为1m，用以接收监测区域内18个传感器节点间两两相互通信的链路接收RSS值。

所部署的无线传感器节点网络，构成了一个4*16m的水平监测区域，在竖直方向上的监测最大高度是1.5m，当车辆未在监测区域内时，无法对车辆进行定位，当车辆只有部分处于监测区域内时，则只对处于监测区域内的那一部分具有定位功能。

步骤2、对所部署的无线传感器节点拓扑网络建立的三维空间模型：

所建立的三维空间模型和实际部署的无线传感器节点拓扑网络是一致的，原点为10号节点的位置，X轴表示道路行进方向，Y轴表示横穿路面的方向，Z轴表示与路面垂直的方向，并对无线传感器节点网络监测区域划分等距离的网格(也称像素)。

步骤3、接收节点接收到的RSS值，消除噪声的影响：

当车辆处于监测区域内时，由于部分传感器节点的通信链路会被车体遮挡，传感器节点间通信的RSS值会发生衰减，通信链路被车辆遮挡的越严重，节点间通信的RSS值衰减越大，而未被车辆遮挡的通信链路RSS值则保持不变。

当接收节点收到各个节点发送过来的RSS值数据后，利用核函数的方法消除噪声的影响，具体是，当车辆在某个特定位置时，统计车辆在此位置的所有链路的RSS值与每个RSS值出现的频率，将RSS值的大小和出现频率统计在直方图上，接着用核距离(KernelDistance)来衡量车辆在监测区域内某位置时链路i的直方图与监测区域内无车辆时链路i的直方图之间的差异，核距离公式如下：

D_i＝d(h_i(x),h_i(0))

其中，D_i表示核距离，h_i(x)表示有车辆时第i条链路的RSS直方图，h_i(0)表示没有车辆时第i条链路的RSS直方图，d(·)是矩阵到实数的映射。

当核距离大于设定阈值时，认为该链路被遮挡，反之则认为该链路未被遮挡，即：

其中s_i为链路状态，其值为1表示该链路被遮挡，为0表示该链路未被遮挡，d₀为核距离的设定阈值，本发明中根据实际情况取d₀＝1。则依据核函数的算法可将实际中被车辆遮挡的链路筛选出来，并根据每个RSS值出现的频率和RSS值大小可将干扰噪声去除。

步骤4、将有效的衰减链路对应画在所建立的三维空间模型中，得到特征图：

步骤4.1、划分该链路的权重，得到初步特征图：对节点间的各通信链路根据每条链路的信息熵来划分该链路的权重；将链路权重划分体现在所建立的网格上，得到初步特征图；

消除噪声干扰后，由于在监测区域内，某条链路被遮挡的概率越大，该条链路所包含的信息量就越少，即该条链路对定位的贡献量就越小，故对节点间的各通信链路根据链路信息熵来划分该链路的权重，信息熵表示消息中所含的信息量，用I表示：

其中，I的单位与a有关，a表示链路被遮挡和未被遮挡两种状态，即取a＝2，P(x)

为链路被遮挡的概率。为了方便计算链路被遮挡的概率，将所建立的三维空间模型分别对X-O-Y、X-O-Z、Y-O-Z三个面做投影，规定有效投影面积(Valid Area，VA)为在投影面内以链路为对角线，边与坐标轴平行的矩形区域，以此来近似表示一条链路所能监测(被遮挡)的范围。若某条链路的有效投影面积为S_i，投影面的总面积为S，则规定链路i被遮挡的概率为

显而易见，有效投影面积越小，信息熵越大，对定位的贡献也就越大，其权重亦应越大。但由于Valid Area为0时(即链路与道路垂直时)的信息熵为∞，故直接用信息熵作为链路权重会使Valid Area为0的链路权重接近1，而其他链路则几乎得不到权重，故另外定义与信息熵分布曲线类似的权重函数来确定不同链路的权重，权重函数采用指数衰减函数

其中，w_i代表链路权重，α和σ_l为特征参数值，S_i为链路i的有效投影面积，S为投影面的总面积。该权重公式将链路的权重值划分从小到大对应为0～1，则当链路垂直于路面行进方向时权重最大为1，而监测区域内通信距离最长的链路权重则为0。

依据上述的通信链路权重划分原则，将每条链路权重划分体现在所建立的网格像素上，即初步的特征图，如图4所示，像素的颜色深浅代表了其权重的大小，权重大的链路经过的像素颜色深，权重小的链路经过的像素颜色浅，据此可得到初步的特征图。

步骤4.2、对初步的特征图再次处理，对像素进行相关性分析并取其相应的相关系数后加以协方差模型进行处理，生成像素特征图。

得到初步的特征图后，还需要考虑像素间的相关性问题，由于某个像素附近的像素权重值应和这个像素的权重值相近，即距离越近的像素，它们的关联性越大，距离越远的像素，它们的关联性越小，因此用d来表示某两个像素的中心欧式距离，则当d为0时，相关性最大，取相关系数为1，当d取值为监测区域内最大值的时候，相关性最小，取相关系数为0。

对像素进行相关性分析并取每个像素间相应的相关系数后，进一步地，据此对初步得到的特征图再次处理，并加以协方差模型进行处理，运用这个模型，协方差矩阵C表示为：

其中d_i,j是两个像素(像素i到像素j)中心点之间的欧氏距离，σ_c是空间常数，σ_i是每个像素的差异值，[C]_i,j表示协方差矩阵C的第i行，第j列元素。根据像素间的相关系数，以及协方差矩阵模型，对初步的特征图的像素重新赋予权重，对应在图上即像素颜色深浅改变，就在三维空间的X-O-Y、X-O-Z、Y-O-Z三个投影面分别生成相应的像素特征图。

步骤5、生成车辆定位结果三维热图：

将经过协方差模型处理后的三个特征图进行叠加拟合处理，即分别对X-O-Y、X-O-Z、Y-O-Z三个投影面的像素特征图，特征图上的每个像素数值是所有的有效衰减链路在该像素上的数值叠加而成的，像素的数值在0～1之间，像素数值越大代表对定位结果的影响越大，根据其像素的值来划分该像素的颜色，数值越大的颜色越深，并对赋予相应颜色的像素做颜色平滑过渡拟合处理，就可以在X-O-Y、X-O-Z、Y-O-Z三个投影面分别生成一个车辆的定位结果热图。由于节点间的通信链路越密集，其蕴含的信息量就越大，而Y-O-Z平面(即垂直道路行进方向的平面)能得到的信息量最少，并且两个视图就可以表示车辆的三维位置信息，故采用X-O-Z平面(垂直路面)和X-O-Y平面(与路面平行)定位结果热图来表示最终的车辆三维定位结果。

实验所用的车辆参数是，长为4.666m，宽为1.807m，高度为1.460m，如图2、图3所示，将车辆沿道路中心行驶直至最终车辆停在距离左侧第一个节点4m处静止不动，接着打开节点接收程序接收18个传感器节点的RSS值数据并做保存，整个数据采集过程持续三分钟。得到的RSS值数据经过三维空间模型、核函数消除信号噪声干扰、划分有效衰减链路权重、对各像素计算相关系数和协方差处理及生成三维定位结果热图以后，就得到了此时车辆三维空间的定位结果热图，三维结果图由俯视图(与路面平行)和主视图(垂直路面)构成，如图5、图6所示，可以看出车辆定位结果的俯视图横纵坐标为(4.13m，2.21m)，定位得到车辆高度为1.45m，而真实的车辆位置横纵坐标为(4m,2m)，真实车辆高度为1.46m。可以看出，定位的结果和实际位置的误差非常小，横纵坐标的绝对误差仅为0.13m和0.21m，高度方向绝对误差仅为0.01m，可以看出本发明提出的一种基于WSN的道路车辆三维无源被动定位方法定位精准度很高。

基于上述的定位方法，本发明还提出了一种基于WSN的道路车辆三维无源被动定位系统，包括无线传感器节点拓扑网络、用于对接收数据进行处理的处理器；所述处理器设有三维空间模型建立模块、噪声消除模块、特征生成模块、三维热图生成模块；

所述无线传感器节点拓扑网络包括对称布置在道路两侧的多个传感器节点和一个接收节点，用于采集车辆行驶在道路中传感器节点的RSS值数据；

所述三维空间模型建立模块用于建立与无线传感器节点拓扑网络一致的三维空间模型，并对无线传感器节点网络监测区域划分等距离的网格；

所述噪声消除模块用于对接收到的节点通信RSS值，利用核函数的方法消除噪声的影响；

所述特征生成模块用于对节点间的各通信链路根据其信息熵来划分该链路的权重，依据其权重将其划分体现在所建立的网格上，再对各个小网格依据它们的位置关系得到像素间的相关系数，并做协方差处理，生成像素特征图；

所述三维热图生成模块，将所有的有效衰减链路的特征图进行叠加拟合，生成车辆的定位结果热图。所述特征生成模块包括初步特征图单元和像素特征图单元；所述初步特征图单元和像素特征图单元用于划分该链路的权重，得到初步特征图；所述像素特征图单元用于对初步的特征图再次处理，对像素进行相关性分析并取每个像素间相应的相关系数后加以协方差模型进行处理，生成像素特征图。

本实施例中，系统的无线传感器节点拓扑网络布置、各模块、单元处理算法同实施例1中的方法相同，此处不再赘述。在定位前对18个发射节点烧写相关程序并将它们划分1～18的序号以便接收数据时识别节点位置。将各节点电源打开并测试其工作状态是否正常，打开相应的接收程序开始接收18个发射节点的数据，将接收节点用USB线连接到电脑中，待确认其工作正常后，即可开始对车辆定位。

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征进行简单修改、等同变化与修饰，均属于本发明技术方案的范围内。