一種基於移動機器人輔助的無線傳感器網絡節點定位方法與流程
2023-09-17 23:55:50 2
本發明涉及無線傳感器網絡節點定位領域，尤其涉及一種基於移動機器人輔助的無線傳感器網絡節點定位方法。
背景技術：
無線傳感器網絡(Wireless Sensor Networks，WSNs)作為一項無線通信和傳感檢測技術相互交融的新興技術，已經成為國防軍事，生物醫療，生產生活，交通管理等領域不可或缺的力量。然而在許多運用中，只有節點位置狀態已知，才能更有效的發揮各個節點的監測功能。在環境不確定和未知情況下，如何更穩定、精確的實現節點定位已經成為WSNs的基礎和關鍵技術問題之一。
WSNs中通常含有大量隨機散布的傳感器節點，可以採用人為標定的定位方式或利用傳感器自身攜帶的全球定位系統(Global Positioning System，GPS)來實現。隨著WSNs布網的日益規模化，人工標定的難度和成本也在不斷提高，致使每個傳感器節點裝載GPS變得不再切合實際。目前節點定位方法主要採用的有基於多個錨節點的三邊定位法、DV-HOP法、蒙特卡洛法等，但這些定位方法的實現大多是基於多個固定錨節點實現的，要想實現高精度的動態定位，對錨節點的部署及數量具有較高的要求，數量的增加還會致使計算負荷增加，影響定位的可靠性。
技術實現要素：
本發明的目的在於提供一種基於移動機器人輔助的無線傳感器網絡節點定位方法，以解決現有技術中導致的上述多項缺陷。
本發明實施例採用如下技術方案：
一種基於移動機器人輔助的無線傳感器網絡節點定位方法，其特徵在於，所述方法包括以下步驟：
步驟1)節點與部分已知錨節點相互通信定位，獲得相對參考定位信息；
步驟2)移動機器人在移動過程中周期性發送位置信息並建立與節點間的有效觀測，建立觀測距離集合及位置坐標集合；
步驟3)機器人與節點協作輔助定位，建立多約束不等式組，求取估計位置；
步驟4)利用高斯混合容積卡爾曼濾波算法對定位進一步求精。
可選的，所述步驟1)中，部分節點之間進行相互通信，獲得相對距離信息。節點Mi和Mj獲得的相對節點距離信息為di,j，節點與節點的測量模型可表示為：
其中zi,j表示節點間的位置信息，為節點之間的測距產生的高斯噪聲，(xi,yi)，(xj,yj)為節點i和j的位置坐標。
可選的，所述步驟2)中，所述的機器人在到達每個狀態Xk處可以與每個節點建立相對有效的測量，測量後可獲得與節點的相對距離和相對角度機器人對節點的測量模型為：
其中qr(Xk,Mj)為機器人對節點的測量方程，(xk,yk)為k時刻機器人的坐標，(xj,yj)為節點j的位置坐標，表示無線通信帶來的誤差，為機器人與節點間的觀測高斯噪聲。
可選的，所述步驟3)中，協作輔助定位中機器人端向監測計算機發送的數據包括時間k，機器人當前位置Xk，與鄰節點建立的定位信息對鄰節點的測量通過移動機器人在不同位置的觀測，每個節點可以得到一系列關於自身位置的不等式約束：由此可以產生多約束的不等式組，通過最小化得到最佳位置逼近。
可選的，所述步驟3)中，協作輔助定位對應的狀態空間方程為：
其中Xk表示k時刻系統的狀態，Zk表示k時刻對節點j的觀測值，εk為傳感區域內因環境導致的位置觀測噪聲，表示無線射頻觀測產生的高斯噪聲。
可選的，所述步驟4)中，獲得預估位置信息後，利用高斯混合容積卡爾曼濾波算法對定位信息進行狀態融合估計。
可選的，所述步驟4)中，高斯混合容積卡爾曼濾波算法分為三部分，高斯分割、門限判別、預測更新。
基於上述技術方案的移動機器人輔助的無線傳感器網絡節點定位方法，採用機器人-節點、節點-節點協作配合的定位方式，充分利用機器人的機動性及無線傳感器節點的可計算性，融入高斯混合容積卡爾曼濾波，實現了對節點的動態定位，所提出的協作定位方法可以實現對節點的位置估計，採用的高斯混合容積卡爾曼濾波算法能夠有效克服高非線性和異常誤差導致的不利影響，減小由於系統濾波發散導致的誤差，提高節點定位精度。
應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，並不能限制本公開。
附圖說明
此處的附圖被併入說明書中並構成本說明書的一部分，示出了符合本發明的實施例，並與說明書一起用於解釋本發明的原理。
圖1為本發明一種基於移動機器人輔助的無線傳感器網絡節點定位方法系統模型示意圖；
圖2為本發明一種基於移動機器人輔助的無線傳感器網絡節點定位方法流程圖；
圖3為本發明一種基於移動機器人輔助的無線傳感器網絡節點定位方法算法流程圖。
圖4為本發明一種基於移動機器人輔助的無線傳感器網絡節點定位高斯混合容積卡爾曼濾波算法流程圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
根據本發明一個實施例，如圖1所示，一種基於移動機器人輔助的無線傳感器網絡節點定位方法，所述方法包括以下步驟：
步驟1)節點與部分已知錨節點相互通信定位，獲得相對參考定位信息；
步驟2)移動機器人在移動過程中周期性發送位置信息並建立與節點間的有效觀測，建立觀測距離集合及位置坐標集合；
步驟3)機器人與節點協作輔助定位，建立多約束不等式組，求取估計位置；
步驟4)利用高斯混合容積卡爾曼濾波算法對定位進一步求精。
整個協作定位系統由移動機器人和大規模隨機散布的n個WSNs節點{M1，M2，……Mn}組成。部分節點位置狀態已知，各個節點之間可以和相鄰節點進行相互測量、通訊。移動機器人(Move Robot，MR)是整個協作定位系統中唯一可移動模塊，在移動中不僅能通過自身裝載的傳感器得到自身運動信息，還可以觀測其經過的鄰節點位置狀態。
步驟1)中，部分節點與已知錨節點之間進行相互通信，節點相互計算處理獲得相對距離信息並傳送至監測計算機。節點Mi和Mj獲得的相對節點距離信息為di,j，節點與節點的測量模型可表示為：
其中zi,j表示節點間的位置信息，為節點之間的測距產生的高斯噪聲，(xi,yi)，(xj,yj)為節點i和j的位置坐標。
步驟2)中，所述的機器人在到達每個狀態Xk處可以與每個節點建立相對有效的測量，測量後由機器人計算處理可獲得與節點的相對距離和相對角度 機器人對節點的測量模型為：
其中qr(Xk,Mj)為機器人對節點的測量方程，(xk,yk)為k時刻機器人的坐標，(xj,yj)為節點j的位置坐標，表示無線通信帶來的誤差，為機器人與節點間的 觀測高斯噪聲。
步驟3)中，機器人與節點協作輔助定位中機器人端向監測計算機發送的數據包括時間k，機器人當前位置Xk，與鄰節點建立的定位信息對鄰節點的測量 通過移動機器人在不同位置的觀測，每個節點可以得到一系列關於自身位置的不等式約束：由此可以產生多約束的不等式組，通過最小化得到最佳位置逼近,此時對應的狀態空間方程為：
其中Xk表示k時刻系統的狀態，Zk表示k時刻對節點j的觀測值，εk為傳感區域內因環境導致的位置觀測噪聲，表示無線射頻觀測產生的高斯噪聲。
步驟4)中，獲得預估位置信息後，利用高斯混合容積卡爾曼濾波算法對定位信息進行狀態融合估計。
另外，如圖2所示，在WSNs中移動機器人按照一定的移動路徑移動，由於移動機器人周期性的發布自身位置信息，因此可以不斷的在線更新位置信息，由於觀測只能提供一維的信息，所以無法從某一次的測量中獲得足夠多的約束，未知節點收到機器人周期性的位置信息、節點觀測信息等多個信息後，建立觀測距離集合及位置坐標集合，並利用多約束不等式組求取估計位置。接收到機器人觀測後，利用高斯混合容積卡爾曼濾波算法(GM-CKF)濾波算法對定位進一步求精，從而提高節點定位精度。
如圖3所示，容積卡爾曼濾波算法的狀態更新步驟和測量步驟如下：
第一步：對k-1時刻估計方差進行分解
第二步：Cubature點計算
第三步：Cubature點傳播
第四步：求得預測狀態和預測協方差
第五步：對預測協方差矩陣進行分解得到計算Cubature點
第六步：量測估計值計算
第七步：計算更新後的量測誤差方差
第八步：計算協方差
第九步：計算卡爾曼濾波增益
因此，狀態向量和相應的估計協方差為：
如圖4所示，所述高斯混合容積卡爾曼濾波算法分為三部分，高斯分割、門限判別、預測更新。機器人狀態估計的計算量會隨時間呈級數增長，因此在節點和機器人觀測都符合近似高斯分布時，將濾波初始時刻的觀測估計區間[a，b]等比例劃分為公比為的n個高斯分量，每個分量可以作為一個子濾波器，對應的先驗均值和標準差可表示為：
每個高斯分量的初始權值與子區間大小成正比，即通過Bayes理論，得到k時刻第n個分量權重為：
其中：p(zk|xk,i)為第n個分量對應的似然函數，可表示為：
其中σi和為第i個高斯分量的協方差和預測量。計算估計輸出可表示為高斯分量的參數加權和，即：
再利含高斯分量的似然函數，對子濾波器的權重進行求精。通過設置權限γw可以將權限為0或接近0的子濾波器進行移除。又由於機器人動態性較強，在每一時刻線性度有所不同，於是引入了全局非線性程度判別量：
其中為和的互協方差，為的方差。再設置非線性程度較高的權值門限γn，如果超過γn，就認為該時刻此子濾波器的非線性程度較高，將此預測分為n個高斯密度和：
式中，為進行高斯選擇分割後第n個分量的預測均值，表示其對應的協方差。反之，如果非線性程度未超過γn，則不分割。這樣的權限設置使得該算法的運算量更少，有效性和可靠性也得到提高。每個濾波器的狀態和協方差估計可以通過容積卡爾曼濾波算法的狀態更新步驟和測量步驟進行更新。
以上已經描述了本發明的各實施例，上述說明是示例性的，並非窮盡性的， 並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下，對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中的技術的改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
本領域技術人員在考慮說明書及實踐這裡公開的公開後，將容易想到本公開的其它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本公開的一般性原理並包括本公開未公開的本技術領域中的公知常識或慣用技術手段。