劉 凱,夏 然,柴 柯

(上海大學(xué)特種光纖與光接入網(wǎng)重點(diǎn)實(shí)驗(yàn)室通信與信息工程學(xué)院,上海 200072)

?

結(jié)合菲涅爾理論的免攜帶設(shè)備定位研究*

劉 凱*,夏 然,柴 柯

(上海大學(xué)特種光纖與光接入網(wǎng)重點(diǎn)實(shí)驗(yàn)室通信與信息工程學(xué)院,上海 200072)

針對(duì)免攜帶設(shè)備定位DFL(Device Free Localization)精度低,近距離定位目標(biāo)不易區(qū)分等問題,提出了一種結(jié)合菲涅爾理論的定位估計(jì)方法。該方法首先通過無線層析成像RTI(Radio Tomographic Imaging)原理,粗定位出人體目標(biāo)位置,其次計(jì)算環(huán)境參量,劃分限制區(qū)域,考慮肩寬、頭寬等具體人體參數(shù),對(duì)限制域中滿足菲涅爾理論的位置點(diǎn)進(jìn)行擬合加權(quán),實(shí)現(xiàn)精確定位;在出現(xiàn)近距離目標(biāo)時(shí),對(duì)比人體參數(shù)的實(shí)驗(yàn)值與理論值,判斷是否為多目標(biāo)。實(shí)測數(shù)據(jù)下的定位仿真結(jié)果表明,與傳統(tǒng)的RTI方法相比,該方法在定位的準(zhǔn)確度上提高了30%,同時(shí)實(shí)現(xiàn)了近距離目標(biāo)數(shù)目的判決。

免攜帶設(shè)備定位;無線層析成像;菲涅爾理論;正則正交匹配追蹤算法

免攜帶設(shè)備定位DFL(Device Free Localization)是在不需要目標(biāo)攜帶任何設(shè)備的情況下,獲取到目標(biāo)的位置信息,因而在緊急救援、安防、智能家居、醫(yī)院病人檢測等場合應(yīng)用前景廣泛。近年來,基于無線射頻信號(hào)的定位方案,由于具有成本低、通用性能優(yōu)良的特點(diǎn)[1-2],成為DFL的優(yōu)選方案。當(dāng)目標(biāo)進(jìn)入無線傳感器網(wǎng)絡(luò)中,目標(biāo)的遮擋會(huì)使得無線射頻信號(hào)產(chǎn)生陰影衰落[3],進(jìn)而影響網(wǎng)絡(luò)中各個(gè)無線節(jié)點(diǎn)的接收信號(hào)強(qiáng)度RSS(Received Signal Strength)[4],利用目標(biāo)出現(xiàn)前后無線節(jié)點(diǎn)的RSS量的差異就能實(shí)現(xiàn)定位。圖1是DFL原理示意圖。

圖1 Device-free Localization系統(tǒng)示意圖

DFL是2007年Youssef[4]和張滇[5]分別提出來的,以無線網(wǎng)絡(luò)作為通信網(wǎng)絡(luò),由鏈路的衰落量求解目標(biāo)位置。Youssef[6-7]將DFL問題建模為指紋識(shí)別問題,通過比較當(dāng)前實(shí)時(shí)的鏈路RSS量與存儲(chǔ)在離線射頻地圖中的數(shù)據(jù)信息,得到目標(biāo)的估計(jì)位置。之后,張滇[8]根據(jù)目標(biāo)對(duì)鏈路RSS量的影響特性,提出用鏈路法進(jìn)行定位。Patwari[9]類比工業(yè)CT的原理,將RTI[10]用于DFL中,為之后的相關(guān)研究提供了理論基礎(chǔ)。由于RTI只能定位靜止的人,Wilson[11]提出根據(jù)RSS方差量和目標(biāo)空間位置的關(guān)系進(jìn)行定位,隨后他還提出了增強(qiáng)該算法健壯性的方法[12]并且結(jié)合卡爾曼濾波實(shí)時(shí)定位。

為了獲得有效的RSS量,Wilson[13]建立了包含有RSS衰落量和增強(qiáng)量的Skew-Laplace信號(hào)強(qiáng)度模型,依據(jù)該模型,Patwari[14]提出多尺度空間模型,修改了權(quán)重因子參數(shù)。Wang[15]根據(jù)相鄰兩個(gè)時(shí)刻的RSS差值和鏈路異常檢測方案實(shí)現(xiàn)DFL,之后他又提出用飛行時(shí)間求解RTI[16]。Zhao[17]提出了用直方圖之間核距離來代替RSS變化量的KRTI。

由于目標(biāo)的個(gè)數(shù)相對(duì)較少,可以將目標(biāo)看作是稀疏信號(hào),Kanso[18]等最先將壓縮感知[19]應(yīng)用到RTI中,并通過求L1范數(shù)最小化進(jìn)行信號(hào)重構(gòu),估計(jì)目標(biāo)位置。Wang[20]提出貝葉斯貪婪匹配追蹤算法,解決RTI中的病態(tài)求逆問題。Wang[21]通過利用壓縮感知的稀疏場景部署來提高目標(biāo)的定位精度。由于基于壓縮感知的稀疏重構(gòu)運(yùn)算量與所選的鏈路有關(guān),Yang[22]根據(jù)鏈路的變化與目標(biāo)的空間位置的相關(guān)性,用壓縮最大匹配選擇算法快速重構(gòu)信號(hào)。這些工作成功應(yīng)用了壓縮感知實(shí)現(xiàn)免攜帶設(shè)備定位,但重構(gòu)算法復(fù)雜,定位效率低,對(duì)于多目標(biāo)定位,尤其是當(dāng)出現(xiàn)近距離目標(biāo)時(shí),區(qū)分效果不是很理想。

總體來說,這些方法都是基于傳統(tǒng)的RTI,每一種定位方法都是將人體看作是圓柱體模型,沒有給定位目標(biāo)賦予人體特征的意義。人體作為定位對(duì)象,和桌子、椅子等物體具有較大區(qū)別,其體態(tài)特征的差異,對(duì)定位的準(zhǔn)確性有極大影響。據(jù)此,本文將人體肩寬、頭寬等具體參數(shù)考慮到DFL中,提出了一種基于菲涅爾理論的免攜帶定位方法。首先通過RTI得到人體目標(biāo)的估計(jì)位置,其次根據(jù)菲涅爾理論,計(jì)算環(huán)境參量,在限制區(qū)域中對(duì)符合該理論條件的點(diǎn)進(jìn)行加權(quán)處理,實(shí)現(xiàn)精確定位;對(duì)出現(xiàn)近距離目標(biāo)的情況,通過比對(duì)人體參數(shù)值,判斷是否為多目標(biāo)。仿真結(jié)果表明本文提出的方法能夠有效的提高免攜帶設(shè)備定位的精度,能夠成功實(shí)現(xiàn)近距離目標(biāo)數(shù)目的判斷。

1 RTI及菲涅爾理論

1.1 RTI

在保證無線通信網(wǎng)絡(luò)全覆蓋的條件下,無線節(jié)點(diǎn)相互接收射頻信號(hào)。在待探測區(qū)域沒有目標(biāo)進(jìn)入時(shí),采集N個(gè)節(jié)點(diǎn)構(gòu)成的N(N-1)條無線鏈路,作為背景信息,同時(shí)將待探測區(qū)域分割成很多塊區(qū)域,其中每塊區(qū)域稱為像素,當(dāng)目標(biāo)進(jìn)入待探測區(qū)域時(shí),進(jìn)行無線信號(hào)強(qiáng)度實(shí)時(shí)采集,獲得每條鏈路的RSS量。RTI[10]提出接收信號(hào)強(qiáng)度與人體位置關(guān)系滿足線性方程

ΔRSS=WΔx+n

(1)

其中ΔRSS是接收信號(hào)強(qiáng)度的差值,W是每個(gè)像素點(diǎn)衰落值的權(quán)重矩陣,Δx是每個(gè)像素點(diǎn)上的RSS量衰落值,n是噪聲。在RTI中,將人體看作是統(tǒng)一的圓柱體模型,不考慮人體的身高,肩寬等具體參數(shù)。

1.2 菲涅爾原理

根據(jù)惠更斯一菲涅爾原理,在電波的傳輸過程中,波陣面上的每一點(diǎn)都是一個(gè)進(jìn)行二次輻射的球面波的波源(S),這種波源稱為二次波源。而空間任一點(diǎn)的輻射場都是由包圍波面的任意封閉曲面上各點(diǎn)的二次波源(E、H)發(fā)出的波在該點(diǎn)相互干涉、疊加的結(jié)果。顯然,封閉曲面上各點(diǎn)的二次波源到達(dá)接收點(diǎn)的遠(yuǎn)近不同,這就使得接收點(diǎn)的信號(hào)場強(qiáng)的大小發(fā)生變化,圖2是惠更斯一菲涅爾原理示意圖。

圖2 惠更斯一菲涅爾原理

對(duì)這種變化,引入空間菲涅爾區(qū)概念。根據(jù)Stefano Savazzi理論[23],在人體周圍的菲涅爾區(qū)中,菲涅爾半徑,人體參數(shù)值和RSS變化量存在以下關(guān)系:

(2)

(3)

(4)

ΔRSS表示RSS變化量,bx表示肩寬,by表示頭部到背部的距離。rl(xt)表示在xt位置的時(shí)候所表示的菲涅爾半徑,Δh0表示環(huán)境參量,γ1為π2/2,ql(xt)表示發(fā)射機(jī)到xt位置的距離,dl表示發(fā)射機(jī)和接收機(jī)之間的距離,λ表示載波的波長,fac表示人體參數(shù)。圖3是人體在菲涅爾空間區(qū)域中,在隨機(jī)位置下的菲涅爾半徑示意圖。

圖3 人體在菲涅爾空間區(qū)域中,在隨機(jī)位置下的菲涅爾半徑

2 結(jié)合菲涅爾理論的DFL

2.1 粗定位

RTI的基本原理就是在已知RSS變化量ΔRSS的情況下,通過式(1)的方程反演求解,得到每個(gè)像素點(diǎn)上的衰落量Δx,然后通過層析成像實(shí)現(xiàn)定位。

由于多個(gè)可能的位置能夠引起的RSS變化量的結(jié)果是相同的,因而通過RSS量求解目標(biāo)位置是病態(tài)的欠定問題,為了提高定位的精確性,采用正則正交匹配追蹤算法(ROMP)進(jìn)行RTI方程求解,對(duì)目標(biāo)進(jìn)行初始定位。

2.2 曲線擬合法匹配環(huán)境參量

根據(jù)式(2)可以看出,環(huán)境參量和RSS變化量的關(guān)系是二次函數(shù)的關(guān)系,其中常數(shù)項(xiàng)Δh0即為此時(shí)的環(huán)境參數(shù)。在未進(jìn)行定位之前由隨機(jī)目標(biāo)進(jìn)入網(wǎng)絡(luò)中,站在選定的位置上,通過測量到的數(shù)據(jù)由曲線擬合法求解出Δh0,圖4為通過曲線擬合法求解環(huán)境參量Δh0的示意圖。

通過ROMP算法對(duì)目標(biāo)進(jìn)行粗定位后,以粗定位位置為中心,1 m為半徑的圓作為限制域,在該限制域中尋找更精確的位置。根據(jù)式(4)中可知,一般情況下,人體參數(shù)fac的取值范圍是0.05到0.06之間,并且通過實(shí)驗(yàn)數(shù)據(jù)得到驗(yàn)證。圖5是單個(gè)目標(biāo)A和目標(biāo)B在隨機(jī)位置上計(jì)算得到的人體參數(shù)fac示意圖。

在fac取值范圍已知的情況下,通過對(duì)限制域中的點(diǎn)進(jìn)行篩選,將坐標(biāo)代入式(2)中,如果反算出的fac值落在閾值范圍中,保留該位置。最后,對(duì)限制域中滿足條件的位置的點(diǎn)進(jìn)行擬合加權(quán),得到更加精確的定位坐標(biāo)。

圖4 曲線擬合法求解環(huán)境參量Δh0

圖5 單個(gè)目標(biāo)在隨機(jī)位置計(jì)算出來的人體參數(shù)值

2.3 近距離目標(biāo)判決

在之前的相關(guān)研究中,目標(biāo)的分布一般相對(duì)較遠(yuǎn),在1 m范圍以外是可以有效區(qū)分的。但是當(dāng)目標(biāo)距離較近時(shí),判斷目標(biāo)個(gè)數(shù)成為一個(gè)急需解決的問題。傳統(tǒng)的RTI,當(dāng)出現(xiàn)近距離目標(biāo)的情況時(shí),成像結(jié)果往往相同,單純的成像圖無法體現(xiàn)定位的位置上有幾個(gè)目標(biāo)。圖6是分別有一個(gè)目標(biāo)和兩個(gè)目標(biāo)時(shí)的RTI成像結(jié)果的示意圖。

圖6 單個(gè)目標(biāo)和多個(gè)目標(biāo)時(shí)的RTI成像結(jié)果

針對(duì)這一問題,提出結(jié)合菲涅爾理論的求解方法。根據(jù)式(2)可以看出,單個(gè)人體的人體參數(shù)fac和RSS變化量是二次函數(shù)的關(guān)系,并且人體參數(shù)fac存在一定的取值范圍。通過定位出的位置可知道菲涅爾半徑,并且對(duì)位置點(diǎn)附近鏈路的RSS衰落量從大到小進(jìn)行排序,保留衰落量較大的三條鏈路。利用式(1),根據(jù)篩選出來三條鏈路的RSS變化量反算出人體參數(shù)fac并加權(quán)平均。如果計(jì)算結(jié)果在fac的取值范圍之內(nèi),判決為單目標(biāo);反之,判決為多個(gè)目標(biāo)。

3 定位流程

綜上所述,針對(duì)結(jié)合菲涅爾理論的DFL,本文算法的總體流程如圖7所示。

圖7 定位流程圖

圖8 CC2530傳感器節(jié)點(diǎn)示意圖

4 實(shí)驗(yàn)仿真結(jié)果分析

為了驗(yàn)證提出方法的有效性,本文進(jìn)行了實(shí)驗(yàn),收集、分析數(shù)據(jù)并進(jìn)行MATLAB仿真。實(shí)驗(yàn)采用IEEE802.15.4標(biāo)準(zhǔn)的Zigbee通信網(wǎng)絡(luò),通信頻率為2.4 GHz,實(shí)時(shí)采集無線信號(hào)接收強(qiáng)度。實(shí)驗(yàn)環(huán)境是在一個(gè)空曠的操場上,選擇一個(gè)5 m×5 m的區(qū)域。實(shí)驗(yàn)器材,12個(gè)CC2530的傳感器節(jié)點(diǎn),4臺(tái)電腦收集數(shù)據(jù),圖8是CC2530傳感器節(jié)點(diǎn)示意圖。12個(gè)傳感器依次平行放置于兩端采集數(shù)據(jù),每個(gè)傳感器節(jié)點(diǎn)相距1 m,方框表示人所站的位置編號(hào),每個(gè)位置之間相距0.5 m。圖9是實(shí)驗(yàn)具體場景布置的示意圖,圖10是實(shí)驗(yàn)場景模擬圖。

圖9 實(shí)驗(yàn)具體場景布置圖

圖10 實(shí)驗(yàn)場景模擬圖

圖11 RTI定位誤差和利用菲涅爾區(qū)定位誤差的對(duì)比

根據(jù)以上理論所述,當(dāng)單個(gè)目標(biāo)和多個(gè)目標(biāo)分別位于位置7時(shí),計(jì)算出來的人體參數(shù)fac如表1所列。

表1 單個(gè)目標(biāo)和多個(gè)目標(biāo)分別位于位置7時(shí)的人體參數(shù)值fac

從表1可以看出,通過計(jì)算得到的人體參數(shù)fac的大小,即使在RTI成像結(jié)果相同的情況下,也能夠?qū)崿F(xiàn)對(duì)該處人體目標(biāo)個(gè)數(shù)的判斷。

5 結(jié)論

免攜帶設(shè)備定位的出現(xiàn)為緊急救援、醫(yī)院病護(hù)檢測提供了可能,其中相關(guān)算法的研究在不斷深入。本文提出的結(jié)合菲涅爾理論的免攜帶設(shè)備定位能夠?qū)⑷梭w的實(shí)際參數(shù)情況考慮到定位中,更貼合真實(shí)場景,在實(shí)測數(shù)據(jù)中,定位精度有30%的提高,同時(shí),有效解決了在出現(xiàn)近距離目標(biāo)的情況時(shí),傳統(tǒng)RTI無法判斷目標(biāo)個(gè)數(shù)的難題,仿真結(jié)果表明本文提出方法的有效性,并具有一定的研究應(yīng)用價(jià)值。

[1] 張震,閆連山,劉江濤.基于DV-hop的無線傳感器網(wǎng)絡(luò)定位算法研究[J].傳感技術(shù)學(xué)報(bào),201l,24(10):1469-1472.

[2]劉凱,余君君.跳數(shù)加權(quán)DV-Hop定位算法[J].傳感技術(shù)學(xué)報(bào),2012,25(11):1539-1542.

[3]Agrawal P,Patwari N.Effects of Correlated Shadowing:Connectivity,Localization and RF Tomography[C]//International Conference on information Processing in Sensor Networks,2008:82-93.

[4]Youssef M,Mah M,Agrawala A.Challenges:Device-Free Passive Localization for Wireless Environments[C]//Proceedings of the 13th Annual ACM International Conference on Mobile Computing and Networking,2007:222-229.

[5]Zhang D,Ma J,Chen Q,et al.An RF-Based System for Tracking Transceiver-Free Objects[C]//Fifth Annual IEEE International Conference on Pervasive Computing and Communications,2007:135-144.

[6]Kosba A E,Abdelkader A,Youssef M.Analysis of A Device-Free Passive Tracking System in Typical Wireless Environments[C]//International Conference on New Technologies,Mobility and Security,2009:1-5.

[7]Eleryan A,Elsabagh M,Youssef M.Automatic Generation of Radio Maps for Localization Systems[C]//IEEE Proceedings of the 17th Annual International Conference on Mobile Computing and Networking,2011:93-94.

[8]Zhang D,Liu Y H.Link-Centric Probabilistic Coverage Model for Transceiver-Free Object Detection in Wireless Networks[C]//IEEE 30th International Conference on Distributed Computing Systems,2010:116-125.

[9]Patwari N,Wilson J.RF Sensor Networks for Device-Free Localization:Measurements,Models,and Algorithms[J].Proceedings of the IEEE,2010,98(11):1961-1973.

[10]Wilson J,Patwari N.Radio Tomographic Imaging with Wireless Networks[J].IEEE Transactions on Mobile Computing,2010,9(5):621-632.

[11]Wilson J,Patwari N.See Through Walls:Motion Tracking Using Variance-Based Radio Tomography Networks[J].IEEE Transactions on Mobile Computing,2011,10(5):612-621.

[12]Zhao Y,Patwari N.Robust Estimators for Variance-Based Device-Free Localization and Tracking[OL].arXiv Preprint arXiv:110.1569,2013.

[13]Wilson J,Patwari N.A Fade-Level Skew-Laplace Signal Strength Model for Device-Free Localization with Wireless Networks[J].IEEE Transactions on Mobile Computing,2012,11(6):947-958.

[14]Kaltiokallio O,Bocca M,Patwari N.A Multi-Scale Spatial Model for RSS-Based Device-Free Localization[J].arXiv Preprint arXiv:1302.5914,2013.

[15]Wang J,Gao Q,Yu Y,et al.Robust Device-Free Wireless Localization Based on Differential RSS Measurements[J].IEEE Transactions on Industrial Electronics,2012,60(12):5943-5952.

[16]Wang J.Time-of-Flight-Based Radio Tomography for Device Free Localization[J].IEEE Transactions on Wireless Communications,2013:1-11.

[17]Zhao Y,Patwari N,Phillips J M,et al.Radio Tomographic Imaging and Tracking of Stationary and Moving People Via Kernel Distance[C]//Proceedings of the 12th International Conference on Information Processing in Sensor Network,ACM,2013:229-240.

[18]Kanso M A,Rabbat M G.Compressed RF Tomography for Wireless Sensor Networks:Centralized and Decentralized Approaches[C]//5th IEEE International Conference on Distributed Computing in Sensor Systems(DCOSS),Montreal,Canada,2009:173-186.

[19]Donoho D L.Compressed Sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

[20]Wang J,Zhang X,Gao Q,et al.Device Free Localization with Wireless Networks Based on Compressive Sensing[J].IEEE Transactions on Communications,2012,6(15):2395-2403.

[21]Wang J,Fang D,Chen X,et al.LCS:Compressive Sensing Based Device-Free Localization for Multiple Targets in Sensor Networks[C]//INFOCOM,2013 Proceedings IEEE,2013:145-149.

[22]Yang Z,Huang K,Guo X,et al.A Real-Time Device-Free Localization System Using Correlated RSS Measurements[J].EURASIP Journal on Wireless Communications and Networking,2013,2013(1):1-12.

[23]Savazzi S,Nicoli M,Carminati F,et al.A Bayesian Approach to Device-Free Localization:Modeling and Experimental Assessment[J].IEEE Journal of Selected Topics in Signal Processing,2014:16-29.

The Study of Device Free Localization with Wireless Networks Based on Fresnel Theory*

LIUKai*,XIARan,CHAIKe

(Key Laboratory of Specialty Fiber Optics and Optical Access Networks,Shanghai University School of Communication and Information Engineering,Shanghai 200072,China)

In allusion to problems such as low accuracy of Device Free Localization,uneasy differentiation of location targets within a short distance etc.,this paper proposes a localization estimation method based on the theory of Fresnel.This method roughly identifies the localization of human body at first through Radio Tomographic Imaging(RTI)principle.The second step is to calculate environmental parameters and divide the restricted area;meanwhile,in order to realize accurate positioning,weighted fitting is conducted to the positions within the restricted area which meet the demand of Fresnel by taking specific body parameters,such as the breadth of shoulders and head,into consideration.Thirdly,when targets within a short distance appear,the comparison between the experiment value and theoretical value of human parameters should be made,in order to identify whether there are multiple targets.According to simulation results,compared with traditional RTI method,this method improves the degree of accuracy by 30% in terms of positioning in our experiment;at the same time,the number of targets within a short distance can also be identified.

device free localization;radio tomographic imaging;fresnel theory;regularized orthogonal matching pursuit

劉 凱(1981-),男,漢族,上海大學(xué)通信與信息工程學(xué)院副教授,碩士生導(dǎo)師。主要研究方向?yàn)槊ば盘?hào)處理和通信信號(hào)處理,liukai@shu.edu.cn;

夏 然(1991-),女,漢族,安徽黃山人,上海大學(xué)信號(hào)與信息系統(tǒng)碩士研究生,主要研究方向?yàn)槊鈹y帶設(shè)備定位。

項(xiàng)目來源:上海市自然科學(xué)基金項(xiàng)目(15ZR1415500)

2014-09-15 修改日期:2014-11-18

C:7230

10.3969/j.issn.1004-1699.2015.02.026

TP212

A

1004-1699(2015)02-0297-06