水 下传感器网络节点定位
DESCRIPTION
水 下传感器网络节点定位. 田志辉 2012.11.22. 水下传感器网络节点定位. 1 、传感器网络定位基本知识. 定位重要性 定位 算法 分类 计算 节点位置的基本 方法. 2 、常见的定位算法(陆地). TOA 、 AOA 、 RSSI 等. 3 、大规模水下传感器网络定位. 传感器网络定位基本知识. 定位重要性. 水下网络节点定位作用:. 标记收集到的信息 追踪水下节点 监测水下目标的位置 协调节点的运动 辅助 MAC 、路由协议设计. 没有位置信息的监测消息往往毫无意义. 定位算法分类. 信标节点. 节点. 未知节点. - PowerPoint PPT PresentationTRANSCRIPT
水下传感器网络节点定位
田志辉2012.11.22
水下传感器网络节点定位
1 、传感器网络定位基本知识
2 、常见的定位算法(陆地)
3 、大规模水下传感器网络定位
① 定位重要性② 定位算法分类③ 计算节点位置的基本方法
TOA 、 AOA 、 RSSI 等
传感器网络定位基本知识
没有位置信息的监测消息往往毫无意义
水下网络节点定位作用:
标记收集到的信息追踪水下节点监测水下目标的位置协调节点的运动辅助 MAC 、路由协议设计
定位重要性
定位算法分类
测量实际距离
定位先后次序
是否使用信标节点
定位算法常见的 3 种分类方式
基于距离的算法:测量相邻节点间的绝对距离和方位,利用实际距离计算位置
距离无关的算法:无需测量绝对距离和方位,利用节点间的估计距离计算位置
递增式:从信标节点开始,附近节点先定位,依次向外延伸
并发式:所有节点同时进行位置计算
基于信标节点:以信标节点作为参考点,产生整体绝对坐标系统
无信标节点:只关心相对位置,最后产生整体相对坐标系统
节点信标节点
未知节点
也可分为集中式和分布式
节点计算位置的基本方法
方法一:三边测量法
2 2( ) ( )a a asx x y y d
2 2( ) ( )b b bsx x y y d
2 2( ) ( )c c csx x y y d
( , )a aA x y ( , )b bB x y ( , )c cC x y
方法二:三角测量法
方法三:极大似然估计法
最小均方误差估计
节点计算位置的基本方法
常见的定位算法
基于到达时间( TOA )的定位:
方法:已知信号的传播速度,根据信号的传播时间来计算节点间距离
优点:定位精确度高缺点:要求节点间保持精确的时间同步,对节点硬件和功耗要求较高
基于接收信号强度指示( RSSI )的定位:
方法:已知发射节点的发射信号强度,接收节点根据收到信号的强度,计 算出信号的传播损耗,利用理论和经验模型将传输损耗转化为距离
经验模型:预先建立位置和信号强度关系数据库 适合于室内、空间变动小的网络
理论模型:建立信号衰减和传播距离间的关系式 但在现实环境中,受温度、障碍物、传播模式影响大
常见的定位算法
DV-Hop 算法: (距离无关)
方法:信标节点广播分组(含跳数字段),未知节点记录与信标节点的最小 跳数;信标节点根据记录的其他信标节点的位置信息和跳数,估算平 均每跳的距离,然后再广播带生存期字段分组(含每跳距离)。 优点:对节点硬件要求低,实现简单缺点:利用平均每跳的距离代替直线距离,存在一定误差
Localization for Large-Scale Underwater Sensor Networks
Zhong Zhou1, Jun-Hong Cui1, and Shengli Zhou2
1 Computer Science & Engineering Dept, University of Connecticut, Storrs, CT, USA, 06269
2 Electrical & Computer Engineering Dept, University of Connecticut, Storrs, CT, USA, 06269
{zhong.zhou,jcui,shengli}@engr.uconn.edu
PAPER
此算法融合以下两种算法:三维空间欧氏距离估计算法( 3-Dimensional Euclidean Distance Estimation )循环定位估算( Recursive Location Estimation )
浮标锚节点(信标节点)普通节点(未知节点)
3-Dimensional Euclidean Distance Estimation
求 AE 节点间距离 ?
已知距离:CA, BA, BC,EB, ED, EC,DB, DC, DA
注: ABCD 四点不能共面, ABCDE 任意三点不能共线
A 为锚节点, BCD 均是 E 点的邻居节点已知 ABC 三点坐标
D 点可能位置有 2 个相应 E 点位置则会有 4 个
Recursive Location Estimation
定位误差 计算公式:
其中 u,v,w 为未知节点的估计坐标, xi,yi,zi 是参考节点 i 的坐标,li 为未知节点与参考节点 i之间的测量距离(可由 TOA获得)。
节点 1 可由锚节点 ABCD 实现定位,然后计算定位误差。
误差小:成为新的参考节点,广播自己的位置信息
误差大:不能视为参考节点
信任度因子 由下式决定
设一特定值 为信任度门限
若 > ,则认为此节点可以充当参考节点;反之,则仍然认为此节点位置未知。
未知节点根据信任度因子决定定位所需的 4 个参考节点。
算法流程图 参考节点:周期性地广播定位信息:自身坐标、
节点 ID 和信任度未知节点:计数器 m :记录自身已知距离的参考节点的数目计数器 n : 记录定位信息包的广播次数
N :定位信息包门限,每个节点能 发送定位信息的最大次数
信息定位信息包:交换信息
信标信息包:测距
定位过程中,未知节点不停地检查计数器 m
m<4 :广播定位信息包,含以下信息:• 接收到的参考节点的位置• 自身与参考节点的距离• 自身与一跳相邻节点间的距离
距离估算,更新m值
m>=4 :选择 4 个信任度因子最大的参 考节点进行定位
仿真实验环境设置
性能分析
实验: 500 个传感器节点随机分布在三维空间 100*100*100区域内
节点容量:节点所期望拥有的邻居节点数,可以通过控制节点通信 半径进行改变,表征节点的连通性需求。
假定使用通常的方法,可以使得测量距离与真实距离间误差在 1% 以内
仿真分为三种情况:锚节点占总节点数比例为 5% 、 10% 、 20% 。
仿真结果将与欧氏距离算法和循环定位算法作对比
( 1 )定位覆盖率:能定位的节点数占总节点数的百分比( 2 )定位误差:所有节点的估计位置与实际位置平均的相差距离( 3 )平均通信损耗:所有已定位节点发送的信息包总数(包括信标信息和定位信息)
性能参数包括:
性能分析定位覆盖率 红色:论文算法
蓝色:循环算法黑色:欧式算法
本地算法比其余两种算法的覆盖范围要高出很多
结论:想要提高覆盖率,可以选择增多锚节点
性能分析定位误差 红色:论文算法
蓝色:循环算法黑色:欧式算法
结论: 1 、在实际应用中,我们不能简单地依靠改变节点容量来减小误差 2 、锚节点比例的增加可以有效地降低定位误差
性能分析平均通信损耗 红色:论文算法
蓝色:循环算法黑色:欧式算法
在循环定位算法中,只须已定位的参考节点广播信息包,未知节点不发送信息,因此算法的通信损耗很小。随着节点容量的增加,论文算法平均通信损耗也越来越接近循环算法
欧式算法的通信损耗相对较大
讨论
在三维水下传感器网络中,锚节点比例为 20% ,节点容量为 12-13 ,算法可以实现成功定位 95% 的节点,定位误差在 5% 以下。
苛刻的要求:连通性需求为 12左右
解决方案:区分传感器节点的定位阶段和正常通信阶段
信任度门限:增大信任度门限,定位覆盖率和定位误差都会 降低,而通信损耗会增大
参数权衡
定位信息门限 N :设计传感器网络时,有一特定门限值(网络固有属性)当 N 小于这个值时,定位覆盖率、定位误差和平均通信损耗都会随 N 的增大迅速上升;当 N 大于这个值时,定位覆盖率和定位误差相对稳定,但通信损耗会继续增大。
移动网络:节点的移动性不会给定位覆盖率和通信损耗带来挺大影响, 但定位误差会显著地增大
谢谢!