[发明专利]无线传感器网络三维定位系统

摘要

本发明涉及无线传感器网络三维定位系统，其特征在于，包括待定位节点、四个定位检测节点和一个定位融合处理节点，待定位节点分别与定位检测节点和定位融合处理节点连接，定位融合处理节点分别连接各定位检测节点，待定位节点包括中央处理单元及第一计时器、第一Zigbee模块、信号发生单元、信号调制单元和信号发射单元；定位检测节点包括微处理器、第二计时器、第二Zigbee模块、第一GPS定位单元、信号接收单元、滤噪处理单元、信号放大单元和信号解调单元；定位融合处理节点包括融合处理单元及第二GPS定位单元和第三Zigbee模块。该无线传感器网络三维定位系统通过建立电平量化检测的二元假设检验模型，具有更高定位性能。

主权项

无线传感器网络三维定位系统，其特征在于，包括待定位节点、四个定位检测节点和一个定位融合处理节点，所述待定位节点分别与定位检测节点和定位融合处理节点通信连接，所述定位融合处理节点分别通信连接各定位检测节点，其中，所述待定位节点包括中央处理单元以及分别连接中央处理单元的第一计时器、第一Zigbee模块、信号发生单元、信号调制单元和信号发射单元；信号调制单元分别连接信号发生单元和信号发射单元；所述第一计时器，用以记录信号对外发射的时间，并发送给中央处理单元；所述定位检测节点均包括微处理器及分别连接微处理器的第二计时器、第二Zigbee模块、第一GPS定位单元、信号接收单元、滤噪处理单元、信号放大单元和信号解调单元；所述滤噪处理单元连接信号接收单元和信号放大单元，信号放大单元连接信号解调单元；所述第一GPS定位单元，用以将定位检测节点的位置数据发送给微处理器；所述滤噪单元，用以接信号接收单元接收的待定位节点发送的信号进行滤噪处理，以获取纯净的信号；所述信号放大单元，用以将滤噪后的信号再次放大，以能够准确获知已接收到待定位节点的信号；所述第二计时器，用以记录接收到放大信号的时间，并发送给微处理器；所述第二Zigbee模块，用以将各定位检测节点的位置数据和时间数据实时地发送给定位融合处理节点；所述定位融合处理节点，包括融合处理单元以及分别连接融合处理单元的第二GPS定位单元和第三Zigbee模块；所述第三Zigbee模块，用以实时地接收各定位检测节点发送来的位置数据和时间数据；所述融合处理单元，用以对接收的各定位检测节点发送来的位置数据和时间进行融合，以计算待定位节点的位置；其中，所述融合处理单元对位置数据和时间的融合定位过程依次包括如下步骤：(1)根据第二GPS定位单元的定位数据以及各定位检测节点发送来的位置数据，建立以定位融合处理节点为原心的空间坐标系；(2)在新建的空间坐标系中，设定待定位节点为O(x,y,z)，四个定位节点分别为A(x_A,y_A,z_A)、B(x_B,y_B,z_B)、C(x_C,y_C,z_C)和D(x_D,y_D,z_D)，并计算定位检测节点A接收到待定位节点O信号的时间t_A；(3)建立电平量化检测的二元假设检验模型，设定观测样本序列R中的观测样本r_k的个数为N_t，N_t个观测样本符合以下二元假设检验准则：$\left\{\begin{array}{c}{H}_{{\mathrm{\θ}}_0}:r_k={\mathrm{\θ}}_0+n_k\\ H_{{\mathrm{\θ}}_1}:r_k={\mathrm{\θ}}_1+n_k\end{array}\right.$             式(1)；其中，k＝0,1,…,N_t‑1，n_k为零均值高斯白噪声；(4)根据概率分布函数f(x)和累计分布函数F(x)，计算最优量化电平门限q_m，其中，最优量化电平门限q_m的计算公式如下：$q_m=\log \left(\frac{{\∫}_{t_{m-1}}^{t_m}{f}_{{\mathrm{\θ}}_1}\left(x\right)dx}{{\∫}_{t_{m-1}}^{t_m}{f}_{{\mathrm{\θ}}_0}\left(x\right)dx}\right)=\log \left(\frac{F(t_m-{\mathrm{\θ}}_1)-F(t_{m-1}-{\mathrm{\θ}}_1)}{(t_m-{\mathrm{\θ}}_0)-F(t_{m-1}-{\mathrm{\θ}}_0)}\right)$    式(2)；$-\frac{f^{\′}\left(t_m\right)}{f\left(t_m\right)}=\frac{q_m+q_{m+1}}{2}$             式(3)；其中，m为量化电平数；(5)根据纽曼‑皮尔逊准则、随机检验函数Q(r)和门限τ，计算得到虚警概率α，其中，$\mathrm{\α}=E\left(Q\right(r);H_{{\mathrm{\θ}}_0})$                 式(4)；$Q\left(x\right)={\∫}_x^{\mathrm{\∞}}\frac{1}{\sqrt{2\mathrm{\π}}}exp(-\frac{1}{2}{t}^2)dt$         式(5)；$P_{LR}={\∫}_{\{x,L\left(x\right)\>\mathrm{\τ}\}}p(x;H_{\mathrm{\θ}1})dx=a$       式(6)；$L\left(X\right)=\frac{p(X;H_{{\mathrm{\θ}}_0})}{p(X;H_{\mathrm{\θ}1})}\>\mathrm{\τ}$           式(7)；(6)构建三电平检测的量化函数Q_c(r_k,i)，并计算检测统计量T_c(R_i)，其中，$Q_c\left(r_{k,i}\right)=\left\{\begin{array}{cc}1,& r_{k,i}\≥c\\ 0,& -c\<r_{k,i}\<c\\ -1,& r_{k,i}\≤-c\end{array}\right.$       式(8)；$T_c\left(R_i\right)={\mathrm{\Σ}}_{k=0}^{N_{t-1}}{Q}_c\left(r_{k,i}\right)$          式(9)；其中，c为预先设置的常数；(7)根据步骤(3)中的观测样本序列R，将第k周期内第i个观测样本r_k,i量化为x_k,i，即Q(r_k,i)＝x_k,i，并分别构建量化后的二元假设检验模型和信号检测判断准则；其中，量化后的二元假设检验模型为：$\left\{\begin{array}{c}{H}_0:R_i=N_i\\ H_1:R_i=w_i+N_i\end{array}\right.$       式(10)；其中，w_i是常数，N_i是随机噪声向量，0≤i≤N‑1；信号检测判断准则为：$\left\{\begin{array}{c}{H}_0:T\left(R_i\right)\<{\mathrm{\λ}}_{N_i,\mathrm{\α}}\\ H_1:T\left(R_i\right)\>{\mathrm{\λ}}_{N_i,\mathrm{\α}}\end{array}\right.$         式(11)；其中，$T\left(R_i\right)={\mathrm{\Σ}}_{k=0}^{N_{t-1}}Q\left(r_{k,i}\right)$为检验统计量，为判决门限；(8)根据三电平检测的量化函数Q_c(r_k,i)，在观测样本序列R中获取观测样本满足|r_k,i|≥c的样本数为N₁，并计算与样本数N₁对应的最优判决门限α_opt：${\mathrm{\α}}_{opt}={\∫}_{{\mathrm{\λ}}_{N_t,\mathrm{\α}}}^{\mathrm{\∞}}{f}_{T_c}^{N_1}\left(x\right)dx$       式(12)；其中，[c,∞)的观测样本数为N_1p，检测统计量T_c(R_i)＝2N_1p‑N₁；(9)比较所得最优判决门限α_opt与检测统计量T_c(R_i)，记录第一个通过步骤(6)中判决的信号到达时间；(10)以记录的第一个通过判决的信号到达时间作为定位检测节点A接收到待定位节点O信号的时间t_A；再次重复执行步骤(3)至步骤(9)，分别得到定位检测节点B、C、D接收到待定位节点O信号的时间t_B、t_C和t_D；(11)根据各定位检测节点对应的接收时间，建立关于待定位检测节点坐标的方程组，并由方程组计算获取待定位节点O的第一坐标值(x',y',z')、第二坐标值(x”,y”,z”)、第三坐标值(x”',y”',z”')和第四坐标值(x””,y””,z””)：$\left\{\begin{array}{c}{d}_{AO}^2={(x^{\′}-x_A)}^2+{(y^{\′}-y_A)}^2+{(z^{\′}-z_A)}^2\\ d_{BO}^2={(x^{\′}-x_B)}^2+{(y^{\′}-y_B)}^2+{(z^{\′}-z_B)}^2\\ d_{CO}^2={(x^{\′}-x_C)}^2+{(y^{\′}-y_C)}^2+{(z^{\′}-z_C)}^2\end{array}\right.$        式(13)；$\left\{\begin{array}{c}{d}_{AO}^2={(x^{\′\′}-x_A)}^2+{(y^{\′\′}-y_A)}^2+{(z^{\′\′}-z_A)}^2\\ d_{BO}^2={(x^{\′\′}-x_B)}^2+{(y^{\′\′}-y_B)}^2+{(z^{\′\′}-z_B)}^2\\ d_{DO}^2={(x^{\′\′}-x_D)}^2+{(y^{\′\′}-y_D)}^2+{(z^{\′\′}-z_D)}^2\end{array}\right.$         式(14)；$\left\{\begin{array}{c}{d}_{AO}^2={(x^{\′\′\′}-x_A)}^2+{(y^{\′\′\′}-y_A)}^2+{(z^{\′\′\′}-z_A)}^2\\ d_{CO}^2={(x^{\′\′\′}-x_C)}^2+{(y^{\′\′\′}-y_C)}^2+{(z^{\′\′\′}-z_C)}^2\\ d_{DO}^2={(x^{\′\′\′}-x_D)}^2+{(y^{\′\′\′}-y_D)}^2+{(z^{\′\′\′}-z_D)}^2\end{array}\right.$     式(15)；$\left\{\begin{array}{c}{d}_{BO}^2={(x^{\′\′\′\′}-x_B)}^2+{(y^{\′\′\′\′}-y_B)}^2+{(z^{\′\′\′\′}-z_B)}^2\\ d_{CO}^2={(x^{\′\′\′\′}-x_C)}^2+{(y^{\′\′\′\′}-y_C)}^2+{(z^{\′\′\′\′}-z_C)}^2\\ d_{DO}^2={(x^{\′\′\′\′}-x_D)}^2+{(y^{\′\′\′\′}-y_D)}^2+{(z^{\′\′\′\′}-z_D)}^2\end{array}\right.$        式(16)；$\left\{\begin{array}{c}{d}_{AO}=c\·t_A\\ d_{BO}=c\·t_B\\ d_{CO}=c\·t_C\\ d_{DO}=c\·t_D\end{array}\right.$              式(17)；其中，d_AO、d_BO、d_CO和d_DO分别为定位检测节点A、B、C和D到待定位节点O的距离，c表示光线传播速度；(12)根据获取的待定位节点O的第一坐标值(x',y',z')、第二坐标值(x”,y”,z”)、第三坐标值(x”',y”',z”')和第四坐标值(x””,y””,z””)，计算待定位节点O的实际坐标(x,y,z)：$\left\{\begin{array}{c}x=\frac{\frac{x^{\′}}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{x^{\′\′}}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{x^{\′\′\′}}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{x^{\′\′\′\′}}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}{\frac{1}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{1}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{1}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{1}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}\\ y\frac{\frac{y^{\′}}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{y^{\′\′}}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{y^{\′\′\′}}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{y^{\′\′\′\′}}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}{\frac{1}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{1}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{1}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{1}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}\\ z=\frac{\frac{z^{\′}}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{z^{\′\′}}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{z^{\′\′\′}}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{z^{\′\′\′\′}}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}{\frac{1}{d_{AO}^2+d_{BO}^2+d_{CO}^2}+\frac{1}{d_{AO}^2+d_{BO}^2+d_{DO}^2}+\frac{1}{d_{AO}^2+d_{CO}^2+d_{DO}^2}+\frac{1}{d_{BO}^2+d_{CO}^2+d_{DO}^2}}\end{array}\right.$      式(18)。