无线传感器网络中移动节点定位中的滤波问题.pptVIP

无线传感器网络移动节点定位中的滤波问题 导师：黄刘生 指导：汪炀 2006-4-10 背景简介 在过去的三十年中，针对非高斯、非线性系统，有许多滤波方法被人们提出，象：扩展卡尔曼滤波、高斯算术近似(Gaussian sum approximations)和基于网格(Grid-based filters)的滤波。但前两种方法没有能够充分考虑处理过程中的统计问题，从而得到的结果比较差，而Grid-based filters存在巨大的计算开销，这点是我们无法容忍的。 目前，能比较好的解决这类问题的算法类是序贯蒙特卡罗算法(Sequential Monte Carlo)。 传感器节点的限制 1、电源能量限制 传感器节点体积微小，通常携带能量十分有限的电池。由于传感器节点个数多、成本要求低廉、分布区域广，而且部署区域环境复杂，有些区域人员不能到达，所以传感器通过更换电池的方式来补充能源不现实，必须节能从而提高网络生命周期。 2、计算和存储能力有限 传感器节点价格低功耗小，这些本身因素也必能会影响其计算和处理能力。传感器节点一般处理能力比较弱，存储容量小。 滤波算法 滤波算法 对移动节点的定位我们采用分布式定位的方法: 集中式定位需要节点将数据传送到某个中心节点(例如,一台服务器),并在那里进行节点定位计算的方式，再将结果传送回节点，这样带来不可避免的时延，显然对移动中节点定位精度会带来进一步的影响。 分布式计算是指依赖节点间的有限的信息交换和协调,由节点自行计算的定位方式。 显然，我们选择分布式定位方法。 假设及定义 假设1：假设通讯时延不计 假设2: 设节点Nmobile在时刻m处于状态Xm，坐标为(xm,ym) 假设3: 设预测得到节点Nmobile在时刻t的状态为Xpt，坐标为(xpt,ypt)
定义1 (outsiders)：当前时刻和前一时刻都不在通讯半径内的锚点 定义2 (Arrivers)：当前时刻在前一时刻不在通讯半径内的锚点 定义3 (Leavers)：当前时刻不在前一时刻在通讯半径内的锚点 定义4 (Insiders)：当前时刻和前一时刻都在通讯半径内的锚点 节点Nmobile在时刻t-1到t的平均速度Vta估计 从时刻t-(m+1)到时刻t-1共m个时间间隔中(设时间间隔长度为 )，设节点移动的路程为S，则： 滤波 根据平均速度Vta,我们可以得知在t时刻节点所处的范围为： 滤波修正 从半径为r圆域内随机选n个点，A1，A2，??An 在t时刻存在以下观测信息： 锚节点向通讯半径内广播其当前时刻t位置 邻节点向通讯半径内广播其时刻t所侦听到的锚节点位置 设在t时刻Nmobile所侦听到的锚节点的集合为N，Nmobile邻居所侦听到的锚节点的集合为N’： 则有： 设Ai(xai,yai)为n个点中的某一点,则： 对任意 ，Ai到s的的距离d(Ai,s)小于等于R，Ai到s’的距离d(Ai,s’)大于R小于2R。(R为通讯半径) 图示 剔除 对于不满足上述两个条件的Ai点去除，再从圆域中选出与去除数目相同的点。对新选出的点重新判别两个条件直到获得n个点。 获得这些点后，考虑预测值的权值w以及这n个点权值wi， 将这些点的坐标与权值相乘求和从而得到修正 值。 问题／下一步工作 1、平均速度中m选定 2、圆域中的n值 3、不能够选到n个满足条件的点，如何解决？ 4、 权值设定/处理 谢谢各位！！！ --END-- * * 徐学永 由于传感器节点自身的限制，好的滤波算法也应该充分考虑这些限制。所以考虑滤波问题应该朝计算复杂度小(运算简单，但并不表示运算少)这方面考虑。 之所以向这方面考虑，因为我们采用分布式定位方法再结合传感器节点自身的限制。 采用分布式定位有下述原因： t时刻节点可能处于的位置 r r t时刻预测阶段的值 R R 2R s s’ *