WSNs目标跟踪中的节点组选择机制研究

董齐芬 盛蒙蒙

摘 要： 目标定位与跟踪是无线传感网（Wireless Sensor Networks，WSNs）的重要应用之一。由于WSNs通信资源及节点能量均受限，在目标定位跟踪应用中，通常选取目标附近共线度较低的三个节点对当前目标进行定位。文章首先通过仿真实验发现当前共线度定义中存在的问题，然后综合考虑节点间的距离及节点组与目标之间的距离等因素，提出了一种简单有效的节点组选择机制来提高目标定位跟踪的准确度。仿真实验表明，所提出的节点组选择机制能适应测距噪声较大的WSNs环境。

关键词： 无线传感网； 目标跟踪； 共线度； 节点组选择

中图分类号：TP309 文献标志码：A 文章编号：1006-8228（2015）12-10-03

Node group selection scheme for target tracking in wireless sensor networks

Dong Qifen， Sheng Mengmeng

（Department of Computer and Information technology， Zhejiang Police College， Hangzhou， Zhejiang 310053， China）

Abstract： Target tracking is one of the important applications of wireless sensor networks （WSNs）. Since the communication resources in WSNs and node's energy are limited， it is usual to select three non-collinear nodes which are close to the target to estimate the current location of the target. The problems in the existed definition of collinear degree are found through the simulation in this paper， considering the distance between nodes as well as the distance between node group and the target， a simple and effective node group selection scheme is proposed to improve the accuracy of target tracking. The simulation results show that the proposed node group selection scheme is robust to the environment with large ranging noisy.

Key words： wireless sensor networks； collinear degree； target tracking； node group selection

0 引言

無线传感网（Wireless Sensor Networks， WSNs）是由部署在监测区域内大量廉价微型传感器节点通过无线通信方式形成的一个多跳自组织网络系统，具有广泛的应用领域。其中，目标定位与跟踪是WSNs的重要应用之一。

由于WSNs通信资源及节点能量均受限，在目标定位跟踪应用中，并非所有节点同时参与到目标的定位跟踪中，而是通常选取目标附近的少量合适节点对目标进行定位。比如，文献[1]-[4]等通过研究节点间的“共线度”来选择三个合适的节点对当前目标进行定位。本文通过仿真实验发现当前共线度定义中存在的问题，进而提出一种简单有效的节点选择机制来提高目标定位跟踪的准确度。

1 共线度

在二维空间中，只需获得三个节点的测距信息即可实现对目标进行定位。然而，当所选择的三个节点共线或接近共线时，较小的测距误差都会导致很大的定位跟踪偏离[3]。为了解决节点的共线问题，一些文献引入共线度的定义。

文献[1]认为共线度的大小依赖于三个节点所组成的三角形大小，故定义共线度为三角形的三个高的最小值。具体的，设三角形中最长的边为lmax，那么该边所对应的高则为最小的高hmin，即共线度为hmin。

文献[2]指出文献[1]中的最小高hmin虽然可以在一定程度上反映三个节点的共线程度，但更合理的应该是选择hmin与lmax的比值来衡量三角形的共线程度。文献[2]中定义的共线度DC为：

⑴

根据式⑴的定义，并结合图1分析可知，该定义下的共线度取值范围为0～1。特别的，当三个节点组成等边三角形时，共线度值取到最大值1；当三个节点处于同一条直线时，共线度为0。

文献[3]指出三个节点的共线度与它们所组成的三角形形状有关，而度量一个三角形形状的更本质的参数应该是三角形的内角，故将共线度定义为节点组成的三角形中最小角的余弦值。如图2所示，节点A、B、C所组成的三角形中，∠C是最小角，则用∠C的余弦值来衡量A、B、C这三个节点组的共线程度，即：

⑵

因为三角形最小角的取值范围为0o～60o，故该定义下共线度的对应取值范围为1～0.5。显然，当共线度为0.5时，表示节点组成的三角形是等边三角形，此时该组节点的定位效果最好；当共线度为1时，代表节点组在一条直线上，此时定位效果最差。

从上述共线度定义可知，文献[1]根据三个节点组成三角形的大小来研究共线度，而文献[2]和文献[3]则从三角形形状的角度分析，且文献[2]是对文献[1]中定义的共线度的改进。另外，文献[2]和文献[3]对共线度的定义虽然不同，但结论是相似的，即：当三个节点组成的三角形越接近等边三角形，该三个节点的定位效果越好。两者的不同点在于：式⑴计算的共线度值越小，三个节点看上去越接近共线，而式⑵正好相反，如图3所示。为方便叙述，在下文讨论中采用文献[3]中定义的共线度。

2 问题分析与改进

本小节通过Matlab仿真实验来分析上述定义的共线度存在的问题。仿真中，设置节点的测距噪声服从均值为0、方差为5的高斯分布，并利用扩展卡尔曼滤波法[5]对三个节点的测距信息进行融合处理，计算出目标的位置。图3给出了几种特殊情况下的目标定位跟踪结果。从图3发现如下问题：①图3（a）中三个节点的共线度（DC2）接近于1，但定位跟踪效果却较好；②图3（b）和图3（c）中三个节点的共线度（DC2）相近，均接近于0.5，但图3（c）中的整体效果较好，而图3（b）中三个节点附近区域的定位跟踪效果较好，离三个节点较远处区域的定位跟踪效果却较差；③图3（c）和图3（d）中的三个节点形状大小完全一样，但定位跟踪效果却相差甚远。

分析上述问题可知：①当三个节点离目标较远时，即使三个节点组成的三角形接近等边三角形，也会引起较大的定位误差，如图3（d），这是因为在这种情况下，测距误差使得三个节点对目标的测量距离之间的相对差距变的很小，使得三个节点似乎是重合的，且当三角形形状较小时，这种效应越容易出现，如图3（b）；②当三个节点相距较远时，只要它们不是完全共线，也能得到较理想的定位跟踪效果，如图3（a）。上述两点说明在选择节点组时除了考虑共线度因素，还需要綜合考虑节点间的距离，及节点组与目标之间的距离等。针对这些考虑，本文提出了一种简单有效的节点选择机制来提高目标定位跟踪的准确度，如表1所示。

表1 本文提出的节点组选择机制

[算法1 本文提出的节点组选择机制＼&Step 1 初始化：设定节点与目标之间的最大允许距离lmax，备选节点的最少数量Nmin，两个节点之间的最小允许距离dmin，表征三角形大小的参数r。

Step 2 找出可供选择的节点集合：将目标近距离范围内的节点加入集合中。若节点数量小于Nmin，则逐步扩大距离范围（但不能超过lmax）来添加节点到集合中。

Step 3 将节点集合中的每3个节点组成一个节点组。

Step 4 计算每个节点组的共线度：若该节点组中任何两个节点间的距离小于dmin，或目标与3个节点之间的最小距离大于3个节点组成的三角形最大边的r倍，将该节点组的共线度直接置为1，；否则利用式⑵计算出该节点组的共线度。

Step 5 选出共线度最小的节点组，然后利用扩展卡尔曼滤波方法对选中的三个节点的测距信息进行融合处理，计算出目标的当前位置。＼&]

3 仿真实验

本小节通过Matlab仿真实验来验证本文提出的节点组选择机制的有效性。假设200个节点随机部署在200m×200m的区域内，节点的测距范围为30m，目标作匀速圆周运动，如图4所示。设置lmax=25m，Nmin=8，dmin=5，r=4。图4（a）和图4（b）分别是节点的测距噪声方差为5和10时的目标定位跟踪结果，其中TNG表示在测距范围内的所有节点中根据式⑵找出共线度最小的节点组，ATNG表示本文提出的节点组选择机制。从图4可以看出，当节点的测距噪声方差较小时，ATNG与TNG的定位跟踪效果是差不多的。但当节点的测距噪声方差较大时，ATNG仍能保持较好的定位跟踪效果，而TNG出现了较大的跟踪误差。这表明本文提出的节点组选择机制更能适应测距噪声较大的WSNs环境。

（a） 节点的测距噪声方差为5

（b） 节点的测距噪声方差为10

图4 不同测量噪声下的WSNs目标定位跟踪结果

4 结束语

本文针对仿真实验中发现的当前共线度定义存在的问题，综合考虑了节点间的距离，以及节点组与目标之间的距离等因素，提出了一种简单有效的节点组选择机制来提高目标定位跟踪的准确度。仿真实验表明，所提出的节点组选择机制能适应测距噪声较大的WSNs环境。希望本文能为WSNs中的目标定位与跟踪算法研究提供有价值的参考。

参考文献（References）：

[1] Poggi C， Mazzini G. Collinearity for Sensor Network

Localization[C]//Proceedings of 2003 IEEE 58th Vehicular Technology Conference， Piscataway， NJ， USA： IEEE，2004：3040-3044

[2] 刘克中，王殊.无线传感器网络中一种改进DV-Hop节点定

位方法[J].信息与控制，2006.35（6）：787-792

[3] 吴凌飞，孟庆虎，梁华为.一种基于共线度的无线传感器网络

定位算法[J].传感技术学报，2009.22（5）：722-727

[4] 孟文超，俞立，董齐芬等.基于最优信标组的扩展卡尔曼定位

算法[J].传感技术学报，2011.24（4）：581-586

[5] Yim J，Park C，Joo J. Extended Kalman Filter for Wireless

LAN Based Indoor Positioning[J]. Decision Support Systems，2008.45（4）：960-971