无线传感器网络定位技术综述

专题：无线传感器网络中的定位

引言

移动计算和以用户为中心的应用的近期持续发展，使得对精确且低成本的定位与跟踪系统的需求日益增加。全球导航卫星系统（GNSS），特别是全球定位系统（GPS），已成为我们日常生活的一部分，广泛用于室外导航与定位。然而，大多数人在室内环境（如家庭、办公室、学校等）中度过大量时间，而GPS在这些环境中功能极为有限甚至无法使用。因此，研究人员一直在探索利用替代信息源实现室内定位。

为实现低实施成本的目标，在解决定位问题时，强烈建议利用现有技术，例如地面射频（RF）源。其中包括Wi‐Fi、蓝牙和超宽带（UWB）信号，但研究人员也使用红外信号、图像、声学、光和磁场等。然而，由于需要广泛部署基础设施，这些系统在一段时间内成本效益较低。直到最近，射频和微机电系统集成电路设计的进步使得低成本传感器得以广泛应用，并允许使用由数百甚至数千个传感器组成的大规模网络，以高空间和时间密度进行感知。由于网络规模巨大，人工干预几乎不可能。

因此，为了实现自主网络配置，并建立用于信号分析和数据挖掘的网络覆盖质量及/或空间/地理关系，对传感器的物理位置进行自动估计至关重要。此外，利用现有技术进行定位是许多应用的关键技术，可提高日常生活的安全性和效率，例如环境辅助生活（老年人或残疾人士援助、智能停车、存储条件和货物监控等）、导航（视障人士辅助、引导顾客通过购物中心、机场等场所）以及劳动力管理（寻找附近的医生或警察）、上下文相关的信息共享等。该技术正受到谷歌、苹果、微软和华为等科技巨头以及全球一些顶尖大学研究团队的积极追求。然而，现有文献中的系统提供的精度不令人满意，或需要安装和维护特定且昂贵的设备。因此，寻找一种适用于实时应用的稳健且精确的定位系统的研究仍然开放。

本特刊欢迎针对无线传感器网络（WSNs）中目标定位与跟踪的创新解决方案投稿。在本特刊中，我们寻求通过分析、仿真或实验模型评估的较为成熟的研究工作。允许对先前已发表的研究工作进行扩展，但必须在投稿中明确说明该情况，且所提出的扩展应具有显著的新颖性。

2. 贡献概述

本期特刊汇集了关于无线传感器网络中目标定位领域的独特研究成果。文中讨论了多个重要主题和问题，并指出了该主题未来研究的若干方向。共有来自欧洲、亚洲、北美洲和澳大利亚等世界不同地区的13位作者为本期特刊做出了宝贵贡献。

特刊中发表的作品涵盖了广泛的主题，包括：利用低成本传感器和摄像头开发新型协作式无人机群定位系统的原型 [1]，针对能量受限的无线传感器网络的轻量级分布式定位方案 [2]，生成附加（角度）信息以提升跟踪性能 [3]，在存在同步误差的情况下利用组合无线电测量进行目标定位 [4]，现有双曲三维定位算法的性能比较 [5]，以及对接收信号强度（RSS）测量的对数正态模型的表征 [6]。以下将对上述每项工作提供简要概述。

在[1]中，Goel 等人开发了一种基于无人机与静态锚节点之间信息共享的新型协作定位原型，用于实现无人机的精确定位。这些无人机配备了低成本传感器，包括摄像头、GPS接收器、超宽带无线电和低成本惯性传感器。所提出原型的性能在部分遮挡和受干扰的全球导航卫星系统环境中通过真实场景进行了评估。作者分析了该原型在集中式和分布式协作网络设计中的性能。结果表明，在部分无法使用全球导航卫星系统的环境中，只要协作网络中保持稳定的通信，该系统即可实现良好的定位精度（2–4米）。此外，Goel 等人通过实验验证表明，即使在全球导航卫星系统理想的环境中，信息共享也有助于提高定位性能。他们的实验指出，低成本协作网络面临的主要挑战是无人机平台之间的稳定连接以及传感器同步。

熊雄和Sichitiu提出了一种新的轻量级解决方案，以弥补[2]中基于距离的定位对高精度需求与可用资源有限之间的差距。他们的定位方案称为KickLoc。这是一种完全分布式的方案，通过考虑距离测量中的不确定性，以最小化由距离测量引入的定位误差，并利用所有邻近节点的信息来实现更优的位置估计。作者进行了大量仿真，以验证所提出系统的可行性、性能和鲁棒性。他们还在TI CC2530 ZigBee SoC及其定制的声学平台上实现了直观算法和基于卡尔曼滤波器（KF）的算法。实验结果表明，KickLoc能够在不同的测量模型下提供一致的位置估计。

文献[3]研究了在非视距环境中基于从接收信号强度（RSS）和到达时间（TOA）测量中提取的距离估计来跟踪移动目标的问题。文献[3]的作者利用已知的参考点架构，将其作为非标准天线阵列，并结合距离估计，生成目标发射信号到每个参考点的额外方位信息。随后，他们利用方位角估计，将问题转换到更为方便的极坐标空间，在该空间中轻松实现了测量模型的线性化。最终，所得到的线性化测量模型作为基础模块，结合目标运动过程中获取的先验知识，通过采用卡尔曼滤波器（KF）进行自适应处理。该方法通过计算机仿真进行了评估，仿真中研究了一条相当复杂的目标轨迹。在所有考虑的场景中，新方法表现出良好的性能，验证了作者的观点：网络拓扑中存在某些内在信息，可以加以利用以提升算法的性能。

与大多数现有方案不同，那些方案通常通过假设已知模型参数来降低位置估计过程中涉及的代价函数的高维度，而科卢恰和法西斯塔在[4]中采用了不同的方法。该方法基于以下事实：模型参数依赖于操作的无线环境，并且由于动态障碍物的存在以及环境的其他变化而随时间改变，他们提出了一种在现场自适应估计这些参数的方案。科卢恰和法西斯塔面临的一个挑战是，对于所考虑的问题，联合最大似然估计器（MLE）不存在闭式解，而且由于存在大量冗余参数，数值优化几乎不可行。

为了解决这些问题，他们提出了一种结合接收信号强度（RSS）和到达时间（TOA）测量的两步算法：（1）校准阶段利用位置已知的节点来估计未知的RSS和TOA模型参数；（2）将混合TOA/RSS测距估计器与迭代最小二乘（LS）方法相结合，以获得未知目标的位置。[4]中的数值结果表明，所提出的算法表现良好，定位精度几乎达到了作为理论基准的联合MLE的水平。
在[5]中，哈利夫‐阿拉研究了三种闭式最小二乘算法，其中两种算法被改进以利用冗余参数的先验知识，实现基于到达时间差（TDOA）测量的精确三维定位。这些算法分别使用了单组、扩展单组和完整的TDOA测量集。通过仿真和实际测量对它们的性能进行了验证，实验中无线系统发射器采用准共面排列。分析结果表明，仿真与实际测量结果具有良好一致性，在高信噪比（SNR）条件下使用单组测量的估计器性能最佳，而在低信噪比和完全非视距条件下则以使用完整测量集的估计器性能最优。因此，哈利夫‐阿拉建议在恶劣信号条件（如高噪声水平和非视距传播）下进行三维定位时应使用完整的TDOA测量集。

瓦列特·加西亚在[6]中指出，在无线传感器网络（WSNs）中使用经典RSS对数正态模型存在一系列挑战，这些挑战源于：(a) 该模型在解释实际观测结果时的结构局限性；(b) 无线传感器网络低成本节点中普遍存在的硬件差异性；以及 (c) 部署环境的不均匀性。他的主要目标是更准确地表征这些因素对模型参数的影响，因为这一问题在文献中尚未得到充分关注。他定性阐述了这些因素的影响及其相互作用，并展示了两项定量实证研究的结果，说明模型参数如何因用于模型识别的节点、其在环境中的位置以及天线方向性而产生显著变化。此外，他进一步表明路径损耗指数和参考功率可能高度相关，并认为实际WSN部署应采用联合考虑硬件和局部环境特征的随机模型参数，而非确定性独立参数。最后，他总结指出，若能在建模中考虑这种变异性，将获得更真实的模型以及更合理的应用结果。

3. 结论

本特刊收录了六篇极具启发性且高质量的论文，探讨了无线传感器网络中定位问题的不同方面。其中一些研究针对合作目标定位问题，而另一些则聚焦于非合作定位。此外，还涉及了模型参数被估计而非假设已知的实际场景，以及对移动目标的实时定位。为了评估所提出的解决方案的性能，进行了一系列真实环境下的实验测量。尽管本期特刊中的各篇论文分别探讨了感兴趣问题的不同方面，但他们一致认为，无线传感器网络中的目标定位是一个非常重要的实际问题，在未来几年内仍将继续引起学术界和工业界的广泛关注。

这种推理基于一个事实：我们正处在新技术（如第五代和物联网）不断迅猛发展以及新型应用不断涌现的时期。我们已经看到，在智能交通系统、机器人技术、基于位置的服务和自动驾驶车辆等领域，利用定位技术来补充和改进车辆及行人系统的应用已经开始。此外，我们预计物联网将持续推动网络在规模和动态性方面的增长。由于网络规模的扩大和节点的移动性增强，许多实际应用场景（如智能建筑和智慧城市）将要求以分布式方式实现定位算法。