文摘
准确和可靠的定位技术将提高管理水平和服务效率在不同的工业应用。捷联惯性导航系统(SINS)方法有短期精确定位性能,但罪累计误差随时间而闻名。同时,无线传感器网络(WSN)的方法可以保持移动目标有效的跟踪经过长时间监测,但在某些地区的WSN定位误差较大。为了使定位方法使利润从他们的优点,提出了一种定位技术使用罪方法结合传感器网络的方法。罪,WSN的测量参数的方法。罪,锚节点,移动标签,XBee和计算机应用于设计定位系统。评估结果表明,该方法可以弥补缺点的纯罪或传感器网络方法,可以用于一些准确、健壮的应用程序。
1。介绍
1.1。背景
移动目标定位估计被认为是一个关键技术,可以大大有助于提高管理水平和服务效率(1]。在许多工程和科学应用,传感器需要获得他们的位置报道某些事件发生的地方。定位系统设计有非常严格的要求准确和健壮的定位(2]。例如,飞机动态调整轨迹路径使用估计的位置;可以提供定位服务的公共运输通知乘客在公交车到达车站时;矿工在地下可以拯救他们的生命通过指定位置当矿难事故发生;室内定位系统是为了追踪犯人,耐心,和消防队员。各种实用的方法(3),如全球定位系统(GPS)、捷联惯性导航系统(罪),无线传感器网络(WSN),视觉里程计和激光已经被用来研究。
1.2。相关的工作
罪的方法一直是自主定位服务的方法。大多数的罪方法使用三轴加速度计的惯性传感元素(TAA)和三轴陀螺仪(标签)来测量加速度和角速度值(4]。结合初始惯性值,移动目标有短期内精确定位估计通过计算二次集成基于牛顿力学定理。陆et al。5)开发了矿井人员定位方法使用的罪恶。在硬件和软件设计完成后,定位系统可以解决这个姿势,速度和位置。Hoflinger et al。6)设计了罪与CC430单片机相结合的方法。然后INS放在鞋是用来评估室内行人跟踪。采用卡尔曼滤波器(KF)方法最佳估计和补偿惯性错误,这能提高罪定位性能(7]。为了提高当前惯性传感器的性能,创新激光和光纤陀螺技术感兴趣的都是包含在罪恶。
学者关注的位置和姿态估计的罪的方法。然而,罪恶的加速度计是闻名的雪堆随着时间的推移,当遭受multinoises (8]。由于这样的事实,估计位置完全由罪方法累计误差很长一段时间后,罪系统需要从其他定位系统的援助中获益。为了消除累计误差造成的罪,GPS方法可以帮助纠正增加位置错误的纯罪的方法。SINS / GPS集成应用程序被广泛用来跟踪飞机或车辆在开放的环境中9]。然而在封闭的环境中,如在室内,城市,和地下矿山GPS不可用时,GPS甚至无法提供移动目标的位置和速度由于重型卫星信号阻塞。因此,如何削弱罪累计误差随时间是一个有意义的研究后与其他传感器的帮助保持一个长期的跟踪。
WSN方法与罪的方法相比,可以实现使用锚节点之间的距离测量和移动标签从无线信号中提取。传感器网络有能力感、流程和沟通,可以形成一个网络图,估计位置通过使用无线信号的接收信号强度指示(RSSI),到达时间(TOA),到达时差(辐射源脉冲)和到达角(AOA)测量10]。各种方法被广泛用于移动目标的位置估计。Mazuelas et al。11]只提出了一个新颖的定位算法使用RSSI方法,从而使传播模型符合传播环境中最好的。陈和何12)提出了一种简单而有效的方法来估计移动标签使用目标辐射源的位置的方法。与现有的方法相比,提出的定位算法的准确性由陈方法可以达到Cramer-Rao下界(CRLB)的准确性。CRLB方法被认为是一个有用的工具,可以帮助我们判断设计的定位算法。江et al。13)解决分布式定位方法使用RSSI方法是最合适的测量技术。评估结果已经通过建立高精度的几何关系和移动锚节点标签。的处理方法(AOA)的方法考虑到工业环境中,ultrawide乐队已经调查(UWB)多路径传播环境下(14]。
定位系统是一种分布式的定位方法长期的货架后没有累计误差。然而,位置精度的基础方法可以受到环境条件的影响。视线(LOS)可能使WSN精确定位结果,虽然眼前的nonline仿真结果)可能导致大因信号故障和多路径传播定位错误。现有的文献证明更有效的信息可以提供准确和可靠的估计,可以消除噪声测量的缺点。罪方法短期内精确定位,但罪闻名累计误差。与此同时,WSN方法可以保持移动目标的有效跟踪,但WSN可能遭受大的定位错误在某些领域。注意,罪恶和WSN定位方法是可用的,但是他们有自己的缺点。因此,如何充分利用罪和系统方法的优点来提高定位性能是至关重要的。为了结合两种方法的优势,罪恶/系统集成需要研究。
作为一个努力克服单一传感器的局限性,智能过滤方法,如卡尔曼滤波器(KF),扩展卡尔曼滤波器(EKF),和无味卡尔曼滤波(UKF),需要提高定位的性能。传感器网络集成了罪方法使跟踪性能存在最优估计结果(15]。朱et al。16)扩大了罪/传感器网络定位方法在煤矿环境中,提供精确的速度和位置的移动车辆。亚瑟et al。17)提出了一个创新的监测方法,应用了罪/超宽频技术来定位行人在室内。假日et al。18)设计6个自由度(自由度)跟踪系统通过结合超宽频方法的罪。实验结果表明,该方法总是伟大的跟踪性能。EKF方法利用基于罪和超宽频的方法。然后罪/超宽频集成方法可以提供动态测试场景实验结果(19]。Zhang et al。20.)利用EKF方法使无线电频率识别(RFID)和罪的方法有效。然后罪/射频识别集成方法可以产生一个三维定位估计。
1.3。我们工作的动力
准确和可靠的定位技术在各种工程和科学领域是必需的。罪或方法可以系统地解决移动目标位置。然而,罪方法闻名累计误差和WSN方法的可能大定位错误。因此为了提高两种方法的优势,紧密耦合的罪恶/ WSN紧密耦合需要深入研究。基于上述分析,KF或卡尔曼滤波器应用于综合定位系统。提出了一种协作定位算法结合信息从罪和传感器网络的方法。罪的方法措施三轴加速度和三轴角速率的移动目标,而传感器网络检测和移动锚节点之间的距离值标签。罪,WSN的测量参数方法用于建立方程基于UKF方法的解决方案。罪/系统集成可以避免单一测量带来的局限性。实际的定位系统原型设计评估拟议的定位方法。
1.4。本文的组织
第二部分给出了框图的罪与传感器网络集成方法。第三部分介绍了采用传感器和仪器和实现纯罪和WSN定位方法。在下一节中实现了实际实验和评估拟议的罪恶/ WSN定位。部分5本文总结道。
2。系统架构
图1显示了罪恶的框图和系统方法。移动目标围绕罪和移动标签,而锚节点部署在监测区域。罪方法提供了角、速度和位置信息;传感器网络方法提供了单一的位置信息。这些测量参数用于后续计算和分析的基础上提出了定位方法。
图2让罪恶与传感器网络集成方法详细的位置移动的目标。首先罪乐器的TAA和标签传感器是用来测量加速度和角速度值;姿态矩阵可以推导出基于移动目标的初始速度和位置。考虑到移动目标是一个三维的载体,构成的移动目标定位精度有很大的影响。因此做一些标准化的治疗态度和坐标转换矩阵,矩阵的处理态度和加速度矢量耦合。然后移动目标的位置的罪方法可以获得二重积分后的解决方案。其次锚节点和移动标签是用来测量TOA值。然后辐射源脉冲值计算基于TOA测量值。锚节点时钟必须同步辐射源脉冲的方法。然后锚节点之间的距离测量和移动标签可以根据辐射源脉冲值计算。 Thirdly, the positioning result is estimated by using the measured parameters by SINS and WSN methods.
3所示。定位技术
3.1。罪定位方法
图3显示了罪的实际对象和XBee,而表1和2显示参数为核心组成部分的罪和XBee,分别为(21]。罪主要由核心模块ADIS16350 TMS320C6713 DSP信号处理模块,通信模块MAX3111E ADM708T复位模块,电源模块MIC4722YML TMS320C6713BPYP200和内存扩展模块。惯性测量单元的ADIS16350模块6度自由措施三轴加速度和三轴角速率。ADIS16350模块是足够稳定的稳定探测角速率陀螺偏见。陀螺仪可以调整的全面±75°/ s,±150°±300°/ s / s,而它的分辨率是14位。不同于陀螺仪,加速度计不能始终保持精确测量经过长时间监测。加速度计的全面设计成±10 g,而它的分辨率是14位。ADIS16350模块使用rs - 232信号协议传输测量数据在115200位/秒的波特率。ADIS16350模块可以毫不费力地完成移动目标的定位任务。
(一)
(b)
由于机动状态下,罪恶的参数传送到电脑通过有线连接将限制移动目标的灵活性。因此,XBee Pro开通模块是用来连接罪与计算机通过无线通信模型。XBee Pro开通模块采用一个通用的操作与ISM 2.4 GHz频段。射频数据速率为250 kbps,最大距离可达3.2公里。XBee Pro开通模块操作102−dBm接收机灵敏度。电源电压为2.7 V至3.6 V,马无功电流约为15。
罪的方法是一个航迹推算系统的准确程度取决于上一次导航参数估计。因此,惯性导航系统的初始化,如最初的姿态、速度和位置的基础是准确的估计。图4描述了罪恶的图机械化安排移动目标。罪措施加速度和角速度值。测量角速度值和初始角速度值是用来进行导航计算下重力补偿和科氏定理。此外,导航方程转化和分解在东部,北部,和上的方向。根据初始速度和位置,移动目标的位置的罪的方法可以计算后进行二次集成。
假设罪仪器安装在移动目标,移动目标的质量。根据牛顿力学定理,收益率力学方程 在哪里是地心引力,是nongravity力,是地球半径。
移动目标的速度相对于地球被定义为。基于姿态矩阵,我们可以获得22,23]
在公式(2),矢量分解 在哪里的旋转角速度惯性坐标相对于地球坐标;的旋转角速度导航坐标相对于地球坐标;是当地的纬度;是地方子午线的曲率半径;是主要的曲率半径垂直的;和从地面移动目标的高度。
用移动目标的初始速度和位置到公式(4),我们可以计算和获得移动目标的参数。与此同时考虑到移动目标绕XOY平面,速度的影响可以忽略。因此,公式(4)可以写成23]
从公式(5),移动目标的位置可以通过执行二次集成计算。罪的导航方程用于建立方程。但近似结果通过纯粹的罪方法可以受到multinoises影响,这将导致累计错误后很长一段时间跟踪。在下一节中,传感器网络测量方法是用来消除罪恶的累积误差的方法。
3.2。传感器网络定位方法
图5显示了实际对象和移动锚节点的标签,而表3显示了核心组件的参数的无线节点。提供的核心组件是nanoLOC_TRX模型Nanotron技术。无线节点主要工作在一个独特的通信技术定义为线性调频扩频(CSS)技术,在IEEE 802.15.4a指定在ISM 2.4 GHz频率。载波监听多路访问/冲突避免(CSMA / CA)和时分多址(TDMA)支持。此外,无线电传输数据速率从125 k个基点可以调整到2 M个基点,而最大距离取决于数据速率。无线节点支持允许射频输出功率从33 dBm 0 dBm−−95 dBm的接收机灵敏度。当前值约为1.2μ以最小的能耗。提供的电压2.5 V±0.2 V漂移。无线节点信号采用高度集成的芯片可提供高无线通信性能和精确的测量范围。
(一)
(b)
几个锚节点放置与初始坐标,写成向量,在那里。移动标签被定义为。传感器网络测量方法如图6。
评估结果由传感器网络通常是完成两个步骤。首先,一些移动标签和锚节点之间无线信号得到来表示距离的关系。其次,移动目标的位置估计通过求解一组方程定义的无线信号参数(24]。无线测距的原理包括两个独立的过程,可以描述如图7。
第一个距离测量:锚节点发送数据流移动标签,然后接收来自移动标签的响应。锚节点计算传输时间从发送数据流接收数据流。与此同时,移动标签开始时钟从锚节点接收数据流,然后停止时钟到锚节点发送响应。移动标签计算处理时间然后将它发送到锚节点。第二个距离测量:移动标签到锚节点发送数据流,然后接收锚节点的反应。移动标签计算传输时间从发送数据流接收数据流,然后发送传输时间锚节点。与此同时,锚节点时钟的时候开始接收数据流从移动标签,然后将响应发送到移动后停止时钟标记。锚节点计算处理时间。然后锚节点之间的距离和移动标签可以获得: 在哪里锚节点之间的距离和移动标签;无线信号的传播速度,通常定义为3×10吗8米/秒;实际测量的平均传输时间;,,,锚节点之间是测量时间和移动标签。
考虑到测量偏差是由晶体振荡器,传播时间的测量偏差,,,是设置为,,,分别。距离测量误差可以被描述为
的偏差和是由锚节点的晶体振荡器,和偏差和是由晶体振荡器的移动造成的标签。因此,偏差等于偏差和偏差等于偏差。然后
公式(7可以表达的
无线芯片的距离测量原理可以消除测量偏差引起的晶体振荡器。然后的距离移动标签和锚节点之间的关系
公式(102-norm)可以表示为:
辐射源脉冲值对第一个锚节点来标示。然后目标辐射源的距离收益率
从移动目标辐射源的价值标签可以表示成向量,它可以表示为
从公式(6)和(13),移动目标的位置传感器网络方法是近似的。出乎意料的环境可能会使无线信号受到multicomplex噪音。无线信号的准确性是敏感的环境条件。因此结合上面的罪与WSN方法,新颖有效的融合方法需要利用创造一个最佳的定位估计。
3.3。纯粹的罪恶和传感器网络实验
监控区域米2。罪和移动标签安装在电动汽车,被定义为移动目标。定位系统给出的详细条件(21]:地球自转速度rad / s;当地纬度34.316°。地球重力加速度是9.7952 m / s2,重力加速度的精度g。由于电动汽车的平坦的地面上移动,初始角值是零。电动汽车的初始速度为零,和初始位置的坐标(1.8 6)m。此外,四个锚节点部署在角落里。锚节点的坐标是(1.3,1.6),(10.8,1.6),(10.8,5.4),(1.3,5.4)米,分别。进行定位测量在一个办公环境下的视线(LOS)条件。第一组实验中,我们评估纯罪和WSN方法下的评估结果。
电动汽车装有红外传感器,使电子汽车沿着黑色绝缘胶带。然后我们可以测量黑线的轨迹。电动汽车绕,形成预期轨迹曲线,可用于评估和分析非线性系统的性能使用该定位方法。
第一组实验中,我们评估使用纯罪和WSN方法估计的结果。如图8,估计结果表明,纯罪和传感器网络定位方法大致稳定性能无论移动目标移动。当移动目标在运动开始,罪的方法具有良好的估计。只要做一些适当的初始设置,如最初的姿势,速度,和位置,罪的方法可以获得准确的结果。然而长时间监测,移动目标的罪方法可以脱离预计由于multinoises轨迹。无论移动目标移动,WSN方法总是有一定的估计误差。
图9比较的估计误差- - - - - -和设在下纯罪和传感器网络的方法。实验结果表明,该估计误差设在罪和WSN方法比的误差大设在。这主要是因为移动目标的运动范围设在膨胀比的设在,使得传感器网络主要分布在估计错误设在。
罪,WSN的平均估计误差方法0.69和0.64 m,分别。方差的罪,WSN的错误方法是0.53和0.18,分别。正如预期的那样,由罪定位错误方法的总体趋势随时间增加。罪方法的定位误差在把一个角落开始增加,急剧增加的趋势。总而言之,罪有最大误差在采样点125年底1.27的累计误差。
与此同时,网络方法的定位误差增加首先然后减少当移动目标开始把一个角落。除了无线信号的距离测量精度,移动标签和锚节点之间的几何关系也会影响定位精度。当移动目标开始拐一个弯,附近的移动标签将开始移动锚节点,这可能会导致更大的估计错误,与移动标签时的情况相比,在监控区域的中心。因此,纯的WSN的最大和最小估计误差是0.94米和0.23米,分别。
除了位置估计,罪三轴陀螺仪(标签),可用于估计构成的移动目标。基于实现捷联惯性导航系统的初始对准,我们开始测试,滚,偏航角。图10提供的估计错误,滚,在采样时间和偏航角。三轴陀螺仪的MEMS技术可以提供高的测量性能。沥青的平均估计误差、辊和偏航角是−0.6790−0.1913,分别和−0.2370度。测量误差主要由初始对准和随机噪声引起的。不同的定位估计,姿势估计由纯粹的罪没有累积误差的方法。
从图10,我们可以得出这样的结论:纯罪可以提供准确的姿态估计,其准确性不需要得到改善。不过从数据8和9,我们可以得出结论,纯的罪,WSN方法不能提供精确的和健壮的定位精度。因此,执行罪/系统集成改进在下一节的定位性能。
4所示。综合的罪恶/ WSN的方法
4.1。建议的方法的实现
融合方法显著影响定位系统的准确性和鲁棒性。KF或EKF方法已应用于罪/传感器网络定位系统。KF的残差方法使用加速度,速度和位置值由罪方法,与距离测量传感器网络集成方法。KF方法是有效的线性系统和具有良好的定位性能,虽然有大量非线性系统估计错误。通常,表达的状态方程和测量方程具有非线性特性,使得KF方法最终脱离指导跟踪和发散。EKF方法可以用来估计非线性系统,虽然EKF方法仍具有一定的估计误差随时间。
UKF方法是设计用来移动目标的位置估计非线性状态空间模型(25]。UKF方法的精度取决于相关的二阶泰勒级数展开的非线性函数与一阶卡尔曼滤波器的方法,计算复杂度相同的EKF方法。UKF方法与非线性状态空间模型应用。UKF方法的本质可以简要概括如下。一组确定性选择的点,称为σ点,以前是用来近似分布的状态估计。这些σ点预计使用非线性测量功能。此外,它正确地捕获后均值和方差的加权均值和方差。然后,准确的位置可以通过UKF估计方法(26]。
考虑到移动目标绕XOY平面,加速度,速度和位置表示为在时间步。定义噪音,移动目标的状态方程可以由(27]
在时间步移动标签安装在移动目标。移动标签之间的关系和锚节点的距离可以测量使用测量值范围。然后定义噪音移动目标的测量方程可以给出的
至于移动目标的随机运动,定位过程是一个非线性动态系统。在下一节中,测量参数获得使用罪和传感器网络的方法来建立方程。
UKF方法递归估计是一个简单的扩展,已应用于非线性系统。通过建立状态方程和测量方程,移动目标的最优估计使用UKF方法可以获得。给足够的细节实现的过程,我们提出的算法伪代码所示的主程序算法1。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
通过罪恶的获得测量值和系统方法和初始参数,可以创建状态方程和测量方程。此外,如上所述,该方法是一个简单的扩展递归估计,已应用于非线性系统。移动目标的最优定位结果估计使用方法。
4.2。实验系统的原型
在本节中,一个实验平台实现评估和验证定位系统基于罪和WSN的方法。图11显示了定位系统的硬件连接图。设计系统主要由罪(ADIS16350核心组件),锚节点(nanoLOC_TRX核心组件),移动标签,XBee,路由器和计算机。测量角度、速度和位置通过XBee罪转发给电脑连接。移动标签与锚节点的时钟同步使用有线连接。然后测量无线信号通过网络传输到电脑通过路由器。由罪,此外,所有获得的参数,系统等角度,速度,位置,和无线信号采样和分析的计算机。
传感器和仪器的图部署如图12。其实现过程简要描述,结合主要的传感器和仪器。罪,移动标签,XBee安装在移动的目标。四个锚节点,另一个XBee、路由器和电脑都部署在监测区域。根据设计和解决该算法,移动目标的位置可以生产电脑。然后我们可以评估和验证该方法的准确性和鲁棒性。
4.3。罪/系统集成实验
KF的跟踪误差,EKF、UKF方法手工测量和估计之间的轨迹清晰地可以看到在图13。我们可以得出结论,KF, EKF、UKF方法可以跟踪预测当移动目标轨迹移动前五十采样时间。这意味着罪恶/系统集成方法可以改善定位性能。这种行为消失后第五十采样时间。随着移动目标转过拐角,三种方法跟踪好,有较大的估计错误而失败,直到结束。虽然很难测量的角度,速度,位置,和距离,基于UKF的罪恶/系统集成方法,如纯罪或WSN的方法相比,可以更准确的定位估计。
图14描述了KF的估计错误,EKF、UKF方法- - - - - -和设在。上的位置误差设在大于错误设在由于加速度的值越小设在可以移动目标的运动范围有限。KF的平均估计误差、卡尔曼滤波器和UKF方法是0.71米,0.63米,0.59米,分别。移动目标在机动动作和罪恶和WSN方法测量噪声,对这三种方法的增加与采样时间估计错误。
图15列出估计错误多位置的方法。纯罪方法有最大误差为1.27米。同时,纯WSN方法最大误差为0.94米,最小误差为0.23 m。这是由于移动目标的机动动作和罪恶的噪声测量结果和WSN的方法。与纯罪相比,纯的WSN, KF,和EKF方法,罪恶的平均估计误差/系统集成基于UKF方法可以减少误差约为15%,8%,17%,和6%,分别,这表明UKF方法能提高效率的罪/传感器网络集成。
拟议的罪恶/系统集成基于UKF方法利用大型硬件资源和增加了实现通信和计算的复杂性。然而,毫无疑问,罪恶/系统集成可以带来更多的有效信息,提高位置估计的准确性和鲁棒性。此外,该方法可以实现同步位置和姿态跟踪移动目标,可以应用于许多应用程序。
5。结论
本文调查移动目标的定位技术。不同的定位方法存在不同的估计精度。纯罪或传感器网络定位技术可以用来追踪移动目标,虽然罪方法已累计误差经过长时间跟踪和WSN方法有异常错误在某些监视点。使用罪和传感器网络集成测量定位技术是研究需要准确和可靠的定位在很多工程和科学应用。罪/传感器网络集成是对实际环境评估平台。结果表明,该方法具有优势互补的罪恶和基础方法和跟踪移动目标的投影轨迹。在我们未来的工作中,我们将扩展我们的罪的研究对提高测量精度和系统方法。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是与中国矿业大学和技术的支持。此外,这项工作得到了国家高技术研究发展计划(2013 aa06a411),江苏省研究生教育创新项目(CXZZ12_0925 KYLX_1374)和项目优先资助的学术程序开发江苏高等教育机构。作者要感谢匿名评论者对他们有帮助的注释,提高论文的质量。