[发明专利]一种基于RSSI的多传感器融合移动节点跟踪方法

权利要求书

1.一种基于RSSI的多传感器融合移动节点跟踪方法，该方法基于无线传感网络，所述的无线传感网络包括若干个节点以及一监控台，每一个节点都是一个可实现信息发送与接收的无线传感网络终端，在该若干个节点中，至少有一个为移动节点，其余为固定节点，固定节点知道本节点位置信息，所述的固定节点中有一个是信宿，该信宿通过有线或无线的方式与所述的监控台相连，其特征在于，所述的多传感器融合移动节点跟踪方法包括以下步骤：

步骤1，监控台确认跟踪时间间隔并传送给移动节点，即由系统用户根据应用需要在监控台上输入跟踪时间间隔T和跟踪的移动节点，监控台将此信息发送给信宿，信宿通过若干固定节点发送给指定的移动节点；

步骤2，移动节点根据所获时间间隔T定时发送监测信标，即移动节点获得指定时间间隔T后，建立一间隔为T的定时器，每隔时间间隔T发送一次监测信标给周围的节点，信标中包含发送信号强度和移动节点标记；

步骤3，周围节点测得移动节点的RSSI，确定锚节点，即周围节点k测得t时刻的RSSI为r(k，t)后，与一预先设定好的阈值R相比较，如果r(k，t)≥R，则节点k为该时刻的锚节点i，否则不是锚节点，等待下一时刻再测量移动节点的RSSI；

步骤4，锚节点i对数据进行处理后将数据发向信宿，由信宿转交给监控台；

步骤5.监控台对各锚节点i的数据进行融合，获得实时跟踪数据。

2.根据权利要求1所述的基于RSSI的多传感器融合移动节点跟踪方法，其特征在于，步骤4中，所述的锚节点i对数据进行处理，包括：

r(i,t)=Pt-40.2-20lgd(t)d≤8mPt-58.5-33lgd(t)d·8m---(1)]]>

其中r(i，t)为锚节点i通过测得的信号强度，Pt为移动节点发射信号强度，d(t)为锚节点i与移动节点之间距离；

根据公式(1)算出锚节点i与移动节点间距离，公式为：

算出d(t)后，与一阈值D相比较，如果|d(t)-d(t-1)|＞D，则转向步骤3，否则继续，所述的阈值D是用于去除部分信号不稳定的锚节点所引入的误差；

假设锚节点i的坐标为(x_i，y_i)，移动节点当前时刻t的位置为(x_t，y_t)，则建立相关方程：

d(t)=(xi-xt)2+(yi-yt)2---(3)]]>

把该方程传递给信宿，信宿再转交给在监控台。

3.根据权利要求1所述的基于RSSI的多传感器融合移动节点跟踪方法，其特征在于，所述的步骤5包括以下步骤：

步骤51.使用如下加权质心算法计算出移动节点位置：

xi=Σi=1nxidiΣi=1n1di]]>

yt=Σi=1nyidiΣi=1n1di]]>

其中，n为t时刻传送到监控台的锚节点数目；

步骤52.使用kalman滤波器进行状态估计，得到最终跟踪信息；

滤波器的状态方程为如下：

r(t+1)=r(t)+Tr(t)+T22r(t),]]>

r(t+1)=r(t)+Tr(t),]]>

s(t)＝r(t)+v(t)，    (5)

其中r(t)为移动节点在时刻t的位置，即

r(t)=xtyt,---(6)]]>

为移动节点在时刻t的速度，为移动节点在时刻t的加速度，s(t)为移动节点在时刻t的位置观察变量，v(t)为高斯白噪声；

令

x(t)=r(t)r·(t)r··(t),]]>Φ=1TT2201T001,]]>Γ=000]]>

H＝[1  0  0]

则状态方程(5)可以改写为

x(t+1)＝Φx(t)+Γw(t)，

y(t)＝Hx(t)+v(t)，    (7)

其中w(t)为高斯白噪声，

在公式(7)基础上引入kalman滤波器对数据进行处理，kalman滤波器的递推公式如下：

状态最优估计方程：x^(t+1|t+1)=x^(t+1|t)+K(t+1)ϵ(t+1),]]>

一步预测方程：x^(t+1|t)=Φx^(t|t),]]>

新息计算方程：ϵ(t+1)=y(t+1)-Hx^(t+1|t),]]>

最优滤波增益阵：K(t+1)＝P(t+1|t)H^T[HP(t+1|t)H^T+R]^-1，

一步预测误差方差阵：P(t+1|t)＝ΦP(t|t)Φ^T+ΓQΓ^T，

估计误差方差阵：P(t+1|t+1)＝[I_n-K(t+1)H]P(t+1|t)，      (8)

公式8中，为状态量估计值，为一步预测估计-值，ε(t+1)为新息，K(t)为增益矩阵，P(t+1|t)为一步预测误差方差阵，P(t|t)估计误差方差阵。