基于无线层析成像技术的传感器网络无源目标定位和跟踪

As an emerging technology, radio tomographic imaging pinpoints and tracks targets without needing them to carry or wear any electronic device using wireless sensor network. Radio tomographic imaging refers to changes in the signal strength measurements made by targets, infers information about all environments via capturing and analyzing the shadow fading characteristics of wireless signals, and creates an image of objects inside the network area. Our focus has been made mainly in the following aspects: 1）We show that the spatial impact area varies considerably for each wireless link is largely dependent on the power contained in multipath components that travel through space containing targets. Measurements from wireless sensor network are used to derive a multi-scale spatial weight model that is a function of the instantaneous received signal strength and the distance between targets and the link line; 2）A histogram similarity measure is presented to localize and track targets. The spatial distribution of the pixels is regarded as the change in received signal strength distribution caused by targets. We present and evaluate a system which uses information divergence to quantify the difference between two histograms of signal strength measurements; 3）We use an hierarchical agglomerative clustering algorithm to assign pixels to each target in the clustering phase and adapt machine vision methods to the peculiarities of radio tomographic imaging to enable real time targets tracking by each blob found in the image.

利用无线层析成像技术对无源目标的定位和跟踪，是无线传感器网络一个新的应用途径。该技术利用测量目标物体对无线信号的干扰作用，综合考虑信道的空间特性，用图像的形式显示估计目标物体在区域内的位置信息。本课题致力于对以下问题进行研究：1）研究接收的无线信号强度与目标所影响区域内的传输链路之间的相互关系，采用多尺度模型来构建无线层析成像，不仅考虑目标对瞬时接收信号强度的影响，还要对目标与传输路径之间的距离进行自适应修正；2）研究采用直方图相似性的度量方法对目标进行定位和跟踪，考虑信号的均值、方差等信号的特征分布，使用信息散度的方法计算目标出现前后对应空间的分布相似度；3）对像素点采取凝聚层次聚类算法进行分类，采用符合无线层析成像特性的机器视觉方法对代表目标的图像斑点进行分辨，实现实时多目标的定位和跟踪。

目前，无线层析成像技术对无源目标在传感器网络构成的区域中的定位和跟踪，通常是将无源目标遮挡某些节点之间的通信链路从而造成的阴影衰落和接收信号强度指示的变化建立联系。而本项目选择信道状态信息来描述无线信号特征，据此建立信道状态信息的变化和无线层析成像区域内每个像素阴影衰落之间的模型。本项目提出了一种基于信道状态信息的幅值和相位对无源目标的指纹定位方法，该方法首先通过时域与频域信道统计特征对传输链路的视距线和非视距线路径进行辨别，其中包括对无源目标跨越传输路径时的行为进行识别，进而实现无源目标的室内指纹定位；本方法不仅仅采用信道状态信息的幅值信息，还通过对信道状态信息的相位进行校正，排除环境和设备造成的偶然性误差，进而利用信道状态信息的幅值和相位共同来表示无源目标的室内指纹；计算发射机与接收机间不同子载波在定向链路上的信道状态信息幅值和相位，对不同的信道差异给予不同权重，降低系统对指纹位置的误判率。基于信道状态信息离散指纹的轨迹跟踪方法，首先利用汉佩尔滤波和巴特沃斯低通滤波对原始信道状态信息数据进行处理，然后对信道状态信息数据进行相位校正，采用线性回归算法去拟合当前的样本数据，继而采用协方差矩阵特征值法进行特征提取，最后通过基于信道状态信息子载波权重的主成分分析算法对无源目标位于指纹点采集到的数据进行聚类，观察数据聚类的效果，将离散指纹连接从而勾画无源目标在室内指纹点的轨迹路线。基于实验设备的算法推广到其他的物联网系统，提出了物联网设备信号小范围覆盖和小信号扩散组网的方法。课题组基本上按照项目计划书进行了课题的研究，取得了一定的成果，基本实现预定的目标。截止目前，课题组申请了2项国家发明专利。