【正文】 線來估測其它節(jié)點發(fā)射的無線信號的到達角度。 Slide 28 物聯(lián)網(wǎng)技術概論 多邊定位 多邊定位法基于距離測量 (如 RSSI、 ToA/TDoA)的結果。 假設已知信標錨點 A1， A2， A3， A4， ? 的坐標依次分別為（ x1， y1），（ x2， y2），（ x3， y3），（ x4， y4）， ? ，即各錨點位置為 。 2 2 21 1 12 2 2( ) ( )( ) ( )n n nx x y y dx x y y d? ? ? ? ?????????? ? ? ? ??Slide 29 物聯(lián)網(wǎng)技術概論 將第前 n1個等式減去最后等式： 2 2 2 2 2 21 1 1 1 12 2 2 2 2 21 1 1 1 12 ( ) 2 ( )2 ( ) 2 ( )n n n n nn n n n n n n n n nx x x x x y y y y y d dx x x x x y y y y y d d? ? ? ? ?? ? ? ? ? ? ? ? ? ?????????? ? ? ? ? ? ? ? ? ??用矩陣和向量表達為形式 Ax=b，其中： 11112 ( ) 2 ( )... ...2 ( ) 2 ( )nnn n n nx x y yx x y y?????????????A2 2 2 2 2 21 1 12 2 2 2 2 21 1 1...n n nn n n n n nx x y y d dx x y y d d? ? ?? ? ? ? ??? ? ? ? ?bSlide 30 物聯(lián)網(wǎng)技術概論 根據(jù)最小均方估計（ Minimum Mean Square Error, MMSE）的方法原理，可以求得解為： ，當矩陣求逆不能計算時，這種方法不適用，否則可成功得到位置估計 。 1? ()TT??x A A A b?xSlide 31 物聯(lián)網(wǎng)技術概論 Minmax定位方法 多邊定位法的浮點運算量大，計算代價高。 采用三個錨點進行定位的 Min– max方法示例，即以某錨點 i (i=1, 2, 3) 坐標 ( )為基礎，加上或減去測距值 ，得到錨點 i的邊界框： ,iixyid[ , ] [ , ]i i i i i i i ix d y d x d y d? ? ?Slide 32 物聯(lián)網(wǎng)技術概論 在所有位置點 中取最小值、所有 中取最大值，則交集矩形取作： 三個錨點共同形成交叉矩形，矩形質心即為所求節(jié)點的估計位置。 質心算法 在計算幾何學里多邊形的幾何中心稱為質心，多邊形頂點坐標的平均值就是質心節(jié)點的坐標。 Slide 35 質心算法 ? 基本過程 – 信標節(jié)點周期性向鄰近節(jié)點廣播信標分組，信標分組中包含信標節(jié)點的標識號和位置信息； – 當未知節(jié)點接收到來自不同信標節(jié)點的信標分組數(shù)量超過某一個門限 k或接收一定時間后，就確定自身位置為這些信標節(jié)點所組成的多邊形的質心。 Slide 36 不定形定位算法 ① 在不定形計算機（ Amorphous Computer）上實現(xiàn)的定位算法。 ③ 本質上，不定形算法是 DVHop算法的增強，引入了多參考點測量進行估計求精的步驟。 ② 采用通信半徑作為每跳距離，使得節(jié)點到參考節(jié)點的最終估計距離偏大。使用這個交集的重心估計節(jié)點的位置。 Slide 38 APIT算法 ? 基本過程 – 未知節(jié)點首先收集其鄰近信標節(jié)點的位置信息； – 從這些信標節(jié)點組成的集合中任意選取三個節(jié)點，假設集合中有 n個元素，那么共有 Cn3種不同選取方法，確定 Cn3個不同三角形，逐一測試未知節(jié)點是否位于每個三角形內(nèi)部，直到窮盡所有 Cn3種組合或達到定位所需精度； – 計算包含目標節(jié)點所有三角形的重疊區(qū)域，并求質心； Slide 39 APIT定位的理論基礎 ? PIT：最佳三角形內(nèi)點測試法 ? PIT原理 – 假如存在一個方向，節(jié)點 M沿著這個方向移動會同時遠離或接近頂點 A、 B、 C，那么節(jié)點 M位于 ⊿ ABC外；否則，節(jié)點 M位于⊿ ABC內(nèi)； Slide 40 APIT算法的具體步驟 ? 收集信息 – 未知節(jié)點收集鄰近信標節(jié)點的信息，如位置、標識號、接收到的信號強度等；鄰居節(jié)點之間交換各自接收到的信標節(jié)點的信息 ； ? APIT 測試 – 測試未知節(jié)點是否在不同信標節(jié)點組合成三角形內(nèi)部 ； ? 計算重疊區(qū)域 – 統(tǒng)計包含未知節(jié)點三角形，計算所有三角形的重疊區(qū)域； ? 計算未知節(jié)點位置 – 計算重疊區(qū)域的質心位置，作為未知節(jié)點的位置 Slide 41 物聯(lián)網(wǎng)技術概論 DVHop算法 DVHop算法解決了低錨點密度引發(fā)的問題，它根據(jù)距離矢量路由協(xié)議的原理在全網(wǎng)范圍內(nèi)廣播跳數(shù)和位置。 L2計算得到校正值（即平均每跳距離）為（ 40+75） /（ 2+5）=。 L 2L 1 AL 3100m40m75mSlide 42 物聯(lián)網(wǎng)技術概論 定位系統(tǒng)的典型應用 位置信息有很多用途，在某些應用中可以起到關鍵性的作用。 導航是定位最基本的應用，在軍事上具有重要用途。例如，辦公場所的物品、人員跟蹤需要室內(nèi)的精度定位。 Slide 43 隱藏終端 ? 基站 A向基站 B發(fā)送信息，基站 C未偵測到 A也向 B發(fā)送，故 A和 C同時將信號發(fā)送至 B，引起信號沖突，最終導致發(fā)送至 B的信號都丟失了。當需要傳送大容量文件時，尤其需要杜絕 隱藏終端 現(xiàn)象的發(fā)生。隱發(fā)送終端可通過握手協(xié)議解決，隱接收終端在單信道條件內(nèi)無法解決。它的發(fā)送不會造成延遲，但會造成不必要的延遲 Slide 46 暴露終端 ? 暴露終端可分為暴露發(fā)送終端和暴露接收終端。 Slide 47 物聯(lián)網(wǎng)技術概論 數(shù)據(jù)融合 多傳感器數(shù)據(jù)融合概述 我們將各種傳感器直接給出的信息稱作源信息，如果傳感器給出的信息是已經(jīng)數(shù)字化的信息，就稱作源數(shù)據(jù)，如果給出的是圖像就是源圖像。 源信息、傳感器與環(huán)境之間的關系： 目 標雜 波干 擾噪 聲環(huán) 境輸 入傳 感 器 源 信 息輸 出源 數(shù) 據(jù)源 圖 像源 波 形Slide 48 物聯(lián)網(wǎng)技術概論 消除噪聲與干擾，實現(xiàn)對觀測目標的連續(xù)跟蹤和測量等一系列問題的處理方法，就是多傳感器數(shù)據(jù)融合技術，有時也稱作 多傳感器信息融合 (Information Fusion, IF)技術 或 多傳感器融合 (Sensor Fusion, SF)技術 ，它是對多傳感器信息進行處理的最關鍵技術，在軍事和非軍事領域的應用都非常廣泛。 Slide 49 物聯(lián)網(wǎng)技術概論 從軍事應用的角度來看， Waltz等人對數(shù)據(jù)融合的定義較為確切，即： “多傳感器數(shù)據(jù)融合是一種多層次、多方面的處理過程，這個過程是對多源數(shù)據(jù)進行檢測（ detection）、互聯(lián)（ association）、相關（ correlation）、估計（ estimation）和組合（ bination），以更高的精度、較高的置信度得到目標的狀態(tài)估計和身份識別，以及完整的態(tài)勢估計和威脅評估，為指揮員提供有用的決策信息”。 Slide 50 物聯(lián)網(wǎng)技術概論 數(shù)據(jù)融合的內(nèi)容主要包括： 多傳感器的目標探測 、數(shù)據(jù)關聯(lián) 、 跟蹤與識別 、 情況評估和預測 。這一點是協(xié)同作用的結果，即由于多傳感器的共同作用，使系統(tǒng)的有效性得以增強。 (2) 降低信息的不確定性。 (4) 增加系統(tǒng)的實時性。 (2) 降低信息收集的效率。 Slide 53 物聯(lián)網(wǎng)技術概論 數(shù)據(jù)融合技術的分類 傳感器網(wǎng)絡的數(shù)據(jù)融合技術可以從不同的角度進行分類，這里介紹三種分類方法： (1) 依據(jù)融合前后數(shù)據(jù)的信息含量進行分類； (2) 依據(jù)數(shù)據(jù)融合與應用層數(shù)據(jù)語義的關系進行分類； (3) 依據(jù)融合操作的級別進行分類。 （ 1）無損失融合 在無損失融合中，所有的細節(jié)信息均被保留，只去除冗余的部分信息。 （ 2）有損失融合 有損失融合通常會省略一些細節(jié)信息或降低數(shù)據(jù)的質量，從而減少需要存儲或傳輸?shù)臄?shù)據(jù)量，以達到節(jié)省存儲資源或能量資源的目的。 Slide 55 物聯(lián)網(wǎng)技術概論 根據(jù)數(shù)據(jù)融合與應用層數(shù)據(jù)語義之問的關系分類 數(shù)據(jù)融合技術可以在傳感器網(wǎng)絡協(xié)議棧的多個層次中實現(xiàn)，既能在 MAC協(xié)議中實現(xiàn)，也能在路由協(xié)議或應用層協(xié)議中實現(xiàn)。 Slide 56 物聯(lián)網(wǎng)技術概論 根據(jù)融合操作的級別分類 根據(jù)對傳感器數(shù)據(jù)的操作級別，可將數(shù)據(jù)融合技術分為以下三類： （ 1） 數(shù)據(jù)級融合 數(shù)據(jù)級融合是最底層的融合，操作對象是傳感器采集得到的數(shù)據(jù)，因而是面向數(shù)據(jù)的融合。 （ 3） 決策級融合 決策級融合根據(jù)應用需求進行較高級的決策，是最高級的融合。它適用于同類傳感器檢測同一個檢測目標。該方法將一組傳感器提供的冗余信息進行加權平均，結果作為融合值。 11kiiikiiWSSW??? ??Slide 58 物聯(lián)網(wǎng)技術概論 (2) 卡爾曼濾波法 卡爾曼濾波法用于融合低層的實時動態(tài)多傳感器冗余數(shù)據(jù)。如果系統(tǒng)可以用一個線性模型描述，且系統(tǒng)與傳感器的誤差均符合高斯白噪聲模型，則卡爾曼濾波將為融合數(shù)據(jù)提供唯一的統(tǒng)計意義下的最優(yōu)估計。所估計的系統(tǒng)狀態(tài)可能表示移動機器人的當前位置、目標的位置和速度、從傳感器數(shù)據(jù)中抽取的特征或實際測量值本身。它使傳感器信息依據(jù)