Метод RSSI (Received Strength Signal Indication)

Одним из более распространенных методов позиционирования объектов является индикация уровня принятого сигнала (Received Strength Signal Indication). Мощность принимаемого радиосигнала уменьшается по геометрической прогрессии с увеличением расстояния, и приемник может измерить это затухание на основе RSSI для того, чтоб оценить расстояние до отправителя. RSSI измеряет мощность сигнала на приемнике. На основе мощности передачи, потери при распространении вычисляются и

могут быть переведены в оценку расстояния. Этот метод в основном используется для радиочастот. Модель распространения хорошо изучена и используется для прогнозирования средней мощности принимаемого сигнала на заданном расстоянии от передатчика. Идеальная модель распространения радиосигналов,

( ) ( )

предсказывает мощность принимаемого сигнала как функцию расстояния между передатчиком и приемником. В идеальной модели, Pλ – передаваемая мощность, Gt – антенна передатчика, Gr – приемника, L - потери системы, λ – длина волны. Обычно

Gt, Gr и L принимаются за 1[2, 5, 6, 14].

Также исследуется оценка расстояния получаемой мощности радиочастотного сигнала с помощью сенсорных нодов WINS. По экспериментам, разные стратегии конфигураций, включают разные уровни мощностей передатчиков и стратегии развертывания датчиков, использовались для оценки связи между мощностью принимаемого сигнала и расстоянием между приемником и передатчиком. На Рисунке 6 показано экспоненциальное затухание мощности принимаемого радиосигнала от увеличения расстояния.

Рисунок 1.6 – Затухание принимаемого сигнала

ToA (Time of Arrival)

Расстояние между приемником и передатчиком может быть измерено основываясь на скорости прохождения сигнала и времени прохождения сигнала между двумя нодами. Этот метод может быть применен для разных сигналов, таких как радиочастотный, акустический, инфракрасный и ультразвуковой. Реализация метода

зависит от измерений времени прохождения (ToA). ToA можно просчитать разными временными методами.

Глобальная система определения местоположения (GPS) использует технологии дистанционной оценки[7]. В GPS, каждый спутник (передатчик) передает уникальный код. На приемной стороне создается копия кода. Приемник постепенно сдвигает внутренние часы соответственно полученному коду, который называется lock-on. Как только на приемник приходит сигнал от спутника, он (приемник) вычисляет точное время прибытия сигнала. Основываясь на времени, ToA может быть рассчитано путем вычитания известного времени передачи от расчетного времени приема. Метод ToA является высокоточным, но также требует сравнительно быстрого средства обработки в нодах для решения разницы времени и для точных измерений.

Триангуляция

Триангуляция – это геометрический метод, который использует угол прохождения, чтобы определить расположение датчиков. Угол каждого anchor-датчика, в соотношении неизвестного сенсора в некоторой системе отсчета, положение неизвестного датчика рассчитывается с помощью тригонометрических законов синусов и косинусов. Расчет триангуляции показан на Рисунке 1.9[8].

Рисунок 1.9 - Триангуляция

Трилатерация

Трилатерация – геометрический метод, который использует расстояние между тремя anchor-датчиками и одним неизвестным, для определения положения неизвестного. Неизвестный датчик находится в уникальном месте, где хотя бы три связанные точки находятся в двумерном пространстве. Местоположение неизвестного датчика рассчитывается с помощью пересечения трех кругов. Рисунок 1.10 показывает метод трилатерации[8].

Рисунок 1.10 - Трилатерация

Метод TWTT

Метод, работающий на основе времени двусторонней передачи TWTT был впервые предложен в 60-х годах для обеспечения максимально точной синхронизации по времени между наземными станциями, использующими спутниковые линии связи. Выполняя последовательность TWTT измерений на протяжении определенного промежутка времени, значения времени синхронизации и времени полета сигнала могут быть сделаны за несколько наносекунд. Возможность использования этого метода рассматривалась для сверхширокополосных систем ранжирования, где значения E_s/N₀ достаточно низки, чтобы с помощью фильтра соответствия достигнуть CRB. Основная проблема данного метода ранжирования заключается в трудности дискретизации временных промежутков при прохождении сигнала на малых расстояниях между узлами, участвующими в позиционировании, и повышенном уровне потребления, следующим из повышенного количества проводимых измерений на таких дистанциях. Недавние исследования с применением сверхширокополосных приемопередатчиков, позволили снизить уровень потребления электроэнергии по сравнению с аналогичными методами, но получатели сигнала потребляют немалую часть энергии и взаимодействуют на расстоянии до нескольких метров. Узкополосные радиопередатчики 802.15.4 могут активировать свой передатчик, отправить полный пакет (150 байт) на десятки метров, получить подтверждение о приеме и уйти в спящий

режим всего за 5 мс. Радиоаппаратура потребляет за этот период приблизительно 20 мВт и примерно 100 мкДж на пакет.

Исследования

В сообществе научной робототехники, были созданы несколько методов для автоматизированного позиционирования. Howard et al. использовал максимальное правдоподобие для оценки мобильного местоположения роботов[4]. Roumeliotis et al. предлагал распределенный фильтр Калмана для совместного позиционирования[9].

Было приложено много усилий для того, чтобы решить проблему позиционирования датчиков. Они в основном попали в следующую классификацию. Первый класс методов использует точную оценку расстояния с помощью разные сигнальных технологии. Технология RSSI была использована для оценки мощности сигнала на приемнике. В этом методе достигается относительно маленькая точность. Тем не менее, из-за простоты, RSSI был широко использован в предыдущем исследовании. Позже, Savvides et al.[8, 9] и Priyantha et al.[9] использовали методы ToA и TDoA для уменьшения ошибок в диапазоне ошибок, но эти методы требуют снабжения каждого нода вычислительной возможностью. Недавно, Niculescu et al. использовал AoA для оценки местоположений датчиков[8]. Метода AoA требует, чтобы каждый нод был оснащен антенным массивом или ультразвуковым приемником.

Второй класс методов сенсорного позиционирования зависит от большого количества сенсорных нодов с известным положением, плотно расположенных в распределенной сенсорной сети[1, 6, 7]. Эти ноды с известным местоположением, которые также называются beacons или anchor-ноды организованы по всей сети, для оценки местоположения остальных нодов.

Третий метод позиционирования использует вектор расстояния для нахождения дистанции между обычным нодом и anchor-нодом. Основываясь на трех расстояниях, каждый нод может оценить свое местоположение с помощью методов триалетарации или мультилатерации[7,13]. Работа алгоритмов усугубляется диапазоном ошибок и неточной оценкой расстояния, которые вызваны сложной местностью и анизотропной топологией сенсорной сети. Savarese[14] пытался улучшить эти методы путем последовательного вычисления. Однако, этот метод добавляет больше проблем связанными с ценой алгоритмов и все равно по прежнему не удается создать достаточно хороших оценок расстояния в некоторых обстоятельствах. Кроме того, точность этого класса алгоритмов основывается на среднем радио диапазоне ошибок, и он имеет тенденцию ухудшаться, когда топология сенсорной сети – анизотропная. Например, на Рисунке 1.12, датчики расположены в квадратной области.

Рисунок 1.12 – Сенсорная сеть с помехами в квадратной области

Но существует некоторые здания, которые отмечены затененными прямоугольными площадями, и сенсоры не имеют к ним доступа. Таким образом, маршруты между парой датчиков расположены в обход зданий в квадратной площади, и оцененное расстояние между AC и BC значительно различается. Аналогичная ситуация происходит в случае показанном на Рисунке 1.13, где датчики рассредоточены в T-образной площади, несмотря на квадратную площадь, принятую использовать в качестве основного условия для большинства научно-исследовательских работ. A и B – это два anchor-датчика, A может оценивать радио диапазон с расстояния AB и hop точку на пути от A к B. Если A и B оценивают их расстояние к С с оцененным радио диапазоном. Оцененное расстояние намного увеличится из-за ошибок. Другой пример в том, что идеальный радио диапазон датчика – это круг с датчиком в центре. Тем не менее, датчики обычно имеют неправильную радио модель, которая в реальности представлена черной кривой, как показано на Рисунке 1.14. Это означает, что радио диапазоны датчиков различны в разных направлениях. На Рисунке 1.15, датчики развернуты на квадратной площади с глубокой травой или кустами с левой стороны и с чистым покрытием с правой стороны. Сложность местности приводит к различным факторам затухания сигнала и радио диапазона в поле.

Рисунок 1.13 – Сенсорная сеть не в квадратной области

Рисунок 1.14 – Кривая радио модели сенсора

Рисунок 1.15 – Разные условия приводят к разным диапазонам

Последний класс методов рассчитывает карты соседних узлов с трилатерацией и мультилатерацией и соединяет их вместе для оценки физического и относительного положения[7, 10, 11]. Производительность этих алгоритмов основывается на оценке радио диапазона и страдает от кумулятивного диапазона ошибок в течении времени, пока формируется карта.

В последнее время наблюдаются некоторые исследования характеристик погрешности сенсорного позиционирования и сложности вычислений[8]. Eren приложил график стойкости теории расположения датчиков[5]. Диапазон ограничений и ограничения площади также используются для расположения датчиков в зернистой местности[1, 13].

Не нашли, что искали? Воспользуйтесь поиском по сайту: