[论文解读] A Review of Localization and Tracking Algorithms in Wireless Sensor Networks

Sudhir Kumar, Rajesh M. Hegde|arXiv (Cornell University)|Jan 9, 2017

Indoor and Outdoor Localization Technologies参考文献 88被引用 13

一句话总结

本文全面综述了无线传感器网络中的定位与跟踪算法，将方法分类为基于距离和无距离两类，并强调通过多传感器融合（例如惯性、磁力、超声波）来提升室内环境下的定位精度。文章突出展示了使用NI和Crossbow节点的实际实验设置，即使在存在测量噪声的情况下，仍能实现更平滑和鲁棒的轨迹。

ABSTRACT

In this paper, a comprehensive survey of the pioneer as well as the state of-the-art localization and tracking methods in the wireless sensor networks is presented. Localization is mostly applicable for the static sensor nodes, whereas, tracking for the mobile sensor nodes. The localization algorithms are broadly classified as range-based and range-free methods. The estimated range (distance) between an anchor and an unknown node is highly erroneous in an indoor scenario. This limitation can be handled up to a large extent by employing a large number of existing access points (APs) in the range free localization method. Recent works emphasize on the use multi-sensor data like magnetic, inertial, compass, gyroscope, ultrasound, infrared, visual and/or odometer to improve the localization accuracy further. Additionally, tracking method does the future prediction of location based on the past location history. A smooth trajectory is noted even if some of the received measurements are erroneous. Real experimental set-ups such as National Instruments (NI) wireless sensor nodes, Crossbow motes and hand-held devices for carrying out the localization and tracking are also highlighted herein.

研究动机与目标

• 系统性地综述无线传感器网络中基础与前沿的定位与跟踪算法。
• 分析基于距离的方法在室内环境中由于距离估计不准确而带来的局限性。
• 探讨整合多传感器数据（例如惯性、磁力、超声波）如何提升定位精度与鲁棒性。
• 研究利用历史位置信息进行未来预测的跟踪算法，确保在测量噪声存在的情况下仍能保持轨迹平滑。
• 评估基于National Instruments和Crossbow节点等实际硬件平台的实现，以验证实际应用中的性能。

提出的方法

• 将定位算法分类为基于距离（使用测量距离）和无距离（使用连通性或跳数）的方法。
• 分析多径效应和非视 Line-of-Sight 效应对室内场景中距离估计的影响，特别是对超宽带和RSSI方法的影响。
• 综述结合加速度计、陀螺仪、指南针、超声波、红外线及航位推算数据的多传感器融合技术，以提高定位精度。
• 研究利用历史位置数据建立预测模型的跟踪算法，以估计未来位置并减少错误测量的影响。
• 评估使用NI无线传感器节点和Crossbow节点的实验设置，以在真实环境中验证算法性能。
• 强调接入点在无距离方法中的作用，通过提升连通性和三边测量精度来改善定位准确性。

实验结果

研究问题

• RQ1 在室内环境中，基于距离与无距离定位方法在精度和部署复杂度方面如何比较？
• RQ2 多传感器融合在多大程度上可以减少室内WSN中环境干扰引起的定位误差？
• RQ3 当部分传感器测量值被污染或缺失时，跟踪算法如何保持轨迹的平滑性？
• RQ4 在实际硬件平台（如NI和Crossbow节点）上实现时，现有定位与跟踪方法存在哪些实际限制？
• RQ5 在密集的室内场景中，增加接入点数量如何影响无距离定位的性能？

主要发现

• 由于多径效应和非视 Line-of-Sight 效应，基于距离的定位方法在室内环境中存在显著的距离估计误差。
• 整合多传感器数据（如惯性、磁力、超声波）可显著提升复杂室内环境下的定位精度与鲁棒性。
• 在接入点密度更高的情况下，无距离定位方法表现更优，连通性与三边测量精度得到增强。
• 跟踪算法通过利用历史数据有效预测未来位置，即使在单个测量值存在噪声或异常时，仍能生成平滑轨迹。
• 使用National Instruments和Crossbow节点的真实实验验证了所提定位与跟踪技术在实际部署中的可行性与性能。
• 多传感器融合降低了对单一距离测量的依赖，使系统对环境干扰和硬件限制更具鲁棒性。