[论文解读] Distributed Source Localization in Wireless Underground Sensor Networks

Hongyang Chen, Wentao Ouyang+1 more|arXiv (Cornell University)|Dec 17, 2011

Indoor and Outdoor Localization Technologies参考文献 14被引用 3

一句话总结

本文提出一种用于无线地下传感器网络（WUSNs）的分布式源定位方案，采用基于鲁棒中国剩余定理（RCRT）的到达时间差（TDOA）估计算法，以提升在噪声大、色散性强的地下信道中的测距精度。通过利用基于扩散的分布式算法，该方法在通信开销和计算复杂度较低的情况下实现了高精度定位，仿真结果表明其性能优于本地和集中式方法，且接近Cramér-Rao下界。

ABSTRACT

Node localization plays an important role in many practical applications of wireless underground sensor networks (WUSNs), such as finding the locations of earthquake epicenters, underground explosions, and microseismic events in mines. It is more difficult to obtain the time-difference-of-arrival (TDOA) measurements in WUSNs than in terrestrial wireless sensor networks because of the unfavorable channel characteristics in the underground environment. The robust Chinese remainder theorem (RCRT) has been shown to be an effective tool for solving the phase ambiguity problem and frequency estimation problem in wireless sensor networks. In this paper, the RCRT is used to robustly estimate TDOA or range difference in WUSNs and therefore improves the ranging accuracy in such networks. After obtaining the range difference, distributed source localization algorithms based on a diffusion strategy are proposed to decrease the communication cost while satisfying the localization accuracy requirement. Simulation results confirm the validity and efficiency of the proposed methods.

研究动机与目标

• 解决由于地下信道色散性及相位模糊性导致的无线地下传感器网络（WUSNs）中TDOA估计算法不准确的问题。
• 通过应用鲁棒中国剩余定理（RCRT）来抑制TDOA测量中由噪声引起的误差，提升WUSNs中的测距精度。
• 通过开发一种基于扩散的分布式算法，而非集中式融合，降低源定位过程中的通信与计算开销。
• 在动态地下环境中实现接近集中式最优解的定位精度，同时保持鲁棒性与可扩展性。

提出的方法

• 利用鲁棒中国剩余定理（RCRT）从含噪TDOA测量中估计到达时间差，克服经典中国剩余定理固有的相位模糊性与噪声敏感性。
• 采用扩散策略，传感器节点通过与单跳邻居节点迭代交换并更新本地估计值，实现分布式、鲁棒且可扩展的源定位。
• 提出扩散算法的三种变体：Diff (con)（恒定权重）、Diff (wei)（协方差加权融合）与Diff (opt)（基于估计可靠性选择最优权重）。
• 利用统计信号处理方法，从基于RCRT的到达时间差估计中推导源位置，采用基于簇的架构以提升网络可扩展性。
• 引入集中式全局估计器作为性能基准，用于评估分布式算法的精度。
• 采用基于仿真的评估方法，通过均方根误差（RMSE）、CPU时间与收敛迭代次数等指标，对比不同算法的性能表现。

实验结果

研究问题

• RQ1 在高噪声与多径衰落环境下，基于RCRT的TDOA估计算法是否能显著提升WUSNs中的测距精度？
• RQ2 与集中式与本地估计算法相比，基于扩散的分布式定位算法在精度与通信开销方面的性能表现如何？
• RQ3 网络拓扑结构、簇的数量以及测量噪声对扩散算法收敛性与精度的影响是什么？
• RQ4 所提出的分布式算法是否能在最小化计算与通信开销的前提下，实现接近Cramér-Rao下界的定位精度？

主要发现

• 基于RCRT的TDOA估计算法能有效抑制噪声引起的误差，即使在余数误差有界的情况下，也能实现鲁棒的到达时间差估计。
• 基于扩散的分布式定位算法（Diff）在仿真中实现了接近集中式全局估计器的定位精度，其均方根误差（RMSE）值趋近于Cramér-Rao下界。
• Diff (opt)与Diff (wei)优于Diff (con)，因其利用估计协方差矩阵实现自适应加权；其中Diff (opt)精度最高，但计算开销较大。
• Diff (con)在通信与计算效率方面最优，其CPU时间几乎与本地估计算法相当；而Diff (wei)与Diff (opt)因需计算权重，耗时略多。
• 当簇的数量（N）超过某一临界值后，性能下降，主要由于几何精度稀释效应，尤其当源位于传感器簇凸包外部时更为明显。
• Diff (wei)存在一个最优权重参数γ，且在γ的广泛取值范围内性能均优于Diff (con)，表明该方法对参数选择具有强鲁棒性。