基于无线传感器网络的智能建筑中目标分布问题研究

摘 要:采用了无线传感器网络技术的楼宇控制系统可以实现目标分布的监测,从而实现照明控制、空调控制、防火监控以及智能保安等应用。实际应用中,无线传感器网络的多径效应对传感器的接收的信号强度指示(RSSI)读数准确性有严重的影响。为解决此问题,引入经验累计分布函数(ECDF)方法,使用条件概率和电子地图两种方法处理无线传感器的数据并给出目标分布结果。经过室内实验数据训练ECDF,测试结果表明,使用此方法判断目标分布鲁棒性强,准确率高。

关键词:条件概率;电子地图;接收信号强度;经验累积分布函数

中图分类号: TP393

文献标志码:A

Investigation of occupant distribution in

intelligent buildings based on wireless sensor network

WANG Xingshi1, QI Yiping1, CHEN Xi1, SONG Chen2

1. Department of Automation, Tsinghua University, Beijing 100084, China;

2. United Technologies Research Center (China) Limited, Beijing 100084, China

)

Abstract:With Wireless Sensor Network (WSN) technology, building automation system monitors the occupant distribution, so as to realize the light control, Heating, Ventilation and Air Conditioning, fireproofing and intelligent security. Multipath effects of WSN influence the RSSI (Received Signal Strength Indication) accuracy seriously in some applications. To resolve this problem, ECDF (Empirical Cumulative Distribution Function) method was introduced in this paper. Through the conditional probability and radio map method, ECDF processed the data and prsented the distribution results. By training ECDF with indoor sensor data, the results indicate this method determines the occupant distribution effectively and robustly.

Key words: conditional probability; radio map; Received Signal Strength Indication (RSSI); Empirical Cumulative Distribution Function (ECDF)

0 引言

近年来,随着无线通信、集成电路、传感器以及微机电系统等技术的飞速发展,使得低成本、低功耗、多功能的微型无线传感器的大规模应用成为可能,这些微型无线传感器具有无线通信、数据收集和处理、协同合作等功能。它们之间通过特定的协议自组织起来,能够获取周围环境的信息并且互相协同工作完成特定的任务,共同组成了无线传感器网络(Wireless Sensor Network,WSN)[1]。

WSN被广泛应用于国防军事、 国家安全、 环境监测、 交通管理、 医疗卫生、 制造业、 反恐抗灾等领域[2]。与智能建筑中的控制系统融合是WSN的发展趋势之一。智能建筑是建筑技术与信息技术想结合的产物[3],楼宇自动化系统(Building Automation System,BAS)是智能建筑中物业管理、建筑设备管理、节能控制的中心[4]。WSN可以替代BAS各子系统的原有的传感器。一方面,无线传输的方式可以有效地减少布线成本,使布置传感器更加方便;另一方面,通过WSN的信息综合处理功能,可以得到更加综合而有效的信息,比如室内的目标分布信息。

采用了WSN技术的楼宇控制系统可以实现目标分布的监测,根据监测结果驱动临近目标的控制设备,并设定控制参数进行控制操作,从而实现照明控制、空调控制、防火监控以及智能保安等应用。

文献[5]指出在室内环境下,电磁信号的传播存在多径效应。WSN的多径效应对传感器的接收的信号强度指示(Received Signal Strength Indication,RSSI)读数准确性有严重影响。即在室内任意一点的电磁信号的场强都是信源信号经过室内墙壁、地面、天花板等多次反射之后叠加而得到的。多径效应除了几何光学的反射因素影响之外,还有多信源的干涉、遇到障碍的衍射,以及经过不同类型的反射面的衰减。而且,室内人员移动、室内物品空间位置改变等都会使室内电磁场分布随之改变。由于多径效应的复杂性、特定性和不定性,很难准确计算空间内各个位置的RSSI值。因此,多径效应是在室内环境下,基于RSSI的WSN应用的主要困难之一。

为解决此问题,本文引入经验累计分布函数(Empirical Cumulative Distribution Function,ECDF)方法,从实验入手,通过数学建模的手段,进行室内实验训练并测试ECDF的效果,从而解决实际中WSN在室内目标分布的问题。

1 室内目标分布问题的研究

1.1 模型建立

平面内排布N个锚节点S1, S2, …,Si,… ,SN,组成无线传感器网络。M个具有不同ID的目标节点O1, O2, …,Oj,…,OM。目标节点Oj和锚节点Si之间的直线距离为dij。锚节点Si,可测得Oj作为信源的信号强度,这个读数表示为Rij。文献[6]给出理想情况下,RSSI与距离的关系:

Rrcvd=c×(Ptx/dα)(1)

其中:Rrcvd为接受功率;c为接收和发射天线的增益;Ptx为发射功率;α与实验环境有关;d为通信距离。一般情况下c、Ptx、α在实验中为常量,Rrcvd主要与d相关,并受多径效应等因素的影响。

为便于下面的讨论,把读数和实际距离的关系记为如下的形式:

Rij=f(dij)+g(wij,dij)(2)

其中wij是传输中的噪声,为了简化模型,这里我们把所有影响读数的因素都归为噪声。Rij=f(dij)这个函数与经典的室外环境下的RSSI函数是一致的。g(wij,dij)表示读数中含有的随机因素,它是dij与wij的复合函数。

引入经验累计分布函数(ECDF),通过大量样本训练,拟合式(2),同时减少误差对系统的影响。如图1所示,通过实验,收集大量样本数据,训练得到ECDF。再用ECDF对新的信息进行分析处理,给出目标分布的判定结果。系统再根据结果驱动相关设备,设定控制参数。

图片

图1 采用ECDF方法的系统流程

1.2 算法设计

1)条件概率方法。

首先,引入概率的方法分析这个问题,把二维平面D平均分成若干小方格区域,每个小方格区域按其中心位置的坐标(x, y)表示,事件Exy表示目标处于小方格(x, y)内。根据两个传感器的读数Ri1,Ri2计算事件Exy的概率。

P(Exy|Ri1,Ri2)=P(Ri1,Ri2|Exy)P(Exy)P(Ri1,Ri2)=

P(Exy|Ri1)P(Exy|Ri2)P(Exy)(3)

式(3)为已知Ri1,Ri2,目标位于小方格(x, y)内的条件概率。其中,P(Exy|Ri1)和P(Exy|Ri2)可由实验测定,P(Exy)未知。当对目标所处的位置没有先验信息时,可以假设该目标以相同的概率处于任何一个小方格内,即P(Exy)=α,对于任意(x, y)∈D。

假设Ri1,Ri2相互独立,则有:

P(Exy|Ri1,Ri2)=P(Exy|Ri1)P(Exy|Ri2)α(4)

由于∑(x,y)∈DP(Exy|Ri1,Ri2)=1,可得:α=∑(x,y)∈DP(Exy|Ri1)P(Exy|Ri2)。

因此:

P(Exy|Ri1,Ri2)=P(Exy|Ri1)P(Exy|Ri2)∑(x,y)∈DP(Exy|Ri1)P(Exy|Ri2)(5)

同理可知,采用M个传感器数据时,

P(Exy|Ri1,Ri2,…,Rim)=

P(Exy|Ri1)P(Exy|Ri2)…P(Exy|Rim)∑(x,y)∈DP(Exy|Ri1)P(Exy|Ri2)…P(Exy|Rim)m-1(6)

根据式(6)以及样本数据可以计算得到所有(x,y)内的P(Exy|Rim)得到概率表。当有测试的读数数据时,只要对照概率表,以及式(3)就可计算出目标出现在各个区域的概率,然后可按照概率结果做出决策。

2)电子地图的方法。

用实验数据的训练集求各个小方格区域的特征RSSI向量Txy=(Ri1,Ri2,…,Rim)。具体方法如下,对于在已知小方格(x,y)内的目标Oj,每一个确定的锚节点Si测得的读数为Rij。实验中对所有在(x,y)内的目标锚节点Si都会测得一个读数,取这些读数的平均值,即特征RSSI向量Txy在Si处的分量。所有锚节点对已知小方格(x,y)内所有目标的读数取平均之后,即可得到已知小方格特征RSSI向量Txy=(Ri1,Ri2,…,Rim)。

对于一组新的数据,即测试RSSI向量Nx′y′=(Ri1,Ri2,…,Rim),要判定此时目标所在的小方格区域(x′,y′)。只需计算新的向量与各区域的特征向量的二范数‖Nx′y′-Txy‖,按其与各特征向量的距离大小做出决策即可。

第1期 王星石等:基于无线传感器网络的智能建筑中目标分布问题研究

计算机应用 第30卷

2 实验和结论

2.1 实验描述

在室内环境下按照图2所示的方式布置10个传感器。图中横纵坐标1个单位表示一个地砖边长为50cm。对方框中150个交叉节点的强度值进行了测量。在每个交叉点位置,10个传感器都会记录下当时环境下读数。把所有数据分成两组:一组作为训练集;另一组作为测试集。

图片

图2 RSSI信号采集实验场景

2.2 实验结果

1) 条件概率方法的结果。

实验中,本文采用1、5、7、8四个锚节点的RSSI数据。经过训练,目标的分布结果如表1所示。特别在点(2,7),判定结果与实际结果完全一致。使用ECDF计算出的概率等高线如图3所示。

图片

图3 条件概率方法的ECDF在点(2,7)实验结果

2)电子地图方法的结果。

选用不同数量的传感器读数作为特征向量,定义测试点(x′,y′)和实际位置(x,y)满足x′-x≤2且y′-y≤2为准确,对所有的测试集中的数据进行测试。准确率为所有测试点中结果准确的比例,选用不同数量的传感器读数作为特征向量时准确率如表2所示。

表格(有表名)

表1 条件概率方法的ECDF实验结果

(x, y)(R1,R5,R7,R8)(x′, y′)

(2,1)(223,227,227,231)(2,2)

(2,3)(222,219,216,214)(3,3)

(5,7)(219,225,224,224)(5,8)

(7,7)(214,235,227,229)(7,8)

(9,1)(212,222,216,221)(10,2)

(9,3)(219,224,221,223)(10,4)

表格(有表名)

表2 电子地图方法的ECDF实验结果

锚节点编号准确率/%

1,5,7,897.33

2,5,889.33

5,7,886.67

3 结语

本文针对智能建筑中的目标分布问题,使用与无线传感器网络融合的方法,提出ECDF方法,利用条件密度和电子地图的方法对目标分布进行判断。实验结果表明,这种方法都能够有效地判断目标的分布,准确性高,鲁棒性好。在此基础上,使用电子地图的方法在清华大学建筑节能楼二层会议室内实现了无线传感器与照明系统集成。集成之后的照明系统可以根据室内人员的分布情况调节照明灯光的明暗、亮灭,有效地节约了照明用电。可以预见,无线传感器网络将在智能楼宇中有更加广泛的应用。

参考文献:[1] 夏俐,陈曦,赵千川,等. 无线传感器网络及其应用简介[J]. 自动化博览, 2004,21(1):33-35.

[2] 李建中,高宏. 无线传感器网络的研究进展[J]. 计算机研究与发展, 2008,45(1):1-15.

[3] 梁文华,刘庆. 智能建筑系统集成设计之综述[J]. 计算机应用与软件, 2008,24(4):182-183.

[4] 朱炜. 智能建筑弱电综合布线系统综述[J]. 计算机时代, 2006(5):46-48.

[5] TARNG J, CHANG W, HSU B. Threedimensional modeling of 900MHz and 2.44GHz radio propagation in corridors[J]. IEEE Transactions on Vehicular Technology, 1997, 46(2):519-527.

[6] KARL H, WILLIG A. Protocols and architectures for wireless sensor networks[M]. Hoboken, NJ:John Wiley and Sons, 2005.