Abstract
Knowledge of the positions of sensor nodes is crucial for numerous applications in wireless sensors network. In this paper, we propose to use the Divided Difference Kalman Filter (DDKF) as a solution for locating and tracking a mobile node. This approach is an alternative variant of the nonlinear Kalman filtering, already used in this type of applications. The advantage of this approach is that it does not require calculation of the Jacobian as for the Extended Kalman Filter (EKF) and it does not need to use several parameters, as for the Unscented Kalman Filter (UKF) whose accuracy is closely dependent on the good choice of such parameters. In this work, a comparative performance study of four localization methods is conducted, namely the DDKF, the EKF, the UKF and the Least Squares Kalman Filter (LS-KF), which is a method based on multilateration in the least squares sense, followed by a smoothing step, using Kalman filtering. This study reveals many advantages in favor of the DDKF which, when applied for indoor localization, provides up to 40% gain in terms of Root Mean Squares Errors (RMSE) in position estimation, as compared to the other considered methods and which has a location error that is less than 2 meters in 95% of the considered cases
چکیده
به طور کلی آگاهی از موقعیت گره های حسگر برای اپلیکیشن های متعددی که در شبکه سنسور بی سیم وجود دارد، بسیار مهم است. در این مقاله، از روش تفاضل تقسیم شده ی فیلتر کالمن (DDKF) به عنوان یک راه حل برای مکان یابی و ردیابی یک گره متحرک استفاده شده است. این رویکرد به نوعی جایگزینی از روش فلیتر کالمن غیر خطی است که در حال حاضر در اپلیکیشن های شبکه حسگر بی سیم استفاده شده است. مزیت این روش نسبت به روش فیلتر کالمن تعمیم یافته (EKF) این است که در این روش نیازی به محاسبه ماتریس ژاکوبین نمی باشد و همچنین مزیت آن نسبت به روش فیلتر کالمن بی بو (UKF) این است که نیازی به استفاده از چندین پارامتر مختلف ندارد، درحالیکه در روش UKF دقت محاسبات بستگی زیادی به انتخاب مناسب این چنین پارامترها دارد. در این مقاله عملکرد چهار روش موقعیت یابی DDKF، EKF، UKF و فیلتر کالمن حداقل مربعات (LS-KF) است، که یک روش مبتنی بر فرآیند multilateration در حداقل مربعات حسشده می باشد، (با استفاده از فیلتر کالمن و پیروی از مراحل ساده) با یکدیگر مقایسه شده است. این مقاله مزایای استفاده از روش DDKF را برای موقعیت یابی داخل ساختمان نشان می دهد به طوریکه در مقایسه با دیگر روش های در نظر گرفته، مقدار میانگین ریشه مربعات خطاها (RMSE) در تخمین موقعیت بیشتر از 40 درصد و خطای مکانیابی کمتر از 2 متر در 95٪ از موارد در نظر گرفته بدست آمده است.
1-مقدمه
شبکه های حسگر بی سیم (WSN) اغلب از تعداد زیادی از گره ها، به نام سنسور تشکیل شده اند. این گره موجودیت هایی هستند که می توانند به طور مستقل نسبت به محیطی که در آن قرار دارند، به جمع آوری و ارسال داده ها بپردازند. در سال های اخیر، WSN در بسیاری از برنامه های کاربردی استفاده شده است که عبارتند از: کاربردهای امنیتی نظامی و غیرنظامی (کنترل خطرات آتش‌سوزی، بلایای طبیعی)، پزشکی (نظارت از راه دور بر اطلاعات فیزیولوژیکی، ردیابی پزشکان و بیماران)، و غیره...