中 華 大 學

中 華 大 學 碩 士 論 文

移動無線感測網路中物件追蹤演算法 Object-Tracking Algorithm in Mobile

Wireless Sensor Networks

系 所 別：資訊工程學系碩士班 學號姓名：M09802034 陳逸豪

指導教授：歐 陽 雯 博 士

中 華 民 國 101 年 8 月

i

摘要

通訊的技術隨著時間經過不斷的蓬勃發展，而無線感測網路(Wireless Sensor Network；WSN)隨著通訊技術的發展也越來越成熟，讓無線感測網路可以更加 容易且廣泛的應用在各個領域。追蹤移動物件已經廣泛的應用在我們的生活中，

同時這樣技術也是其他一些應用的根本。在追蹤移動物件的基礎裡，如何更加準 確與即時的定到物件的位置是主要重點。

很多過往的研究會假設兩節點間距離可以透過訊號強度直接轉換成距離。但 是這個假設在真實的世界裡並不適合。因此在本論文裡，我們會假設這個公式並 不存在，我們假設唯一可知的是：兩節點間所收到訊號變強，表示兩節點的距離 比變短，反之如果訊號變弱，兩節點的距離就是變長。先前的一些研究會利用移 動的 Anchor 來減少 Anchor 佈置量同時可以增加物件被定位到的機會，但也有機 會發生剛好物件不會經過移動 Anchor 的情況，這仍然是個可改善的地方。

在本論文裡，我們希望可以提出在 Anchor 隨機分佈且可移動的情況下追蹤 移動物件的方法，同時也可以達到高準確、穩定與適用性。在本論文裡我們提出 5 種方法：CD Hybrid、DVT Hybrid、SSVT、OTMA、ROTMA。CD Hybrid、

DVT Hybrid 與 SSVT 主要目的在於定位物件的位置，而 OTMA 則是考慮當 Anchor 可移動且 Anchor 覆蓋率不是 100%時，讓物件可以更有機會被定位到，藉 此追蹤到更完整的物件移動路徑。ROTMA 則增加考慮電量平衡與一個特殊情況 問題。模擬的結果顯示出我們提出的演算法在效能上比先前的研究好，尤其是在 Anchor 稀疏分佈的時候效果比較明顯，而 ROTMA 則改善了感測器的覆蓋率與 平衡 Anchor 之間的耗電。

關鍵字：移動式無線感測網路、訊號強度、物件追蹤、參考點

ii

Abstract

Communications technology was developed over the time and the wireless sensor networks (WSNs) was more and more developed. WSNs have been widely used in various fields. Tracking mobile object has been widely applied in our lives. At the same times, tracking is also the basis technology of some applications. The main point at tracking mobile object is how to localize object more accurate and more real-time.

Many past studies assume that the distance between two nodes can directly converted into the distance through the RSSI, but this assumption is not suitable in the real world. In this paper, we assume that the formula does not exist, we assume that we only known: the received signal between two nodes is stronger, and the distance between the two nodes is shorter. If the signal becomes weaker, the distance of two nodes is longer. Some previous studies used mobile anchor to reduce the number of anchors and increase the opportunity which we can localize object, but also have some case which just objects is not moving around mobile anchor. The method which using mobile anchor is stills a room for improvement.

In this paper, we hope we can propose a method which can track mobile object and also achieves high accuracy, stability, and applicability. In this paper, we propose five methods: CD Hybrid, DVT Hybrid, SSVT, OTMA, ROTMA. The main purpose of CD Hybrid, DVT Hybrid and SSVT is to track object. OTMA is considered when anchor is movable and anchor coverage is not 100%. It can make more opportunity that localizing objects and tracking more complete objects move path. ROTMA is extended by OTMA, and this method not only solves OTMA’s drawback but also energy balance. The simulation results show that our proposed algorithms are better

iii

than previous researches, especially in the anchor are sparse distribution. Finally, the result also show ROTMA is better than previous works in efficiency of localization, coverage and energy balance.

Keywords：Mobile Wireless Sensor Networks、RSSI、Tracking、Virtual Target

iv

誌謝

在研究所求學的這幾年，我接觸到了遠比大學時期更加專業與複雜的知識，

從數學到圖形處理，從日常生活科技到演算法的理論。各式各樣的領域讓我理解 到學海無涯，可惜的是在這片海洋與我們僅有的時間裡，我只能專研其中的冰山 一角，所以我最後選擇了無線感測網路裡的定位與追蹤這個領域。

在經過漫長的研究之後，總算可以發表一些研究的成果並且完成我的論文，

但是在這之前我有太多人要感謝了，首先是我的指導教授 歐陽雯老師，在求學 與研究的過程中，老師在我的論文閱讀與寫作上給了我很多的幫助，在論文方面 也提醒了許多思考上的漏洞。另外還要再感謝 游坤明老師，游坤明老師在我們 meeting 的時候也給我很多關於論文的意見，這些意見讓我的論文更加的完善。

在感謝的人中，我也必須要感謝我的家人，在我累的時候可以有個溫暖的歸 處，在我開心的時候可以與我已起分享，沒有我家人的支持就沒有今天的我。最 後在這我也感謝我求學的這幾年中所遇到的學長、同儕、學弟，沒有你們的陪伴 我也沒有這愉快的兩年，快樂的時間總是很快就過去了，天下也無不散的宴席，

深深的祝福你們可以順利畢業同時找到一份好的工作。

v

目錄

摘要... i

Abstract ... ii

誌謝... iv

圖目錄... vii

表目錄... x

第一章 緒論... 1

1.1 背景... 1

1.2 研究動機... 2

1.3 文獻回顧... 2

1.4 主要貢獻... 4

1.5 本文架構... 5

第二章 相關研究... 6

2.1 訊號樣式... 6

2.2 節點移動方式... 7

2.2.1 Random Waypoint Model ... 7

2.2.2 Random Walk Model ... 7

2.2.3 Random Direction Model ... 8

2.3 定位與追蹤演算法... 8

2.3.1 相關方法整理表... 9

2.3.2 Range-Based ... 10

2.3.3 Range-Free ... 18

第三章 演算法... 33

3.1 問題定義... 33

vi

3.2 模型... 34

3.3 假設... 36

3.4 追蹤演算法... 37

3.4.1 Centroid DCTT Hybrid(CD Hybrid) ... 37

3.4.2 DCTT Virtual Target Hybrid(DVT Hybrid) ... 39

3.4.3 Stronger Signal Virtual Target(SSVT) ... 41

3.4.4 Object-Tracking in Mobile Anchors(OTMA) ... 43

3.4.5 Relay OTMA (ROTMA) ... 47

第四章 模擬實驗與結果... 52

5.1 環境設定... 52

5.2 數據與結果... 55

5.2.1 移動方式效能比較... 56

5.2.2 隨機佈點下 Anchor 密度影響... 58

5.2.3 規律佈點效能比較... 60

5.2.4 訊號干擾對定位效能影響... 61

5.2.5 電量消耗比較... 62

5.2.6 評估位置產生率比較... 63

5.2.7 物件離開位置相近情況下覆蓋率比較... 64

5.2.8 物件離開位置相近情況下評估位置產生率比較... 66

第五章 結論與未來展望... 67

參考文獻... 68

vii

圖目錄

圖 2-1 Random Waypoint Model 示意圖 ... 7

圖 2-2 Random Walk Model 示意圖 ... 8

圖 2-3 Random Direction Model 示意圖 ... 8

圖 2-4 LTS 封包傳輸示意圖 ... 10

圖 2-5 EELA 尋找的訊號點示意圖 ... 11

圖 2-6 Grid-Scan 示意圖 ... 12

圖 2-7 DMLM 依據距離資訊定位示意圖 ... 13

圖 2-8 DMLM 依據角度資訊定位示意圖 ... 13

圖 2-9 CLA Anchor 群集示意圖... 14

圖 2-10 CLA 定位方法示意圖... 15

圖 2-11 Anchor 規律分佈方式(a)正三角形 (b)正四邊形 ... 15

圖 2-12 參考點功用... 16

圖 2-13 DTTRM 假設示意圖... 16

圖 2-14 DTTRM 兩點區域參考點對應... 17

圖 2-15 DTTRM 所有參考點可能... 18

圖 2-16 Centroid 定位範例... 19

圖 2-17 Anchor 分佈對定位準確度影響示意圖... 20

圖 2-18 CABLA 的兩種形成環方式 ... 21

圖 2-19 CABLA 定位範例圖 ... 21

圖 2-20 兩切弦中垂線交點即為圓心... 22

圖 2-21 PBCC 方法範例 ... 23

圖 2-22 PBCC 加入訊號強度改善的範例圖 ... 23

圖 2-23 MCL 定位示意圖 ... 24

viii

圖 2-24 IMCL 樣本形成的特殊區域示意圖... 25

圖 2-25 IMCL 重疊特殊區域來篩選樣本示意圖... 26

圖 2-26 IMCL 根據移動方向篩選樣本示意圖... 26

圖 2-27 DCTT 產生評估位置範例圖 ... 27

圖 2-28 DCTT 追蹤缺點示意圖 ... 28

圖 2-29 DTTDB 方向性天線示意圖 ... 29

圖 2-30 DTTDB 定位示意圖 ... 29

圖 2-31 LSDA 方向性天線示意圖 ... 30

圖 2-32 LSDA 定位感測器 X、Y 示意圖 ... 31

圖 2-33 IGVR 縮小評估範圍範例圖 ... 32

圖 2-34 IGVR 的 Vector-Based 示意圖 ... 32

圖 3-1 不同移動方式影響覆蓋率變化圖... 34

圖 3-2 通訊與感測半徑相等時造成的問題... 35

圖 3-3 CD Hybrid 範例圖 ... 38

圖 3-4 CD Hybrid 流程圖 ... 38

圖 3-5 DVT Hybrid 範例圖 ... 39

圖 3-6 DVT Hybrid 流程圖 ... 40

圖 3-7 SSVT 範例圖 ... 41

圖 3-8 SSVT 特殊案例 ... 42

圖 3-9 SSVT 流程圖 ... 43

圖 3-10 OTMA 方法問題 1 範例 ... 45

圖 3-11 OTMA 中 Anchor 追逐數量對平均定位誤差影響 ... 46

圖 3-12 OTMA 的 Anchor 追逐範例 ... 46

圖 3-13 OTMA 的特殊狀況 ... 48

圖 3-14 ROTMA 的 Anchor 接力範例 ... 49

圖 3-15 Anchor 之間推力的產生... 50

ix

圖 3-16 模擬移動 50 次後的 Anchor 變化... 51

圖 4-1 凸點說明... 54

圖 4-2 Centroid、DCTT、CD Hybrid、DVT Hybrid 部分路徑圖 ... 55

圖 4-3 SSVT、OTMA、ROTMA 部分路徑圖... 56

圖 4-4 移動方式平均定位誤差比較... 57

圖 4-5 移動方式平均定位標準差比較... 57

圖 4-6 隨機佈點下 Anchor 密度對平均定位誤差影響... 58

圖 4-7 隨機佈點下 Anchor 密度對平均定位標準差影響... 59

圖 4-8 隨機佈點下 SSVT、OTMA 與 ROTMA 平均定位誤差比較... 59

圖 4-9 隨機佈點下 SSVT、OTMA 與 ROTMA 平均定位標準差比較... 60

圖 4-10 規律佈點的平均定位誤差... 60

圖 4-11 規律佈點的平均定位標準差 ... 61

圖 4-12 DOI 對各方法的平均定位誤差影響 ... 61

圖 4-13 DOI 對各方法的平均定位標準差影響 ... 62

圖 4-14 各方法第一個感測器沒電的回合... 63

圖 4-15 各方法的評估位置產生率... 64

圖 4-16 物件相同離開位置造成感測器分佈問題... 65

圖 4-17 物件離開位置相近情況下各方法的覆蓋率... 66

圖 4-18 物件離開位置相近情況下各方法的評估位置產生率... 66

x

表目錄

表 2-1 無線射頻通訊技術比較表... 6

表 2-2 相關研究的分類整理表... 9

表 2-3 DTTRM 兩點偵測區的訊號變化與參考點對應表... 17

表 3-1 訊號與距離對應變化表... 36

表 4-1 模擬環境設定表... 52

1

第一章 緒論

1.1 背景

通訊的技術隨著時間經過不斷的蓬勃發展，不管是在通訊硬體、演算法、協 定、保密…等等，各方面都隨著時間日新月異。而無線感測網路(Wireless Sensor Network；WSN)隨著通訊技術的發展也越來越成熟，許多關於這領域的新技術 與方法被提出，讓無線感測網路可以更加容易且廣泛的應用在各個領域[20][21]。

無線感測網路是由許多裝置所組成的，這些裝置擁有無線通訊的能力與感測的能 力，我們又稱這個些裝置為感測器(Sensor)。感測器由四個主要的元素所組成，

分別為「感測元件(Sensing) 」、「計算元件(Processing) 」、 「通訊元件 (Communication) 」、「能源元件(Energy) 」，根據實際的環境與需求，這些 元件通常又會受到一些限制，例如：裝置大小、擁有電量、計算能力、移動能力、

通訊能力…等等。無線感測網路主要的功能是利用感測器來感測環境或感測目標 的資訊，經過「收集資訊」、「計算資訊」、「傳輸資訊」三個過程，最後將處 理完的訊息提供給使用者進行判斷或利用。

無線感測網路最早是由美國柏克萊大學的 David Culler 教授所主持的「智慧 灰塵(Smart Dust)」研究計畫[12]，這項計畫是由美國國防部的研究單位(Defense Advanced Research Projects Agency；DARPA)支持。這些學者本來的構想是想 利用微電子系統(MEMS)[7]在戰場監控敵軍的動向，希望開發一些體積微小且 具有無線通訊能力的感測器，藉由這些感測器來收集環境資訊，這樣可以降低偵 測敵軍所消耗的人力與危險。無線感測網路現今被應用於相當多的領域，例如：

定位與追蹤、軍事、生態、生產、醫療、家庭生活…等等。

無線 感測 網路 的 架構 上，通常都是採用傳 統的隨意網路 架 構 (Ad Hoc Network)[5]，因為它不需要依賴一個已存在的網路架構，所以整個網路裡，每

2

個感測節點間都是動態連結，藉由此來形成隨意網路，同時每個節點都是獨立的 個體，因此在這個架構下，有些部分特別需要注意，例如：資料傳輸(Data Transmission)、延展性(Scalability)、容錯性(Fault Tolerance)、效能(Performance)、

花費(Cost)、低耗電(Low Power Consumption)…，但仍然要根據實際的環境與 應用做相對應的修改與調整。

1.2 研究動機

無線感測網路現今有著許多應用，在這些應用中，追蹤移動物件已經廣泛的 應用在我們的生活中(例如：導航)，同時這樣技術也是其他一些應用的根本。在 追蹤移動物件的基礎裡，如何更加準確與即時的定到物件的位置是主要重點，如 果可以達到更有效的追蹤，甚至可以由此延伸出一些新的應用，這或許會對未來 人類生活更有幫助。

1.3 文獻回顧

無線感測網路在感測資料的處理上，可分為中央控制式(Centralized)與分散 式(Distributed)兩種。這兩種的差異在於感測資料的處理方式，中央控制式是將 所有的感測資料一律送回基地台(Base Station)做運算，分散式則是感測資料會 在感測器上做運算，運算結果再送回給基地台。雖然中央控制式的資料處理方式，

在實做上比較容易且運算效能不會受到任何限制，但是無線感測網路在資料處理 上通常不會採用中央控制式，這是因為感測器本身會受到電量的限制，在某些環 境下也不容易更換能源元件，而感測器的耗電最主要是在傳送與接收資料時，所 以如果使用中央控制式，會大幅的縮短整個感測網路的壽命(Lifetime)。

無線感測網路中有一個很重要的研究議題，這個議題是「如何準確的定位物 件」，我們又稱為定位(Localization)。定位的演算法可分為兩種類型，分別是

「Range-Based」與「Range-Free」。Range-Based[6][11][14]的特性是，它會 藉由在感測器上裝置一些特殊的儀器來直接取得距離、角度或訊號強度的資訊，

3

透過使用這些資訊來計算物件的位置，例如：Time of Arrival (TOA)、Time Difference of Arrival (TDOA)、Angle of Arrival (AOA)。Range-Based 這類方 法的好處是，通常定位精準度都會很高，但缺點是這些特殊的儀器並不便宜，要 建置出一個 Range-Based 的大型的無線感測網路更是花費巨大，再加上感測器本 身有電量的限制，額外配置的這些儀器更會加速感測器的電量消耗，縮短整個網 路壽命；Range-Free[8][16]的特性是，它透過無線感測網路本身的一些特性來 求出物件的位置，這些特性例如：是否感測到物件、感測半徑、通訊半徑…。

Range-Free 這類方法相較於 Range-Based，它不需配置額外的儀器，所以在硬體 上與使用上並不需要任何多餘花費，但是 Range-Free 這類的方法在定位的精準 度上通常都比不過 Range-Based 的方法。

從定位又可以延伸出「追蹤移動物件的路線」這個可研究的議題，我們稱為 追蹤(Tracking)，這個部分也是本篇論文所研究的方向。一般在追蹤上，比較簡 單且直覺得做法是，在移動物件上配置 GPS 接收的裝置，讓這個移動的物件可 以直接透過 GPS 取得自己的位置，可惜的是現今 GPS 裝置仍然價格不便宜，所 以這個做法不是適合每種情況。隨著時間的過去，有人提出了一些方法[9]，這 些方法利用一些「已知道自己位置的節點」來幫助找出被定位物件的位置，藉此 取代 GPS 裝置的使用，而這些「已知道自己位置的節點」被稱為 Anchor，利用 這樣的方式，降低建構無線感測網路的花費。

追蹤是定位的一種延伸應用，儘管很多的定位方法已經被提出來，但是在這 之中的許多方法仍然沒有辦法適用於追蹤。例如 2005 年時由 Kuo-Feng Ssu 等 3 位學者所提出方法 [25]，該方法只能定位靜態的物件，所以無法適用於追蹤。

有些方法[4]只需經過小部分的修改就可被利用於追蹤，有些方法[2]甚至可直接 被使用來追蹤移動物件。

很多過往的研究[13]會假設兩節點間的訊號強度與距離會有一個固定的公 式關係，可以直接透過一個固定的公式把訊號強度直接轉換成距離。但是這個假 設在真實的世界裡並不適合，這是因為無線的訊號會受很多因素的干擾[33]，因

4

此在本論文裡，我們會假設這個公式並不存在，我們假設唯一可知的是：兩節點 間所收到訊號如果變強，那就表示兩節點的距離比上一回合的短，反之如果訊號 是變弱的，那麼兩節點的距離就會比上一回合的長。

先前的一些研究在模型上的設定會設定 Anchor 是靜態的，這樣的缺點是：

必須當物件移動經過的時候，我們才可以定位物件的位置，而且如果當 Anchor 覆蓋率不是很高且又是隨機分佈的時候，這樣會容易遺失物件的位置導致評估路 徑斷掉，後來有人提出利用移動的 Anchor 來減少 Anchor 佈置量同時可以增加物 件被定位到的機會。雖然 Anchor 移動可以增加物件被定位到的機會，但也是有 機會發生剛好物件不會經過移動 Anchor 的情況，這仍然是個可改善的地方。

1.4 主要貢獻

在本論文裡，我們希望可以提出在 Anchor 隨機分佈且可移動的情況下追蹤 移動的物件，同時也可以達到高準確、穩定與適用性。在本論文裡我們提出 5 種方法，分別是：

1. Centroid DCTT Hybrid(CD Hybrid)

2. DCTT Virtual Target Hybrid(DVT Hybrid) 3. Stronger Signal Virtual Target (SSVT) 4. Object-Tracking in Mobile Anchors(OTMA) 5. Relay OTMA(ROTMA)

這些方法主要適用在感測器隨機分佈，尤其當感測器稀疏分佈的情況，感測 器間會互相合作並且產生每一回合的物件位置，藉此來產生移動物件的移動路徑。

CD Hybrid、DVT Hybrid 與 SSVT 主要目的在於定位物件的位置，而 OTMA 則 是考慮當 Anchor 可移動且 Anchor 覆蓋率不是 100%時，如何在 SSVT 的定位演 算法下讓物件可以更有機會被定位到，藉此追蹤到更完整的物件移動路徑。

ROTMA 則增加考慮電量平衡與一個特殊情況問題。模擬的結果顯示出我們提出

5

的演算法在效能上比先前的研究好，尤其是在 Anchor 稀疏分佈的時候效果比較 明顯，即使在 Anchor 是規律分佈的情況下，我們仍然能與運算較複雜 DTTRM 差距不大；最後提出的 ROTMA 在數據上也顯示出感測器的覆蓋率與耗電平衡 性也比較好。

1.5 本文架構

本論文架構如下：在第二章我們會回顧一些相關的研究。第三章則是講述我 們演算法內容、流程與範例。第四章會透過程式的模擬與分析，呈現不同環境下 我們模擬的數據結果，最後在第五章的部分做結論與探討未來研究的方向。

6

第二章 相關研究

追蹤移動的物件是一個很重要的應用，過往的相關文獻裡通常會使用一些 Anchor 來幫助定位物件的位置，在這部分主要介紹本論文中幾個相關的研究。

2.1 訊號樣式

1. 無線射頻(Radio Frequency)：無線射頻的原理是利用電磁波的訊號來傳送 訊息，透過傳送的頻率又可分為很多種通訊技術，而現今比較常使用來進行 定位用的無線射頻分別有 Wi-Fi、Bluetooth、Zigbee 等這三種，三種的差別 可參照表 2-1。

表 2-1 無線射頻通訊技術比較表

Wi-Fi Bluetooth Zigbee

頻段 2.4GHz 2.4GHz 868MHz、915MHz、2.4GHz

2. 紅外線：早期在定位物件時，紅外線是直接利用物體所散發出來的紅外線來 進行物體的偵測，後期紅外線也可利用來進行資料的傳輸，可以進行一些 Range-Free 方式的定位。可惜紅外線很容易受到陽光與周遭環境的影響，導 致訊號會有問題。

3. 超音波：超音波指的是頻率超過 20 KHz 的聲波或是振動，透過超音波裝置 利用從發出訊號到接收訊號時的時間差，藉此來估算兩點之間的距離，透過 這樣的方式進行物件的定位。可惜超音波會發生折射、繞射…等，這些物理 現象會導致訊號的品質受到一些干擾。

7

2.2 節點移動方式

在無線感測網路裡，早期節點都是定義為不可移動的，後來有人提出有移動 節點的無線感測網路。當節點可以移動時，也開始有人探討節點移動的方式[3]，

是否不一樣的移動方式會影響效能，或者有更好的移動方式。據作者所知，到目 前為止，是沒有最好的移動方式，只有根據不一樣的環境與方法挑選適合的移動 方式。以下則列出比較常見的 3 種移動模型。

2.2.1 Random Waypoint Model

先隨機在整個感測領域產生一個目標，然後朝著該目標移動，如圖 2-1 所示。

到達了目標之後，再隨機產生另一個新的目標。

Sensing Field

Now Position New Position Target

圖 2-1 Random Waypoint Model 示意圖

2.2.2 Random Walk Model

在 每 一 次 移 動 時 ， 都 會 先 隨 機 選 取 一 個 移 動 的 角 度 【 0,2 π 】 與 速 度

【MinSpeed,MaxSpeed】，然後產生下一次移動的位置，如圖 2-2 所示。

8

Sensing Field

ɵ

Now Position New Position

ɵ Random Angle Random Speed

圖 2-2 Random Walk Model 示意圖

2.2.3 Random Direction Model

先隨機選取一個移動的角度，然後沿著這個角度的方向移動，如圖 2-3 所示。

碰到了感測領域的邊界時，再隨機產生另一個移動的角度。

Sensing Field

ɵ

Now Position New Position

圖 2-3 Random Direction Model 示意圖

2.3 定位與追蹤演算法

在這一節，我們將介紹一些相關的研究，這些研究有些是專門設計於定位物 件，有些則是專門設計於追蹤物件，分別有各自的優缺點。

定位的演算法可以從不同的角度來分類這些方法，如之前所提過的，從定位

9

運算的資料處理上，可分為中央控制式(Centralized)與分散式(Distributed)兩種。

從定位方式的型態又可分為「Range-Based」與「Range-Free」這兩種。透過使 用的 Anchor 或物件是否可移動，又可分為靜態(Static)與動態(Mobile)。無線感 測 網 路 中 的 感 測 器 所 使 用 的 天 線 又 可 以 分 為 方 向 性 (Directional) 與 全 向 性 (Omni-directional)。無線感測網路中的感測器分佈方式又可以分為隨機分佈 (Random Deployment) 與 規 律 分 佈 (Regular Deployment) 。 以 下 我 們 就 根 據

「Range-Based」與「Range-Free」來分類定位方法。

表 2-2 相關研究的分類整理表

2.3.1 相關方法整理表

在講解一些相關研究前，我們先根據剛剛所提的分類方式先做一個表格來簡

Method Category

LTS EELA D M L M C L A D T T R M C en tr oi d T O C C A B L A P B C C IM C L D C T T D T T D B L S D A IG V R

Range-Based ● ● ● ● ●

Range-Free ● ● ● ● ● ● ● ● ●

Anchor Static ● ● ● ● ● ● ● ● ●

Anchor Mobile ● ● ● ● ● ● ● ● ● ● ● ●

Object Static ● ● ● ● ● ● ● ● ● ●

Object Mobile ● ● ● ● ● ● ● ● ●

Directional

antenna ● ●

Omni-directional

antenna ● ● ● ● ● ● ● ● ● ● ● ●

Random Anchor

Deployment ● ● ● ● ● ● ● ● ● ● ● ●

Regular Anchor

Deployment ● ● ● ● ● ● ● ● ● ● ●

10

單區分與識別，表內的方法分別對應後面所提相關研究的每個方法縮寫名。

2.3.2 Range-Based

Range-Based 會藉由在感測器上裝置一些特殊的儀器來直接取得距離、角度 或訊號強度的資訊，透過使用這些資訊來計算物件的位置。雖然定位準確度較高 但是需要配置特殊儀器在 Anchor 上，會增加整個感測網路的花費。

2.3.2.1 Localization in Time and Space (LTS)

LTS[1]在 2008 年由 Azzedine Boukerche 等 4 位學者提出，該篇論文主要是 利用一個移動的 Anchor 來對他周圍的感測器進行時間同步跟定位。現今解決時 間同步跟定位問題都是分開處理。然而分開處理會導致花費提升或準確度的效能 降低。該篇論文藉由同時解決這兩個問題，它可以降低同步跟定位上的錯誤還有 能量的消耗。

該篇論文的概念是利用時間同步之間的傳訊封包，將接收每個封包的訊息強 度轉換成距離，如下圖 2-4 所示，最後利用收到的距離與位置幫感測器定位，所 以最後累積超過三個封包時，則可以進行三角定位來決定出感測器的評估位置。

T1

T2 T3

T4 T5

T6

Advertisement Packet

Request Packet

Reply Packet

Sensor Anchor

圖 2-4 LTS 封包傳輸示意圖

11

該方法的優點是簡單易實做，缺點則是在現實的環境裡訊號易遭到干擾，導 致定位準確度下降。

2.3.2.2 An Energy Efficient Localization Algorithm (EELA)

EELA[31]在 2008 年被 Baoli Zhang 和 Fengqi Yu 提出，該篇論文利用移動 的 Anchor 來幫靜態的感測器定位。該論文的定位概念是找出三個訊號強度高過 門檻值的訊號點位置(三個訊號點不能在同一直線上)，如下圖 2-5 所示，同時利 用儀器求出訊號點與感測器的距離，最後利用 Newton iteration 運算這些資訊，

得到一個逼近感測器真實位置的 X 與 Y 座標。

Sensor Beacon Moving Path

圖 2-5 EELA 尋找的訊號點示意圖

該論文定位的方法很類似 PBCC 的方法。該篇論文也是收集 Anchor 通過感 測器感測圓時所廣播出訊號的位置，不一樣的地方是他會尋找訊號強度高過設定 門檻值位置而不是進出感測圓的位置，然後再利用無線與超音波訊號執行 TDOA(Time Difference of Arrival)找出相聚的距離。

該篇論文的優點是該方法不受廣撥的傳輸間隔對定位錯誤的影響，缺點則是 運算複雜且需要裝置特殊裝置來取得距離。

12

2.3.2.3 A Distributed Method to Localization for Mobile Sensor (DMLM)

DMLM[22]在 2007 由 Clement Saad 等 3 位學者提出，該篇論文的 Anchor 除了提供自己的位置之外，還利用特殊的裝置提供角度與距離的資訊，感測器則 利用收集到的 Anchor 資訊來幫助自己定位。該方法會根據收集的資訊不同而使 用不同的定位方法，收集的資訊別有位置、距離、角度等這三種。

當只有收集到位置，則利用重疊區域的平均位置當評估位置，同時可利用 Grid-Scan 的概念來簡化運算量，如下圖 2-6 所示，因為感測器被兩個 Anchor 偵 測到，所以平均所以值為 2 的小方塊的中心，用計算出的平均值當作感測器的評 估位置。

Sensor Anchor 1

1

2 2 2

2 2 2

圖 2-6 Grid-Scan 示意圖

如果要使用距離資訊來定位時，則至少還必須有兩個 Anchor 鄰居與一顆輔 助的 Anchor(R<d <2R)，此時可以利用簡單的邏輯判斷找出評估位置，如下圖 2-7 所示。

13

Anchor Sensor

Estimated Point A1

A2

A3

圖 2-7 DMLM 依據距離資訊定位示意圖

如果要使用角度資訊來定位時，則至少還必須有一個 Anchor 鄰居，利用兩 點位置與角度進行定位，如下圖 2-8 所示，如果只有一個角度，則利用邏輯判斷 感測器落於哪一線段上，再定位於線段的中點上。

Anchor Estimated Point Theta 1

Sensor Theta 2

Theta 1

圖 2-8 DMLM 依據角度資訊定位示意圖

該篇論文的優點是定位準確度高，缺點是花費高且需要收集到一定數量的 Anchor 資訊，否則會無法定位。

14

2.3.2.4 Collaborative Localization Algorithm (CLA)

CLA[32]在 2009 年由 Baoli Zhang 等 3 位學者提出，該篇論文利用移動的 Anchor 來幫助其他靜態的感測器定位。與以往的不同的地方是，該方法使用 3 個 Anchor 排列成正三角形，然後形成一個 Anchor 的群集，接著以這固定的樣式 在整個感測領域中移動來幫感測器定位。

以往利用單獨移動 Anchor 來幫感測器定位，不會使用一群的方式，頂多可 以加入剛好在附近的鄰居 Anchor 資訊來幫助定位，但是該篇論文則故意讓 Anchor 形成群集，並使整個群集固定且同時移動以達到定位的功能。形成的群 集模式如圖 2-9。

Anchor

R

圖 2-9 CLA Anchor 群集示意圖

該篇論文定位的概念是：利用三角形的三條角平分線來決定被定位 Anchor 的 X 與 Y。在該篇論文裡，整個 Anchor 群集必須保持一致移動方向的方式穿越 感測領域，當感測器收到的任意兩顆 Anchor 訊號強度一樣時，既可得知目前是 正三角形的哪一條角平分線碰到感測器，在感測器從進入到離開整個 Anchor 群 集的感測範圍時，會碰到三條角平分線，感測器則位於三條角平分線的交點。如 下圖 2-10。

15

L1

L2 L3

Estimated Point

圖 2-10 CLA 定位方法示意圖

該方法的優點是方法準確度高，但缺點則是，在現實世界中，難以保證 Anchor 群集在移動中不改變所形成的形狀，同時現實世界裡會遭遇到許多訊號 的干擾，所以也很難保證感測器收到訊號的強度是否跟理想的一樣好，甚至根本 不會有訊號強度一樣的時候，導致根本無法進行定位。

2.3.2.5 Distributed and Temporal Target Tracking with Regular Mesh (DTTRM)

DTTRM[18][19]是在 2009 時，由 Wen Ouyang 和 Ying Tsao 提出，DTTRM 利用靜態的 Anchor 來幫移動的物件定位。2 位學者所發表的這兩篇都是使用 DTTRM 方法去追蹤移動物件，差別在於兩篇所探討的 Anchor 佈點方式不同，

一個是以正三角形分佈，另一個是以正四邊形分佈，分佈示意圖可參照圖 2-11。

(a) Anchor (b)

Sensing Range

圖 2-11 Anchor 規律分佈方式(a)正三角形 (b)正四邊形

16

DTTRM 的概念主要是使用 DCTT 的方法再加上參考點(Virtual Target)。參 考點概念是建立出一個虛擬目標，然後判斷上一回合的物件評估位置再往這個虛 擬目標的方向，根據物件的速度移動一段距離，藉此產生新的物件評估位置，如 圖 2-12 所示。

Object Speed

Virtual Target

New Estimated Point

Last Estimated Point

在 DTTRM 方法裡，因為它考慮到現實世界的訊號干擾部分，所以它不使用 一般的「訊號強度值可轉換成距離」這個模型，而是假設使用「訊號相對增加或 減少的比較」，判斷兩點之間距離變近或變遠，訊號變強則距離變近，反之則是 距離變遠，如圖 2-13 範例所示。如果在 T2 時，只有 Anchor A 訊號變強，則判 斷物件往 Anchor A 靠近；如果在 T2 時，只有 Anchor B 訊號變強，則判斷物件 往 Anchor B 靠近；如果在 T2 時，Anchor A、B 訊號都變強，則判斷物件同時 往 Anchor A、B 靠近，也就是往 Anchor A、B 的中點移動。

Object

Sensor Virtual Target

T1 T2

A

B T1

T2 A

B

T1 T2

A

B

圖 2-13 DTTRM 假設示意圖

17

在 DTTRM 的追蹤方法裡，當物件穿過某個 Anchor 的感測圓的時候，使用 DCTT 的方法來定位物件的位置。當物件在感測範圍內移動的時候，但是又沒有 穿過任何 Anchor 的感測圓時，Anchor 會先判斷現在物件被幾個 Anchor 偵測到，

判斷物件目前物件落於甚麼區域，再判斷這些偵測到物件的 Anchor 訊號變化來 產生參考點，如圖 2-14 配合表 2-2 展示 DTTRM 在兩點偵測區的訊號變化與參 考點對應關係，DTTRM 根據收到的 Anchor 訊號變化來產生參考點，所有可能 的參考點如圖 2-15 所示。產生參考點後，再根據上一回合的物件評估位置、參 考點與物件移動速度產生新的物件評估位置。

表 2-3 DTTRM 兩點偵測區的訊號變化與參考點對應表 訊號變化 參考點

A：強 B：弱 b A：弱 B：強 d A：強 B：強 c A：弱 B：弱 a

Virtual Target Anchor

Sensing Range

A B

a

c d b

圖 2-14 DTTRM 兩點區域參考點對應

18

Virtual Target

圖 2-15 DTTRM 所有參考點可能

DTTRM 利用參考點來修正 DCTT 無法即時追蹤物件的問題，同時增加物件定位 的準確度。該方法的優點是在規律佈點情況下，平均定位準確度比 Centroid 與 DCTT 來的好，但是缺點是 DTTRM 只能適用於規律佈點的情況。

2.3.3 Range-Free

Range-Free 透過無線感測網路本身的一些特性來求出物件的位置，這些特性 例如：是否感測到物件、感測半徑、通訊半徑…。該類方法相較於 Range-Based 而言，因為不需配置額外的儀器，所以在使用上與硬體上並不需要多餘的花費，

但是 Range-Free 這類的方法在定位的精準度上通常都比不過 Range-Based 的方 法。

2.3.3.1 Centroid

Centroid[2]在定位這個領域是一個廣為流傳的方法，這個方法在 2000 年時 由 Nirupama Bulusu 等 3 位學者所提出，該方法基本的概念，是利用收到的 Anchor 位置來評估定位目標的位置。只要未知位置的目標收到所有 Anchor 鄰居的資訊，

19

它會平均所有收到的 Anchor 位置資訊，把這平均位置當作該點的位置，如圖 2-16 所示。該方法的好處是容易實現，缺點則是在一般情況下定位準確度不夠高，不 過該方法會隨著收到 Anchor 資訊的數量越多，定位的準確性就越高，反之則越 低。

A

B

C

Anchor

Estimated Point Object

圖 2-16 Centroid 定位範例

2.3.3.2 Topology Optimization Centroid (TOC)

TOC[30]方法在 2009 年由 Chao Yang 等 4 位學者所提出，該論文主要是對 Centroid 的方法做更深入的研究，目的就是找到一個 Anchor 之間距離的門檻值，

讓整個網路中的每個 Anchor 分布的一致性跟密度可以達最好，使 Centroid 的效 能會更好。在 Centroid 的方法裡，越多的 Anchor 參與定位則準確度不一定會越 高，反而越是一致性的 Anchor 分佈越會改善定位的準確度。如下圖 2-17 所示。

20

Anchor

Estimated Point Difference

圖 2-17 Anchor 分佈對定位準確度影響示意圖

該方法藉由群組的概念，所有的 Anchor 會參加一個競爭的機制，該方法的 競爭機制並不複雜，一開始所有的 Anchor 會隨機休息一段時間，然後再發出要 當 Head 的訊息，先發出訊息的 Anchor 就會變成 Head，收到 Head 訊息的 Anchor 則當該群組的成員，藉此把整個感測領域裡所有的 Anchor 分成許多的群組。在 分完群組後，每個群組只會由當 Head 的 Anchor 來進行 Centroid 方法的定位，

其他的成員則會進入睡眠。用這樣群組化的概念來達到分佈的一致性與節省整體 的電量消耗。該論文的優點是，分群的方法簡單易實做，但缺點是如果整個感測 領域的感測器覆蓋率不滿 100%時，這時再分群組可能會導致網路空洞的情況更 嚴重。

2.3.3.3 Concentric Anchor Beacon Localization Algorithm (CABLA)

CABLA[27]於 2007 年被 Vijayanth Vivekanandan 和 Vincent W. S. Wong 提出。

該篇論文利用 Anchor 來幫助感測器定位。與以往的不同的地方是，以往 Anchor 發出的訊號都是單次，而該篇論文的 Anchor 則是可以同時發出多筆不同的訊號 且不同的強度，發出的訊號強度又可以根據不同的需求形成不同的樣式，如下圖 2-18 所示，分別可以根據相同的環面積與相同的環寬度等兩種條件來發出不同的 訊號強度。

21 R

w1 w2

w3 w4

w R

w w

w

Anchor

圖 2-18 CABLA 的兩種形成環方式

定位的概念是利用多筆不同訊號強度來形成環，感測器再根據收到的訊號判 斷自己位於哪個環的區域，當收到超過兩個 Anchor 的訊號時，兩個 Anchor 的環 區域就會形成重疊，感測器則把自己定位在重疊的區域中心，如下圖 2-19 所示。

Anchor Sensor

Estimated Point

圖 2-19 CABLA 定位範例圖

該方法的優點是準確度高，且不同形成環的樣式又有不同的優點，可根據情

22

況隨時改變，缺點是為了定位而發出的多筆訊號會造成大量的電量消耗。

2.3.3.4 Perpendicular bisector of a chord conjecture (PBCC)

PBCC 是一個很經典的利用移動 Anchor 定位的方法，這個方法是 2005 年時 由 Kuo-Feng Ssu 等 3 位學者所提出。該方法利用移動的 Anchor 來幫靜態的感 測器定位。它的概念是利用圓的兩切弦中垂線的交點會是圓心的幾何原理來定位，

如圖 2-20 所示。

Point 1

Line 1

Line 2

Point 3 Point 2

Sensor

Point of Tangency Perpendicular Bisector

圖 2-20 兩切弦中垂線交點即為圓心

在該方法的模型裡，Anchor 會隨著移動並且周期性的發出訊號 (Beacon)，

訊號內含 Anchor 目前位置。當 Anchor 經過感測器時，被定位的感測器會收到 Anchor 發出的訊號，最後尋找至少 3 個以上「收到的第一個或最後一個」訊號 來形成切弦，只要擁有兩條切弦就可以找兩切弦的中垂線交點來定位。如圖 2-21，

當 Anchor 第一次經過時取得 B1、B4 兩個訊號，第二次經過時取得 B4、B7 兩 個訊號。最後利用 B1、B4、B7 來形成兩切弦，即可利用兩切弦的中垂線交點定 出感測器的位置。

23

Beacon B1

B4 B3

B2 B5

B6

B7

Sensor

圖 2-21 PBCC 方法範例

在 PBCC 論文裡，同時也提出了一個改善準確度的方法。它將訊號強度訂出 不同的傳輸等級，根據這些傳輸強度等級與傳輸半徑會形成一個多層的同心圓，

再去尋找至少三個以上的訊號形成兩線段，然後找兩線段的中垂線交點。而這些 找出來的訊號必須是相同的傳輸強度，且必須是收到的最強那層傳輸強度。如下 圖 2-22 所示。

Sensor Beacon B1

B2

B3 Line 1

Line 2

Perpendicular Bisector

圖 2-22 PBCC 加入訊號強度改善的範例圖

該方法的優點是簡單易實做且方法彈性很大，但缺點是有可能會發生很極端 的狀況，導致定位錯誤非常的大。最後提出改進的方法，因為它是取訊號最強的

24

那層傳輸強度，所以該方法比較不會受到訊號干擾與環境障礙物的影響。缺點是 感測器必須收集並記錄所有接收到的 beacon 位置，這樣會造成硬體上的負擔，

尤其是在電量消耗。

2.3.3.5 Improved MCL (IMCL)

Jang-Ping Sheu 等 3 位學者在 2010 年時提出 DLS[24]這個方法，該方法主 要在改善 MCL(Monte Carlo Localization)準確度。藉由 Anchor 來定位移動的感測 器。MCL 的概念是利用 R 與 2R 等這兩種幾何限制，找出重疊區域，然後在這 重疊區域裡隨機選取 50 個座標樣本，最後以平均 50 個樣本來當作感測器的評估 位置，如下圖 2-23 所示。

Sensor Anchor Sample Estimated Area

2R

R

圖 2-23 MCL 定位示意圖

25

該論文提出的方法可分為三個階段：分別是「sample selection phase」、

「neighbor constraint exchange phase」、「refinement phase」。

 sample selection phase：在此階段，本篇論文提出一個概念，根據重疊區域 大小來決定隨機選取座標的數量，越大則越多，反之則越少。

 neighbor constraint exchange phase：在此階段感測器會根據他記錄的取樣樣 本形成一個特殊的區域，如圖 2-24 所示。然後再跟鄰居同樣方法所產生特 殊區域進行區域重疊，最後在重疊區域裡尋找新的樣本來替換掉不合法的樣 本。如圖 2-25 所示。

0°

315°

270°

225°

180°

135°

90°

R 45°

R

R

R R R

R R

Estimated Point Sample

圖 2-24 IMCL 樣本形成的特殊區域示意圖

26

Estimated Point Sample Invalid Sample

圖 2-25 IMCL 重疊特殊區域來篩選樣本示意圖

 refinement phase：通常物體移動時，改變移動方向的角度不會太大。透過這 個原理，根據上一回合感測器評估位置的移動方向張開某個角度，篩選掉一 些不合格的樣本，如下圖 2-26 所示。最後平均所有樣本，產生的就是感測 器的評估位置。

Estimated Point Sensor

Sample

Invalid Sample ɵ ɵ

圖 2-26 IMCL 根據移動方向篩選樣本示意圖

27

該方法的優點是準確度高。缺點是比起原始的 MCL 方法，需多傳送許多封 包。

2.3.3.6 Distributed Cooperative Target Tracking (DCTT)

在 2008 年的時候，由 Zijian Wang 等 3 位學者提出了一個追蹤的方法 DCTT [28]，DCTT 利用靜態 Anchor 來幫助移動的物件定位。該方法的基本概念是，

當移動的物件進出 Anchor 的感測範圍時(即 Anchor 第一次與最後一次收到物件 所廣播出去的訊號)，Anchor 就會知道物件有穿過自己由感測範圍所形成的感測 圓，此時該 Anchor 會評估物件的位置。在 Anchor 每次評估位置前會先與他一個 Hop 距離的鄰居要求一些資訊，該 Anchor 的鄰居就會傳送一個 bit 的訊息給它，

訊息內容會記錄這個鄰居是否有收到物件所廣播的封包，『1』代表有；『0』代表 沒有。透過鄰居的訊息從而得出自己感測圓和鄰居的感測圓相交所形成的一些弧，

然後再透過一些簡單的邏輯判斷物件穿過的是哪一段弧，最後評估物件的位置在 該段弧的中點上，如圖 2-27 所示。

Object

Estimated Point Anchor

圖 2-27 DCTT 產生評估位置範例圖

28

該方法的優點也是容易實現，缺點則有兩個：

1. 該方法適用 Anchor 密度高的情況。密度太低會導致相交形成的弧偏大，則 定位的準確度就比較差，甚至發生該 Anchor 沒有鄰居的情況。

2. 該方法沒有辦法更即時的追蹤物件的位置，當物件在 Anchor 感測範圍內任 意的移動，如果物件都沒有進出任何的 Anchor 感測範圍，則 Anchor 就無法 評估位置，如圖 2-28，對於物件移動的路徑，他只能透過物件進出 Anchor 感測範圍時來評估物件的位置，然後形成大致的移動路線。

3. 該方法有可能會發生同時穿過多個 Anchor 的感測圓。

Object

Estimated Point Anchor

圖 2-28 DCTT 追蹤缺點示意圖

2.3.3.7 Distributed Target Tracking with Directional Binary (DTTDB)

DTTDB[29]在 2009 由 Zijian Wang 等 3 位學者所提出，該篇論文利用靜態

29

的 Anchor 來幫移動的感測器定位。該論文是延伸至 DCTT 方法的研究，與 DCTT 方法不同的地方是，DCTT 考慮的全向性天線的 Anchor，該論文使用的則是 4 個方向性天線的 Anchor。如下圖 2-29 所示。

0

1 2

3

Anchor

圖 2-29 DTTDB 方向性天線示意圖

該論文主要利用 DCTT 概念，當感測器穿過感測圓時，利用周邊鄰居的資 訊進行一些簡單的邏輯判斷，把感測器定位在他通過的弧中點上。尋找弧中點的 過程中，該方法利用方向性天線的特性，縮小產生的弧長度，藉此達到更精準的 定位。如下圖 2-30 所示。

Anchor

Estimated Point

Object

圖 2-30 DTTDB 定位示意圖

30

該論文的優點是，定位的準確度高。而 DCTT 擁有的缺點該方法也有。

2.3.3.8 A Localization Scheme with Directional Antennas (LSDA)

LSDA[17]由 Chia-Ho Ou 在 2011 年所提出，主要利用移動的 Anchor 來幫助 其他靜態的感測器定位。而這些移動的 Anchor 與以往的不同的地方是，Anchor 發送訊號的天線是方向性而不是全向性。

該篇論文在 Anchor 上裝四個方向性天線，這四個天線固定分別從 Anchor 的 0 度、90 度、180 度、270 度的方向向外發送訊號。如下圖 2-31 所示。

R ɵ

Anchor

1

2 3

4

圖 2-31 LSDA 方向性天線示意圖

發送訊號包含 Anchor 的 X、Y 與送訊號的天線編號，接著 Anchor 以水平或 垂直的方式移動。感測器會收集 Anchor 從進去到離開所有發送的訊號，然後找 出位於中間的座標值，最後根據 Anchor 的移動方式決定找出的座標值中是感測 器的 X 或 Y。如下圖 2-32 兩種方式所示，若是垂直移動則座標值為 Y，若是水 平移動座標值則為 X。

31

Anchor Sensor

Estimated X Estimated Y

圖 2-32 LSDA 定位感測器 X、Y 示意圖

該方法的優點是隨著方向行天線張開的角度越小，定位準確度就越高，且很 適合使用在有障礙物與環境因素干擾的環境內。缺點是，四個方向性天線是發送 固定的方向且必須同時開著，同時定位準確度會嚴重的被 Anchor 移動速度與訊 號廣播間格所影響。

2.3.3.9 Improved Grid-Scan and Vector-Based Refinement (IGVR)

IGVR[23]由 Jang-Ping Sheu 等三位學者在 2008 年所提出，該篇論文主要使 用概念有三種分別為「利用重疊區域來縮小評估位置可能區」、「Grid-Scan」、

「Vector-Based」。首先被定位的感測器會收集 1-hop 的 Anchor 資料來進行區域 重疊，利用重疊區域來縮小評估位置可能區，如圖 2-33 所示，被定位的感測器 落於灰色區域。

32 Sensor Anchor

圖 2-33 IGVR 縮小評估範圍範例圖

找出評估位置落點範圍後，利用 Grid-Scan 計算出評估範圍的中心。雖然 Grid-Scan 可以大量簡化尋找不規則區域重心的計算，但是找出的評估位置可能 會不太準確，所以找出感測器評估位置後，該方法再利用 Vector-Based 修正評估 位置。Vector-Based 利用類似磁性推力的概念，利用 2-hop 的 Anchor 來推擠評估 位置，藉此修正找出來的評估位置，如下圖 2-34 所示。

Anchor Estimated Point

Force

圖 2-34 IGVR 的 Vector-Based 示意圖

33

第三章 演算法

一開始我們會先定義我們的問題，然後再探討要如何解決問題。接下來會說 明整個網路所使用的網路模型，然後解釋在我們方法裡所套用的一個重要的假設，

這是我們認為比較貼近於現實的假設，我們的方法也是以這個假設為基礎所建立 出來。最後說明我們所提出的 5 個方法 CD Hybrid、DVT Hybrid、SSVT、OTMA、

ROTMA 的各種細節與範例，同時附上所有方法的流程圖。

3.1 問題定義

無線感測網路現今有著許多應用，追蹤移動物件已經廣泛的應用在我們的生 活中，同時這樣技術也是其他一些應用的根本。在追蹤移動物件的基礎裡，如何 更加準確與即時的定到物件的位置是主要重點。

當靜態的 Anchor 變成可移動且是隨機移動的時候，此時我們便不能保證 100%的 Anchor 覆蓋率。如圖 3-1，我們先規律分佈 Anchor 在整個感測領域，並 且讓他達到 100%覆蓋率(感測領域範圍:700*700，感測範圍：70，Anchor 數量：

121，正方形方式網狀分佈)，可以發現一但 Anchor 隨機移動，覆蓋率平均起來 就不能保證 100%覆蓋。當然我們可以透過增加 Anchor 的使用數量來增加覆蓋率，

但是這樣不僅大幅增加整個無線感測網路的花費與消耗，而且因為是隨機移動，

所以既使 Anchor 數量再多，也是有可能發生 Anchor 擠在一起而導致覆蓋率不滿 100%。

34

圖 3-1 不同移動方式影響覆蓋率變化圖

在移動式的無線感測網路且覆蓋率不高的狀況裡，如何讓移動的物件更加容 易被定位到，增加評估路線的完整度也是在我們這篇論文裡一個研究的重點。

過去為了追蹤移動的物件，已經有不少方法被提出來解決這個問題，可惜部 分的方法仍然有些可以改善的地方，或者只適合使用在特定的環境。例如 Centroid 與 DCTT 在定位的準確度與即時性還有可以改善的地方，DTTRM 雖然 再定位的準確度與即時性比較高，但是它並不適用 Anchor 隨機分佈的情況，所 以也不適用於移動式的無線感測網路。

3.2 模型

我們所使用的網路模型如下：

1. 整個移動式無線感測網路裡，有兩種型態的感測器分別是：已知道位置的感 測器，又稱為 Anchor；不知道位置的感測器，又稱為物件(Object)。

2. 物件與 Anchor 分佈方式為隨機分佈，但是任意兩個 Anchor 或物件的位置不 會重疊，Anchor 與物件的位置也不會重疊，即使 Anchor 與物件移動後也依 照模型設定而不重疊。

70%

75%

80%

85%

90%

95%

100%

Static Anchor Deployment

Random Waypoint

Random Walk Random Direction

C ove ra g e

Avg Coverage Max Coverage Min Coverage

35

3. 整個網路，Anchor 與物件都是可以自由的移動，移動方式有 Random Waypoint、Random Walk、Random Direction 這三種。

4. Anchor 與物件會周期性移動並且以固定速度移動。

5. Anchor 已知物件的移動速度。

6. Anchor 之間訊號強度變化的資料只傳送 one-hop 的鄰居 Anchor。

7. Anchor 的通訊半徑等於 2 倍的感測半徑。

因為我們設定 Anchor 已知物件的移動速度，所以在實作時我們會先讓所有 Anchor 先都知道物件的移動速度，但是 Random Walk 卻是每回合速度都會改變。

所以在本篇論文裡，我們修改 Random Walk 的移動方式，讓他每回合移動的速 度固定，但是仍然會隨機選擇一個角度移動。

Anchor 之間訊號強度變化的資料只傳送 one-hop，這是因為考慮到資料傳送 的會造成電量上的消耗，如果可以盡可能減少，這對整個網路的壽命也會有很大 的幫助，同時這個做法也可以降低演算法設計上的複雜度。

需要通訊半徑是兩倍感測半徑的原因是，我們的方法需要應用在隨機佈點的 情況下，所以考慮到某些特殊的情況，如圖 3-2 所示。

Anchor Object A

B

圖 3-2 通訊與感測半徑相等時造成的問題

如果此時通訊半徑等於感測半徑，則當物件移進 Anchor A、B 的感測範圍 內，因為 Anchor A、B 訊號強度變化資料只傳 one-hop，所以兩個 Anchor 只能

36

根據各自的擁有的資訊來評估移動物件的位置，但是這樣會造成同時存在多種物 件評估位置，所以我們設定通訊半徑等於 2 倍的感測半徑。當然我們可以設定通 訊半徑等於感測半徑，並且讓強度變化的資料傳送 multi-hop，透過其他鄰居來 轉送訊息。但是因為我們的設定是移動式無線感測網路，並不能保證 100%的 anchor 覆蓋率，所以有可能還是會發生沒有其它鄰居可以幫忙轉送訊息，這時就 會造成多重定位結果出現，所以最後我們考慮過後，還是選擇將網路模型設定如 上所條列，避免產生更多問題。

3.3 假設

很多過往的研究會假設兩節點間的訊號強度與距離會有一個固定的公式關 係，兩點間的距離可以直接透過一個固定的公式由訊號強度直接轉換。但是這個 假設在真實的世界裡並不適合，這是因為無線的訊號會受很多因素的干擾，因此 在本論文裡，我們會假設這個公式並不存在，我們假設唯一可知的是：兩節點間 所收到訊號如果變強，那就表示兩節點的距離比上一回合的較短，反之如果訊號 是變弱的，那麼兩節點的距離就會比上一回合的較長。在我們所使用的假設裡，

我們所使用的訊號變化是「上回和與這回和相對的變化」，訊號變化我們也只考 慮兩種情況，分別為「變強」與「變弱」，訊號與距離對應如表 3-1 所示。

表 3-1 訊號與距離對應變化表 收到的訊號變化 兩點間距

變強 變近

變弱 變遠

我們認為這也是更加貼近現實的假設，因為在現實環境裡有著訊號干擾的關 係，所以如果接收到相同的訊號強度資訊，我們並不能保證這些資訊來源與自己 距離相同，同時我們也無法保證，當兩點之間距離不變時，訊號強度也不會跟著

37

改變。雖然訊號會受到干擾，但是我們觀察到一個現象，在一般的情況下，兩點 間距離如果變近，則之間收到的訊號強度會漸漸變強，反之則變弱。同時使用這 樣的假設，相較於直接使用訊號強度來直接轉換距離所受到的訊號干擾影響比較 小，所以我們才根據這個現象提出我們認為更適合現實世界的假設。

3.4 追蹤演算法

在接下來的這部分會說明我們所提出的 5 個方法 CD Hybrid、DVT Hybrid、

SSVT、OTMA、ROTMA 的各種細節與範例，同時附上流程圖。

因為我們提出的 5 個方法都有使用 DCTT 的概念，可是如果當被穿過感測 圓的 Anchor 完全沒有任何鄰居，它便無法形成弧來產生評估位置。所以在這種 情況下，我們則直接使用該 Anchor 的位置當作評估位置。如果發生同時穿過多 的 Anchor 的感測圓，我們則會找 ID 最小的 Anchor 來形成弧中點。

3.4.1 Centroid DCTT Hybrid(CD Hybrid)

首先我們要介紹的這個方法是 CD Hybrid。顧名思義，這個方法是混合 Centroid 與 DCTT 的概念而產生，因為 Centroid 與 DCTT 在定位的即時性上仍有 可以改善的空間，所以利用結合兩個方法來互相加強定位的準確性。

CD Hybrid 的方法大致如下，當物件進出某個 Anchor 的感測圓時，使用 DCTT 的方法產生的評估位置當作物件的評估位置。當 Anchor 感測到物件但又沒有進 出任何其他 Anchor 感測圓時，此時使用 Centroid 方法的評估位置當作物件的評 估點。例如圖 3-3，當物件在 T2 時間時，物件穿過 Anchor A 的感測圓，此時利 用 DCTT 方法產生物件的評估位置。當物件到了 T5、T6、T7 時間時，物件並沒 有穿過任何其他 Anchor 的感測圓，此時就使用 Centroid 方法來產生物件的評估 位置。

38

Object

Estimated Point Anchor

T2 T1

T3

T4 T5

T6 T7 T2

T3 T4

T5&T6&T7

圖 3-3 CD Hybrid 範例圖

這個方法優點是容易實做且追蹤物件時的定位準確度與即時性也會比單一 的 Centroid 與 DCTT 來的好。該方法詳細運作流程參照圖 3-4。

Detect object？

Run DCTT No

Yes

First time detection？

Yes

No Detected last

time？

Yes No

Run Centroid

圖 3-4 CD Hybrid 流程圖

39

3.4.2 DCTT Virtual Target Hybrid(DVT Hybrid)

接下的這個方法是 DVT Hybrid。這個方法類似於 CD Hybrid，但是利用參 考點(Virtual Target)的概念取代 Centroid，所以這個方法主要是混合 DCTT 與參 考點的概念而產生。使用參考點概念後，因為它是選擇一個物件可能的移動方向，

然後根據現在物件的移動速度來修正物件評估位置，所以在一般的情況下可以讓 追蹤目標時的定位準確度與即時性更加的好。

DVT Hybrid 的方法大致如下，當物件進出某個 Anchor 的感測圓時，使用 DCTT 的方法產生的評估位置當作物件的評估位置。當 Anchor 感測到物件但又 沒有進出任何其他 Anchor 感測圓時，此時使用參考點概念來產生物件的評估點。

DVT Hybrid 裡對於參考點的產生，我們利用 Centroid 的評估位置來當作參考點，

讓物件評估位置漸漸靠近 Centroid 方法產生的評估位置，範例如圖 3-5。

Object

Estimated Point Anchor

T2 T1

T3

T4 T5

T6

T7 T2

T3 T4

T5&T7 T6

圖 3-5 DVT Hybrid 範例圖

40

當物件在 T2 時間時，物件穿過 Anchor A 的感測圓，此時利用 DCTT 方法 產生物件的評估位置。當物件到了 T5、T6、T7 時間時，物件仍只被 Anchor A 偵測到，但並沒有穿過任何其他 Anchor 的感測圓，此時就利用參考點的概念，

根據上一回合的評估位置還有物件的移動速度，朝著參考點移動，產生目前物件 的評估位置。

這個方法也是容易實做且追蹤物件時的平均的定位誤差與即時性也比 CD Hybrid 要稍好一點，這也是我們之前有提到，因為它是選擇一個物件可能的移動 方向，然後根據現在物件的移動速度來修正物件評估位置。利用這個參考點，讓 評估位置漸漸靠近 Centroid 評估位置，並非像 CD Hybrid 直接將物件評估位置 定在 Centroid 評估位置上，所以 DVT Hybrid 可以在追蹤物件時讓定位準確度與 即時性比 CD Hybrid 稍好一點，該方法詳細運作流程參照圖 3-6。

Detect object？

Run DCTT No

Yes

First time detection？

Yes No

Detected last time？

No

Generating virtual target by Centroid Generating

estimated point by virtual target

圖 3-6 DVT Hybrid 流程圖

41

3.4.3 Stronger Signal Virtual Target(SSVT)

在這一小節我們會說明 SSVT 的方法。SSVT 仍然是混合 DCTT 與參考點的 概念而產生，該方法跟 DVT Hybrid 差別在於參考點的產生方法不同，並且 SSVT 會利用假設裡「訊號變強則表示距離變近，訊號變弱則表示距離變遠」，透過這 樣的方式再精進追蹤物件時的定位準確度與即時性。

SSVT 的方法大致如下，當物件進出某個 Anchor 的感測圓時，使用 DCTT 的方法產生的評估位置當作物件的評估位置。當 Anchor 感測到物件但又沒有進 出任何其他 Anchor 感測圓時，此時使用參考點概念的來產生物件的評估點。產 生參考點時，該方法會先尋找所有收到物件發出訊號的 Anchor，然後找所有訊 號變強 Anchor 的 Centroid 位置，把找出的這個 Centroid 位置當作參考點。例如 圖 3-7，當物件移動後，Anchor A、B、C 訊號變強，Anchor D 訊號變弱，則 SSVT 使用 Anchor A、B、C 的 Centroid 位置來當作參考點，最後根據上回物件 評估位置、參考點與物件移動速度來產生新的物件評估位置。

S

W

S S

S W

Object

Virtual Target Stronger Anchor Weaker Anchor A

B

C

D

圖 3-7 SSVT 範例圖

42

在 SSVT 裡有個特殊的案例。這個特殊的案例發生於，當所有的 Anchor 訊 號強度都是變弱，這個時候我們無法判斷物件朝哪個方向移動，根據一般的移動 模式，移動的物體通常移動方向改變的幅度不會很大，所以我們根據上述的原理 去產生現在的評估位置，從上一回合它移動的方向來評估現在的位置，如圖 3-8 所示，當時間從 T1 到 T2，物件移動到現在這個位置，Anchor 就會因為鄰居包 括本身的訊號都是變弱，所以判斷物件的評估位置會沿著上一回合的方向移動，

產生新的評估位置。

W

W

W

Object

Estimated Point Weaker Anchor

T1

T2

T0 T1 T2

圖 3-8 SSVT 特殊案例

SSVT 在追蹤物件時的平均的定位誤差與即時性也比 CD Hybrid 要稍好一點，

這是因為 CD Hybrid 在參考點的部分，物件的評估位置只會朝著參考點靠近，

但是在 SSVT，我們多考慮了訊號的變化，所以多了物件的評估位置會遠離參考 點這個部分，所以 SSVT 可以在追蹤物件時讓定位準確度與即時性比 DVT Hybrid 稍好一點，該方法詳細運作流程參照圖 3-9。

43

Avg locations of stronger RSSI

anchors Detect object？

Run DCTT No

Yes

First time detection？

Yes

Any anchor sensed stronger RSSI？

No

Yes

Using previous moving vector

No Detected last

time？

Yes No

Generating estimated

point

圖 3-9 SSVT 流程圖

3.4.4 Object-Tracking in Mobile Anchors(OTMA)

因為我們希望提出適合在移動式無線感測網路的追蹤物件方法，前面提過 CD Hybrid、DVT Hybrid、SSVT 三個方法都可以在移動式無線感測網路上運作，

44

但是我們也一直思考，是否可以針對移動式無線感測網路的特性來提出一個更適 用移動式無線感測網路的方法。後來我們發現一個特性，當無線感測網路裡的 Anchor 都是可移動的時候，我們就無法保證 Anchor 的覆蓋率足夠讓物件追蹤的 路徑可以保持一定的程度。將無線感測網路從靜態轉換成可移動，本來最主要的 目的就是降低整個無線感測網路的 Anchor 使用量，同時如果網路本身 Anchor 數量就少的話，還可以增加物件被定位到的機會。但是如果讓 Anchor 可以移動 卻反而降低物件追蹤的完整，這就反而本末倒置了，所以我們提出了一個想法。

如果無線感測網路中 Anchor 是可以移動的，除了讓它隨機移動之外，我們是不 是也可以在某些時候控制它的移動方式，解決移動式無線感測網路的覆蓋率問 題。

在 OTMA 方法裡，我們在物件追蹤時使用 SSVT 的方法。Anchor 移動的方 式基本概念是，Anchor 收到物件發出的訊號後，它與它的鄰居將不再是隨機移 動，而是會追著物件跑。但是這個概念會遭遇三個問題。

1. 當感測網路的 Anchor 數量不多的時候，如果沒有限制追逐物件的 Anchor 數量，最後會造成所有的 Anchor 都黏著物件，這樣會導致網路節點分佈非常不 平均，這對感測網路不一定的是好的結果。

2. 如果有多個物件，當兩個物件相遇的時候，該怎麼決定 Anchor 應該追逐哪 個物件。

3. Anchor 如何追逐物件。

為了解決第一個問題，我們限制每個物件同時被 Anchor 追逐的數量，但是 用來進行 SSVT 定位的 Anchor 數量並不限制，例如圖 3-10 所示，Anchor A、B、

C、D、E 都是屬於物件 1 的群組 G1，所以 Anchor 會追著物件 1 跑，假設當前 追逐數量限制為 5，此時剛好也有個 Anchor F 移動經過，雖然 F 已經無法加入 G1 群組，但是他仍然會參與 SSVT 的定位過程。