基于声音能量强度的无线传感器网络目标定位研究硕士学位论文.doc

《基于声音能量强度的无线传感器网络目标定位研究硕士学位论文.doc》由会员分享，可在线阅读，更多相关《基于声音能量强度的无线传感器网络目标定位研究硕士学位论文.doc（81页珍藏版）》请在三一文库上搜索。

1、分类号 密级 UDC 注 1 学学 位位 论论 文文 基基于于声声音音能能量量强强度度的的无无线线传传感感器器网网络络 目目标标定定位位研研究究 声声 明明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学 位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布 过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的 材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明 确的说明。 研究生签名： 年 月 日 学位论文使用授权声明学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上 网公布本学位论文的部分或全部内容，可以向

2、有关部门或机构送交并授权 其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文， 按保密的有关规定和程序处理。 研究生签名： 年 月 日 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 I 学位学位论论文原文原创创性声明性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的 个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后 果由本人承担。 作者签名： 日期： 年 月 日 学位学位论论文版文版权权使用授使用授权书

3、权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权 大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期： 年 月 日 导师签名： 日期： 年 月 日 Abstract 硕士论文 II 摘摘 要要 本文研究的基于声音能量强度的无线传感器网络目标定位，相对于基于时间差的 目标定位不需要精准的时间同步，相对于基于波达方向的目标定位不需要传感器阵列 高昂的成本，相对于质心定位等不基于测距

4、的目标定位不需要较多的节点数量和较大 的节点密度，只需要通过适量节点检测的声音能量值便可快速、准确地完成定位任务， 减少了节点的能量消耗和对无线通信带宽的要求。 本文首先对声音的传播特性进行了分析，根据声音的传播规律找到声音能量强度 与目标和节点之间距离的关系，提出声音能量衰减模型，基于此模型介绍了基本的目 标定位算法，包括极大似然估计定位算法、非线性最小二乘估计定位算法、线性最小 二乘估计定位算法，并对各算法的优点折中提出声源能量和位置联合估计的联合线性 最小二乘估计定位算法。 在分析基本目标定位算法的误差的基础上，令加权系数为噪音协方差的倒数，引 入权值矩阵进行算法改进，从而得到相比于不加

5、权算法定位精度大大提高的加权非线 性最小二乘估计定位算法、加权线性最小二乘估计定位算法和加权联合线性最小二乘 估计定位算法，并提出从加权目标定位算法参与定位的节点个数和参与定位的方程个 数入手进行节点和方程个数的二次削减，从而在保证定位精度的前提下，大大降低了 定位算法的复杂度，减少了定位的运行时间，降低了节点的能耗，延长了节点的使用 寿命。 最后，论文基于 MATLAB 仿真平台，对上述目标定位算法及其改进措施进行仿真， 通过比较分析，算法和改进措施的可行性和有效性得到了很好的验证。 关键词：关键词：无线传感器网络，目标定位，声音能量强度，最小二乘，超球面，联合线性， 权系数 硕士论文 基于

6、声音能量强度的无线传感器网络目标定位研究 I Abstract Target localization based on acoustic energy strength in wireless sensor network, researched for in this dissertation, doesnt need accurate time synchronization compared with target localization based on time difference of arrival, and doesnt need high cost of sensor

7、array compared with target localization based on angle of arrival, and doesnt need large number or high density of nodes compared with target localization not based on distance such as centroid position. It can finish the localization quickly and accurately using detected acoustic energy values of f

8、ew nodes, as well as reducing the energy consumption of nodes and demand for wireless communication bandwidth. Firstly, acoustic propagation characteristic is analyzed in the dissertation. Based on law of acoustic propagation, the relationship between acoustic energy strength and distance from targe

9、t to node is found, then acoustic energy attenuation model is proposed. Basic target localization algorithms are introduced based on the model, including maximum-likelihood (ML) algorithm, nonlinear least-squares(NLS) algorithm, linear least-squares algorithm(LS) and energy-position united linear le

10、ast-squares(ULS) algorithm compromising advantages of others. After analyzing the estimation error of basic target localization algorithms, making weighting coefficient be the inverse of the noise covariance, algorithms are improved through introducing weighting matrix. Consequently the weighted non

11、linear least-squares(WNLS) algorithm, weighted linear least-squares(WLS) algorithm and weighted united linear least- squares(WULS) are given, whose localization accuracy are much better than non-weighted algorithms. Then starting from number of nodes and equations involved in localization, reducing

12、twice is proposed, which reducing the complexity of algorithm, the running time of localization and the energy consumption of nodes, extending the life span of the network nodes in the premise of ensuring the localization accuracy. Lastly, based on the platform of MATLAB, simulations are conducted f

13、or the above- mentioned target algorithms and improvements. By comparing and analyzing, the feasibility and effectiveness of the algorithms and improvements are well verified. Key words: Wireless Sensor Network, Target Localization, Acoustic Energy Strength, Least-squares, Hypersphere, United Linear

14、, Weighting Coefficient 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 III 目目 录录 摘摘 要要 .I Abstract.II 1 绪论绪论.1 1.1 课题研究的背景和意义.1 1.2 国内外研究现状与发展.2 1.3 无线传感器网络声音目标定位技术4 1.4 论文主要内容和章节安排.5 2 基于声音能量强度的无线传感器网络目标定位方法基于声音能量强度的无线传感器网络目标定位方法.7 2.1 声音的概念和传播规律.7 2.2 声音能量衰减模型.8 2.3 多边测量定位算法.10 2.4 基本目标定位方法.13 2.4.1 极大似然估计定位算法（ML）.1

15、3 2.4.2 非线性最小二乘估计定位算法（NLS）.14 2.4.3 线性最小二乘估计定位算法（LS）18 2.4.4 联合线性最小二乘估计定位算法（ULS）.19 2.5 本章小结.21 3 基于声音能量强度的无线传感器网络目标定位方法改进基于声音能量强度的无线传感器网络目标定位方法改进.23 3.1 对基本目标定位方法的加权改进.23 3.1.1 加权非线性最小二乘估计定位算法（WNLS）.23 3.1.2 加权线性最小二乘估计定位算法（WLS）26 3.1.3 加权联合线性最小二乘估计定位算法（WULS）.29 3.2 对加权定位算法方程个数的改进.31 3.3 对加权定位算法参与定位

16、节点个数的改进.32 3.4 本章小结.35 4 基于声音能量强度的无线传感器网络目标定位方法仿真基于声音能量强度的无线传感器网络目标定位方法仿真.37 4.1 仿真参数.37 4.2 不同定位算法不同节点数的定位精度仿真.37 4.3 不同定位算法的定位运行时间仿真.39 4.4 不同定位算法不同噪音的定位精度仿真.41 4.5 不同定位算法的误差分布仿真.43 目录 硕士论文 IV 4.6 加权定位算法方程个数改进的仿真.45 4.7 加权定位算法参与定位节点个数改进的仿真.52 4.8 本章小结.57 5 总结与展望总结与展望.59 致致 谢谢.61 参考文献参考文献.63 硕士论文 基

17、于声音能量强度的无线传感器网络目标定位研究 1 1 绪论绪论 1.1 课题研究的背景和意义课题研究的背景和意义 进入 21 世纪以来，微电子机械系统（Micro-Electro-Mechanism System, MEMS） 、片上系统（System On Chip, SOC） 、无线通信和低功耗嵌入式技术 的飞速发展孕 育了一种新型的测控网络无线传感器网络（Wireless Sensor Network, WSN）1。 无线传感器网络是由部署在监测区域内的大量廉价微型传感器节点组成，通过无线通 信方式形成的一个多跳自组织网络系统，其目的是协作地感知、采集和处理网络覆盖 区域中感知对象的信息，

18、并发送给观察者2。 无线传感器网络是继因特网之后，将对 21 世纪人类生活产生重大影响的 IT 热点 技术。如果说因特网改变了人与人之间沟通的方式，那么无线传感器网络则将逻辑世 界与物理世界融合在一起，将改变人与自然交互的方式。1999 年，美国商业周刊将其 列为 21 世纪最具影响的 21 项技术之一3；2003 年，MIT 技术评论在预测未来技术发 展的报告中，将其列为改变世界的 10 大新技术之一4；2006 年我国发布了国家中长 期科学和技术发展规划纲要（2006-2020） ，在支持的重点领域及其优先主题“信息产 业及现代服务业”中列入了“传感器网络及智能信息处理” ，并在前沿技术中

19、重点支持 “自组织传感器网络技术”5；从 2005 年 11 月国际电联（ITU）发布ITU 互联网报 告 2005：物联网指出无所不在的“物联网通信时代即将来临”至今，全世界各国都 在加快对物联网的研究与建设，而无线传感器网络则是物联网的三大基础之一6。 作为一种具有巨大潜力的新型测控网络，无线传感器网络在目标定位方面具有以 下优势2, 7： （1）超大规模：为了完成对物理世界高密度的感知，无线传感器网络一般由成千 上万个微小的传感器构成，较普通网络规模成数量级的提高。 （2）自组织：无线传感器网络中的节点之间可以互相通信协调工作，并具有自动 组网的功能，节点可以随时加入和脱离网络，网络拓扑

20、时常变化，使得网络具有很强 的可扩展性。 （3）分布协作：无线传感器网络是大规模网络，节点在探测到目标后，要利用多 传感器数据融合技术联合其他节点对侦测到的目标数据进行协作处理与分析，因此个 别节点的损坏不会影响整个网络的运行，使得网络具有很强的容错性和鲁棒性。 当然，无线传感器网络在目标定位方面也面临着以下一些挑战2, 8： （1）计算存储能力有限：为了满足成本和体积的要求，传感器节点的硬件资源比 普通计算机更为有限，节点的计算能力差，存储空间小，运算速度慢，这决定了设计 定位算法时复杂度不可以过大。 1 绪论 硕士论文 2 （2）电源能量有限：通常传感器节点都携带能量十分有限的电池，由于节

21、点所处 的环境复杂，节点数量巨大，更换电池补充能源很不现实，导致节点的寿命很短，如 何高效使用能量来最大化网络生命周期是无线传感器网络需要面临的一大挑战。 （3）通信能力有限：随着通信距离的增加，传感器节点的能耗急剧上升，为减小 单跳通信距离，无线传感器网络采用多跳路由的传输机制，传感器节点的通信带宽也 有限，通常只有几百 kbps 的速率，在这种情况下，如何设计合理的网络通信机制和路 由机制是无线传感器网络面临的挑战之一。 无线传感器网络不同于普通网络的特点促进了其飞速发展，并使得它迅速在各类 领域中得到非常广泛的应用，其中目标定位方面的应用涉及以下一些领域2-3, 9-10： （1）军事领

22、域：在军事领域，利用无线传感器网络目标定位技术能够实现监测敌 军区域内的兵力和装备、了解实时战场状况、定位打击目标物、监测生化攻击等，同 时当给我军人员配备无线传感器装置后，可以随时随地监测其方位和状态，从而大大 增强了单兵作战的能力。 （2）环境领域：在环境监测领域，动植物生长状况、农业灌溉、森林火灾、山体 滑坡、地震海啸等都可以通过在环境中布撒无线传感器节点来实现自动监测，一旦有 异常变化，无线传感器网络系统便会自动定位发生异常的地点并及时上报给监测中心。 （3）交通领域：城市智能交通系统中，在道路中安置无线传感器网络节点后，控 制中心便可随时监控道路中车辆的行驶状况，从而制止道路交通违法

23、行为，驾驶员也 可以通过该系统了解路况，及时改变行驶路线，从而缓解道路交通拥堵状况。 （4）医疗领域：给病人配备带有监测生理指标的无线传感器节点装置后，通过无 线传感器网络可以随时监测病人的健康状况，定位病人所处位置，一旦出现危急状况， 病人可以得到及时的医疗救护。 在其他领域，无线传感器网络目标定位技术也正在起着不可替代的作用，例如危 险的矿井、核电站工作急需无线传感器网络的帮助，建筑物健康状况监测、智能家居 系统有了无线传感器网络后操作起来会变得越来越简单等。正因为无线传感器网络如 此多的优点和如此巨大的应用潜力，对其深入的研究才有深远的实际意义，相信随着 相关技术的发展和推进，无线传感器

24、网络将显示出非凡的应用价值，对它的研究也会 越来越受到关注。 1.2 国内外研究现状与发展国内外研究现状与发展 无线传感器网络的研究起始于 20 世纪 90 年代末期，在十几年的发展中，全世界 各国对无线传感器网络的研究一直都在不断深入，尤其在目标定位方面出现了很多突 破性的研究成果，有的已经成功转化为产品投入生产参与应用。 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 3 在军事应用方面，2005 年美国军方采用 Crossbow 公司的传感器节点构建了枪声定 位系统11，节点能够自组织构成监测网络，监测目标建筑周围的突发事件如爆炸袭击 等，为反恐提供了有力的帮助。美国科学应用国际

25、公司采用无线传感器网络构建了电 子防御系统12，为军方提供情报信息和军事防御，该系统采用多个微型磁力计传感器 节点来探测监测区域中是否有人携带武器，是否有可疑车辆驶入，并利用声音传感器 节点监测可疑人群或车辆的移动方向。 在环境监测方面，加州大学伯克利分校利用无线传感器网络来监控大鸭岛的生态 环境13，在岛上部署了 30 个 Berkeley 大学的 Mica mote 传感器节点，监测的项目包括 温度、湿度、光强、气压等。在印度西部多山区域，无线传感器网络系统被用来预测 泥石流的发生14，该系统采用大规模、低成本的节点自组织构成网络，每隔一定的时 间向控制中心发送一次山体状况的最新数据，并能

26、够在灾害发生后第一时间报告泥石 流发生的区域。 在智能交通方面，上海市重点科技研发计划中的智能交通监测系统将配备有视频 、音频、温度、湿度等传感器的节点部署于十字路口来监控交通状况和天气对道路的 影响，将带有 GPS 全球定位设备的节点部署于车辆上来随时监控车辆的行驶状况15。 1995 年，美国交通部提出了到 2025 年全面投入使用的“国家智能交通系统项目规划” 16，其计划利用无线传感器网络系统，配合 GPS 定位系统等资源，使所有车辆保持在 高效低耗的最佳运行状态，该系统还能自动保持车距，推荐最佳行进路线，对潜在故 障发出预警等。 在医疗救护方面，纽约 Stony Brook 大学针对

27、社会老龄化的问题建立了名为 Health Tracker 2000 的无线传感器网络系统17，该系统采用 Crossbow 公司的 Mica2 和 Mica2dot 系列节点，配备有脉搏、呼吸、温度、血氧水平等多种类型传感器，不仅可 以监测病人的生理信息，还可以在病人出现生命危险时及时通报其身体情况和位置信 息。 在建筑结构监测方面，南加州大学构建的无线传感器网络系统 NETSHM18，将 Crossbow 公司的 Mica-Z 系列节点部署于洛杉矶的 Four Seasons 大楼内，不但可以监测 建筑物的健康状况，而且能够定位出建筑物受损伤的位置。 尽管已经有如此多应用成功的例子，但是由于

28、成本、能耗、通信、环境等诸多方 面的因素制约，加上无线传感器网络与应用密切相关的特点，目前仍有很多领域是无 线传感器网络无法涉及和施展其潜能的。在目标定位方面，有些战场目标移动迅速， 但由于传感器节点计算能力有限无法快速定位；环境监测中节点受户外环境影响很大， 尤其在恶劣的环境下节点容易耗能和损坏，导致寿命减短和脱离网络的情况时有发生； 在交通监测和建筑物监测中，由于受噪音和障碍物影响导致目标定位不精确等。不过 随着各项技术的不断发展和诸多研究人员的深入研究，可以满怀信心地期待无线传感 1 绪论 硕士论文 4 器网络在未来的研究中克服这些困难，应用到更多的领域，发挥更大的作用。 1.3 无线传

29、感器网络声音目标定位技术无线传感器网络声音目标定位技术 目标定位是利用无线传感器网络多节点分布式协作的特点进行工作的一个重要应 用，它是指利用网络内多个传感器节点检测的目标信息估计出某一时刻该待定位目标 的位置。本论文主要讨论声音目标的定位方法，声音目标定位相对于其它目标定位来 说有以下特点19: （1）不受视线和能见度影响：声音定位系统可以在夜间、阴天、雾天和雪天工作， 具有全天候工作的特点。 （2）隐蔽性好，保密性强：声音定位系统不受电磁波干扰，也不易被无线电测向 及定位，因而隐蔽性强。 （3）普遍存在于常见目标和常见监测环境中：大多数目标的出现都伴有不同频率 和幅值的声音，声音目标定位在

30、实际应用中更具有代表性。 （4）用于定位的声音传感器成本低廉，能耗小：常见的声音传感器有驻极体麦克 风、硅麦克风等，其价格相对于其他传感器要低很多，功耗也较小。 根据对声信号测量物理量的不同，声音目标定位方式分为以下三大类： （1）基于时差的定位20 (TDOA)：由于各传感器节点到声源的距离不同，声音到 达不同节点的绝对时间也不同，该方法通过准确地测量出不同传感器节点接收到信号 的时间点之间的时间差来定位目标，为了达到这个目的必须对所有传感器节点进行时 间同步，由于受到多方面因素的影响和制约，在无线传感器网络里做到节点间精确的 时间同步是非常困难的，声音传播的速度为 340m/s，而两节点间

31、的距离一般在 10m 以 内，即声音从一个节点传到其相邻的节点只需要约 0.03s，考虑到噪音干扰和测量误差， 要区分如此微小的时间差是很困难的。 （2）基于波达方向的定位21 (AOA)：该方法是通过声音传感器阵列测量信号到达 时不同的方位角来对目标进行定位的，主要局限于窄带信号如红外线、磁信号等，能 够对远距离的目标进行定位，但是成本很高，算法复杂度很大，不适合低功耗低成本 的传感器节点。而且，只有在波阵面近似于平面时算法才具有可行性，然而在无线传 感器网络中的定位问题更接近于近距离定位问题，近距离定位问题里的平面波假设条 件变成了目标和传感器节点之间的距离，这个距离会比无线传感器网络中节

32、点之间最 大有效距离还要大，因此，如果用这种类型的定位算法来解决近距离的定位问题，将 很难得到较好的结果。 （3）基于接收信号能量强度的定位22 (RSSI)：由于声音传播过程比较有规律，采 集到的信号比较稳定和可靠，比起其他物理测量属性，声能可以以一个较低的速率来 采样，而且对目标位置进行估测时不需要频繁更新就能够保证一定的准确性，这样， 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 5 通过无线传感器网络传输数据不会消耗太多的能量，并且可以在共享无线信道的情况 下减少对无线通信带宽的要求，因此，RSSI 定位算法能够较好地解决无线传感器网络 中的声音目标定位问题。 在基于声音能量

33、强度的无线传感器网络目标定位中，根据是否测量距离又可以分 为不基于测距的定位方法和基于测距的定位方法2，这两种算法的区别就在于是否利用 声音能量强度来测量节点与目标间的距离： （1）不基于测距的定位方法：包括最近点估计法、质心定位估计法、近似三角形 内点测试法（APIT）等，它们都基于这样一个前提：节点检测声音能量强度越大，目 标离节点越近。最近点估计法直接将离目标最近的节点作为目标位置23，质心定位估 计法是将几个离目标最近的节点的位置坐标平均值即多边形的质心作为目标位置24， 近似三角形内点测试法则是将多个包含目标的三角形重叠区域的质心作为目标位置25。 不基于测距的定位算法虽然简单，但是

34、它要求无线传感器网络中的节点数量和分布密 度很大，一旦节点密度不符合要求，定位精度会急剧下降，这对于一般的无线传感器 网络来说不太现实，因为实际中节点大多是随机布撒，节点的分布密度很难控制。 （2）基于测距的定位方法：根据声音的传播规律，寻找一个关于声音能量传播的 合理模型，此模型反映了节点检测的声音能量强度和其与目标之间距离的关系，根据 此模型可以通过多个节点的检测值估计出目标的位置，这种算法对节点的数量和分布 密度要求相对较低，更适合于实际应用，所以本论文研究的都是基于声音能量强度且 基于测距的无线传感器网络目标定位问题。 1.4 论文主要内容和章节安排论文主要内容和章节安排 本论文致力于

35、探寻和研究基于声音能量强度的无线传感器网络目标定位算法。这 种算法应该具有合理的定位模型，较高的定位精度，对背景噪音具有较强的抗干扰性， 同时应该尽量减小算法复杂度，从而有效地控制节点的能耗，延长节点的使用寿命。 研究工作在以下几个方面展开： （1）了解描述声音的物理量，研究声音的传播规律，以声音能量强度为数据来源， 寻找一个合理的定位模型，将声音能量同节点与目标间的距离联系起来； （2）基于声音目标定位模型提出基本的目标定位估计算法，对各种基本目标定位 算法的定位精度、复杂度进行理论上的分析和比较； （3）对基本目标定位算法中产生误差的原因进行分析，针对误差原因进行算法改 进，从理论上分析改

36、进后算法的有效性，比较改进前后算法的差异； （4）针对实际情况，进一步减小算法复杂度，在不影响定位精度的前提下提出简 化定位算法的措施； （5）利用 MATLAB 软件对提出的各种定位算法和改进措施进行仿真，验证每种算 1 绪论 硕士论文 6 法的有效性，比较不同算法的差异，最后综合考虑得出一种最为可行有效的定位方法。 论文各章节的内容安排如下： 第一章为绪论，叙述了课题研究的背景和意义，简述了无线传感器网络目标定位 在国内外研究的现状和发展，并对本论文重点研究的声音目标定位技术作了概述。 第二章为基于声音能量强度的无线传感器网络目标定位方法，基于声音传播规律 提出了声音能量衰减模型，并基于此

37、模型介绍了几种常用的基本定位估计算法，包括 极大似然估计定位算法、非线性最小二乘估计定位算法、线性最小二乘估计定位算法， 并结合各算法优点提出了联合线性最小二乘估计定位算法，对这些算法进行了理论分 析和比较。 第三章为基于声音能量强度的无线传感器网络目标定位方法改进，改进分为两部 分，第一部分主要是对基本定位算法的加权改进，第二部分主要是对加权定位算法的 方程个数和节点个数进一步削减，通过改进进一步改善了目标定位效果，降低了算法 的复杂度。 第四章为基于声音能量强度的无线传感器网络目标定位方法仿真，通过 MATLAB 软件对各种定位算法的效果进行比较，验证改进措施的可行性和有效性。 第五章为总

38、结和展望，总结得出综合效果最好的目标定位方法，指出了研究中的 不足之处，并对进一步的研究和改进提出了思路和展望。 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 7 2 基于声音能量强度的无线传感器网络目标定位方法基于声音能量强度的无线传感器网络目标定位方法 2.1 声音的概念和传播规律声音的概念和传播规律 绝大部分声音来源于物体的振动，声波在传播过程中，振动相位相同的质点所构 成的曲面称为波阵面。如果声波的波阵面为一系列同心球面，这样的声波就是球面声 波，球形声源产生的声波是球面波，它是实际环境中最常见的一种声波形式。如果脉 动球形声源的直径远小于所辐射声波的波长，此声源则近似为点声

39、源。在自由空间中， 点声源辐射产生的声波为各向均匀的球面波26。 描述声波的最常见的基本物理量是声压、声功率和声强27： （1）声压：它是介质受扰动后产生的逾量压强，单位是帕斯卡（） 。 e p a P （2）声功率：单位时间内通过垂直于声传播方向面积的声能量称为声功率，单W 位为瓦特（W） ，它和声压的关系如式（2.1.1） 。 2 0 0 e p S W c （2.1.1） 其中，为声压，S 为垂直于声传播方向的面积，为空气的特性阻抗率一般 e p 0 0 c 取值为 400。 3 /N s m （3）声强：单位面积上的平均声功率称为声强，单位为,它和声压的关系I 2 /W m 如式（2.

40、1.2） 。 2 0 0 e p I c （2.1.2） 其中，为声压，为空气的特性阻抗率。 e p 0 0 c 在声学中普遍使用对数标度来度量声压、声强、声功率等声学参量，分别为声压 级、声强级和声功率级26-27，单位用分贝 dB 表示，它们的定义如下： （1）声压级：声压级与声压的关系如式（2.1.3） 。 p L 0 20lg20lg94 e pe p Lp p （2.1.3） 其中为声压值，参考声压。声压值变化 10 倍相当于声压级增加 e p 5 0 2 10 a pP 20dB，一个声音比另一个声音大一倍时声压级增加 6dB。 （2）声强级：声强级与声强的关系如式（2.1.4）

41、。 I L 2 基于声音能量强度的无线传感器网络目标定位方法 硕士论文 8 0 10lg10lg120 I I LI I （2.1.4） 其中 I 为声强值，参考声强。一般可以近似认为。 122 0 10/IW m Ip LL （3）声功率级：声功率级与声功率的关系如式（2.1.5） 。 W L 0 10lg10lg120 W W LW W （2.1.5） 其中 W 为声功率值，参考声功率。可以证明，在自由场中有 12 0 10WW ，S 为垂直于声传播方向的面积。10lg pIW LLLS 值得注意的是，对于能量级的物理量如声功率级和声强级对数前的系数都为 10， 而声压级为 20。声压增加

42、一倍，声压级和声强级（声功率级）增加 6dB；声强（声功 率）增加一倍，声压级和声强级（声功率级）仅增加 3dB。 对于一个确定的声源，其声功率级是不变的，而声压级、声强级都随着测点的不 同而变化28。点声源发出的声音在自由场的空气中传播，以声源为中心呈球形状向外 扩散，声源与测点的距离（半径）增加 1 倍则球的表面积增加 4 倍，如果此时功率不 变，那么单位面积的功率就只有原来的 1/4，即单位面积的功率与传播距离的平方成反 比，这就是基于声音能量强度的无线传感器网络目标定位的理论基础。测点到声源的 距离与声压级的关系如式（2.1.6）： 1 20lg pcp LLd （2.1.6） 其中为

43、测点声压级，为 1 米处声压级，d 为测点到声源的距离。从而可以知 pc L 1p L 道距离每增加一倍，声压级减少 6dB。 声压的测量比较易于实现，而且通过声压的测量也可以间接求得其他声学参量， 所以实际中声音传感器大多都是检测声压值，声音传感器的参数中会提供灵敏度参数， 灵敏度是麦克风在单位声压激励下输出的电压值，其单位是 mV/Pa 或 V/Pa。灵敏度也 经常用分贝表示，灵敏度分贝值与灵敏度值的关系如式（2.1.7）： mV/Pa 0dB 灵敏度值 灵敏度分贝值dB=20l g 对应的灵敏度值 （2.1.7） 硕士论文 基于声音能量强度的无线传感器网络目标定位研究 9 其中，多数声音

44、传感器的参数中规定 0dB 对应 1V/Pa。这样根据检测的电压值和 传感器的灵敏度就可以得出检测的声压值，从而可以求得其他声学参量。 2.2 声音能量衰减模型声音能量衰减模型 声音能量衰减模型是所有基于声音能量强度的目标定位算法的基础，模型的好坏 决定了定位的准确度。2.1 节已经提到，声音信号的能量与它传播距离的平方成反比29， 目标定位算法正是利用声音的这个衰减特性，通过将每个声音传感器节点检测到的电 压值转化为声音能量值，代入模型估计出声源的位置，从而实现目标位置估计。下面 将这一模型具体化。 假设在某一时刻 t 声源目标进入了由 n 个声音传感器节点组成的无线传感器网络， 理论上认为

45、目标源均匀地向四周发射声音信号能量，这样，第 i 个传感器节点在时刻 t 检测到的声音信号能量可以表示为式（2.2.1）: ( )( )( )1,2,., iii y ts ttin （2.2.1） ：t 时刻目标声音能量传播到节点 i 衰减后的能量值；( ) i s t ：t 时刻节点 i 的背景噪音能量值，一般认为是均值为 0，方差为的高( ) i t( ) i t 2 i 斯白噪声； ：t 时刻节点 i 实际测得的能量值（实测声强） 。( ) i y t 其中，又可以表示为式（2.2.2）：( ) i s t 2 () ( )1,2,., () i ii ii S tt s tgin r

46、r tt （2.2.2） ：节点 i 的噪音影响系数，事先可以估测且不为 0； i g ：声音传播到节点 i 的时间延迟； i t ：时刻距离声源 1 米处测得的声音能量（1 米处声功率） ，下文称为声() i S tt i tt 源能量； ：节点 i 的位置坐标； i r ：时刻声源目标的位置坐标；() i r tt i tt ：节点 i 与声源目标之间的欧几里德距离。() ii rr tt 忽略声源目标延迟时间内的变化，假设声源衰减能量与背景噪音能量互( ) i s t( ) i t 不相关，则可以得到声音能量衰减公式（2.2.3）： 22 ( )( ) ( )( )( )1,2,., (

47、 ) ( ) iiiii i i S tS t y tgtgtin dt r tr 2 基于声音能量强度的无线传感器网络目标定位方法 硕士论文 10 （2.2.3） ：节点 i 的噪音影响系数； i g ：t 时刻声源能量；( )S t ：节点 i 的位置坐标； i r ：t 时刻声源目标的位置坐标；( )r t ：节点 i 与声源目标之间的欧几里德距离；( )( ) ii d tr tr ：t 时刻节点 i 的背景噪音能量值。( ) i t 值得注意的是，公式(2.2.3)的得出是基于以下前提30： （1）忽略声源目标延迟时间内的变化：目标延迟时间内主要有两种变化，第一种 是声源能量的变化，即由于在延迟时间内声源能量突变导致不同的节点测得的值不是 同一大小能量的声源传播衰减后的值从而产生误差，但是由于传感器节点的采样频率 很高，声源的变化间隔相对于节点的采样间隔是足够长的，所以第一种变化可以忽略。 第二种变化是声源位置的变化，假设无线传感器网络的面积为，那么声源与 2 50 50m 节点的最大距离为对角线，由于声音在空气中的传播速度为 340m/s，从而声源50 2m 传播的延迟时间最大为，假