基于众数判定的PIR传感器网络目标定位方法

曹志斌， 杨 卫， 邵星灵， 康新晨， 刘希宾

(中北大学 电子测试技术国家重点实验室，山西 太原 030051)

0 引 言

热释电红外传感器在人体跟踪，车辆检测和监视等方面具有广泛的应用前景，它具有响应快速，功耗低，体积小，目标识别能力高，抗电磁干扰等特性[1-3]。配有菲涅耳透镜的PIR传感器能够响应探测区域中由物体运动引起的热变化，适用于人体、车辆等的跟踪系统。然而，作为被动式传感器，单个PIR传感器只能获取目标与传感器之间的有限方位信息而无法探测到具体位置，这对于目标跟踪具有诸多挑战。

基于无线传感器网络（WSN）和红外技术的热释电红外传感器网络以其良好的人体检测能力，在目标跟踪领域日益受到关注[4-5]。使用摄像机的常规跟踪系统可以获取目标的准确位置信息，但其价格昂贵，在使用无线网络传输图像时，数据量大，数据传输时间长，对图传设备性能要求较高。以低成本、低数据吞吐量的热释电红外传感器替代价格昂贵的摄像机在监控领域获得广泛应用[6-7]。在本文研究技术中，采用热释电红外传感器阵列组成无线传感器网络，对目标进行区域定位，以多传感器划分区域提高定位精度。

近年来，利用PIR传感器对目标进行定位的研究主要围绕定位精度的提高。文献[8]根据目标入侵轨迹和传感器视场的几何结构研究PIR传感器输出信号，提出描述入射热通量与距离关系的平方反比律和一种可检测运动方向的指数窗口周期图检测器，能有效提高远距离目标探测精度。文献[9]将多个热释电传感器检测区域进行划分和编码，当目标在不同区域运动时，不同的传感器可以感测到目标信号并进行输出，将这些输出的信号进行二进制排布，就可以获得目标在不同区域运动产生的编码值，从而得出目标位置。当有目标进入到传感器定位系统的探测区域时，系统会为目标所在位置输出对应的编码，只要将输出编码对应编码表，找出传感器号码及其物理坐标就可以实现简单的目标定位[10]，是传统技术在具体应用中提高对动态目标感知的方法。用这个方法只能实现对一个扇形区域内的定位，并且定位精度比较低，Q. Hao[11-12]等人在上述方法的基础上使用多个传感器系统协作来获取大范围高精度的目标位置信息。4个热释电传感器系统构成的分布式目标定位系统中，相邻2个传感器组的探测区域有交叉区域，一旦有目标进入交叉区域就可以被两个传感器系统同时探测到，根据传感器自身的位置与探测区域的角度关系就可以算出目标坐标。针对单节点目标定位存在定位盲区的问题，文献[13]在峰-峰值时间差测距方法的理论基础上，提出了一种利用PIR传感器网络对运动目标定位的理论，通过PIR传感器动态扫描实现多节点目标定位。文献[14]提出了一种动静PIR传感器相结合的人员目标探测、测向与定位的方法，利用感知节点上的静态PIR传感器对人员目标进行测距，同时动态PIR传感器以10°/s的速度对监控区域往复扫描，通过帧差法得到目标的角度值，融合多个传感器的测量值进行交叉定位。

在本文研究中，将PIR传感器探测区域进行划分编码，通过对目标测量点落入传感器探测区域的累积概率进行聚类分析，提出了一种基于众数判定的目标定位方法。使用众数法选择性地融合有效测量点，提高目标定位精度，然后以极径序列生成目标运动轨迹。

1 PIR传感器和传感器节点

热释电红外传感器主要由敏感元件和由热电材料制成的具有高热电系数的透镜组成。由于传感器的响应效果与探测距离的平方成反比，在实际探测时的最大距离往往不超过6 m，为了提高探测灵敏度和增大探测距离，通常在探测器的前部装设一个菲涅尔透镜，与放大电路相配合可将信号放大70 dB以上，从而能测得20 m范围内的运动目标。本文未使用常见的与热释电传感器配套使用的菲涅尔透镜，而选用锗材质的红外光学透镜作为热释电传感器的光学装置。锗材质的红外透镜相对于聚丙烯材料制成的菲涅尔透镜而言具有更高的透射性，同时可更好地滤除环境中可见光和其他波段的红外光的影响，将目标的红外信号折射到热释电传感器上，大大提高了热释电传感器的探测距离及其灵敏度。此外，针对单个传感器探测视场较小的特点，传感器节点采用了以8路PIR传感器集成的米字形感应模型的特殊光锥设计，该模型中传感器视场所对应的每一条边线为检测线，触发的检测线的所有交点是测量点。

PIR传感器网络包含多个传感器节点，如图1所示，每个传感器节点由PIR传感器模块、模拟信号处理模块、数字信号处理模块、无线通信模块和电源模块组成，可实现对目标信号采集、处理和无线传输等功能。

图1 PIR传感器节点逻辑结构图

当PIR传感器网络中有多个传感器单元探测到目标时，通过无线通信模块对目标信息进行融合处理最终得到目标准确位置[15-16]。

2 PIR传感器网络目标定位

2.1 目标距离测定

将PIR传感器探测区域抽象为图2所示，点O表示感知节点的一个传感器探测单元，线段OA到OB形成的扇形区域表示由探测单元所形成的探测视场，θ表示传感器探测单元的探测视场角，线段OC表示需要测量的目标到探测节点的距离，在图中用d表示。

图2 探测区域示意图

在直角∆OCB中，有∠BOC=θ/2，BC=l/2，由于θ与l是已知量，则：

由式(1)可知，当l与θ确定时，目标距传感器的距离d便能计算出来。在目标移动速度v一定的情形下通过探测视场的距离l与信号总时间T成线性关系：

目标通过探测区域信号总时间T与信号峰峰值时间差Δt近似存在以下关系：

将式(2)、式(3)代入式(1)可得：

由式(4)可以看出，在目标运动速度v和视场角θ确定的情况下，运动目标距探测单元的距离d仅与信号峰峰值时间差Δt有关。因此，只需测得目标通过探测传感器时热电信号峰峰值时间差Δt，根据式(4)便可计算得到目标位置处距探测传感器的距离d。

2.2 基于众数判定的目标定位

由于PIR传感器的角度误差最大值可达到30°，离传感器节点的目标越远，探测误差就越大。当探测区域中目标检测线被触发时，在相应的检测区域中必然至少存在一个目标。虽然检测线可能不总是穿过目标，但目标位于探测区的重叠区域，重叠区域中的测量点更接近于目标的实际位置。该检测模型的本质是找出测量点与重叠区域之间的关系，根据落入PIR传感器视野的累积频率，统计每个测量点及其对应的检测区域。将传感器节点的探测区域简化为如图3所示的16个交替的半径较长和较短的扇形。

图3 简化的传感器节点探测模型

其中（xi，yi）是第i个PIR传感器节点的坐标。

每个PIR传感器的输出可以用数字信号表示，当检测到目标时，输出为“1”，否则为“0”。依据PIR传感器的二进制信号对传感器节点的8个传感器的探测区域进行8位二进制编码，得到传感器模型探测区域的编码表如表1所示。

取众数Mk作为式（5）中简化模型的测量点落入探测区域时的第k个测量点：

其中，Ai，Bi，···，Pi是热释电红外传感器节点各传感器对应的扇形检测区域。

表1 PIR传感器节点探测区域编码表

图4为基于众数判定的定位方法示意图。假设检测区域有4个传感器节点和1个人体目标。每个传感器节点都有对应由式（5）所确定的扇形探测区域，每个测量点的括号内是其出现的频数。由图可知，测量点c的频数为5最高，点e的频数为1最低。人体目标位于传感器探测区域的重叠区域，而频数最高的测量点即众数点c也在重叠区域。频数最低的测量点在所有测量点中距离真实目标点最远。在其他测量点中，如点d具有较高频数则更接近目标实际位置。在这种情况下，如果选择具有最高频数的众数测量点作为有效交点，则可以通过融合有效交点来获取目标的实际位置，而所有其他测量点都可以视为虚假测量点。

图4 定位方法示意图

对于每个测量点，以左下角PIR传感器节点为原点建立坐标系，将测量点到原点的距离以0.5 m为组距进行分组，则对于众数测量点有

其中Dk为测量点到原点距离的众数，w为组距，Dl、Du分别表示众数Mk所在组的下限值和上限值，fk、fk–1、fk+1分别表示众数所在组、与众数组相邻的上一组、下一组的频数。

当目标进入探测区域时，PIR传感器节点可测得目标相对于传节点的距离和角度信息。各节点将测得的目标信息通过无线通信模块发送至上位机进行数据融合，通过上位机对角度信息和距离众数的全局坐标位置解算，得到测量点在坐标系中的位置。获得了目标通过探测区域时的离散测量点坐标后，由极径序列便可得到目标通过探测区域时运动的近似轨迹。

2.3 目标轨迹的极径序列生成

假设红外传感器网络S={S1,S2,S3,···,Sn}共有N个节点，xSi表示节点Si(i=1，2，···，n)的位置，每个节点的性能相同且不考虑网络传输的延迟，即当一个节点发现目标时，立即通过无线网络进行信息共享，其他节点能够马上得到其探测信息。Sij表示节点Si(i=1，2，···，n)的第j（j=1，2，···，n）个传感器，t时刻发现目标时的角度记为探测角θij(t)以Sij为起点，在最大感知距离r内θij(t)方向上的线段定义为Sij的探测线，其极坐标表示为

假设系统监测过程中发现目标D次，得到D个探测角，对应探测线序列为其输出结果表示为

其中ik=1，2，···，N；jk=1，2，···，N；t1≤t2≤···≤tk≤···≤tD。

假设目标轨迹为它在探测线序列上的点列P1，P2，P3，···，PD，即xT（tk）=Pk。则：

其中ρk(k=1，2，···，n)为Pk的位置参数，决定Pk在方向θij(t)上的径向距离，即极径。所以若能确定极径就可以得到目标轨迹。

如图5所示，以最小感知单元的4个节点为例，其中Si1、Si2、Si3、Si4为节点的位置，其坐标已知。当节点发现目标时，都会对应有感知线li1j1、li2j2、li3j3、li4j4，这样就可以建立一个线性方程，只要解算出极径就可以得到目标的轨迹。

图5 目标定位分析

3 实验验证

3.1 目标定位仿真

设定4个PIR传感器节点以20 m的间距分布在正方形区域的4角，以左下角传感器节点为坐标原点建立坐标系，X为区域的横坐标，Y为区域的纵坐标。考虑采样精度和硬件处理能力，PIR传感器的采样频率设为50 Hz。1）假设目标起始坐标为(1，0)，角度为50°，以1.2 m/s的速度进入PIR传感器网络的探测区域，结果如图6（a）所示。2）假设目标起始坐标为(20，10)，角度为170°，以1.2 m/s的速度进入PIR传感器网络的探测区域，结果如图6（b）所示。

图6 目标定位仿真结果

由仿真结果可以看出，该方法可以有效实现对不同位置、角度进入探测区域目标的定位，并预推目标的运动轨迹。

3.2 目标定位实验

使用如图7所示双元热释电红外传感器目标感知平台作为PIR传感器节点，它由PIR传感器、信号处理模块、无线通信模块和电源模块组成。传感器采用muRata IRA-E700型PIR传感器，灵敏度高且对温度变化具有较高的稳定性，对外部噪声具有一定抗干扰能力。PIR传感器对进入感知区域的目标进行信号采集，输出的热释电信号经信号处理模块放大、滤波和ADC等处理后，通过采用AT86RF212B射频收发芯片的无线通信模块传至上位机。

图7 PIR目标感知平台

将4个PIR传感器节点以20 m的间距分布在正方形区域的四角组成传感器网络感知单元。目标（人体）以1.1～1.5 m/s的速度从（1，0）点出发匀速通过探测区域，实验结果如表2所示。

表2 本文方法实验结果

为更好地观察定位效果，选择文献[14]中动静PIR结合的目标定位方法作为对照组，在相同条件下进行对比实验，实验结果如表3所示。

表3 对比方法实验结果

由实验结果可知，目标在进入探测区域的过程中，均多次被PIR传感器探测到。由于受环境中其它热源、光源干扰的影响，对照组实验结果中测量位置误差存在一些不确定性的大幅度波动。本文方法通过众数判定对虚假测量点进行剔除，减小了因环境因素导致的传感器探测误差，使得到的目标位置坐标误差均保持在0.5 m以内，定位精度一定程度上有所提高。

4 结束语

本文利用多PIR传感器节点组成的传感器网络对目标进行探测，通过对测量点落入传感器探测区域的众数判定实现对运动目标的准确定位。由于PIR传感器对环境中红外辐射较为敏感，所以易受环境变化影响而产生误报。经实验验证，本方法可以有效提高定位精度，减小因传感器误报对目标定位产生的影响。在监控领域应用中，具有一定的实际意义。