指導教授：金仲達 老師 成員： 陳俊佐 陳惠雯 李怡緯 鄧雅文 劉哲維 鍾逸帆 應用都卜勒效應進行 無線感測網路之定位 Locationing in Wireless Sensor Network Using Doppler Effect 指導教授：金仲達 老師 成員： 陳俊佐 陳惠雯 李怡緯 鄧雅文 劉哲維 鍾逸帆

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

1. 動機 Sensor network 偵測定位大多以訊號強弱作為標準 此法受溫度、溼度影響較明顯 若是以頻率定位，則….？ 參考都卜勒定律 使用頻率的特性來取代以往使用訊號強度的方法

研究目的 藉由聲音頻率在都卜勒效應中的變化特性，來將各個sensors做定位。

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

2.1 都卜勒定律 都卜勒效應是波源和觀察者有相對運動時，觀察者接受到波的頻率與波源發出的頻率並不相同的現象。 ：聲源發出的頻率 ：觀察者收到的頻率 ： 聲速 ：觀察者移動速度 ：聲源移動速度

根據sensor端所收到的頻率，可以利用都卜勒公式求出 Source (0,0) Sensor ( x , y ) X Y y x 聲源對sensor僅作用分量 。 故原式改寫成 由大轉小，通過x=x 點為0，再過為負。 為由大轉漸小。 根據sensor端所收到的頻率，可以利用都卜勒公式求出

Sensor ( x , y ) X Y y

2.2 環境配置 將散布了sensors的環境平面看成一個二元 x-y座標平面 起點當做此座標平面的原點 只使用第一象限 2.2 環境配置 將散布了sensors的環境平面看成一個二元 x-y座標平面 起點當做此座標平面的原點 只使用第一象限 音源沿著x方向作直線運動 物體行經終點後，sensors停止取樣工作 傳回sink端分析

sensor 等速聲源 起點 終點

2.3 器材與設備 平台： TinyOS： sensor： 由UC Berkeley發展出來專門為嵌入式sensor network設計的作業系統。詳細可以參考：http://www.tinyos.net/special/mission sensor： 由Crossbow Technology製作的MICAz與PC端連接用來作溝通與寫進程式的MIB510。

軟體： Matlab NesC： 一種由UC Berkeley發展出來專門用在Networked Systems上的程式語言，主要用於TinyOS上面實作我們的sensor上的algorithm。詳細請參考： http://nescc.sourceforge.net/

移動聲源──腳踏車 移動聲源──摩托車 音響、捲尺、PC端（筆電）、sink、sensors、start control

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

3.1 前置作業 tinyos-1.x/tos/interface/ADC.nc tinyos-1.x/tos/interface/Time.nc tinyos1.x/apps/HighFrequencySampling/MicroTimer.nc tinyos1.x/apps/HighFrequencySampling/MicroTimerM.nc 1.Getdata Dataready 2.紀錄時間 3.取樣頻率　 原本Timer最大的取樣頻率不足1KHz，為了提高sensor的取樣頻率，改採用MicroTimer，可使取樣頻率達到1KHz以上

3.2 網路端程式設計 將所有SENSOR分為三大部分 Sensor端:收集音訊資料以PKG型態，當接收到control端訊號則broadcast。 Sink端: 接收sensor封包。 送出flag讓sensor依id順序發送回。 Control端:負責送出啟動以及中止指令，讓我們能精確的控制sensor端收送data的時間。

sourceMoteID: 每顆sensor的Local_address，識別用。 seqNum: 記錄每個pack的編號。 8 bits 32 bits 8 *20bits sourceMoteID seqNum HeadTime Data[BUFFER_SIZE] sourceMoteID: 每顆sensor的Local_address，識別用。 seqNum: 記錄每個pack的編號。 HeadTime: 記錄每個pack裡取得頭筆data的時間。 Data[BUFFER_SIZE]: BUFFER_SIZE = 20

3.3 時譜與頻譜分析 傳統dsp分析大多使用傅立葉轉換。 需要大量的取樣樣本以達到訊號頻譜上的準確度。 本實驗中不同時間的頻率並非定值，故 取樣過多：失去時間的精準度 取樣過少：分析結果與實際有不小出入 在時譜和頻譜間取得平衡 實驗所得的資料並不是頻率，而是聲音在sensor board上所產生的電壓值

Normalization 將訊號Normalize至相同的level 取樣所得的訊號樣本並不是由相同level紀錄

原 450～470 新 -1～+1

FFT差值法 頻率解析度定義為: R(sampling rate)/N(sampling number) 頻譜圖中，誤差會在正負一個頻率解析度間。 減小頻率解析的方法有二 ： 是降低取樣頻率。 另一個方法則是增加取樣的樣本數。 頻譜圖中找出最大頻率，誤差會在正負一個頻率解析度間。爲了避免誤差太大，頻率解析度的值必須減小

根據尼奎士取樣定理，降低取樣頻率，實驗中的聲音頻率也隨之降低 都卜勒效應頻率範圍隨之降低。 根據尼奎士取樣定理，降低取樣頻率，實驗中的聲音頻率也隨之降低 都卜勒效應頻率範圍隨之降低。 增加取樣的樣本數將造成取樣週期的增加，造成時間軸的不準確。 接續上一頁

在不改變頻率解析度的前提下，使用FFT差值法求得此段時間的主要頻率。 ：平均頻率。 ：最大振幅。 ： 對應到的頻率。 ：第二大的振幅。 ： 對應到的頻率。

3.4 程式流程 用MicADC偵測聲音訊號，以microtimer設定取樣頻率 用都卜勒定律定位出sensors 的位置 將資料填入sensor端以封包的形式送至 sink端 在matlab上將收到的資料以FFT轉換成時間-頻率對應格式端 Sink端接收封包，再由UART傳入PC端 在PC以matlab接收UART的資料

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

4.1 實作流程 將聲源、起點、sensors及終點就定位 經過終點時，sensor停止取樣 Matlab開啟UART，10秒內要收到第一個封包 以ID遞增的方式將sensor上資料傳回PC做處理 啟動聲源，當聲源經過起點時，所有sensor開始取樣聲音資料

4.2 難題思考與解決 維持移動物體的等速 聲速的測量 聲音的取得 如何同步各個sensors 4.2 難題思考與解決 維持移動物體的等速 聲速的測量 聲音的取得 其中f=700Hz 以matlab產生，光碟錄製而成。 如何同步各個sensors 使用control，在音源通過起點為基準

使control處於待機狀態 持續以光照射，但遮住感測器 當感測器接收光源時，持續送出封包通知sensor採集資料 通過終點，再次遮蔽

取樣頻率的提高 將取得之data轉變成需要的資訊 以TinyOS內建的timer component造成過小誤差 microtimer component 可增加取樣頻率 將取得之data轉變成需要的資訊 先將訊號Normalize再送進傅立葉轉換

考量資訊品質及誤差 如何解決data lost 反覆實驗後決定以星狀拓樸 Sensor量增加時，sink端的負擔會驟增(星狀) Sensor memory不足(樹狀) 距離遠近影響收訊品質 電力不足 反覆實驗後決定以星狀拓樸

4.3 數據 室外組 在操作時間內產生18筆資料 去除頭尾兩筆，兩筆可規劃一線 以700hz，(x, y)=(10,4) ，TIME=0~4640ms 取較精準3次作分析如下：

(x, y)=(13.57, 3.86) 誤差 3.750m

(x, y)=(14.12, 2.85) 誤差 4.650m

(x, y)=(14.39, 3.62) 誤差 4.605m

Outline 動機 Overview Algorithm 實作過程與研究結果 討論

討論 Sink傳送速度與UART傳送速度是否差異極大，進而造成資料遺失。 每次實驗後都必須清除buffer內的資料，否則會嚴重干擾下次實驗之數據。須改進程式使得buffer能在每次實驗都清光，或是每次實驗完手動開關一次。

研發更佳演算法，試圖解決node間溝通與傳輸同步化。 以網狀代替樹狀與星狀拓樸。 how about multisink? 即收即傳

實驗環境的影響 室內: 在室內進行實驗時，發現室內的空間不大時，sensors可能會被回聲干擾而產生不夠準確的資料。 室外: 實驗的場地較為難找，必須要有實驗器材的電源供給且環境中的雜音需小。

研究器材無法精準的達到等速且高速的移動。 都卜勒效應在高速或高頻的條件底下，皆能夠顯著的提升精準度，雖使用microtimer仍嫌不足。 聲源的強度受到設備的限制，當聲源離sensors太遠(約大於10m)，收到的音量就太小，易被雜訊覆蓋；但若把喇叭的音量加大，頻率也會失真。

一顆sensor上僅有約30kb的空間，如何存放大量的資料。 data的完整性： 在此研究中，我們將資料傳輸的間隔時間拉長，藉此降低data error及data lost的產生。但若sensor的數量變多，上述的方法效用將會大幅降低。

補充:simulated annealing 模擬退火 S. Kirkpatrick, C. D. Gelatt 和 M. P. Vecchi 在1983年所發明 V. Černý 在1985年也獨立發明 一種通用的機率演算法 在大的搜索空間找尋最優解 漸近收斂性 美國IBM公司物理學家科克派特瑞克

來自冶金學。 將材料加熱後再經特定速率冷卻。 增加晶體體積，減少晶格缺陷。 加熱後隨機移動，有可能會停留在比原內能較低的位置。

將熱力學套用到統計學 搜索空間內每一點想像成空氣內的分子 分子帶有能量 空間中每一點也帶有能量(表示該點對命題的合適程度) 選定一鄰居並計算到達他之機率

s := s0; e := E(s) // 目前狀態s0，其能量E(s0) k := 0 // 評估次數k while k < kmax and e > emax sn := neighbour(s) // 隨機選取一鄰近狀態sn en := E(sn) // sn的能量為 E(sn) if F(e, en, temp(k/kmax)) then s := sn; e := en // 移至鄰近狀態sn k := k + 1 // 評估完成，次數k加一 return s // 回傳狀態s

THANKS FOR YOUR LISTENING!