基于RSSI無線傳感網(wǎng)絡節(jié)點定位校正模型

張揚勇

【摘要】無線傳感器網(wǎng)絡節(jié)點自身定位至關重要，在軍事和民用領域中有著廣泛的應用前景。本文提出一種基于RSSI無線傳感網(wǎng)絡節(jié)點定位校正模型，該模型主要是針對傳統(tǒng)的加權(quán)質(zhì)心定位算法進行了改進，引入了新的加權(quán)因子，并在理論分析下，提出了優(yōu)選信標節(jié)點進行節(jié)點定位計算的規(guī)則，以此進一步提高節(jié)點定位精度。仿真結(jié)果表明：本校正模型算法比傳統(tǒng)的RSSI定位算法擁有更好的定位性能。

【關鍵詞】無線傳感器網(wǎng)絡;加權(quán)質(zhì)心定位算法;RSSI;信標節(jié)點

Abstract：Self-locating of Wireless sensor node，which has wide application prospects in military and residential，is of vital importance.This paper proposed a correction model which based on RSSI wireless sensor network node locating.This model has been improved based on traditional weighted centroid localization algorithm.It introduced new weighted factors，and proposed the rule of optimizing beacon node to calculate node locating under theoretical analysis.This method of calculation can further improve the precision for node localization.Simulation results show that the algorithm of this correction model is better than traditional RSSI localization algorithm in localization.

Keywords：Wireless sensor network（WSN）;weighted centroid localization algorithm;RSSI;beacon node

引言

無線傳感器網(wǎng)絡（Wireless Sensor Networks，WSN）[1]是將大量低成本、低功耗的微型無線傳感器節(jié)點布置到感興趣的區(qū)域，傳感器節(jié)點通過自組織快速形成一種分布式網(wǎng)絡，對某些數(shù)據(jù)進行測量，并將數(shù)據(jù)以無線的方式發(fā)回給用戶，其在軍事和民用領域都具有廣闊的應用前景[2]。實時地確定事件發(fā)生的位置或獲取消息的節(jié)點位置是傳感器網(wǎng)絡最基本的功能之一，也是提供監(jiān)測事件位置信息的前提，所以定位技術對傳感器網(wǎng)絡應用的有效性起著關鍵的作用[3]，因而傳感器節(jié)點定位技術成為無線傳感器網(wǎng)絡多數(shù)應用中的關鍵支撐技術之一[4-5]。

首先，根據(jù)測距與否我們可以將定位算法分為基于測距算法和不基于測距算法?；跍y量距離算法通過測量節(jié)點間的距離或其它位置信息，使用相關的計算方法如三邊測量法、三角測量法或最大似然估計定位法等估算節(jié)點位置。常用的測距技術有接收信號強度指示法（RSSI），到達時間測距法（TOA），到達時間差測距法（TDOA）和到達角度測距法（AOA）;不基于測距定位算法則理論上不需要節(jié)點自身配置標準的測距硬件，不需對距離測量，相關算法是根據(jù)網(wǎng)絡連通性確定信息，然后利用一些優(yōu)化方法來得到距離信息，從而實現(xiàn)節(jié)點定位。

在以上的定位算法對比中，本文選取了接收信號強度指示法（RSSI），RSSI算法硬件結(jié)構(gòu)比較簡單，成本比較低，并且很多無線通信模塊都可以直接讀取RSSI值，相對其它的定位算法，基于RSSI定位算法適用范圍更加廣泛。本文通過對加權(quán)質(zhì)心定位算法的研究，提出了一種更合理的權(quán)值選取方案，建立定位精度更高的校正模型。

1.算法模型

1.1 無線電傳播路徑損耗模型分析

無線電信號在介質(zhì)中傳播時，必然會在傳播過程中出現(xiàn)一定程度的損耗，這些損耗在很大程度上對基于RSSI算法的定位精度產(chǎn)生影響，所以對于選取合適的損耗模型顯得非常重要。通過對這些損耗的分析，大致存在以下幾種損耗模型：自由空間傳播模型（free space propagation model）、對數(shù)一常態(tài)分布模型（log-distance path loss medel）、對數(shù)距離路徑損耗模型（log-distance distribution）、哈它模型（hata model）等。

自由空間傳播模型如下：

LOSS=32.44+10*k*log10（d）+10*k*log10（f）

（1）

式中：d為距信源的距離;f為頻率;k為路徑衰減因子。

對數(shù)-常態(tài)分布模型如下：

P（d1）=P（d2）—10nlg（d1/d2）-X ? ? ? （2）

式中：P（d1）是信號傳輸距離為d1的路徑損耗，P（d2）是信號傳輸距離為d2的路徑損耗，通常取d2=lm，該項可以通過式（1）來計算，即P（d2）。X滿足均值為0，方差為u（通常取4～10）的高斯隨機分布。

當然，在實際的應用環(huán)境中，由于一些外界因素如多徑、繞射、障礙物等，無線電信號在傳播過程的路徑損耗跟理論值還是有差異，這是不可避免的。

傳感器節(jié)點接收到的RSSI值滿足下式：

RSSI=天線增益+P發(fā)射-P損耗 ? ? ? ? ? ? ? （3）

通過以上各式就可以得出相關距離，從而實現(xiàn)定位算法。

1.2 信標節(jié)點的優(yōu)選

對于對數(shù)—常態(tài)分布模型，可以引用文獻[6]如圖1所示的基于RSSI的曲線圖，通過對圖1的分析，不難看出定位節(jié)點到信號源的距離越近，RSSI值的由于偏差所產(chǎn)生的絕對距離誤差就越小，反之亦然。鑒于以上分析，本文將通過優(yōu)選信標節(jié)點的方法來提高未知節(jié)點的精度，優(yōu)選信標節(jié)點的原則如下：當任意一個未知節(jié)點收到多個信標節(jié)點的信號時，選取RSSI值大的前幾個信標節(jié)點來進行相關的定位計算。與此同時，在保證參與相關定位計算的信標節(jié)點數(shù)量大于3個的前提下，通過相應的環(huán)境情況定一個閥值，將距離大于閥值的信標節(jié)點去除，這樣可以進一步減小定位誤差。

圖1 對數(shù)—常態(tài)分布模型繪制的RSSI曲線圖

1.3 傳統(tǒng)質(zhì)心定位模型

最早的質(zhì)心算法[7]是由南加州大學的Bulusu等人提出，在未知節(jié)點收到鄰居信標節(jié)點的相關位置信息后，選取這些鄰居信標節(jié)點的質(zhì)心作為該節(jié)點的估計位置。傳統(tǒng)的質(zhì)心算法是不需要相關距離信息的非常簡單的定位算法，基本原理圖如圖2所示。

圖2 質(zhì)心定位算法示意圖

在傳統(tǒng)的質(zhì)心算法中，信標節(jié)點首先是周期性地向鄰近的鄰居節(jié)點廣播信標分組信息，包含信標節(jié)點的相關位置信息。當未知節(jié)點接收到來自不同信標節(jié)點的信標分組信息數(shù)量超過一定閥值或一定時限后，就確定現(xiàn)在自身所在位置為這些信標節(jié)點所組成的多邊形的質(zhì)心，如式（4）所示：

（4）

在基于接收信號強度指示法（RSSI）的定位算法中，一般包括有普通的質(zhì)心定位算法，加權(quán)質(zhì)心定位算法等模型。其中，普通的質(zhì)心定位算法雖然最簡單，但是定位精度較低，使用比較少。而加權(quán)質(zhì)心定位算法稍顯復雜，權(quán)值選取的不同導致其有著不同的形式，當然權(quán)值的選取一般都有助于定位精度的提高，盡管如此，其定位算法仍然存在一些缺點。

對于權(quán)值的選取，本文采取以下方法：首先，當信標節(jié)點收到未知節(jié)點的傳輸信號時，將接收的RSSI值轉(zhuǎn)化為相應的距離信息，然后分別以接收傳輸信號的信標節(jié)點為圓心，以RSSI轉(zhuǎn)換距離為半徑畫圓。由此估測，未知節(jié)點應該就位于所有圓的交集部分內(nèi)，接著以質(zhì)心定位算法為基礎，對圓與圓之間的交點組成的多邊形進行研究，為體現(xiàn)出頂點的不同，可以給每一個坐標增加權(quán)值。當信標節(jié)點與未知節(jié)點的距離越遠時，對應節(jié)點坐標對整體的影響就會越小，反之亦然，而每個頂點最少得由兩個距離確定。如圖3所示，假設圓O2和O3相交，與該頂點相關的兩個距離分別為dA和dB，則權(quán)值選擇為。算法如下：

（5）

圖3 加權(quán)質(zhì)心定位算法原理圖

由式（5）分析可知，與未知節(jié)點相隔越近的信標節(jié)點，對定位算法的影響就會越大，這也是權(quán)值因子的作用所在，所以，這個權(quán)

值因子能達到提高定位精度的效果，是有效可取的。

2.改進的算法校正模型

根據(jù)上一小節(jié)所講到的傳統(tǒng)質(zhì)心定位模型的基本原理可知，加權(quán)權(quán)值選取的好壞與整個算法定位的精度有著緊密的聯(lián)系。對于加權(quán)質(zhì)心定位算法中權(quán)值的選擇，不同的文獻資料采用不同的方式。在本文中，選用了文獻[8]中的算法：用距離的倒數(shù)之和代替?zhèn)鹘y(tǒng)加權(quán)質(zhì)心算法中距離和的倒數(shù)的算法。

對權(quán)值的修正如下：

通過分析權(quán)值修正以后的定位算法可知，dA（假如dB>dA）就能在權(quán)值中起到主要作用，避免了像dB這樣的次要數(shù)據(jù)起主要作用，所以，跟之前的傳統(tǒng)加權(quán)質(zhì)心定位算法相比有了很大的提高。這種權(quán)值修正方法體現(xiàn)了RSSI值較大的信標節(jié)點對于定位算法的影響更大，能夠讓RSSI值較大的一些信標節(jié)點充分運用到定位算法中去。

整個算法改進如下：

由上式分析可知，改進后的算法優(yōu)點體現(xiàn)在以下幾個方面：

（1）在質(zhì)心定位算法中充分利用了測量數(shù)據(jù)的信息，增加了RSSI接收信息量;

（2）在權(quán)值的選取中對于接收信息的權(quán)重的安排更加合理;

（3）整個算法的定位精度得到了很大的提高。

3.算法過程

基于改進的算法模型，過程如下：

（1）信標節(jié)點周期性地發(fā)送自身信息：節(jié)點ID、自身位置信息;

（2）未知節(jié)點在收到信標節(jié)點發(fā)送的相關信息后，記錄對應信標節(jié)點的RSSI值，多個接收后求其平均值，作為接收值記錄下來;

（3）未知節(jié)點接收信標節(jié)點的信息采用信標節(jié)點的優(yōu)選原則，達到原則上的一定數(shù)量后，結(jié)束信息接收。接著對接收到的RSSI值進行由大到小的排序，并建立以下三個集合：

信標節(jié)點集合：

Beacon={a1，a2 ，，…，am}

信標節(jié)點位置集合：

Position={（X1，Y1），（X2，Y2），，（Xk，Yk）}

未知節(jié)點到信標節(jié)點的距離集合：

Distance={d1，d2，…dk），其中dl

（4）在建立的集合中選取離未知節(jié)點距離最近的前4個信標節(jié)點進行定位;

（5）通過改進算法對選取的四組進行計算，得到四個定位點坐標，組成一個多邊形;

（6）最后取4個估計點組成的多邊形的質(zhì)心作為未知節(jié)點的坐標（x，y）。

4.仿真結(jié)果分析

為了驗證本文提出的節(jié)點定位校正模型，采用Matlab來進行仿真實驗。仿真環(huán)境如下：在一個自由空間環(huán)境中展開，位于一個50*50的區(qū)域范圍內(nèi)，信標節(jié)點隨機分布于此區(qū)域內(nèi)。仿真實驗環(huán)境中都加入了均值為0，標準差為1的高斯分布的隨機噪聲，來代替實際環(huán)境中的反射、多徑、物體移動、氣候等帶來的影響。在仿真前設定衰減因子K取4，然后采用第1節(jié)提到的兩個算法模型，即自由空間傳播模型和對數(shù)一常態(tài)分布模型，按照上述的算法過程及相應的步驟進行仿真定位.定位算法仿真次數(shù)設定為100次，最后求平均值，從而得到定位誤差。仿真結(jié)果如圖4所示。

圖4 改進前后定位誤差的比較

如圖4所示，加權(quán)質(zhì)心定位算法相對于傳統(tǒng)的質(zhì)心定位算法，定位精度上有所提高，而改進后的加權(quán)質(zhì)心定位算法與改進前相比，定位精度又一次得到了提高。所以改進后的定位校正模型是有效的，定位誤差明顯減小，而定位精度有了明顯的提高。從改進前后的比較也不難看出，權(quán)值的選取對于整個定位算法很重要，同時，信標節(jié)點的增多也提高了精度，減小了定位誤差。由此可見，新的校正模型很好地提高了定位精度。

5.結(jié)論

本文提出的基于RSSI無線傳感網(wǎng)絡節(jié)點定位校正模型，首先采取優(yōu)選信標節(jié)點的方法提高未知節(jié)點的精度，然后采用距離倒數(shù)和作為權(quán)重，充分的利用了RSSI數(shù)據(jù)信息，避免了加權(quán)質(zhì)心算法中的數(shù)據(jù)淹沒現(xiàn)象，使數(shù)據(jù)信息得到了最大程度的利用，避免了信息的丟失。當設定的環(huán)境相同時，相對傳統(tǒng)的一些質(zhì)心定位算法，通過仿真得到的定位誤差明顯減小了，定位精度得到了很大的提高。

參考文獻

[1]李曉維.無線傳感器網(wǎng)絡技術[M].北京：北京理工大學出版社，2007.

[2]A kyildiz I F，Su w，Sankarasubramaniam Y，et a1.Wireless Sensor Network：A Survey[J].Computer Networks，2002，38（4）：393-422.

[3]孫利民，李建中，陳渝，等.無線傳感器網(wǎng)絡[M].北京：清華大學出版社，2005.

[4]Kims，Koig，YoonJ，et a1.Multiple-Objective Metric for Plating Multiple Base Stations in Wireless Sensor Networks[A].Proc of ?the ?2rd International Symposium ?on ?Wireless Pervasive Computing [C]//Piscataway，USA，2007.627-631.

[5]李建中，高宏.無線傳感器網(wǎng)絡的研究進展[J].計算機研究與發(fā)展，2008，45（1）：l-15.

[6]陳維克，李文鋒，首珩，袁兵.基于RSSI的無線傳感器網(wǎng)絡加權(quán)質(zhì)心定位算法[J].武漢理工大學學報，2006（04）.

[7]方震，趙湛，郭鵬，張衛(wèi)國.基于RSSI～J]距分析[J].傳感技術學報，2007，20（11）：2526-2530.

[8]劉運杰，金明錄，崔承毅.基于RSSI的無線傳感器網(wǎng)絡修正加權(quán)質(zhì)心定位算法[J].傳感技術學報，2010（05）.