基于路徑損耗模型參數的自適應測量方法

摘 要：在基于距離矢量的算法中，無線信號在傳播時容易受到多徑、繞射、障礙物等不穩(wěn)定因素的干擾，使得路徑損耗模型中與環(huán)境相關的參數A和n的值具有波動性，從而導致最終的定位結果存在較大誤差。對于獲取路徑損耗模型參數，傳統人工手動測量方法不能很好的適應于實際環(huán)境，而較大的測量和計算也會消費大量人力和時間。為了解決這些問題，本文提出一種基于路徑損耗模型參數的自適應測量方法。該方法利用信標節(jié)點來維護其自身周圍環(huán)境內的參數A和n的值，并結合了信標節(jié)點間的關聯關系平衡參數A和n的值，不僅具有良好的自適應性，而且省去了繁重的人為手動測量計算。

關鍵詞：距離矢量；路徑損耗模型參數；自適應測量方法

中圖分類號：TP393

在物聯網快速發(fā)展和應用的過程中，人和物的位置信息的重要性越來越突出，如何準確獲取人和物的位置信息逐漸成為了當前物聯網應用研究的熱點之一。

目前，無線定位技術主要分為兩大類[1]：基于距離矢量的測距算法（range-based）和基于非距離矢量的測距算法（range-free）?；诰嚯x矢量的測距算法通過測量信標節(jié)點和待測節(jié)點之間的距離矢量或角度大小，并利用三邊測量法、三角測量法或最大似然估計算法等來計算待測節(jié)點的位置信息。在基于距離矢量的測距算法中，典型的測距技術包括：到達時間（Time of Arrival，TOA）、到達時間差（Time Difference of Arrival，TDOA）、到達角度（Angle of Arrival，AOA）、接收信號強度指示（Received Signal Strength Indicator，RSSI）等[2]。其中，RSSI測距技術根據無線信號衰落和距離矢量的關系，利用理論或經驗模型獲得信標節(jié)點和待測節(jié)點間的距離矢量。和其它測距技術相比，RSSI測距技術的測距精度偏低，但由于現有的無線設備幾乎都支持無線信號強度值的測量，因此，RSSI測距技術不僅能夠充分利用現有的無線信號信息，無需添加額外硬件設備，而且不存在其它測距技術的一些應用限制[3-5]。

近年來，RSSI測距技術得到了廣泛的關注和研究，但同時也面臨著一個關鍵的問題，即無線信號在傳播過程中容易受到實際環(huán)境的影響，導致了不同實際環(huán)境下有不同的路徑損耗模型參數，同一距離矢量的無線信號強度值存在較大的波動，最終使得定位結果具有較大的誤差。針對以上問題，本文首先介紹RSSI測距技術原理，接著對路徑損耗模型中的關鍵參數進行分析，然后針對于路徑損耗模型參數的環(huán)境敏感性提出一種能較好適應實際環(huán)境的自適應測量方法，最后利用自適應測量方法在實際環(huán)境中對人和物的位置信息進行測試，并對路徑損耗模型參數的自適應測量方法進行分析和評價。

1 RSSI測距技術原理及分析

1.1 無線信號傳播路徑損耗模型

1.3 傳統人工手動測量方法

從式（6）和式（7）中可以看出，如果要估算參數A和n的值，需要獲取待測節(jié)點和各個信標節(jié)點間的信號強度值和距離矢量。

通常情況下，為了估算某個實際環(huán)境內的路徑損耗模型參數，一般采取傳統人工手動測量方法。傳統人工手動測量方法的原理是在無線網絡區(qū)域內，首先固定待測節(jié)點的位置，并通過測量工具測量出待測節(jié)點與各個信標節(jié)點間的距離矢量，接著獲取待測節(jié)點和各個信標節(jié)點間的信號強度值，然后把待測節(jié)點和各個信標節(jié)點間的信號強度值和距離矢量帶入式（6）和式（7）中進行計算，即可估算出參數A和n的值。

以上通過傳統人工手動測量方法估算得出的參數A和n的值是一次的參數估算值，待測節(jié)點通過多次取不同的位置可以估算出多個參數估算值，這些參數估算值的平均值即可反映無線信號傳播過程中路徑損耗情況。在實際環(huán)境中，無線網絡區(qū)域是由多個不同小的無線網絡區(qū)域組成，然而外徑、繞射或者障礙物等不穩(wěn)定因素的存在，導致了這些小的無線網絡區(qū)域間的參數A和n的值也不同。小的無線網絡區(qū)域劃分得越多，每個小的無線網絡區(qū)域估算得的參數A和n的值就會越精確，但隨之會帶來很大的測量工作和計算量。

傳統人工手動測量方法在估算無線網絡區(qū)域參數A和n的值時，沒有考慮無線網絡區(qū)域內實際環(huán)境的變化，比如有人、無人或障礙物等因素。因此，傳統人工手動測量方法不能很好的適應于實際環(huán)境，而較大的測量和計算也會消費大量人力和時間。

2 路徑損耗模型參數的自適應測量方法

針對傳統人工手動測量方法適應性低、人力成本高、測量計算周期長的缺點，本文提出了一種路徑損耗模型參數自適應測量方法。自適應測量方法利用信標節(jié)點來維護其自身周圍環(huán)境內的參數A和n的值，并結合了信標節(jié)點間的關聯關系平衡參數A和n的值，不僅具有良好的自適應性，而且省去了繁重的人為手動測量計算。

2.1 自適應測量方法分析

如上圖所示，信標節(jié)點a、d分別以它們之間的距離矢量作為半徑，各自節(jié)點坐標作為圓心畫圓，兩圓相交區(qū)域記為Sad，Sad表示信標節(jié)點a、d間周圍環(huán)境的重合覆蓋區(qū)域。從這個重合覆蓋區(qū)域可以看出，信標節(jié)點d的覆蓋區(qū)域中接近一半部分被信標節(jié)點a的覆蓋區(qū)域給覆蓋了。因此，在信標節(jié)點只有一個鄰居節(jié)點而不能通過公式估算周圍環(huán)境參數A和n的值的特殊情況下，可以近似的認為信標節(jié)點d和信標節(jié)點a的參數A和n的值是一樣的，換而言之即Ad=Aa、nd=na。對于信標節(jié)點e、f，我們同樣的認為Ae=Aa、ne=na、Af=Ab、nf=nb。

在實際環(huán)境中，各個信標節(jié)點之間在傳播數據包過程中可能會產生丟包現象，由于丟包現象的存在，導致了具有多個鄰居節(jié)點的信標節(jié)點可能在某段時間內接收不到數據包或者只接收到一個數據包，而此時我們就不可以用式（6）和式（7）來計算產生該現象的信標節(jié)點周圍環(huán)境的參數A和n的值?？紤]到實際環(huán)境中可能會產生這種情況，我們采取了產生該現象的信標節(jié)點仍用上一次估算所得參數A和n的值的方法，即Anew=Aold、nnew=nold。

2.2 自適應測量方法的定位流程

①全部信標節(jié)點初始化設置；

②每個信標節(jié)點每隔一段時間向鄰居節(jié)點發(fā)送數據包，數據包中至少應包括信標節(jié)點長地址、數據包序列號、信標節(jié)點和鄰居節(jié)點間的信號強度值；

③每個信標節(jié)點接收到數據包后進行判斷，如果數據包數量大于1，則我們可以通過式（6）和式（7）估算出信標節(jié)點周圍環(huán)境的參數A和n的值。如果數據包數量小于等于1，則我們再判斷信標節(jié)點實際是否只有1個鄰居節(jié)點，如果信標節(jié)點實際只有1個鄰居節(jié)點，則我們認為信標節(jié)點周圍環(huán)境的參數A和n的值等于鄰居節(jié)點周圍環(huán)境的參數A和n的值，否則信標節(jié)點仍用上一次估算所得的參數A和n的值。最后，我們把信標節(jié)點周圍環(huán)境的參數A和n的值在數據庫中存儲；

④待測節(jié)點向信標節(jié)點發(fā)送定位請求命令，接收到定位請求命令的信標節(jié)點把數據包通過網關發(fā)送到服務器端，數據包中至少應包括信標節(jié)點長地址、待測節(jié)點長地址、數據包序列號、信標節(jié)點和待測節(jié)點間的信號強度值；

⑤服務器端根據每個數據包中對應信標節(jié)點的長地址在數據庫中獲取對應信標節(jié)點周圍環(huán)境的參數A和n的值，并求出這些參數A和n的值的平均值Aave和nave，參數Aave和nave的值就表示待測節(jié)點周圍環(huán)境的路徑損耗模型參數值；

⑥通過參數Aave和nave的值，我們就可以計算出信標節(jié)點和待測節(jié)點間的距離矢量；

⑦最后，我們通過三邊測量法結合流程⑥算得的距離矢量和信標節(jié)點坐標，估算出待測節(jié)點的位置坐標；

⑧重復流程②～⑦。

3 實驗

本文在搭建好的ZigBee網絡基礎上，以12m×12m的實際區(qū)域作為實驗場景。信標節(jié)點和待測節(jié)點都采用TI公司的CC2530通信模塊。

本文在實驗場景內布置有5個固定位置的信標節(jié)點，接著在實驗場景內取4個不同方位的位置分別作為待測節(jié)點位置，接著在實驗場景分別處于有人、無人2種情況時針對于每一個位置的待測節(jié)點通過傳統人工手動測量方法和基于路徑損耗模型參數自適應測量方法分別進行100次定位統計，最后把統計的結果通過MALAB軟件繪圖。結果如下圖3、4所示：

4 結束語

本文提出了基于路徑損耗模型參數的自適應測量方法，并采用實驗證明了該測量方法在平均誤差方面和傳統人工手動測量方法相差不大，并解決了傳統人工手動測量方法帶來的大量測量工作和計算量問題，此外，基于路徑損耗模型參數的自適應測量方法能較好的適應于實際環(huán)境的變化。

參考文獻：

[1]孫利民，李建中，陳瑜.無線傳感器網絡[M].北京：清華大學出版社，2005：136-148.

[2]Langendoen K， Reijers N. Distributed localization in wireless sensor networks：a quantative comparison. Computer Networks，2003（43）：499-518.

[3]Patwari N， Ash J， Kyperountas S， et al. Locating the nodes： cooperative localization in wireless sensor networks. IEEE Sinal Processing Magazine，2005（04）：54-69.

[4]Mao G， Fidan B， Anderson B. Wireless sensor network localization techniques. Computer Networks，2007（51）：2529-2553.

[5]Gezici S. A survey on wireless position estimation. Wireless Personal Communications，2008（03）：263-282.

[6]陳維克，李文鋒，袁兵.基于RSSI的無線傳感器網絡加權質心定位算法[J].武漢理工大學學報，2006（12）：2695-2700.

作者簡介：許文亮（1988-），男，海南?？谌?，碩士，主要研究方向：物聯網技術；張?。?987-），男，遼寧大連人，碩士，主要研究方向：機會網絡的轉發(fā)策略。

作者單位：重慶郵電大學 寬帶泛在接入技術研究所，重慶 400065