基于RSSI的室內(nèi)定位算法研究

宋麗萍

(阜陽職業(yè)技術學院，安徽 阜陽 236000)

隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的迅速發(fā)展，物聯(lián)網(wǎng)的核心技術之一無線傳感器網(wǎng)絡(Wireless Sensor Networks，WSN)也被廣泛應用于各大領域，它是人與自然環(huán)境的交互接口，由于 WSN具有體積小、重量輕、功耗少、易實現(xiàn)等特點，所以WSN在惡劣環(huán)境條件下也可以正常工作，WSN 具備的優(yōu)點使一些底層有用的信息可以被隨時獲取，并廣泛應用于智能家居控制、環(huán)境監(jiān)測等領域，WSN的廣泛應用將給人們的生活帶來不可估量的影響[1].

WSN應用比較廣泛的核心技術之一是定位技術，而GPS定位技術因其成本高，信號穿透性差，遇到障礙物無法穿透等各種原因，在室內(nèi)定位應用中效果不理想.而隨著WIFI網(wǎng)絡的普及，基于WIFI的室內(nèi)定位也逐漸被人所關注，WIFI的定位優(yōu)點是它不需要附加訪問接入設備，但由于受環(huán)境影響，WIFI的位置性能也不夠精確并且具有較高的耗能，因此其應用也受到了限制.如何利用 WSN獲取準確的位置信息,實現(xiàn)低功耗、低成本的 WSN 室內(nèi)定位是人們持續(xù)關注的熱點之一[2].

1 室內(nèi)定位算法

根據(jù)定位是否有測距的需求，WSN定位算法分為基于測距的定位方法和基于非測距的定位方法.在WSN中，大部分定位主要還是基于距離測量，基于測距的定位算法主要有基于時間到達TOA(Time Of Arrival)、基于時間差TDOA(Time Difference Of Arrival)和基于接收信號強度指示RSSI(Received Signal Strength Indication)的三類定位算法[3].

1.1 TOA

TOA 測距原理主要是通過測量到達時間來測距離，測距分為單向和雙向測距技術兩種方法，單向測距方法只測量起點到終點的時間，其測距的示意圖如圖1所示.

這里假設V為傳輸?shù)乃俣龋琓為時間，則距離為S=VT.

而雙向測距不但測量起點到終點的到達時間，還要測量終點回到起點的到達時間，其測距的示意圖如圖2所示.

圖1 單向測距方法示意圖圖2 雙向測距方法示意圖

這里假設V為傳輸?shù)乃俣龋琓1為到達時間，T2為返回時間，則距離為S=V(T1+T2)/2.

從以上兩種測距方法可以看出，TOA測距方法在時間上對同步性的要求較嚴格.而對于WSN中的節(jié)點來說，時間上的同步是很難做到的.

1.2 TDOA

TDOA測距的原理是同一時間向外發(fā)射頻率不同的兩種超聲波信號，兩種超聲波信號的到達時間是不同的，距離是利用兩種超聲波信號到達的時間差值來計算.其測距示意圖如圖3所示.

由于超聲波信號距離較短，并且在實際環(huán)境中還存在著很多影響超聲波的障礙物，因此在實際應用中不受歡迎.

1.3 RSSI

RSSI是 Received Signal Strength Indication的縮寫，意為接收信號強度，RSSI 測距的原理是通過兩節(jié)點不同距離時的 RSSI 值建立RSSI距離模型，由得到的 RSSI計算出相應的距離值[4].其測距示意圖如圖 4所示.

圖3 TDOA測距方法示意圖圖4 RSSI測距方法示意圖

基于 RSSI 的測距是一種基于測量距離的無線定位算法，對定位的精度要求不高，而且不需額外的硬件設備，實現(xiàn)簡單，通過軟件即可實現(xiàn)，成本較低， 因此被廣泛應用.

2 基于RSSI的三角形質(zhì)心定位算法

2.1 三邊測量法

假設某一盲節(jié)點P和3個錨節(jié)點O1、O2、O3，L1、L2、L3為通過接收錨節(jié)點發(fā)出的信息得到的盲節(jié)點P與3個錨節(jié)點O1、O2、O3之間的距離，那么分別以錨節(jié)點O1、O2、O3為圓心，L1、L2、L3為半徑的圓的交點就是盲節(jié)點P，如圖5所示[5].

2.2 三角形質(zhì)心定位算法

在實際的定位中，由于噪聲的干擾不可避免，因此總是存在測量誤差，三個圓不能精確地相交于一個點，而是形成一片區(qū)域.此種情況下，通常采用基于 RSSI 的三角形質(zhì)心定位算法來解決定位，如圖6所示.O1(x1,y1)、O2(x2,y2)、O3(x3,y3)為選取的錨節(jié)點，P為盲節(jié)點，假設O1到盲節(jié)點P的距離為L1，O2到盲節(jié)點P的距離為L2，O3到盲節(jié)點P的距離為L3.根據(jù)測距模型，分別以O1、O2、O3為圓心，以L1、L2、L3為半徑畫圓，三個圓相交形成一片重疊區(qū)域[6].

圖5 三邊測量法圖6 三角形質(zhì)心定位算法模型圖

假設A、B、C是三個圓相交形成的重疊區(qū)域的三個交點，A(xA,yA)、B(xB,yB)、C(xC,yC)為三個交點的坐標，以A、B、C這三個點為頂點作一三角形，盲節(jié)點即為三角形質(zhì)心P.相交點A的計算方法為：

同理，計算出相交點B和C.此時，可得到盲節(jié)點的坐標為：

2．3 質(zhì)心定位算法

質(zhì)心定位算法是一種基于網(wǎng)絡連通性的定位算法[7].是由Nirupama Bulusu等人提出的，在WSN中，假如在一片區(qū)域內(nèi)分布有n個錨節(jié)點，錨節(jié)點的坐標為(x1，y1) (x2，y2) …(xi，yi) …(xn，yn) ，則由n個錨節(jié)點組成的n-1邊的多邊形質(zhì)心(x，y) 為：

在WSN的實際應用中，利用網(wǎng)絡連通性，錨節(jié)點周期性地向周圍分布的節(jié)點發(fā)送數(shù)據(jù)包，該數(shù)據(jù)包中包含錨節(jié)點的位置數(shù)據(jù)，盲節(jié)點接連不斷的接收數(shù)據(jù)信息，當接收到一定數(shù)量的錨節(jié)點信息后，盲節(jié)點的位置就是由這些錨節(jié)點組成的多邊形的質(zhì)心.由于在傳播過程中會發(fā)生廣播，無線信號會發(fā)生變化，另外質(zhì)心定位算法依賴于錨節(jié)點，因此定位精度受錨節(jié)點的密度影響很大，質(zhì)心定位算法的應用并不理想.

3 改進的質(zhì)心定位算法

由于錨節(jié)點的分布影響質(zhì)心定位算法的精度，所以當監(jiān)測區(qū)域內(nèi)盲節(jié)點周圍存在的錨節(jié)點極少或因?qū)?jié)點部署不當而導致盲節(jié)點無法定位時，將會對定位精度產(chǎn)生很大的影響.針對此種情況，提出一種改進的算法：將已經(jīng)實現(xiàn)定位的盲節(jié)點與錨節(jié)點一起周期性地廣播數(shù)據(jù)信息包，這種利用定位過的盲節(jié)點實現(xiàn)對未定位的盲節(jié)點的定位，可以充分利用WSN中監(jiān)測區(qū)域內(nèi)的節(jié)點，以此提高盲節(jié)點的定位精度.該算法流程圖如圖7所示.

圖7 算法改進流程圖圖8 算法改進前與改進后的定位誤差圖

4 算法仿真驗證

為了比較算法改進前與改進后的效率，進行了仿真實驗，實驗使用 Matlab軟件進行，假設在一片寬為100米的正方形區(qū)域內(nèi)有40個隨機分布的盲節(jié)點，100個錨節(jié)點，在不同通信半徑下，對定位算法在改進前與改進后的誤差進行比較，仿真結(jié)果如圖8所示.

實驗仿真結(jié)果顯示，算法改進前后的定位誤差隨著通信半徑的逐步變大而逐步減小，越來越多的節(jié)點參與到定位中來，定位的精度也有了一定的提高，在通信半徑相同的情況下，算法改進后的定位誤差小于算法改進前的定位誤差，由此說明，改進后的質(zhì)心定位算法的定位精度比改進前的質(zhì)心定位算法的定位精度提高了很多，實現(xiàn)了定位精度的改進效果，算法的改進具有一定的意義[8].

5 小結(jié)

隨著信息技術的不斷發(fā)展，WSN的應用已經(jīng)逐步深入到人們生活的多個領域，與相關的應用越來越多.本文以定位算法為核心，對基于測距的相關的定位技術、定位算法進行了闡述，分析了三邊定位算法及普通的質(zhì)心定位算法，針對其定位的不穩(wěn)定性和影響定位精度的方面，提出了基于 RSSI 的改進的質(zhì)心定位算法，對于影響定位精度的因素進行了多方面的考慮與分析，針對通信半徑不同的情況下，將算法改進前與改進后兩個方面進行對比分析，仿真驗證結(jié)果表明，算法改進后的定位精度優(yōu)于傳統(tǒng)算法的定位精度.對于 WSN 的探究，本文提出了有關算法的改進和驗證，隨著應用的不斷深入與擴展，會有越來越多的人加入到此領域的研究之中，探究的視角也會越來越寬廣.