基于室内定位技术的算法研究.docVIP

基于室内定位技术的算法研究 　　【摘 要】室内定位技术因为其复杂的环境，导致定位精度一直不及人们的要求。为了提高室内定位的精度，提出对室内区域进行划分，对每个区域环境参数进行拟合，并通过结合DV-HOP算法和RSSI算法对RSSI值进行修正。实验结果表明：改进后的定位精度在之前的基础上提高很多，适用于多半数的室内定位。 　　【关键词】室内定位；DV-Hop算法；RSSI算法 　　0 引言 　　由于无线传感器网络快速成长，基于无线传感器网络的室内应用也应运而生并不断增多。例如在智能家居、医疗和健康护理、工业生产等领域。但这些应用的使用都必需明确了解目标的位置，所以室内定位结果的精度引起了很多人注意。室内定位技术分为两种：与距离有关的定位技术和与距离无关的定位技术。第一种定位技术必需知道参考节点和盲节点之间的距离或者角度，并结合相应的定位方法才可以计算出盲节点的坐标，第一种定位技术包含TOA、TDOA、AOA和RSSI等。第二种定位技术只需要知道网络连通性并结合相应的方法就可以计算出盲节点的坐标，第二种定位技术包含DV-Hop、质心算法和凸规划等。RSSI因为其操作简单、不用添加额外的硬件设备和不需要时间同步，受到很多人的喜爱。 　　1 RSSI定位原理 　　盲节点通过网络发送信号给参考节点，参考节点接收信号的同时并测出该信号在传播过程中的消耗，再把这个消耗程度代入到经验模型中，使其转换成参考节点与盲节点的距离。 　　现在最常采用的经验模型是对数-常数分布模型，其数学表达式如下： 　　从公式（5）中可以看出，环境参数A和n影响RSSI数值的精确度，但是以往获得环境参数的方法都是通过经验值或者对环境参数拟合而得的。这两种方法在获取环境参数过程中，都没有考虑到室内的复杂环境，而在整个室内，可能某一区域的环境参数高，而另一区域的环境参数低。所以通过前两种方法获取的环境参数并不能正确的体现事实情况，使得最终的定位精度不够高。 　　2 环境参数拟合 　　经验值或是对整体环境拟合来获取环境参数不能满足室内环境后，为了获得更精确的环境参数，把整个室内环境划分为不同的区域，分别求得每一个分块所对应的环境参数。在室内区域分割之前，要对测距误差和实际之间的距离关系进行分析。实验采用ZigBee模块的CC2430和CC2431，并在一个16m*12m的室内环境中进行。CC2430作为盲节点，用来发送信号；CC2431作为参考节点，用来接收信号。实验中把CC2430和CC2431放在室内的同一条直线上，并让两者之间进行一对一的通信。CC2431首先放在距离CC2430为1m处的直线距离上，测得在该点的RSSI值，多次测量后求平均值为该点的RSSI值。以下的实验是在原来的基础上增加1m进行测量。 　　由实验结果可得，RSSI值在10m以内的变化由波动很大到趋于稳定，最终得到的测量结果误差不是很大。10m以外的RSSI值变化不大，所得到的测量结果误差很大。所以采用10m距离作为划分依据，对室内区域进行划分，把室内环境划分为4个8m*6m的子区域，每个区域内的最大通信距离为10m。 　　图中E0为盲节点，剩下的节点均为参考节点。图中所对应的4个区域中的参考节点分别进行数据拟合获得所对应的环境参数，并将这些数据与参考节点所对应的ID建立成一张表格传送给上位机。在以下的定位过程中，上位机可以通过上表格迅速找到每个参考节点所对应的环境参数。对于公共点所对应的环境参数，我们采用对其所在的几个区域内的环境参数求平均值来获取该公共点所对应的环境参数。 　　3 改进的RSSI算法 　　对室内空间进行划分而获得的每个区域的环境参数，对最终的测距误差有所降低。但因为室内错综复杂的环境、多径效应和人员走动遮挡等原因，对所测得的RSSI值得准确度有所影响。为了减少对RSSI值的影响，采用将DV-hop算法与RSSI算法相结合，把DV-hop算法对参考节点的位置、ID号和跳数信息广播到网络的原理和RSSI算法原理相结合，防止受干扰的RSSI值影响定位的精度。 　　改进RSSI算法原理：参考节点将自身的位置、ID号和跳数信息广播到网络中，盲节点传送信号给参考节点，并获得相应的RSSI值。 　　盲节点获得两张表-跳数表和RSSI值表。跳数表用来表示两个节点之间的距离，其中数值越小，表示两点之间的距离越近。跳数表示稳定的，而RSSI值表是不稳定的。所以我们主要依据跳数表对两个表格进行排序，跳数表从小到大进行排序，RSSI值表从大到小进行排序。当RSSI值排名落后跳数排名两个名次及其以上时，则认为该RSSI值是不准确的，将其放在最后。这样重复下去，直到结束。最后计算采用RSSI值名次在前的值代入。 　　4 结论 　　基于RSSI算法易受环境的干扰以