基于RSSI的无线传感器网络距离修正定位算法.docx

基于RSSI的无线传感器网络距离修正定位算法 0 引言 　　对于大多数 \o 无线 无线 \o 传感器 传感器 \o 网络 网络应用来说，没有位置信息的数据是毫无意义的。无线传感器网络目标定位跟踪的前提是节点自身定位。无线传感器网络节点定位算法可分为基于距离和距离无关两大类，基于距离的定位算法主要有 \o RSSI RSSI、TOA、TDOA、AOA 等，距离无关的定位算法主要有质心算法、DV-hop 算法、凸规划、MDS-MAP 等。 　　RSSI 测距无需额外硬件，实现简单，具备低功耗、低成本等特点，应用十分广泛。RSSI 的技术原理是已知锚节点发射信号的强度，根据未知节点接收到的信号强度，利用信号传播模型计算两点的距离。由于存在多径、干扰、遮挡等因素，RSSI 测距的精度较低，必须采用各种算法来减小测距误差对定位精度的影响，因而提出了一种基于RSSI 测距的无线传感器网络距离修正定位算法，可有效减小RSSI 测距误差对节点定位精度的影响。 　　1 算法模型 　　1.1 无线信号传播模型 　　RSSI 测距使用的无线信号传播模型包括经验模型和理论模型，理论模型是在大量经验模型数据的基础上总结提炼而成的。 　　对于经验模型，首先要按照一定的密度选取参考点，建立信号强度与到某个信标点距离的映射矩阵，在实际定位时根据测得的信号强度与映射矩阵进行对比，并采用数学拟合方式确定待测节点到锚节点的距离。 　　无线信号传播理论模型主要有自由空间传播模型、对数距离路径损耗模型、对数-常态分布模型等，其中对数-常态分布模型的使用最为广泛。 　　对数-常态分布模型如式（1）所示： ? 　　其中n 是路径损耗指数，表明路径损耗随距离增长的速率，范围在2~6 之间。d0 为近地参考距离，由测试决定。式（1）能够预测出当距离为d 时接收到的平均能量。由于相同距离d 的情况下，不同位置的周围环境差距非常大因而引入了Xσ，Xσ 是一个平均值为0 的高斯分布变量。 　　为了更好地描述距离修正定位算法，这里提出两个合理的假设条件： 　　①由于各种障碍物的影响，绝大多数实际情况中，式（1）预测出的PL（d）[dB]比实际信号能量偏大；②当距离d 增大时，PL（d）[dB]与实际损耗能量的相对偏差也会增大。 　　1.2 确定相交区域质心的数学模型 　　已知三个节点A、B、C 的坐标为（xa, ya）、（xb, yb）和（xc,yc），节点O到他们的距离为ra、rb 和rc，假设节点O的坐标（xo, yo），则（xo, yo）的数值可通过式（2）得出，也就是说以A、B 和C 三点为圆心，以ra、rb 和rc 为半径作圆，则三圆将相交与点O，如图1（a）所示。 ? 图1 三圆相交情况。 ? 　　但在实际情况中，由于RSSI 测距存在误差，并且由于实际的路径损耗比理论模型的数值偏大，也就是说测量出来的未知点到锚节点的距离d 总是大于实际距离r。以A、B和C 三点为圆心，以da1、db1 和dc1 为半径作圆，三圆将不再相交于点O，而是存在一个相交区域，如图1（b）所示。 　　三圆相交区域的边界有三个交点，三点质心为点D。其中点D 的坐标可以通过式（3）求解。 ? 　　但是二次方程，求解过程计算量较大，因而文中采用如图1（b）所示的点D1 的坐标近似质心D 的坐标。三圆两两相交，则三条交线将相交于点D1。将式（2）中的方程式两两相减，则分别得到每条交线的直线方程，D1 的坐标则可以通过这些直线方程求解，如式（4）。 ? 　　1.3 距离修正 　　在某些文章中，以D1 的坐标作为点O 的近似值，其准确度虽然比三边定位等方法要高，但是还是可能存在较大的误差，尤其是当da1、db1、dc1 与ra、rb 和rc 的相对误差各不相同时尤其明显，因而需要对RSSI 方法测出的距离da1、db1和dc1 进行修正，然后再重复地求出新的三线交点D2 的坐标，则可以用点D2 的坐标作为点O 的近似坐标。 　　设点A、B 和C 到D1 的距离la1、la2 和la3，则总体修正系数如式（5）所示。 ? 　　根据1.1 节中假设②，距离越远测距相对误差越大，则其修正程度越大，则da1 的修正系统如式（6）所示，db1 和dc的修正系数类似。 ? 　　修正后的距离da2 通过式（7）得出，db2 和dc2 类似。 ? 　　2 算法流程 　　算法流程如下： 　　①各锚节点以相同功率周期性地向周围广播定位信息，信息中包括节点ID 和坐标。普通节点收到定位信息后，计算同一锚节点的RSSI 平均值； 　　②当普通节点收集到一定数量的锚节点信息时，不再接收新信息。各普通节点根据RSSI 从强到弱对锚节点排序，由式（1）求出节点到锚节点的距离； ? 　　③选取距离最近的3 个锚节