徐小卜

摘要： 該文提出了一種基于位置指紋的無線傳感器網(wǎng)絡(luò)室內(nèi)安全定位算法，該算法采用傳感器節(jié)點RSSI信號作為位置指紋，為提高指紋的精確性，錨節(jié)點多次改變發(fā)送功率，并記錄相應(yīng)的RSSI值，形成一個唯一的位置向量。由于算法是離線訓(xùn)練的，因而可以避免攻擊者發(fā)送虛假位置信息導(dǎo)致的錯誤定位，是一種相對安全的無線傳感器網(wǎng)絡(luò)室內(nèi)定位算法。

關(guān)鍵詞： 無線傳感器網(wǎng)絡(luò)；RSSI值；位置指紋；室內(nèi)定位

中圖分類號：TP212；TP393 文獻標(biāo)識碼：A 文章編號：1009-3044（2016）09-0076-02

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network， WSN）是由部署在監(jiān)測區(qū)域內(nèi)的大量傳感器節(jié)點通過無線通信技術(shù)自組織構(gòu)成的網(wǎng)絡(luò)[1]。定位技術(shù)是無線傳感器網(wǎng)絡(luò)的重要研究項目之一，不同的定位算法所基于不同的定位依據(jù)，且對定位環(huán)境依賴較高，在某些環(huán)境下定位效果好的算法，在其他環(huán)境下定位性能卻不盡人意，這主要受定位技術(shù)的適用范圍和精確度影響所致。本文主要研究無線傳感器定位算法中基于位置指紋的室內(nèi)定位算法。

1 定位算法描述及分析

基于位置指紋（Location Fingerprint， LF）的定位技術(shù)基于“位置指紋”的思想，該技術(shù)事先采集“位置指紋”數(shù)據(jù)保存在本地數(shù)據(jù)庫，定位時檢測傳感器節(jié)點發(fā)射的無線信號的幅度和相位，并提取該無線信號的特征向量，將該特征向量與數(shù)據(jù)庫中的“位置指紋”數(shù)據(jù)進行匹配，找出最相似的結(jié)果實現(xiàn)定位[2]。

本文的定位算法采用接受信號強度指示（Received Signal Strength Indicator，RSSI）作為“位置指紋”。RSSI定位主要使用傳感器節(jié)點本身的射頻（Radio Frequency， RF）信號進行定位[3]，是一種低功率、廉價的定位技術(shù)。本文對節(jié)點的RSSI信號進行變化處理，使之形成一個唯一的位置向量，作為該節(jié)點的“位置指紋”。

1.1 RSSI信號獲取及處理

傳感器節(jié)點的RSSI值的獲取方式大致相同，在基于IEEE 802.15.4基礎(chǔ)上的無線傳感器網(wǎng)絡(luò)中，RSSI值可以從幀結(jié)構(gòu)中獲取[4]。實驗發(fā)現(xiàn)，無線傳感器網(wǎng)絡(luò)節(jié)點發(fā)送功率會對節(jié)點的RSSI值產(chǎn)生影響，為提高指紋的精確性、唯一性，降低不斷變化的外界復(fù)雜環(huán)境對節(jié)點RSSI值的影響，本實驗采用不同的發(fā)射功率發(fā)送信號，并取平均值作為節(jié)點的特征向量之一。

1.2 定位模型

將無線傳感器N個節(jié)點均勻分布在某實驗環(huán)境下，傳感器節(jié)點[Si]的實際位置為[（xi，yi）]，其估計位置為[（xi，yi）']。所有節(jié)點可以和錨節(jié)點（預(yù)先知道位置的節(jié)點）相互通信，錨節(jié)點依次改變發(fā)射功率與普通節(jié)點通信，[rij]表示接收方節(jié)點[Si]處測得的發(fā)送方節(jié)點[Sj]的RSSI值，多次測量后取其平均值用[rij]表示。對于每個節(jié)點[Si]對應(yīng)唯一的位置指紋向量[Ri=[ri1，ri2，...riN]]，訓(xùn)練數(shù)據(jù)集為實驗環(huán)境下的所有節(jié)點指紋向量[Ri]和實際位置[（xi，yi）]。定位階段就是通過匹配數(shù)據(jù)庫中預(yù)先存儲的“位置指紋”，通過一定的匹配算法來計算未知節(jié)點的估計位置[（xi，yi）']。

1.3 定位算法

我們的算法分為離線訓(xùn)練階段和在線定位階段。離線訓(xùn)練階段采集實驗環(huán)境下的所有節(jié)點指紋向量[Ri]和實際位置[（xi，yi）]，并將它們保存在本地數(shù)據(jù)庫中。

在線定位階段計算未知位置節(jié)點指紋向量[Ri]，并采用一個回歸算法，將該特征向量與數(shù)據(jù)庫中的“位置指紋”數(shù)據(jù)進行匹配計算，得到該節(jié)點的估計位置[（xi，yi）']。本文我們采用支持向量機回歸工具LS-SVM來進行數(shù)據(jù)庫匹配。支持向量機算法是一種基于統(tǒng)計學(xué)習(xí)理論的智能學(xué)習(xí)算法，尤其適合無線傳感器網(wǎng)絡(luò)這種小樣本的學(xué)習(xí)問題，并可以避免過學(xué)習(xí)問題。Yamano， K[5]成功運用支持向量機的思想實現(xiàn)了基于RFID的移動機器人自定位。

核函數(shù)的選擇是支持向量機模型訓(xùn)練的重要因素。在此我們選擇具有普適性的徑向基核函數(shù)：

[k（x，x'）=exp（-x-x'2σ2）]

2 實驗結(jié)果與分析

本文的實驗數(shù)據(jù)采用國外某圖書館的真實數(shù)據(jù)[6]，該實驗可以采集到傳感器節(jié)點的溫濕度、鄰居節(jié)點的RSSI等，本實驗我們采用以3個錨節(jié)點為例（錨節(jié)點越多，定位越精確），3個不同的錨節(jié)點分別采取5個不同的發(fā)射功率進行測試，每個功率測試10次，取其平均值。離線訓(xùn)練階段無線傳感器節(jié)點均勻分布（分布密度越大，定位越精確），在線定位階段，我們依次隨機抽取了10個不同位置的傳感器節(jié)點測試定位算法的定位性能，定位性能用絕對誤差表示，定位結(jié)果如圖1所示。

3 結(jié)束語

本文提出的基于位置指紋的室內(nèi)定位算法，其實驗的平均定位誤差在0.8米左右，定位精度較高。由此可見，將傳感器節(jié)點的RSSI信號作為“位置指紋”，并采用回歸算法進行位置匹配，能較好的解決無線傳感器網(wǎng)絡(luò)室內(nèi)節(jié)點定位問題。由于位置指紋定位算法的離線訓(xùn)練階段無需在線計算，所有的“位置指紋”均存預(yù)先存儲在數(shù)據(jù)庫中，因而可以避免攻擊者發(fā)送虛假位置信息導(dǎo)致的錯誤定位問題，在一定程度上可以排除入侵節(jié)點對節(jié)點定位精度的影響，是一種容忍惡意節(jié)點攻擊的、相對安全的定位算法。

參考文獻：

[1] Krco S， Tsiatsis V， Matusikova K.Mobile Network Supported Wireless Sensor Network Services[C]. Mobile Adhoc and Sensor Systems， 2007. MASS 2007. IEEE Internatonal Conference on ， 2007： 1-3， 8-11.

[2] Mauro Brunato， Roberto Battiti. statistical learning theory for location fingerprinting in wireless LANs[J]. Computer Networks： The International Journal of Computer and Telecommunications Networking， Apr. 2005，47（6）.

[3] Stoyanova T， Kerasiotis F， Prayati A. A Practical RF Propagation Model for Wireless Network Sensors[C].Sensor Technologies and Applications， 2009. SENSORCOMM '09. Third International Conference on ， 2009： 194-199， 18-23.

[4] IEEE 802.15.4. 工控網(wǎng)[EB/OL].http：//www.ynkong.com/secondweb.asp？typeid=11&smalltypeid=1&id=425，2009.

[5] Yamano K， Tanaka K， Hirayama M. Self-localization of mobile robots with RFID system by using support vector machine[C].Intelligent Robots and Systems， 2004. （IROS 2004）. Proceedings. 2004 IEEE/RSJ International Conference on ， 2004，4： 3756- 376.

[6] Wireless sensor networks lab， "Library 2（November 2006）"[Online]. Avaliable： http：//www.ulb.ac.be/di/mlg/sensorNet/datasets.html.