張穎穎

(浙江商業(yè)職業(yè)技術(shù)學(xué)院，浙江 杭州 310053)

?

基于接收信號強度的無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法

張穎穎

(浙江商業(yè)職業(yè)技術(shù)學(xué)院，浙江 杭州 310053)

摘要:針對原有質(zhì)心定位算法精度低、錨節(jié)點比例過高的缺點，提出了基于接收信號強度(RSSI)的無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法。該算法將基于RSSI的測距值作為權(quán)重引入質(zhì)心算法，通過仿真實驗探尋算法模型最優(yōu)權(quán)值，并運用迭代思想降低網(wǎng)絡(luò)錨節(jié)點比例，同時采用測距校正、算法修正和設(shè)置RSSI閾值約束三種措施來控制算法誤差。仿真表明，改進算法在定位精度、成本控制和環(huán)境適應(yīng)性上優(yōu)于原有質(zhì)心定位算法。

關(guān)鍵詞:無線傳感器網(wǎng)絡(luò)；定位算法；接收信號強度；迭代加權(quán)質(zhì)心算法

0引言

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是無線通信技術(shù)、微機電系統(tǒng)和片上系統(tǒng)高度集成而發(fā)展出的一種新型信息獲取和處理方式[1-2]。其工作形式為：將大量費用低廉體積微小的傳感器節(jié)點隨機部署在監(jiān)測區(qū)域，相鄰節(jié)點間可以相互通信，形成一個多跳的自組織網(wǎng)絡(luò)，節(jié)點攜帶的傳感器探測周邊壞境的物體性狀、部署、變化等信息，通過無線通信技術(shù)將所測數(shù)據(jù)傳回設(shè)備終端，從而實現(xiàn)環(huán)境和研究者之間的信息交互。可廣泛適用于國防軍事、環(huán)境監(jiān)測、遠(yuǎn)程控制等領(lǐng)域。

節(jié)點定位是無線傳感器網(wǎng)絡(luò)技術(shù)的重要環(huán)節(jié)，傳感器節(jié)點所收集到的數(shù)據(jù)信息必須結(jié)合其所在的位置才有意義。為了降低成本，無線傳感器網(wǎng)絡(luò)的常規(guī)部署是讓盡量少的一部分節(jié)點攜帶GPS，這部分已定位節(jié)點稱為錨節(jié)點，其余大部分不攜帶GPS的未定位節(jié)點需通過與其附近區(qū)域內(nèi)錨節(jié)點間的信息交流來計算自身的位置信息。因此，如何針對無線傳感器網(wǎng)絡(luò)密集型、低成本、低能耗的特點來設(shè)計有效的節(jié)點定位算法，對于無線傳感器網(wǎng)絡(luò)研究具有重要的理論意義和應(yīng)用價值。

根據(jù)是否需要節(jié)點間的距離，國內(nèi)外現(xiàn)有的節(jié)點定位算法可以分為兩大類[3]：基于測距的定位算法(range-based)和基于非測距的定位算法(range-free)?；诜菧y距的定位算法[4-7]有質(zhì)心算法、DV-Hop算法、凸規(guī)劃法、APIT定位算法等，這些算法在簡單性、可操作性、可擴展性等方面有較大優(yōu)勢，但在定位精度上遜于基于測距的算法。其中，經(jīng)典的質(zhì)心定位算法有其突出的性能優(yōu)點，那就是實現(xiàn)簡單、硬件要求較低并且通信開銷小，適用于定位精度要求不高的無線傳感器網(wǎng)絡(luò)，在應(yīng)用中得到了很大的認(rèn)可。但是，質(zhì)心算法較大的定位誤差和較高的已知節(jié)點密度是其最大的缺陷，限制了算法的應(yīng)用范圍。本文針對此問題，提出了基于RSSI的無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法。

1質(zhì)心定位算法

質(zhì)心定位算法[4]是一種無需測距，基于網(wǎng)絡(luò)連通性的定位算法。其思路是：無線傳感器網(wǎng)絡(luò)中的錨節(jié)點每隔一定時間廣播一個無線信號，信號中包含自身ID及位置信息，周邊的未定位節(jié)點接收到信號后，根據(jù)系統(tǒng)預(yù)設(shè)的閾值進行判斷，確定與哪些錨節(jié)點是連通的，將自身位置定位為所有連通的錨節(jié)點所組成多邊形的質(zhì)心。假設(shè)某未知節(jié)點(x,y)其連通范圍內(nèi)錨節(jié)點坐標(biāo)為(x1,y1),(x2,y2),…,(xn,yn), 則該未知節(jié)點的定位為：

(1)

顯然，傳統(tǒng)的質(zhì)心定位算法實現(xiàn)非常簡單，但要達(dá)到理想的定位精度，必須提高錨節(jié)點密度，并且對錨節(jié)點分布的均勻性要求較高，在實際應(yīng)用中有較大的限制。因此，一些研究者對其進行了改進，其中一種改進思路是結(jié)合測距定位算法精度較高的優(yōu)點，進一步提升質(zhì)心定位算法性能。在結(jié)合測距算法中，常見的測距技術(shù)有RSSI、TOA、TDOA和AOA，這些技術(shù)在不同的環(huán)境和應(yīng)用中各有其特點。其中，基于接收信號強度的測距技術(shù)RSSI(ReceiveSignalStrengthIndication)在無線傳感器網(wǎng)絡(luò)中具有較大優(yōu)勢，使用率最高[8]，因為無線傳感器網(wǎng)絡(luò)中的傳感器節(jié)點本身可以方便地進行相互間信號的發(fā)送和接收，無需增加額外硬件支持，操作方便且易于實現(xiàn)。因此，綜合能耗、誤差、成本、可操作性等因素，本文所涉及的測距均使用RSSI技術(shù)。

在改進算法中，文獻[9—10]將RSSI值作為權(quán)重引入質(zhì)心定位算法。RSSI值越大，說明這兩個節(jié)點間的距離越近，這個錨節(jié)點坐標(biāo)在計算過程中所占的權(quán)重也就越大，從而對未知節(jié)點坐標(biāo)定位的影響度增大。算法公式為[10]：

(2)

式(2)中，RSSIi表示未知節(jié)點接收到的第i個錨節(jié)點的信號強度值。此算法在不增加硬件資源的前提下，定位精度比傳統(tǒng)質(zhì)心定位算法要高。

在實際應(yīng)用中，RSSI值受外界環(huán)境影響較大，存在一定的誤差，而無線傳感器網(wǎng)絡(luò)覆蓋區(qū)域大，外界環(huán)境復(fù)雜，單純使用RSSI值作為權(quán)值的質(zhì)心定位算法在操作中不易修正誤差值，影響算法的定位精度。因此，文獻[11—12]提出，把節(jié)點間距離值d作為權(quán)重系數(shù)引入質(zhì)心定位算法，利用距離值d方便修正誤差的優(yōu)點來提升定位精度。由于節(jié)點間距離值d越大，其RSSI值越小，反之距離值d越小，其RSSI值越大，因此以距離值d的倒數(shù)作為權(quán)重，算法公式為[11]：

(3)

式(3)中，di為未知節(jié)點接收到的第i個錨節(jié)點的測距值。由于未知節(jié)點位置信息不明，無法與其余節(jié)點間進行直接測距，這里的節(jié)點間距離值d基于Shadowing信號轉(zhuǎn)化模型[13]：

(4)

式(4)中，信號接收強度RSSI單位為dBm，參數(shù)A表示距離發(fā)射中心1m處傳感器節(jié)點所接收信號強度值，n是和信號傳輸環(huán)境相關(guān)的路徑損耗指數(shù)。其中A和n的取值隨著環(huán)境不同相應(yīng)變化[14]。

算法中距離值d的修正方案為：用已知錨節(jié)點間的實際距離值與以錨節(jié)點為未知節(jié)點進行測距得到的距離值進行誤差比對分析，取誤差平均值為全網(wǎng)測距誤差校正值，對所有測距得到的未知節(jié)點距離值d進行誤差修正。此算法在定位精度上高于傳統(tǒng)質(zhì)心定位算法和直接基于RSSI值的算法。

針對質(zhì)心定位算法中錨節(jié)點數(shù)目過多的缺點，文獻[15]在公式(3)的基礎(chǔ)上提出了迭代式加權(quán)思想。思路是：若某未知節(jié)點通信范圍內(nèi)錨節(jié)點數(shù)目大于等于3個，用加權(quán)質(zhì)心定位算法進行定位；若錨節(jié)點數(shù)目小于3個，則把可通信范圍內(nèi)已定位的未知節(jié)點升級為錨節(jié)點參與后續(xù)定位。算法公式為[15]：

(5)

2增強的質(zhì)心定位改進算法

在上述原有質(zhì)心算法的基礎(chǔ)上，本文提出了一種增強的基于RSSI的無線傳感器網(wǎng)絡(luò)質(zhì)心定位改進算法，通過改進算法數(shù)學(xué)模型和加強誤差控制兩方面措施來提升算法性能。

2.1算法模型改進

2.1.1算法權(quán)值調(diào)整

在加權(quán)算法中，算法模型權(quán)重取值的合理性對最終定位精度的影響很大，直接關(guān)系到整個算法性能的優(yōu)劣。公式(2)和(3)的算法均基于RSSI，而公式(3)考慮了RSSI值的系統(tǒng)環(huán)境誤差，以節(jié)點間測距值d為權(quán)值，采用測距校正的措施來修正誤差，進一步提升了定位精度。本文保留以測距值d為權(quán)值利于修正誤差的優(yōu)點，但對此權(quán)值是否可以進一步優(yōu)化展開探討。

由Shadowing模型公式(4)的變形：

(6)

可知，在參數(shù)A和n取定的前提下，測距值d的倒數(shù)與RSSI之間并非簡單的線性關(guān)系，而是更接近指數(shù)級的關(guān)系。因此，結(jié)合公式(2)、(3)，并考慮算法模型的簡潔和操作性，把原有公式(3)中的權(quán)值d的倒數(shù)調(diào)整為d的倒數(shù)的t次方，探討t是否有優(yōu)于1的取值。調(diào)整后的算法公式為：

(7)

式(7)中，di為未知節(jié)點(x,y)與其通信范圍內(nèi)第i個錨節(jié)點(xi,yi)間的校正測距值。系數(shù)t為最優(yōu)權(quán)值系數(shù)，定義為相同定位條件下，在適當(dāng)?shù)娜≈祬^(qū)間內(nèi)，使得算法定位誤差最小時所對應(yīng)的值。系數(shù)t最優(yōu)值的探討是通過仿真實驗，圍繞原有算法公式中的取值t=1，在同等定位條件下，以0.1為步長取遍一定的取值區(qū)間，對每一個t值對應(yīng)的算法公式進行仿真實驗，以算法的定位精度為評價標(biāo)準(zhǔn)，探尋在t值變化時算法定位誤差最小，也即定位精度最優(yōu)時對應(yīng)的t值。

在仿真實驗中，具體仿真環(huán)境和仿真條件設(shè)置詳見第3章，仿真中t的取值范圍為[0.5, 2.5]，在具體實驗中，超出此范圍時結(jié)果變化極小，故忽略不計。仿真結(jié)果如下：

1)給定仿真條件為節(jié)點總數(shù)100，定位區(qū)域大小100m×100m，通信半徑30m，λ取15%，測距誤差介于[-λ,λ]時，改變錨節(jié)點密度，結(jié)果如表1。

表1　不同錨節(jié)點密度下的t值

2)給定仿真條件為節(jié)點總數(shù)100，錨節(jié)點10，通信半徑30 m，λ取15%，測距誤差介于[-λ,λ]時，改變定位區(qū)域大小，結(jié)果如表2。

3)給定仿真條件為節(jié)點總數(shù)100，錨節(jié)點10，定位區(qū)域大小100 m×100 m，通信半徑30 m，測距誤差介于[-λ,λ]時，改變環(huán)境影響參數(shù)λ，結(jié)果如表3。

表2　不同定位區(qū)域下的t值

表3　不同環(huán)境影響下的t值

由仿真實驗結(jié)論可知，改進公式中的最優(yōu)權(quán)值系數(shù)t主要與無線傳感器網(wǎng)絡(luò)中的錨節(jié)點密度有關(guān)，與定位區(qū)域大小及環(huán)境干擾情況無關(guān)。即對于一個預(yù)先設(shè)定的無線傳感器網(wǎng)絡(luò)，公式(7)中t值的確定由網(wǎng)絡(luò)中已知的錨節(jié)點密度決定，如密度為5%，則t取1.7，如密度為10%，則t取1.9，具體取值見表2。

2.1.2引入迭代思想

運用迭代計算，把已定位的未知節(jié)點升級為錨節(jié)點參與后續(xù)定位運算，從而解決質(zhì)心定位算法錨節(jié)點比例過高的缺陷。結(jié)合原有算法公式(5)，改進算法數(shù)學(xué)模型調(diào)整為：

(8)

式(8)中的權(quán)值系數(shù)t取值同公式(7)，qi取值同公式(5)。

2.2誤差控制

2.2.1局部式測距校正

在基于RSSI測距的定位算法中，由于信號在傳輸過程中極易受外界因素干擾，直接影響最終的定位精度，原有算法通過測距校正的方法對此進行誤差修正。但在實際應(yīng)用中，大型的無線傳感器網(wǎng)絡(luò)分布情況比較復(fù)雜，各個區(qū)域內(nèi)環(huán)境影響程度不同，所產(chǎn)生的測距誤差也各不相同。因此，原有算法的全網(wǎng)測距誤差校正無法體現(xiàn)網(wǎng)絡(luò)環(huán)境的復(fù)雜性，應(yīng)以個體節(jié)點為中心，在其通信范圍內(nèi)根據(jù)其區(qū)域特點進行局部測距校正，更利于降低測距誤差，提高算法對環(huán)境的自適應(yīng)。實施方法為：

(9)

則錨節(jié)點i在通信范圍內(nèi)測距誤差校正值ui為：

(10)

(11)

2.2.2迭代誤差控制

由接收信號強度特點，節(jié)點距離越遠(yuǎn)，接收的RSSI值誤差越大，尤其當(dāng)此節(jié)點是由未知節(jié)點定位后升級所成時，如果繼續(xù)參與后面的迭代計算，會造成相當(dāng)大的誤差累加。因此，算法中如果要用到這一部分升級節(jié)點時，可以通過設(shè)置距離閾值，僅選擇距離比較近的那部分升級節(jié)點參與后續(xù)定位。

距離閾值設(shè)定方法：如果要用到升級節(jié)點，需要先判斷其接收的RSSI值是否在設(shè)定的門限范圍內(nèi)，如果符合，則接收其發(fā)送的信息參與定位計算，如果不符合，則放棄該節(jié)點信息。門限設(shè)定時結(jié)合網(wǎng)絡(luò)情況，若網(wǎng)絡(luò)平均連通度較高，則此待定位節(jié)點的鄰居節(jié)點數(shù)目比較多，可選擇余地大，門限范圍相應(yīng)可以收緊，比如閾值設(shè)為其最大通信半徑對應(yīng)RSSI值的2倍，過濾掉較遠(yuǎn)處誤差大的升級節(jié)點，保證一定的定位精度。若網(wǎng)絡(luò)平均連通度較低，則門限范圍相應(yīng)放松，比如閾值設(shè)為最大通信半徑對應(yīng)RSSI值的1.5倍或者更小，以保證一定的定位覆蓋率。

2.2.3算法誤差修正

導(dǎo)致定位誤差的因素除了測距誤差和環(huán)境影響外，另一個重要原因就是定位算法本身帶來的誤差。改進算法中給出了算法誤差補償措施，具體方法是：

把錨節(jié)點i當(dāng)成未知節(jié)點進行定位，由估算坐標(biāo)(xci,yci)和實際坐標(biāo)(xi,yi)得到定位誤差：

(12)

把此定位誤差(uxi,uyi)作為該錨節(jié)點自身信息加以儲存并廣播，周圍的未知節(jié)點j接收信息后，求出其通信范圍內(nèi)所有n個錨節(jié)點定位誤差的平均值作為自身的定位誤差校正值：

(13)

(14)

2.3增強的質(zhì)心定位改進算法實現(xiàn)步驟

改進算法實現(xiàn)步驟如下：

1)網(wǎng)絡(luò)初始化，錨節(jié)點每隔一段時間向周圍廣播信息；

2)所有節(jié)點接收鄰居錨節(jié)點信息，把接收到的RSSI平均值換算成距離值d并校正；

3)未知節(jié)點在其通信區(qū)域內(nèi)的錨節(jié)點數(shù)若大于等于3個，則用改進算法公式進行定位計算；

4)逐一檢查未定位節(jié)點，在其通信區(qū)域內(nèi)接收步驟3)中新一輪定位的節(jié)點信息，判斷所接收的RSSI值是否屬于所設(shè)閾值范圍，若是，升級為錨節(jié)點(全部由升級錨節(jié)點實現(xiàn)定位的節(jié)點不能再升級)，若錨節(jié)點數(shù)不小于3，回到步驟3)，若所有節(jié)點均已定位或者沒有增加新的定位節(jié)點，轉(zhuǎn)到步驟5)，若未定位節(jié)點周圍錨節(jié)點數(shù)小于3且沒有可升級的，標(biāo)為不可定位；

5)進行算法誤差修正，得到最終坐標(biāo)。

3算法仿真分析

3.1仿真環(huán)境設(shè)置

為了驗證算法的有效性，采用Matlab軟件進行仿真。仿真環(huán)境設(shè)定為：100個節(jié)點隨機部署在100m×100m區(qū)域，錨節(jié)點比例按需要設(shè)定，由于無法真實模擬實際環(huán)境中信號接收強度RSSI值的接收情況，故節(jié)點定位后升級成錨節(jié)點的RSSI閾值用距離閾值表示，閾值取節(jié)點通信半徑R的70%，引入測距誤差系數(shù)λ來模擬環(huán)境影響，所有仿真結(jié)果取10次仿真的平均值。

在仿真中，將原有的公式(3)對應(yīng)的算法稱為WCLA算法；原有的公式(5)對應(yīng)的算法稱為IWCLA算法；本文的改進算法稱為IWCLAAdvanced算法，公式見(8)。仿真主要針對這三種算法進行比較和分析。

3.2仿真結(jié)果分析

3.2.1錨節(jié)點密度對定位的影響

取錨節(jié)點數(shù)為5、10、15、20、25、30，節(jié)點通信半徑R為30m，λ取15%，測距誤差為介于[-λ,λ]之間的隨機誤差。仿真結(jié)果見圖1和圖2，由圖2可知，錨節(jié)點為5個時WCLA算法的定位覆蓋率過低，研究其定位精度無實際參考意義，故圖2中錨節(jié)點數(shù)從10開始。

仿真表明：當(dāng)錨節(jié)點數(shù)目變化時，改進算法在定位覆蓋率上遠(yuǎn)超WCLA算法并與IWCLA算法基本持平，在定位精度上高于IWCLA算法并與WCLA算法基本持平，說明其在提高定位覆蓋率的同時仍能維持較高的定位精度，算法綜合性能優(yōu)于原有算法。

3.2.2測距誤差對定位精度的影響

一般而言，測距誤差和網(wǎng)絡(luò)所在環(huán)境的影響程度密切相關(guān)。這里λ值取5%、10%、15%、20%、25%、30%，為了體現(xiàn)實際環(huán)境中不同區(qū)域受不同因素影響的局部性環(huán)境特點，仿真中，把節(jié)點分布區(qū)域按田字格形狀均分成四塊，每塊區(qū)域測距誤差分別為[-λ,-0.5λ]、[-0.5λ,0]、[0,0.5λ]、[0.5λ,λ]，這樣即體現(xiàn)了局部環(huán)境差異也保證了整體區(qū)域測距誤差仍然為[-λ,λ]之間的隨機誤差。此外，節(jié)點通信半徑R取30m，錨節(jié)點數(shù)取15。仿真結(jié)果見圖3。

仿真表明：改進算法定位精度最優(yōu)，IWCLA算法受環(huán)境影響最大。隨著測距誤差的增大，改進算法中的局部測距校正和算法修正策略使其比原有算法在定位精度這個性能上體現(xiàn)出更好的穩(wěn)定性。因此，改進算法與原算法相比，更適用于環(huán)境復(fù)雜的布設(shè)區(qū)域，在環(huán)境自適應(yīng)性上有更大的改善。

3.2.3節(jié)點通信半徑對定位精度的影響

本次實驗通過逐漸調(diào)整節(jié)點通信半徑R，也即在不同的網(wǎng)絡(luò)連通度情況下研究算法定位性能。實驗中R取20m、25m、30m、35m、40m、45m，錨節(jié)點數(shù)取15，λ取15%，測距誤差為介于[-λ,λ]之間的隨機誤差。仿真結(jié)果見圖4。

圖1　錨節(jié)點數(shù)目對定位覆蓋率的影響Fig.1　The influence of anchor node number to location coverage

圖2　錨節(jié)點數(shù)目對定位精度的影響Fig.2　The influence of anchor node number to location accuracy

圖3　測距誤差對定位精度的的影響Fig.3　The influence of distance-measuring error to location accuracy

圖4　節(jié)點通信半徑對定位精度的的影響Fig.4　The influence of node communication radius to location accuracy

仿真表明：改進算法相比原有算法定位精度較高，在通信半徑變化過程中受影響程度最小，定位性能最穩(wěn)定。

4結(jié)論

本文提出了基于RSSI的無線傳感器網(wǎng)絡(luò)質(zhì)心定位改進算法。該算法將基于RSSI的測距值作為權(quán)重引入質(zhì)心算法，通過仿真實驗探尋算法模型最優(yōu)權(quán)值，并運用迭代思想降低網(wǎng)絡(luò)錨節(jié)點比例，同時采用測距校正、算法修正和設(shè)置RSSI閾值約束三種措施來控制算法誤差。仿真表明，改進算法在定位精度、成本控制和環(huán)境適應(yīng)性上優(yōu)于原有質(zhì)心定位算法。進一步提高定位精度，并將算法推廣到三維定位是下一步研究的方向。

參考文獻:

[1]孫利民，李建中，陳渝，等. 無線傳感器網(wǎng)絡(luò)[M]. 北京: 清華大學(xué)出版社，2005.

[2]YickJ,MukherjeeB,GhosalD.Wirelesssensornetworksurvey[J].ComputerNetworks,2008,52(12):2292-2329.

[3]史洪宇，燕莎，曹建忠. 無線傳感器網(wǎng)絡(luò)節(jié)點定位的混沌粒子群優(yōu)化算法[J].探測與控制學(xué)報，2010,32(5):46-49.

[4]BulusuN,HeidemannJ,EstrinD.GPS-lesslow-costoutdoorlocalizationforverysmalldevices[J].PersonalCommunications,IEEE, 2000, 7(5): 28-34.

[5]HeT,HuangCD,BlumBM,etal.Range-freelocalizationschemesforlargescalesensornetworks[C]//Proceedingofthe9thAnnualInternationalConferenceonMobileComputingandNetworking.SanDiego:ACMPress,2003: 81-95 .

[6]馬駿，王敬東，溫家旺，等.RSSI與凸規(guī)劃相結(jié)合的無線傳感器網(wǎng)絡(luò)定位算法[J].指揮控制與仿真, 2013, 35 (4): 60-65.

[7]李牧東，熊偉，梁青，等. 無線傳感器網(wǎng)絡(luò)DV-Hop定位算法研究[J].空軍工程大學(xué)學(xué)報(自然科學(xué)版), 2012, 13 (4): 77-80.

[8]呂鵬元. 無線傳感器網(wǎng)絡(luò)定位算法研究[D]. 西安：西安電子科技大學(xué), 2009.

[9]何艷麗. 無線傳感器網(wǎng)絡(luò)質(zhì)心定位算法研究[J]. 計算機仿真, 2011, 28 (5): 163-166.

[10]李文辰，張雷. 無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法研究[J]. 計算機仿真, 2013, 30(2): 191-194.

[11]張嬋愛，馬艷艷，白鳳娥，等. 基于RSSI的加權(quán)質(zhì)心定位算法的實現(xiàn)[J]. 太原理工大學(xué)學(xué)報, 2009, 40 (2): 146-148.

[12]王振朝，張琦，張峰. 基于RSSI測距的改進加權(quán)質(zhì)心定位算法[J]. 電測與儀表, 2014, 51 (21): 63-66.

[13]朱明輝，張會清. 基于RSSI的室內(nèi)測距模型的研究[J]. 傳感器與微系統(tǒng), 2010, 29(8): 19-22.

[14]AliS,NoblesP.AnovelindoorlocationsensingmechanismforIEEE802.11b/gwirelessLAN[C]//TheFourthWorkshoponPositioning,NavigationandCommunication(WPNC’ 07).Hannover:WPNCPress,2007: 9-15.

[15]王新芳. 面向消防現(xiàn)場的無線傳感器網(wǎng)絡(luò)定位技術(shù)研究[D]. 鎮(zhèn)江：江蘇科技大學(xué), 2012.

Wireless Sensor Networks Centroid Location Algorithm Based on Receive Signal Strength Indication

ZHANG Yingying

(Zhejiang Vocational College of Commerce，Hangzhou 310053, China)

Abstract:To improve the positional accuracy and reduce the anchor node proportion of classic centroid localization algorithm, a new localization algorithm based on RSSI was proposed in this thesis. Firstly, the new algorithm introduced weighted centroid algorithm based on the distance. With conditions changing, the optimal weight was found through simulation. Secondly, the new algorithm introduced iterative thoughts to reduce the anchor nodes proportion. Finally, three measures are proposed to control the error of new algorithm. They are local distance correction, positioning error correction, and threshold setting. The simulation indicated that the new algorithm had better performance on positioning accuracy , cost control and environmental adaptability.

Key words:wireless sensor network; localization algorithm; RSSI; iterative weighted centroid algorithm

中圖分類號:TP393

文獻標(biāo)志碼:A

文章編號：1008-1194(2016)02-0103-06

作者簡介:張穎穎(1975—)，女，浙江杭州人，碩士，講師，研究方向：應(yīng)用數(shù)學(xué)、無線傳感器網(wǎng)絡(luò)定位算法。E-mail:zyy@zjbc.edu.cn。

基金項目:浙江省教育廳科研項目資助(Y201534402)

*收稿日期:2015-10-09