劉宏立， 周 登， 徐 琨， 胡久松

(湖南大學(xué) 電氣與信息工程學(xué)院,湖南 長沙 410082)

基于RSSI的自適應(yīng)權(quán)重定位算法*

劉宏立， 周 登， 徐 琨， 胡久松

(湖南大學(xué) 電氣與信息工程學(xué)院,湖南 長沙 410082)

在室內(nèi)環(huán)境中，由于存在多徑、反射的影響，采用傳統(tǒng)的靜態(tài)權(quán)重質(zhì)心定位(SWCL)方法無法得到準(zhǔn)確的定位精度。針對這一問題，提出了一種新的基于接收信號強(qiáng)度指示(RSSI)的動態(tài)自適應(yīng)靜態(tài)權(quán)重質(zhì)心定位(RSSI—DA—SWCL)算法。對RSSI測距算法優(yōu)化，消除不同發(fā)射功率和其它突發(fā)干擾對測距的影響；利用錨節(jié)點和未知節(jié)點距離等信息，讓錨節(jié)點自適應(yīng)地獲得最優(yōu)的權(quán)重系數(shù)，從而提高定位精度；將RSSI—DA—SWCL算法在ZigBee平臺中實現(xiàn)，并通過Maltab仿真和實測實驗對算法進(jìn)行驗證。結(jié)果表明：和傳統(tǒng)的定位算法相比，提出算法具有更優(yōu)的定位精度。

無線傳感器網(wǎng)絡(luò)； 動態(tài)加權(quán)； 質(zhì)心定位算法； 接收信號強(qiáng)度指示測距

0 引 言

無線傳感器網(wǎng)絡(luò)[1，2](wireless sensor networks，WSNs)是一種將大量低成本、低功耗的傳感器節(jié)點隨機(jī)布置到特定的區(qū)域,節(jié)點實現(xiàn)自控組織的多跳網(wǎng)絡(luò)。

WSNs定位算法分為兩大類：基于測距定位和非測距定位[3]?；跍y距主要有質(zhì)心定位算法、DV-Hop算法等。非測距定位主要有接收信號強(qiáng)度指示(received signal strength indication,RSSI)、到達(dá)時間(time of arrival,ToA) 和燈塔測量法。靜態(tài)權(quán)重定位算法[4～6]結(jié)合測距和非測距定位算法的優(yōu)點，提高了定位精度，然而該算法采用的是靜態(tài)權(quán)重系數(shù)，這樣無法充分利用錨節(jié)點的信息，甚至導(dǎo)致占主導(dǎo)作用的錨節(jié)點由于靜態(tài)權(quán)重系數(shù)的影響反而增大了定位誤差。針對這個問題，本文在井下巷道真實環(huán)境下做了大量的實驗，并統(tǒng)計分析大量的RSSI數(shù)據(jù)，在此基礎(chǔ)之上提出了一種基于RSSI動態(tài)自適應(yīng)靜態(tài)權(quán)重質(zhì)心定位 (RSSI dynamic adaptive static weighted centroid location，RSSI—DA—SWCL) 算法，即讓各個錨節(jié)點自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，這樣可以提高占有主導(dǎo)作用的錨節(jié)點的影響力，從而提高定位的精度。

1 靜態(tài)權(quán)重定位算法

1.1 靜態(tài)權(quán)重算法原理

靜態(tài)權(quán)重定位算法是質(zhì)心定位算法的改進(jìn)，引入了權(quán)重系數(shù)，權(quán)重系數(shù)體現(xiàn)了距離遠(yuǎn)近對定位精度的影響。圖1為靜態(tài)權(quán)重定位算法原理圖，其中，B1,B2和B3為錨節(jié)點，P為待定位的節(jié)點。

根據(jù)靜態(tài)權(quán)重定位算法的原理，其未知節(jié)坐標(biāo)計算

圖1 靜態(tài)權(quán)重定位算法原理圖

(1)

式中 wj為權(quán)重系數(shù)，一般表示距離之間的函數(shù)[7]

(2)

式中 δ作為一個固定的權(quán)重修正系數(shù)，它體現(xiàn)了各個錨節(jié)點對質(zhì)心坐標(biāo)決定權(quán)的大小。

1.2 權(quán)重修正系數(shù)特性分析

δ作為一個固定的系數(shù)，它是否取得最優(yōu)解直接決定算法的優(yōu)劣。在研讀資料文獻(xiàn)后發(fā)現(xiàn)最優(yōu)的權(quán)重修正系數(shù)一般在區(qū)間(1,4)之間取得。

1)定位區(qū)域大小的改變

在定位區(qū)域內(nèi)部署10個錨節(jié)點和2個未知節(jié)點，增加均值為0，方差為1的高斯白噪聲，在區(qū)間(1,4)內(nèi)權(quán)重修正系數(shù)以0.1為步長逐漸遞增，利用式(1)計算未知節(jié)點定位誤差仿真結(jié)果如圖2和表1所示。

圖2 定位區(qū)域?qū)?quán)重修正系數(shù)影響圖

定位區(qū)域/m2誤差范圍/m最優(yōu)修正系數(shù)10m×10m1.31～1.711.920m×20m1.67～2.121.930m×30m2.05～2.591.9

2)不同高斯噪聲影響

在定位區(qū)域中分別加入均值為0，方差為1,2,3,4,5的高斯噪聲，其他參數(shù)同上述相同，按照上述步驟進(jìn)行仿真，仿真結(jié)果如圖3和表2所示。

圖3 高斯噪聲對權(quán)重修正系數(shù)影響圖

表2 高斯噪聲對權(quán)重修正系數(shù)影響

3)不同錨節(jié)點的影響

在定位區(qū)域中錨節(jié)點從10,15,20,25,30開始遞增，其他參數(shù)同上述相同，按照上述步驟進(jìn)行仿真，其結(jié)果如圖4和表3所示。

圖4 錨節(jié)點對權(quán)重修正系數(shù)影響圖

表3 錨節(jié)點對權(quán)重修正系數(shù)影響

從上述分析可以知道，定位區(qū)域、高斯噪聲對權(quán)重修正系數(shù)影響不大，其對應(yīng)的最優(yōu)的權(quán)重修正系數(shù)均是1.9。而當(dāng)錨節(jié)點數(shù)目發(fā)生改變時，對應(yīng)的最優(yōu)的權(quán)重修正系數(shù)也發(fā)生改變。因此下文主要分析在不同的錨節(jié)點數(shù)目區(qū)域中如何取得最優(yōu)的權(quán)重修正系數(shù)。

2 RSSI-DA-SWCL定位算法

2.1 RSSI測距算法優(yōu)化

傳統(tǒng)RSSI測距[8]原理圖1所示，采用正態(tài)—對數(shù)模型[9]，其在d處接收的RSSI為

RSSI=A-10nlgd

(3)

式中A為1 m處接收信號強(qiáng)度，n為衰減因子。RSSI測距優(yōu)化主要分為以下3個階段：

階段1 在真實室內(nèi)環(huán)境中，每個未知節(jié)點接收大量的RSSI數(shù)據(jù)，將這些RSSI數(shù)據(jù)求初始平均值

(4)

式中 n為測量次數(shù)，實驗結(jié)果表明：當(dāng)n適當(dāng)增大時，定位精度也就越高。

階段2RSSI經(jīng)過多次測量后，通過高斯分布函數(shù)濾除突發(fā)干擾造成的偏差比較大的值，去除小概率事件。然后求二次平均值，這樣RSSI值精度會更高

(5)

通過設(shè)定高概率最小值應(yīng)大于0.6的范圍，則可知

0.15σ+u≤x≤3.09σ+u

(6)

階段3 由于發(fā)射節(jié)點的發(fā)射功率不一致，本文針對這個問題消除式(3)中參數(shù)A和n，從而消除不同功率帶來的影響。由圖1所示，錨節(jié)點B1接收其他錨節(jié)點和未知節(jié)點的信息分別為

RSSIB2B1=AB1-10nB1lg(dB2B1)

(7)

RSSIB3B1=AB1-10nB1lg(dB3B1)

(8)

RSSIB3P=AB1-10nB1lg(dB3P)

(9)

對式(7)、式(8)、式(9)進(jìn)行求差和作商，則

隨著物聯(lián)網(wǎng)的快速發(fā)展，超低功耗設(shè)計已經(jīng)成為了模擬集成電路領(lǐng)域研究者的重點研究方向[1]。在可預(yù)見的未來，超低功耗模擬集成電路的發(fā)展將給可穿戴智能設(shè)備、智能家居、無線傳感器網(wǎng)絡(luò)等低功耗應(yīng)用帶來革命性的變化[2]?；鶞?zhǔn)電流源和基準(zhǔn)電壓源是模擬/混合信號集成電路的重要組成部分，它們?yōu)殡娐吩O(shè)計提供了與穩(wěn)定的參考電流和參考電壓。在超低功耗模擬/混合信號集成電路設(shè)計中，要求其擁有極低的功耗以及較高的電源電壓和溫度特性，以滿足超低功耗的要求。

(10)

(11)

如式(11)所示，消除參數(shù)A和n的影響，從而消除了不同發(fā)射功率的影響，提高了RSSI測距的精度。

2.2RSSI-DA-SWCL算法分析

定位區(qū)域中不同數(shù)目的錨節(jié)點對應(yīng)最優(yōu)權(quán)重系數(shù)是不一樣的，因此，有必要研究權(quán)重修正系數(shù)在什么情況下增加或者減少。將式(1)中錨節(jié)點拆分成單個錨節(jié)點對未知節(jié)點的影響，并在定位區(qū)域從n個錨節(jié)點中隨機(jī)選取第t個錨節(jié)點，分析不同的修正系數(shù)對該節(jié)點的影響

(12)

(13)

由式(12)、式(13)，對其進(jìn)行求導(dǎo)，如式(14)所示

(14)

從上述分析知道通過對錨節(jié)點對未知節(jié)點影響的公式進(jìn)行求導(dǎo)來判斷權(quán)重修正系數(shù)是增加還是減小。錨節(jié)點自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)主要由以下3個階段組成：

階段1 錨節(jié)點加入網(wǎng)絡(luò)可以得到錨節(jié)點的集合{B1,B2,B3…}，通過式(11)得到一組距離集合{d1,d2,d3…}。

通過以上3個階段可以讓錨節(jié)點自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，從而不會造成因為靜態(tài)的權(quán)重系數(shù)而造成的誤差影響。在階段3中，距離之差的閾值1.5m是通過閱讀大量的參考文獻(xiàn)得出的工程經(jīng)驗值。

2.3RSSI-DA-SWCL算法流程

1)無線傳感網(wǎng)絡(luò)節(jié)點組網(wǎng)

①網(wǎng)關(guān)節(jié)點組建網(wǎng)絡(luò)，未知節(jié)點、錨節(jié)點申請加入網(wǎng)絡(luò)。②未知節(jié)點向周圍錨節(jié)點發(fā)送定位請求，并發(fā)送自身的位置信息。③錨節(jié)點發(fā)送應(yīng)答幀，開始RSSI數(shù)據(jù)傳輸。

2)RSSI集合值優(yōu)化

①未知節(jié)點接收各個錨節(jié)點發(fā)送的RSSI數(shù)據(jù)。②將大量RSSI數(shù)據(jù)按照RSSI測距優(yōu)化算法進(jìn)行整理，并按照式(11)計算距離結(jié)合{d1,d2,d3,d4,…}。

3)自適應(yīng)取得最優(yōu)權(quán)重修正系數(shù)

4)計算未知節(jié)點誤差

(15)

3 仿真與實驗

為了更好地驗證RSSI-DA-SWCL算法的性能和可行性，分別進(jìn)行了Matlab仿真和實測實驗。

3.1Matlab仿真

選用MatlabR2010a作為仿真測試平臺，網(wǎng)絡(luò)定位區(qū)域為100m×100m；參考距離為1m處的功能損耗為0；定位區(qū)域初始化錨節(jié)點個數(shù)為20，并逐漸增加到90個；定位區(qū)域初始化未知節(jié)點為1個，并逐漸到10個；無線傳感節(jié)點的通信半徑為70m；高斯分布的均值為0，方差為1。路徑損耗因子n為3；權(quán)重修正系數(shù)n在區(qū)間[1,4]內(nèi)取得，初始權(quán)重修正系數(shù)為1.9。

3.1.1 錨節(jié)點數(shù)目對定位影響

如圖5所示，當(dāng)錨節(jié)點數(shù)目增加時，定位誤差也減小，這是因為隨著錨節(jié)點的密度不斷增加，未知節(jié)點可利用的信息也就越多，RSSI值也就越準(zhǔn)確，從而定位誤差也就越小。在圖5中，隨著錨節(jié)點數(shù)目增加時，RSSI-DA-SWCL算法的定位誤差整體要優(yōu)于靜態(tài)權(quán)重的定位誤差。

圖5 錨節(jié)點數(shù)目對定位精度的影響

3.1.2 通信半徑對定位影響

保持其它參數(shù)不變，錨節(jié)點個數(shù)為90個，未知節(jié)點數(shù)目為10個，仿真結(jié)果圖如6。

圖6 通信半徑對定位精度的影響

當(dāng)節(jié)點的通信半徑增大時，未知節(jié)點可以利用錨節(jié)點的數(shù)目也就越多，未知節(jié)點可以利用更多的錨節(jié)點來修正自身的位置信息，從而定位精度也就越高。由圖6可知，當(dāng)通信半徑增加時，RSSI-DA-SWCL算法的定位精度在整體上要優(yōu)于靜態(tài)權(quán)重定位算法。

3.2 實 驗

利用TI公司的CC2520無線通信模塊在井下巷道搭建小型的無線傳感網(wǎng)絡(luò)實驗平臺。具體實驗參數(shù)設(shè)置：網(wǎng)絡(luò)定位區(qū)域面積為2.5 m×13 m；節(jié)點通信半徑為30 m；錨節(jié)點總數(shù)為12個；未知節(jié)點總數(shù)為6個；節(jié)點距離地面距離為1 m，實驗次數(shù)為200次。

由表4可知，在井下巷道實際環(huán)境中，RSSI-DA-SWCL算法的最大誤差為1.048 m，最小誤差為0.781 m，平均誤差為0.945 m，而靜態(tài)權(quán)重算法的最大誤差為1.142 m,最小誤差為0.937 m,平均誤差為1.05 m，RSSI-DA-SWCL算法比靜態(tài)權(quán)重定位算法平均要低0.105 m,而且RSSI-DA-SWCL算法的最大誤差和最小誤差均要優(yōu)于靜態(tài)權(quán)重算法的誤差。同Matlab軟件仿真相比，其定位精度沒有那么理想，這是由于在實際環(huán)境中由于受到路徑損耗、多徑效應(yīng)等影響。但是RSSI-DA-SWCL算法的仿真實驗和實測實驗相差不是很大，基本上達(dá)到了預(yù)期的效果，同時也證明了RSSI-DA-SWCL算法的可行性。

表4 井下巷道實驗結(jié)果

4 結(jié)束語

針對靜態(tài)權(quán)重定位算法固定的權(quán)重修正系數(shù)引起定位結(jié)果的誤差的問題，本文提出了一種基于自適應(yīng)權(quán)重定位RSSI-DA-SWCL算法。該算法將RSSI測距算法優(yōu)化和讓錨節(jié)點自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，從而提高了定位精度。Maltab仿真和實測實驗結(jié)果表明RSSI-DA-SWCL算法比靜態(tài)權(quán)重算法有更高的定位精度，在實際環(huán)境具有可行性。

[1] Mainwaring A,Polastre J,Szewczyk R,et al.Wireless sensor networks for habitat monitoring[C]∥Proceedings of the1st ACM International Workshop on Wireless Sensor Networks and Applications,Atlanta,2002:88-97.

[2] Wang J,Ghosh R K,Sajal K D.A survey on sensor localiza-tion [J].Journal of Control Theory and Applications,2010,8(1):2-11.

[3] Zanca G,Zorzi F,Zanella A,et al.Experimental comparison of RSSI-based localization algorithms for indoor wireless sensor networks[C]∥Proceedings of the Workshop on Real-World Wireless Sensor Networks,ACM,2008:1-5.

[4] Wang J,Urriza P,Han Y,et al.Weighted centroid localization algorithm:Theoretical analysis and distributed implementation[J].IEEE Transactions on Wireless Communications,2011,10(10):3403-3413.

[5] 詹 杰,劉宏立,劉述鋼,等.基于RSSI的動態(tài)權(quán)重定位算法研究[J].電子學(xué)報,2011(1):82-88.

[6] 呂 振,譚鵬立.一種基于RSSI校正的三角形質(zhì)心定位算法[J].傳感器與微系統(tǒng),2010,29(5):122-124.

[7] 丁恩杰,喬 欣,常 飛,等.基于RSSI的WSNs加權(quán)質(zhì)心定位算法的改進(jìn)[J].傳感器與微系統(tǒng),2013,32(7):53-56.

[8] Zheng J,Wu C,Chu H,et al.Localization algorithm based on RSSI and distance geometry constrain for wireless sensor networks[C]∥2010 International Conference on Electrical and Control Enginee-ring(ICECE),IEEE,2010:2836-2839.

[9] 于海存.無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法研究[D].重慶：重慶大學(xué),2014.

Adaptive weighted localization algorithm based on RSSI*

LIU Hong-li， ZHOU Deng， XU Kun， HU Jiu-song

(College of Electrical and Information Engineering，Hunan University，Changsha 410082，China)

Traditional static weighted centroid location(SWCL)cannot get accurate positioning precision because of influence of the multipath,reflection in indoor environment.Aimming at the problem,a new adaptive weighting positioning algorithm based on RSSI—DA—SWCL is proposed.The algorithm optimize the RSSI ranging method to eliminate the different node transmission power and other sudden interference effects on RSSI ranging.The algorithm use the information of anchor nodes and unknown nodes distance to dynamic let anchor nodes obtain the optimal weight coefficient adaptive,and it can improve positioning precision.RSSI—DA—SWCL algorithm is performed on the ZigBee platform,the RSSI—DA—SWCL algorithm performs better in terms of location precision by Matlab simulation and actual experiments compared to traditional localization algorithm.

wireless sensor networks(WSNs); dynamic weighted; centroid localization algorithm; RSSI ranging

10.13873/J.1000—9787(2017)03—0140—04

2016—04—08

國家自然科學(xué)基金資助項目(61172089)；湖南省科技廳資助項目(2012FJ4119)；中國博士后科研基金資助項目(2014M562100)；湖南省科技計劃重點項目(2015JC3053)

TP 393

A

1000—9787(2017)03—0140—04

劉宏立(1963-)，男，教授、博士生導(dǎo)師，從事無線傳感網(wǎng)絡(luò)、移動通信系統(tǒng)和軟件無線電的研究工作。