胡斌斌，倪曉軍

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210003)

基于RSSI測(cè)距室內(nèi)定位改進(jìn)質(zhì)心算法

胡斌斌，倪曉軍

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210003)

室內(nèi)定位技術(shù)具有巨大的市場(chǎng)需求，但由于室內(nèi)定位受到噪聲、多徑反射、溫度、環(huán)境、陰影衰落等因素的影響，其定位精度顯著降低。為了提高室內(nèi)節(jié)點(diǎn)的定位精度，針對(duì)傳統(tǒng)的質(zhì)心定位算法精確度低的問(wèn)題，提出了一種基于RSSI節(jié)點(diǎn)測(cè)距的改進(jìn)質(zhì)心定位算法。該算法對(duì)錨節(jié)點(diǎn)接收到的RSSI數(shù)據(jù)進(jìn)行擬合，以此能夠在BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上確定損耗模型參數(shù)值，采用改進(jìn)的質(zhì)心定位算法進(jìn)行定位，并在原有的三點(diǎn)定位的基礎(chǔ)上，通過(guò)節(jié)點(diǎn)之間的數(shù)學(xué)轉(zhuǎn)換，將三點(diǎn)定位法改進(jìn)為六點(diǎn)質(zhì)心定位算法。為驗(yàn)證所提算法的有效性和可行性，基于Matlab仿真平臺(tái)進(jìn)行了仿真實(shí)驗(yàn)。仿真實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的質(zhì)心定位算法，所提出的算法顯著地提高了室內(nèi)定位的精度。

接收信號(hào)強(qiáng)度指示；定位；神經(jīng)網(wǎng)絡(luò)；錨節(jié)點(diǎn)；修正算法

0 引 言

隨著無(wú)線(xiàn)通信技術(shù)的迅速發(fā)展，無(wú)線(xiàn)傳感網(wǎng)絡(luò)得到了快速普及。由于無(wú)線(xiàn)傳感網(wǎng)絡(luò)(Wireless Sensor Network,WSN)具有信息采集、目標(biāo)跟蹤等能力，因此把它應(yīng)用到位置信息中具有很高的實(shí)際價(jià)值。同時(shí)“基于位置服務(wù)(Location Based Service,LBS)”具有廣闊的應(yīng)用市場(chǎng)。而現(xiàn)在的室外基于GPS定位的精度已經(jīng)相當(dāng)高[1]。但是室內(nèi)定位由于受到噪聲、障礙物阻擋、多徑反射、溫度、環(huán)境等因素的影響，導(dǎo)致定位精度不高，不能滿(mǎn)足一些要求高精度的場(chǎng)合。因此提高室內(nèi)定位的精度成為無(wú)線(xiàn)傳感網(wǎng)絡(luò)的研究重點(diǎn)之一[2]。

為了獲得更加精確的定位位置，國(guó)內(nèi)外一些研究人員提出了許多定位算法，或在已有定位算法基礎(chǔ)上進(jìn)行改進(jìn)?，F(xiàn)在一般是根據(jù)距離分為二大類(lèi)定位，一是基于距離的定位，另一種是基于距離無(wú)關(guān)的定位?；诰嚯x定位是檢測(cè)兩點(diǎn)間的距離來(lái)進(jìn)行定位，而距離無(wú)關(guān)的定位是依靠網(wǎng)絡(luò)連通性來(lái)實(shí)現(xiàn)節(jié)點(diǎn)的定位。在基于距離定位算法中有基于時(shí)間到達(dá)(Time Of Arrival，TOA)[3]、基于到達(dá)的角度(Angle Of Arrival，AOA)[4]、到達(dá)的時(shí)間差(Time Difference Of Arrival，TDOA)[5]和接收信號(hào)強(qiáng)度指示(Received Signal Strength Indicator，RSSI)[6]等。TOA是通過(guò)測(cè)量信號(hào)傳播時(shí)間來(lái)測(cè)量距離，TDOA是利用兩種不同傳播速度的信號(hào)從一個(gè)節(jié)點(diǎn)傳播到另一個(gè)節(jié)點(diǎn)所需要的時(shí)間差，TOA和TDOA都需要精確的時(shí)鐘同步。AOA是通過(guò)節(jié)點(diǎn)接收到的信號(hào)相對(duì)于自身軸線(xiàn)的角度，同時(shí)也要求較高的測(cè)向精度。相對(duì)上述算法，RSSI更簡(jiǎn)單、開(kāi)銷(xiāo)少、成本低，主要通過(guò)檢測(cè)盲節(jié)點(diǎn)和錨節(jié)點(diǎn)之間的信號(hào)強(qiáng)度值，通過(guò)彼此的信號(hào)值轉(zhuǎn)化為被測(cè)物和觀察物之間的距離。此方法比較適合小范圍的定位，如樓群、商場(chǎng)、醫(yī)院、敬老院等。所以現(xiàn)在已成為當(dāng)前室內(nèi)定位的主流研究方向[7]。然而在實(shí)際的室內(nèi)環(huán)境中，信號(hào)在傳播過(guò)程中容易受到室內(nèi)環(huán)境的影響，同時(shí)在多徑反射、折射的影響下，使得錨節(jié)點(diǎn)的信號(hào)強(qiáng)度指示(RSSI值)具有時(shí)變性。這就造成了在定位時(shí)存在較大的誤差，導(dǎo)致定位精度低。為了提高定位精度，國(guó)內(nèi)外學(xué)者提出了許多改進(jìn)方法。文獻(xiàn)[8]在RSSI無(wú)線(xiàn)節(jié)點(diǎn)定位的基礎(chǔ)上，通過(guò)對(duì)測(cè)得的數(shù)據(jù)進(jìn)行多次迭代來(lái)提高室內(nèi)定位精度。文獻(xiàn)[9]用多維標(biāo)度標(biāo)準(zhǔn)來(lái)減少數(shù)據(jù)誤差帶來(lái)的影響，以提高室內(nèi)定位精確度。文獻(xiàn)[10]通過(guò)增強(qiáng)節(jié)點(diǎn)對(duì)環(huán)境的適應(yīng)性，使得在動(dòng)態(tài)環(huán)境下也能準(zhǔn)確得出路徑衰落指數(shù)，從而提高定位精確度。

為了進(jìn)一步提高無(wú)線(xiàn)傳感器室內(nèi)定位的精度，同時(shí)針對(duì)基于RSSI三邊定位算法中沒(méi)有深入考慮到遠(yuǎn)距離傳播比近距離傳播可能受到更多的反射、多徑效應(yīng)、天線(xiàn)增益等諸多因素影響，從而導(dǎo)致測(cè)量誤差增大的問(wèn)題，提出了基于RSSI傳感器的三邊定位修正算法，即在三邊定位的基礎(chǔ)上提出了六點(diǎn)質(zhì)心算法。

1 基于信號(hào)強(qiáng)度測(cè)距模型

該模型的核心思想在于：無(wú)線(xiàn)節(jié)點(diǎn)在檢測(cè)區(qū)域節(jié)點(diǎn)時(shí)，由于各個(gè)節(jié)點(diǎn)到待定位節(jié)點(diǎn)的距離不同，使得信號(hào)強(qiáng)度值不同，這種信號(hào)在傳播衰減的過(guò)程中會(huì)與距離存在一定的關(guān)系。也就是所說(shuō)的測(cè)距模型。在這一類(lèi)測(cè)距模型中，一個(gè)通常的假設(shè)是信號(hào)的傳播距離遠(yuǎn)大于天線(xiàn)尺寸大小的平方與電磁波波長(zhǎng)的商。在自由空間中，已證明信號(hào)強(qiáng)度與被傳播距離的平方線(xiàn)性負(fù)相關(guān)。而在室內(nèi)定位過(guò)程中，由于受到多徑反射、折射、障礙物、陰影衰落等影響，此環(huán)境與自由空間相差太大，不能采用自由空間模型，故采用常態(tài)分布模型，即：

(1)

其中，d表示錨節(jié)點(diǎn)與盲節(jié)點(diǎn)間的距離；PL(d)表示路徑損耗值；X0表示其他因素干擾；n表示信號(hào)衰減因子[11]。

接收節(jié)點(diǎn)接收到的RSSI值為：

RSSI=Pt-PL(d)

(2)

其中，Pt表示發(fā)射功率。

設(shè)d0處的信號(hào)強(qiáng)度為A，那么有：

PL(d0)=Pt+(-A)

(3)

(4)

通常情況下，d0=1且X0均值為0，因此，式(4)變?yōu)椋?/p>

PL(d)=Pt-A+10nlog10(d)

(5)

于是得到RSSI的計(jì)算公式為：

RSSI=A-10nlog10(d)

(6)

從式(6)可知,RSSI與A和n密切相關(guān)。傳統(tǒng)方法采用固定A和n的方式，與實(shí)際室內(nèi)環(huán)境不符，變化較大，所以造成的誤差也較大。為了減少誤差，確定參數(shù)A和n的值很重要，合理地解決A和n的確定問(wèn)題成為問(wèn)題解決的第一步。

2 評(píng)估參數(shù)A和參數(shù)n的估計(jì)

傳統(tǒng)的解決A和n值不確定問(wèn)題的方法，都采用節(jié)點(diǎn)平均值。由于不同節(jié)點(diǎn)之間的距離不同，信號(hào)強(qiáng)度的誤差也會(huì)發(fā)生相應(yīng)變化，由于室內(nèi)環(huán)境的時(shí)變性，以及每個(gè)節(jié)點(diǎn)對(duì)環(huán)境帶來(lái)影響的敏感度的不同，所以采用平均值的方法并不合理。于是采用動(dòng)態(tài)加權(quán)的方式：

(7)

其中，權(quán)值w1,w2,…,wn的確定非常重要，采用對(duì)數(shù)據(jù)擬合能力強(qiáng)的BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)數(shù)據(jù)進(jìn)行擬合，從而使參數(shù)更加適應(yīng)環(huán)境的敏感度，得到的參數(shù)值也比較準(zhǔn)確合理。

BP神經(jīng)網(wǎng)絡(luò)是由一個(gè)輸入層、多個(gè)隱含層和一個(gè)輸出層組成的，其結(jié)構(gòu)如圖1所示[12]。

圖1 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

輸入層、隱含層和輸出層的神經(jīng)元操作特性可描述為：

(8)

其中，i表示當(dāng)前樣本；Wik為神經(jīng)元i與k的連接權(quán)值；Odi和Odk為當(dāng)前神經(jīng)元k的輸入、輸出。

3 基于RSSI室內(nèi)定位算法

根據(jù)式(6)，可以通過(guò)信號(hào)強(qiáng)度的RSSI算出節(jié)點(diǎn)到另一個(gè)節(jié)點(diǎn)的距離d[13]。由于采取的是基于三邊質(zhì)心甲醛的定位算法，所以擬采用3個(gè)信標(biāo)節(jié)點(diǎn)A、B、C對(duì)未知節(jié)點(diǎn)進(jìn)行定位，故測(cè)距階段應(yīng)得到至少3個(gè)距離值d1、d2、d3,如圖2所示。

圖2 RSSI定位的理想模型

圖2中，盲節(jié)點(diǎn)位于以三個(gè)已知位置的錨節(jié)點(diǎn)為圓心，分別以測(cè)得的盲節(jié)點(diǎn)距離為半徑的三個(gè)圓的交點(diǎn)處。因此得到盲節(jié)點(diǎn)到三個(gè)已知節(jié)點(diǎn)的距離就可以求出這三個(gè)圓的交點(diǎn)，這樣計(jì)算測(cè)得這個(gè)交點(diǎn)的位置坐標(biāo)就可得到盲節(jié)點(diǎn)在區(qū)域中所處的位置。但是一般情況下，三個(gè)圓不會(huì)交于一點(diǎn)，而是交于某一個(gè)區(qū)域，一般錨節(jié)點(diǎn)與盲節(jié)點(diǎn)的位置關(guān)系如圖3所示。

圖3 錨節(jié)點(diǎn)與盲節(jié)點(diǎn)的一般位置關(guān)系

傳統(tǒng)的質(zhì)心定位算法[14]就是找到盲節(jié)點(diǎn)到最近的三個(gè)錨節(jié)點(diǎn)的距離，如圖3的A、B、C三點(diǎn)，然后直接求這三個(gè)錨節(jié)點(diǎn)的質(zhì)心作為盲節(jié)點(diǎn)的位置估計(jì)，此方法的誤差較大。

對(duì)傳統(tǒng)質(zhì)心定位算法進(jìn)行改進(jìn)。首先，對(duì)參數(shù)模型的參數(shù)確立更加合理精確，并利用神經(jīng)網(wǎng)絡(luò)來(lái)擬合測(cè)得數(shù)據(jù)，使得數(shù)據(jù)更加有效。通過(guò)上面的步驟可以測(cè)出錨節(jié)點(diǎn)與盲節(jié)點(diǎn)間的距離d，盲節(jié)點(diǎn)就在這些以錨節(jié)點(diǎn)為圓心、d為半徑的相交區(qū)域中。然后選取距離錨節(jié)點(diǎn)最近的三個(gè)節(jié)點(diǎn)作為此次定位錨節(jié)點(diǎn)，三個(gè)圓心兩兩連接，分別與圓有六點(diǎn)交點(diǎn)，以這六個(gè)交點(diǎn)作為質(zhì)心定位盲節(jié)點(diǎn)。

求出這六個(gè)點(diǎn)的坐標(biāo)是六點(diǎn)質(zhì)心定位算法的關(guān)鍵。圖3中，設(shè)A(xA,yA)、B(xB,yB)、C(xC,yC)接收到的信號(hào)強(qiáng)度分別為RA、RB、RC，將這三個(gè)信號(hào)強(qiáng)度輸入到BP神經(jīng)網(wǎng)絡(luò)得到對(duì)應(yīng)的距離dA、dB、dC，這樣就可以得到三個(gè)圓，分別為圓A、圓B和圓C：

(9)

(10)

(11)

三條直線(xiàn)為：

(12)

(13)

(14)

通過(guò)這三條直線(xiàn)的表達(dá)式就可以求直線(xiàn)與圓的各個(gè)交點(diǎn)了。聯(lián)立式(9)和式(12)并解直線(xiàn)AB與圓A的交點(diǎn)，得：

(15)

(16)

由式(15)和式(16)可得下面二個(gè)點(diǎn)：

同理，聯(lián)立式(10)和式(13)可解得AB與圓B的兩交點(diǎn)，得：

通過(guò)上面聯(lián)立圓的方程和直線(xiàn)方程可以求得直線(xiàn)AB與圓A和圓B的四個(gè)交點(diǎn)，然后取得需要的兩個(gè)坐標(biāo)，即圖3中的A1和B2的兩個(gè)點(diǎn)，同理可以得到圖3中圓的連心線(xiàn)與圓的六個(gè)交點(diǎn)分別為：A1(xA1,yA1)、A2(xA2,yA2)、B1(xB1,yB1)、B2(xB2,yB2)、C1(xC1,yC1)、C2(xC2,yC2)。這樣可得到盲節(jié)點(diǎn)(x,y)的位置估計(jì)：

x=(xA1+xA2+xB1+xB2+xC1+xC2)/6

(17)

y=(yA1+yA2+yB1+yB2+yC1+yC2)/6

(18)

這樣就得到了盲節(jié)點(diǎn)的估計(jì)位置坐標(biāo)：

4 實(shí)驗(yàn)與仿真

為了測(cè)試改進(jìn)算法的性能，利用Matlab軟件進(jìn)行仿真。假設(shè)仿真區(qū)域大小為100 m×100 m，未知節(jié)點(diǎn)數(shù)為40，錨節(jié)點(diǎn)的數(shù)為10，節(jié)點(diǎn)的通信半徑為30 m，路徑的衰減因子設(shè)為3.3。在仿真環(huán)境下加入高斯分布的隨機(jī)噪聲，仿真場(chǎng)景如圖4所示。在相同情境下，對(duì)文中算法和文獻(xiàn)[15]中的室內(nèi)定位算法進(jìn)行精確度對(duì)比，以證明該算法的可比性。

圖4 節(jié)點(diǎn)分布圖

為了盡可能減小在收集數(shù)據(jù)時(shí)的誤差，采用多次測(cè)量取平均值的方法。實(shí)驗(yàn)進(jìn)行200次，誤差分析的公式為：

(19)

其中，(x,y)表示盲節(jié)點(diǎn)的實(shí)際坐標(biāo)；(x'，y')表示盲節(jié)點(diǎn)的位置估計(jì)坐標(biāo)。

對(duì)該算法的有效性以及信標(biāo)節(jié)點(diǎn)個(gè)數(shù)對(duì)算法定位精度的影響進(jìn)行仿真，如圖5所示。

由圖5可知，在相同仿真條件下，所提算法在定位精確度方面比普通質(zhì)心定位算法平均提高了10.6%，比經(jīng)過(guò)加權(quán)改進(jìn)的質(zhì)心算法平均提高了5.6%，說(shuō)明改進(jìn)的室內(nèi)定位算法具有一定的實(shí)用價(jià)值。

圖5 改進(jìn)算法效果對(duì)比圖

5 結(jié)束語(yǔ)

為了獲得更加精確的室內(nèi)定位，提出了改進(jìn)測(cè)量的RSSI室內(nèi)定位算法。通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)錨節(jié)點(diǎn)接收到的RSSI值進(jìn)行擬合，得出盲節(jié)點(diǎn)到各個(gè)錨節(jié)點(diǎn)的距離值。通過(guò)六點(diǎn)質(zhì)心定位算法對(duì)其進(jìn)行定位，得出定位的坐標(biāo)估計(jì)。從定位的誤差對(duì)仿真結(jié)果及其算法性能的分析可以發(fā)現(xiàn)，該改進(jìn)定位算法顯著提高了室內(nèi)定位精度，具有較好的實(shí)用價(jià)值。

[1] Kushki A, Plataniotis K, Venetsanopoulos A.Intelligent dynamic raio tracking indoor wireless local area networks[J].IEEE Transactions on Mobile Computing,2012,9(3):405-419.

[2] Gu Y Y,Lo A,Niemegeers I.A survey of indoor positioning systems for wireless personal networks[J].IEEE Communications Surveys & Tutorials,2009,11(1):13-32.

[3] Harter A,Hopper A,Steggles P,et al.The anatomy of a context-aware application[J].Wireless Networks,2002,8(2/3):187-197.

[4] Priyantha N B,Miu A K L,Balakrishnan H,et al.The cricket compass for context-aware mobile applications[C]//Proceedings of the 7th annual international conference on mobile computing and networking.[s.l.]:ACM,2001:1-14.

[5] Girod L,Estrin D.Robust range estimation using acoustic and multimodal sensing[C]//IEEE/RSJ international conference on intelligent robots and systems.[s.l.]:IEEE,2001:1312-1320.

[6] Karthick N,Prashanth K,Venkatraman K,et al.Location estimation using RSSI and application of extended Kalman filter in wireless sensor networks[C]//International conference on advanced computer control.[s.l.]:IEEE,2009:337-341.

[7] Lee S,Kim K.Determination of communication range for range-free multi-hop localization in wireless sensor networks[C]//Proceedings of 20th international conference on computer communications and networks.[s.l.]:IEEE,2011:1-4.

[8] Liu D,Xiong Y,Ma J.Exploit Kalman filter to improve fingerprint-based indoor localization[C]//International conference on computer science and network technology.[s.l.]:IEEE,2011:2290-2293.

[9] 石 欣，印愛(ài)民，陳 曦.基于RSSI的多維標(biāo)度室內(nèi)定位算法[J].儀器儀表學(xué)報(bào),2014,35(2)：261-268.

[10] 喬鋼柱,曾建潮.一種適用于動(dòng)態(tài)環(huán)境的改進(jìn)RSSI定位方法[J].計(jì)算機(jī)研究與發(fā)展,2010,47(S):111-114.

[11] 劉曉文,王振華,王淑涵,等.基于RSSI算法的礦井無(wú)線(xiàn)定位技術(shù)研究[J].煤礦機(jī)械,2009,30(3):59-60.

[12] 張會(huì)清，石曉偉，鄧貴華，等.基于BP神經(jīng)網(wǎng)絡(luò)和泰勒級(jí)數(shù)的室內(nèi)定位算法的研究[J].電子學(xué)報(bào)，2012,40(9)：1876-1879.

[13] 劉雪蘭，王宜懷，陸全華,等.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)RSSI定位算法改進(jìn)[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(11):87-89.

[14] 張蒼松.基于RSSI的室內(nèi)定位算法優(yōu)化技術(shù)[D].西安:西北大學(xué),2014.

[15] 徐鳳燕,單杭冠,王宗欣.一種帶參數(shù)估計(jì)的基于接收信號(hào)強(qiáng)度的室內(nèi)定位算法[J].微波學(xué)報(bào),2008,24(2):67-72.

An Improved Indoor Localization Algorithm of Centroid with RSSI

HU Bin-bin，NI Xiao-jun

(College of Computer，Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

Indoor positioning technology is of great demand.However,owing to the influence of noise,multi-path reflection,temperature,environment and shadow fading,the accuracy of indoor positioning decreases greatly.In order to improve the positioning accuracy of interior nodes,aimed at the problem of low accuracy of the traditional localization algorithm,an ameliorate triangle centroid localization algorithm based on RSSI is proposed,which is fitted to the values

by anchor node so that the parameter values of loss by BP neural network can be determined and then located with the ameliorate triangle centroid localization algorithm.Based on principle of three-point location the original three-point location algorithm has been modified to six-point centroid localization algorithm.In order to prove its effectiveness and feasibility,the experiments for verification have been conducted with Matlab simulation platform which show that compared with traditional centroid localization algorithm,it greatly increases indoor positioning accuracy.

RSSI;localization;neural network;anchor nodes;modified algorithm

2016-10-08

：2017-01-09 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

時(shí)間：2017-07-05

教育部專(zhuān)項(xiàng)研究項(xiàng)目(2013116)

胡斌斌(1990-)，男，碩士研究生，研究方向?yàn)闊o(wú)線(xiàn)傳感網(wǎng)絡(luò)室內(nèi)定位技術(shù)；倪曉軍，副教授，研究方向?yàn)闊o(wú)線(xiàn)傳感網(wǎng)絡(luò)。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170705.1652.080.html

TP301.6

:A

:1673-629X(2017)09-0133-04

10.3969/j.issn.1673-629X.2017.09.029