一種基于實時路徑衰減指數的WSN定位方法

趙大偉

(南京航空航天大學 計算機科學與技術學院，南京 210016)

一種基于實時路徑衰減指數的WSN定位方法

趙大偉

(南京航空航天大學 計算機科學與技術學院，南京 210016)

隨著無線傳感器網絡的快速發展，無線傳感器網絡定位成為重要研究領域之一。本文根據無線傳感器網絡應用于室外惡劣天氣環境下的特點和實際需求，提出一種基于RSSI實時路徑衰減指數的無線傳感器網絡定位方法，并通過仿真和在公路環境下的試驗，驗證了該方法的可行性。

無線傳感器網絡；RSSI；路徑衰減指數

引 言

無線傳感器網絡(WSN)綜合了傳感器技術、嵌入式計算技術、現代網絡及無線通信技術、分布式信息處理技術等多種技術，是當前計算機網絡研究的熱點[1]。隨著無線傳感器網絡的發展，定位技術已經成為無線傳感器網絡研究的關鍵性問題之一。定位技術不僅對無線傳感器網絡的基本應用有重要作用，也是目標監測和追蹤等應用的基礎[2]。

目前，諸多節點定位算法已經被提出，每種算法都有一定的適用環境，且多數停留在理論模型，忽略了很多應用中的實際因素。智能交通領域對室外節點定位提出了很高的精度要求，特別是在惡劣天氣環境下，系統的依賴度增強，系統效能和定位精度顯得格外重要。

1 定位技術研究現狀

在無線傳感器網絡中，把位置未知的節點稱為盲節點，把能夠提供自己絕對位置的節點稱為信標節點。根據定位過程中是否需要測量節點之間的距離，可以把定位算法分為基于測距的定位算法和基于非測距的定位算法。前者需要測量節點之間的絕對距離或方位，并利用節點間的實際距離來計算盲節點的位置，使用的定位算法有三邊測量、三角測量、最大似然估計等，常用的測距技術包括接收信號強度指示(RSSI)、到達時間(TOA)、到達時差(TDOA)和到達角度(AOA)等；后者則不需要測量節點之間的距離和角度信息，算法根據網絡連通性等信息來實現節點定位[3-4]。

由于節點都具有RF收發能力，采用RSSI定位算法無需增加任何額外的硬件設備，成本低廉、能耗低，是常用的一種定位方法。常用的無線信號損耗模型包括自由空間傳播模型、對數路徑模型、對數-常態分布模型等[5]，這里采用對數-常態分布模型。

對數-常態分布模型為[6]：

(1)

式中,PL(d)為經過距離d后的路徑損耗，單位為dBm；PL(d0) 為理想空間中信號傳播距離為d0時的路徑損耗；Xσ為平均值為0的高斯分布隨機變量，其標準差范圍為4～10；n為路徑衰減指數，取值范圍為1.5～5；d0為近地參考距離，一般為1 m。根據式(1)可得位置節點接收信標節點信號時的強度。PL(d)與PL(d0)的關系可表示為：

(2)

由于無線信號受環境的影響很大，特別是雨霧等惡劣天氣環境下，RSSI定位方法的誤差比較大，應用效果無法滿足實際需求。測距誤差主要的來源體現在無線信號的路徑衰減指數隨著環境的不同會有很大變化。在參考文獻[7]中提出了一種利用信標節點間距離和信號強度實地測量信號損耗的方法，但該路徑損耗值僅在加權質心算法中作為權值因子，未作為距離估計；參考文獻[8]中根據盲節點通信范圍內信標節點的數目建立空間向量模型，從而進行定位，但該算法基于非測距，雖然取得一定的效果，但也存在通信開銷大、定位精度不高的缺點。

2 算法模型描述

基于RSSI實時路徑衰減指數方法的基本思路是：將網絡按區域劃分為各自獨立的子區域，子區域中的信標節點之間的測量距離和實際距離相互比較，依據信標節點的RSSI值平均誤差，獲得子區域的實時路徑衰減指數，利用該指數對子區域內的盲節點進行定位計算。

2.1 路徑衰減指數確定

本算法中網絡需要劃分為多個獨立的子區域，劃分依據為信標節點和盲節點的位置關系以及實際物理環境。按照劃分好的子區域，每個信標節點都應當維護自己的路徑衰減指數信息表，用于記錄本信標節點與子區域內其他信標節點間的路徑衰減指數信息。

圖1 子區域Si內信標節點分布圖

依據各信標節點位置，通過定時記錄每個信標節點與區域內相鄰信標節點通信的信號強度，利用對數-常態模型計算信標節點間的路徑衰減指數。如圖1所示，子區域Si內有4個信標節點(N1,N2,N3和N4)。路徑衰減指數信息表更新周期為T秒，在Ti時刻，首先以N1為目標節點，其與N2,N3,N4之間的實際距離分別為d12,d13和d14，利用式(2)計算出對應的路徑衰減指數，分別為n12,n13,n14。

信標節點N1的路徑衰減指數信息表如表1所列。

表1 信標節點路徑衰減指數信息表

同理得到此時間周期下信標節點N2、N3和N4的路徑衰減指數信息表。其中N2與其他節點間的路徑衰減指數分別為n21、n23、n24；N3與其他節點間的路徑衰減指數分別為n31、n32、n34；N4與其他節點間的路徑衰減指數分別為n41、n42、n43。

其中，每個信標節點有6條路徑衰減指數記錄，對此記錄進行大小排序，去除最大記錄和最小記錄，對剩余4條記錄取平均值即可得到各節點的參考路徑衰減指數(n1,n2,n3,n4)。

2.2 定位計算

當盲節點需要定位時，盲節點將與周圍信標節點通信時RSSI值前3大的信標節點ID發送給目標信標節點并作初步位置估算，目標信標節點選取此信標節點的參考路徑衰減指數ni用作距離估算，詳細過程如下：

① 盲節點接收周圍信標節點的RSSI值，并將RSSI值按大小進行排序。

② 利用非測距定位的質心算法，得到盲節點的坐標范圍，實現初步定位。

(3)

式(3)中，x,y為盲節點坐標，誤差范圍為信標節點間距離最大值。

③ 選取其中前3大RSSI值對應的信標節點，向其發送定位請求。

④ 各信標節點收到盲節點發送的定位請求后，向盲節點發送響應包，其中包含本節點當前時間周期下的參考路徑衰減指數。

⑤ 盲節點收到信標節點發回的記錄后，利用式(2)計算出盲節點到該信標節點的距離。

⑥ 利用圓外切Bounding-box法估算出盲節點的位置坐標A(x,y)。

⑦ 假設盲節點實際坐標為A(X,Y)，則定位誤差為：

(4)

3 仿真及試驗分析

使用Matlab對算法進行仿真試驗，用定位誤差Er作為衡量定位算法的性能指標。在長1000m，寬30m的區域內，兩側各布置10個信標節點，通信半徑為R(10～60m)，盲節點位置隨機產生。為得到精確的試驗結果，采用統計學方法，即在同一網絡環境下重復試驗1000次，并對定位結果求平均值。試驗結果如圖2所示，可見本算法對RSSI測距誤差進行了修正，其定位效果明顯優于傳統RSSI定位算法。

圖2 動態路徑衰減指數定位算法仿真結果

在智能交通實際應用中，室外天氣的變化會引起信號路徑衰減指數的變化，進而影響定位精度。作者所在項目組于2014年9月底至10月初在江蘇省臨海高等級公路大豐段選取2 km長度范圍作為試驗區域(路況接近高速公路)，采用TI公司芯片CC2530開發節點硬件，組建基于ZigBee技術的無線傳感器網絡，并完成協調器節點、信標節點、盲節點的測試工作流程。采用VC++和MATCOM混合編程方式設計了定位系統綜合控制和數據分析平臺。在試驗過程中，在道路兩側各布置20個信標節點，且對稱分布置于路燈桿離地1.8 m高度，同側兩節點間距100 m，一車輛作為盲節點進行連續定位測試(通過預置RFID位置信標，車輛節點駛入RFID位置信標處自動進行一次定位測試)。在同一環境下，該車輛節點進行10個來回測試，車速為0～100 km/h范圍。

測試小組分別在晴朗、小雨、輕度霧、重度霾、暴風雨5種環境下進行了試驗，結果如表2所列。

表2 公路環境下實地試驗結果

可見,采用本算法后定位精度比傳統RSSI定位算法有很大提高，且總體誤差在可接受范圍內，可以滿足高速公路復雜環境下車輛定位應用需求。

結 語

針對智能交通領域對無線傳感器網絡定位的實際需求，對傳統定位方法的誤差原因進行了分析，提出了一種通過建立子區域網絡實時路徑衰減指數信息表，利用質心算法和圓外切Bounding-box算法進行定位計算的方法。仿真和試驗結果表明，該方法能夠大大提高定位精度，并

且適用于雨雪、霧霾等惡劣天氣環境。

[1] 孫利民,李建中,陳渝.無線傳感器網絡[M].北京:清華大學出版社,2005.

[2] Patwari N,Ash J N,Kyperountas S.Locating the Nodes[J].IEEE Signal Processing Magazine,2005,22(4):54-69.

[3] 王小平,羅軍,沈昌祥.無線傳感器網絡定位理論和算法[J].計算機研究與發展,2011,48(3):353-363.

[4] 王繼春.無線傳感器網絡節點定位若干問題研究[D].合肥:中國科學技術大學,2009.

[5] Benkic K,Malajner M,Planinsic P,et al.Using RSSI Value for Distance Estimation in Wireless Sensor Networks Based on ZigBee[C]//Proc of 15th International Conference on Systems,Signals and Image Processing. Bratislava:IEEE,2008:303-306.

[6] 詹杰,劉宏立,劉述鋼,等.基于RSSI的動態權重定位算法研究[J].電子學報,2011,39(1):82-87.

[7] 劉喜梅,張超,胡繼珍.一種復雜環境下無線傳感器網絡定位算法[J].青島科學大學學報,2006,30(2):173-178.

[8] 李輝,李臘元,李方云.一種新型的無線傳感器網絡三維定位機制[J].計算機工程與應用,2010,46(14):115-118.

[9] Wang F B, Shi L, Ren F Y.Self-localization Systems and Algorithms for Wireless Sensor Networks[J].Software,2005,16(5):857-868.

[10] Shih C Y, Marron P J. COLA:Complexity-reduced Trilateration Approach for 3D Localization in Wireless Sensor Networks[C]//Proc of 4th International Conference on Sensor Technologies and Applications.Venice:IEEE,2010:24-32.

趙大偉(碩士研究生)，主要研究方向為信息物理融合系統。

結 語

參考文獻

[1] 趙華偉.多功能發動機轉速模擬器設計[J].單片機與嵌入式系統應用，2009(4)：64-66.

[2] 劉陵順，高艷麗，張樹團.TMS320F28335 DSP原理及開發編程[M].北京：北京航空航天大學出版社，2011.

[3] 潘紅杰，李建璽，張幽彤.汽車發動機轉速信號模擬器設計[J].單片機與嵌入式系統應用，2010(11)：78-81.

劉淵、田彥云(碩士研究生)，主要從事航空發動機控制系統設計與仿真；張天宏(教授)，研究方向為嵌入式控制系統、系統控制與仿真。

(責任編輯：楊迪娜 收稿日期：2014-10-11)

WSN Location Method Based on Real-time Path Loss Exponent

Zhao Dawei

(College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

With the rapid development wireless sensor network,localization has become one of the most important field in wireless sensor network research.According to the characteristics and actual demand of wireless sensor network used in outdoor environment of bad weather,this paper proposes an localization method based on RSSI real-time path loss exponent.The result of simulation and experiment on highway proves the method′s feasibility.

wireless sensor network;RSSI;path loss exponent

TP212.9

A

?士然

2014-11-16)