基于接收信號(hào)強(qiáng)度的無(wú)線(xiàn)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)

?

基于接收信號(hào)強(qiáng)度的無(wú)線(xiàn)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(duì)原有質(zhì)心定位算法精度低、錨節(jié)點(diǎn)比例過(guò)高的缺點(diǎn)，提出了基于接收信號(hào)強(qiáng)度(RSSI)的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)質(zhì)心定位算法。該算法將基于RSSI的測(cè)距值作為權(quán)重引入質(zhì)心算法，通過(guò)仿真實(shí)驗(yàn)探尋算法模型最優(yōu)權(quán)值，并運(yùn)用迭代思想降低網(wǎng)絡(luò)錨節(jié)點(diǎn)比例，同時(shí)采用測(cè)距校正、算法修正和設(shè)置RSSI閾值約束三種措施來(lái)控制算法誤差。仿真表明，改進(jìn)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(wú)線(xiàn)傳感器網(wǎng)絡(luò)；定位算法；接收信號(hào)強(qiáng)度；迭代加權(quán)質(zhì)心算法

0引言

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)是無(wú)線(xiàn)通信技術(shù)、微機(jī)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(fèi)用低廉體積微小的傳感器節(jié)點(diǎn)隨機(jī)部署在監(jiān)測(cè)區(qū)域，相鄰節(jié)點(diǎn)間可以相互通信，形成一個(gè)多跳的自組織網(wǎng)絡(luò)，節(jié)點(diǎn)攜帶的傳感器探測(cè)周邊壞境的物體性狀、部署、變化等信息，通過(guò)無(wú)線(xiàn)通信技術(shù)將所測(cè)數(shù)據(jù)傳回設(shè)備終端，從而實(shí)現(xiàn)環(huán)境和研究者之間的信息交互。可廣泛適用于國(guó)防軍事、環(huán)境監(jiān)測(cè)、遠(yuǎn)程控制等領(lǐng)域。

節(jié)點(diǎn)定位是無(wú)線(xiàn)傳感器網(wǎng)絡(luò)技術(shù)的重要環(huán)節(jié)，傳感器節(jié)點(diǎn)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(wú)線(xiàn)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(diǎn)攜帶GPS，這部分已定位節(jié)點(diǎn)稱(chēng)為錨節(jié)點(diǎn)，其余大部分不攜帶GPS的未定位節(jié)點(diǎn)需通過(guò)與其附近區(qū)域內(nèi)錨節(jié)點(diǎn)間的信息交流來(lái)計(jì)算自身的位置信息。因此，如何針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)密集型、低成本、低能耗的特點(diǎn)來(lái)設(shè)計(jì)有效的節(jié)點(diǎn)定位算法，對(duì)于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)研究具有重要的理論意義和應(yīng)用價(jià)值。

根據(jù)是否需要節(jié)點(diǎn)間的距離，國(guó)內(nèi)外現(xiàn)有的節(jié)點(diǎn)定位算法可以分為兩大類(lèi)[3]：基于測(cè)距的定位算法(range-based)和基于非測(cè)距的定位算法(range-free)。基于非測(cè)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(jiǎn)單性、可操作性、可擴(kuò)展性等方面有較大優(yōu)勢(shì)，但在定位精度上遜于基于測(cè)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(diǎn)，那就是實(shí)現(xiàn)簡(jiǎn)單、硬件要求較低并且通信開(kāi)銷(xiāo)小，適用于定位精度要求不高的無(wú)線(xiàn)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(diǎn)密度是其最大的缺陷，限制了算法的應(yīng)用范圍。本文針對(duì)此問(wèn)題，提出了基于RSSI的無(wú)線(xiàn)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(wú)需測(cè)距，基于網(wǎng)絡(luò)連通性的定位算法。其思路是：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的錨節(jié)點(diǎn)每隔一定時(shí)間廣播一個(gè)無(wú)線(xiàn)信號(hào)，信號(hào)中包含自身ID及位置信息，周邊的未定位節(jié)點(diǎn)接收到信號(hào)后，根據(jù)系統(tǒng)預(yù)設(shè)的閾值進(jìn)行判斷，確定與哪些錨節(jié)點(diǎn)是連通的，將自身位置定位為所有連通的錨節(jié)點(diǎn)所組成多邊形的質(zhì)心。假設(shè)某未知節(jié)點(diǎn)(x,y)其連通范圍內(nèi)錨節(jié)點(diǎn)坐標(biāo)為(x1,y1),(x2,y2),…,(xn,yn), 則該未知節(jié)點(diǎn)的定位為：

(1)

顯然，傳統(tǒng)的質(zhì)心定位算法實(shí)現(xiàn)非常簡(jiǎn)單，但要達(dá)到理想的定位精度，必須提高錨節(jié)點(diǎn)密度，并且對(duì)錨節(jié)點(diǎn)分布的均勻性要求較高，在實(shí)際應(yīng)用中有較大的限制。因此，一些研究者對(duì)其進(jìn)行了改進(jìn)，其中一種改進(jìn)思路是結(jié)合測(cè)距定位算法精度較高的優(yōu)點(diǎn)，進(jìn)一步提升質(zhì)心定位算法性能。在結(jié)合測(cè)距算法中，常見(jiàn)的測(cè)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(diǎn)。其中，基于接收信號(hào)強(qiáng)度的測(cè)距技術(shù)RSSI(ReceiveSignalStrengthIndication)在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中具有較大優(yōu)勢(shì)，使用率最高[8]，因?yàn)闊o(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)本身可以方便地進(jìn)行相互間信號(hào)的發(fā)送和接收，無(wú)需增加額外硬件支持，操作方便且易于實(shí)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(cè)距均使用RSSI技術(shù)。

在改進(jìn)算法中，文獻(xiàn)[9—10]將RSSI值作為權(quán)重引入質(zhì)心定位算法。RSSI值越大，說(shuō)明這兩個(gè)節(jié)點(diǎn)間的距離越近，這個(gè)錨節(jié)點(diǎn)坐標(biāo)在計(jì)算過(guò)程中所占的權(quán)重也就越大，從而對(duì)未知節(jié)點(diǎn)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(diǎn)接收到的第i個(gè)錨節(jié)點(diǎn)的信號(hào)強(qiáng)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(shí)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(wú)線(xiàn)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(xiàn)[11—12]提出，把節(jié)點(diǎn)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(diǎn)來(lái)提升定位精度。由于節(jié)點(diǎn)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(diǎn)接收到的第i個(gè)錨節(jié)點(diǎn)的測(cè)距值。由于未知節(jié)點(diǎn)位置信息不明，無(wú)法與其余節(jié)點(diǎn)間進(jìn)行直接測(cè)距，這里的節(jié)點(diǎn)間距離值d基于Shadowing信號(hào)轉(zhuǎn)化模型[13]：

(4)

式(4)中，信號(hào)接收強(qiáng)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(diǎn)所接收信號(hào)強(qiáng)度值，n是和信號(hào)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(diǎn)間的實(shí)際距離值與以錨節(jié)點(diǎn)為未知節(jié)點(diǎn)進(jìn)行測(cè)距得到的距離值進(jìn)行誤差比對(duì)分析，取誤差平均值為全網(wǎng)測(cè)距誤差校正值，對(duì)所有測(cè)距得到的未知節(jié)點(diǎn)距離值d進(jìn)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(duì)質(zhì)心定位算法中錨節(jié)點(diǎn)數(shù)目過(guò)多的缺點(diǎn)，文獻(xiàn)[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(diǎn)通信范圍內(nèi)錨節(jié)點(diǎn)數(shù)目大于等于3個(gè)，用加權(quán)質(zhì)心定位算法進(jìn)行定位；若錨節(jié)點(diǎn)數(shù)目小于3個(gè)，則把可通信范圍內(nèi)已定位的未知節(jié)點(diǎn)升級(jí)為錨節(jié)點(diǎn)參與后續(xù)定位。算法公式為[15]：

(5)

2增強(qiáng)的質(zhì)心定位改進(jìn)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(qiáng)的基于RSSI的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)質(zhì)心定位改進(jìn)算法，通過(guò)改進(jìn)算法數(shù)學(xué)模型和加強(qiáng)誤差控制兩方面措施來(lái)提升算法性能。

2.1算法模型改進(jìn)

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(duì)最終定位精度的影響很大，直接關(guān)系到整個(gè)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(diǎn)間測(cè)距值d為權(quán)值，采用測(cè)距校正的措施來(lái)修正誤差，進(jìn)一步提升了定位精度。本文保留以測(cè)距值d為權(quán)值利于修正誤差的優(yōu)點(diǎn)，但對(duì)此權(quán)值是否可以進(jìn)一步優(yōu)化展開(kāi)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(cè)距值d的倒數(shù)與RSSI之間并非簡(jiǎn)單的線(xiàn)性關(guān)系，而是更接近指數(shù)級(jí)的關(guān)系。因此，結(jié)合公式(2)、(3)，并考慮算法模型的簡(jiǎn)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(diǎn)(x,y)與其通信范圍內(nèi)第i個(gè)錨節(jié)點(diǎn)(xi,yi)間的校正測(cè)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(shí)所對(duì)應(yīng)的值。系數(shù)t最優(yōu)值的探討是通過(guò)仿真實(shí)驗(yàn)，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(zhǎng)取遍一定的取值區(qū)間，對(duì)每一個(gè)t值對(duì)應(yīng)的算法公式進(jìn)行仿真實(shí)驗(yàn)，以算法的定位精度為評(píng)價(jià)標(biāo)準(zhǔn)，探尋在t值變化時(shí)算法定位誤差最小，也即定位精度最優(yōu)時(shí)對(duì)應(yīng)的t值。

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

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

表1　不同錨節(jié)點(diǎn)密度下的t值

2)給定仿真條件為節(jié)點(diǎn)總數(shù)100，錨節(jié)點(diǎn)10，通信半徑30 m，λ取15%，測(cè)距誤差介于[-λ,λ]時(shí)，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(diǎn)總數(shù)100，錨節(jié)點(diǎn)10，定位區(qū)域大小100 m×100 m，通信半徑30 m，測(cè)距誤差介于[-λ,λ]時(shí)，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(shí)驗(yàn)結(jié)論可知，改進(jìn)公式中的最優(yōu)權(quán)值系數(shù)t主要與無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的錨節(jié)點(diǎn)密度有關(guān)，與定位區(qū)域大小及環(huán)境干擾情況無(wú)關(guān)。即對(duì)于一個(gè)預(yù)先設(shè)定的無(wú)線(xiàn)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(diǎn)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(jiàn)表2。

2.1.2引入迭代思想

運(yùn)用迭代計(jì)算，把已定位的未知節(jié)點(diǎn)升級(jí)為錨節(jié)點(diǎn)參與后續(xù)定位運(yùn)算，從而解決質(zhì)心定位算法錨節(jié)點(diǎn)比例過(guò)高的缺陷。結(jié)合原有算法公式(5)，改進(jìn)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(cè)距校正

在基于RSSI測(cè)距的定位算法中，由于信號(hào)在傳輸過(guò)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(guò)測(cè)距校正的方法對(duì)此進(jìn)行誤差修正。但在實(shí)際應(yīng)用中，大型的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)分布情況比較復(fù)雜，各個(gè)區(qū)域內(nèi)環(huán)境影響程度不同，所產(chǎn)生的測(cè)距誤差也各不相同。因此，原有算法的全網(wǎng)測(cè)距誤差校正無(wú)法體現(xiàn)網(wǎng)絡(luò)環(huán)境的復(fù)雜性，應(yīng)以個(gè)體節(jié)點(diǎn)為中心，在其通信范圍內(nèi)根據(jù)其區(qū)域特點(diǎn)進(jìn)行局部測(cè)距校正，更利于降低測(cè)距誤差，提高算法對(duì)環(huán)境的自適應(yīng)。實(shí)施方法為：

(9)

則錨節(jié)點(diǎn)i在通信范圍內(nèi)測(cè)距誤差校正值ui為：

(10)

(11)

2.2.2迭代誤差控制

由接收信號(hào)強(qiáng)度特點(diǎn)，節(jié)點(diǎn)距離越遠(yuǎn)，接收的RSSI值誤差越大，尤其當(dāng)此節(jié)點(diǎn)是由未知節(jié)點(diǎn)定位后升級(jí)所成時(shí)，如果繼續(xù)參與后面的迭代計(jì)算，會(huì)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(jí)節(jié)點(diǎn)時(shí)，可以通過(guò)設(shè)置距離閾值，僅選擇距離比較近的那部分升級(jí)節(jié)點(diǎn)參與后續(xù)定位。

距離閾值設(shè)定方法：如果要用到升級(jí)節(jié)點(diǎn)，需要先判斷其接收的RSSI值是否在設(shè)定的門(mén)限范圍內(nèi)，如果符合，則接收其發(fā)送的信息參與定位計(jì)算，如果不符合，則放棄該節(jié)點(diǎn)信息。門(mén)限設(shè)定時(shí)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(diǎn)的鄰居節(jié)點(diǎn)數(shù)目比較多，可選擇余地大，門(mén)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(duì)應(yīng)RSSI值的2倍，過(guò)濾掉較遠(yuǎn)處誤差大的升級(jí)節(jié)點(diǎn)，保證一定的定位精度。若網(wǎng)絡(luò)平均連通度較低，則門(mén)限范圍相應(yīng)放松，比如閾值設(shè)為最大通信半徑對(duì)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(cè)距誤差和環(huán)境影響外，另一個(gè)重要原因就是定位算法本身帶來(lái)的誤差。改進(jìn)算法中給出了算法誤差補(bǔ)償措施，具體方法是：

把錨節(jié)點(diǎn)i當(dāng)成未知節(jié)點(diǎn)進(jìn)行定位，由估算坐標(biāo)(xci,yci)和實(shí)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(diǎn)自身信息加以?xún)?chǔ)存并廣播，周?chē)奈粗?jié)點(diǎn)j接收信息后，求出其通信范圍內(nèi)所有n個(gè)錨節(jié)點(diǎn)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(qiáng)的質(zhì)心定位改進(jìn)算法實(shí)現(xiàn)步驟

改進(jìn)算法實(shí)現(xiàn)步驟如下：

1)網(wǎng)絡(luò)初始化，錨節(jié)點(diǎn)每隔一段時(shí)間向周?chē)鷱V播信息；

2)所有節(jié)點(diǎn)接收鄰居錨節(jié)點(diǎn)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(diǎn)在其通信區(qū)域內(nèi)的錨節(jié)點(diǎn)數(shù)若大于等于3個(gè)，則用改進(jìn)算法公式進(jìn)行定位計(jì)算；

4)逐一檢查未定位節(jié)點(diǎn)，在其通信區(qū)域內(nèi)接收步驟3)中新一輪定位的節(jié)點(diǎn)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(jí)為錨節(jié)點(diǎn)(全部由升級(jí)錨節(jié)點(diǎn)實(shí)現(xiàn)定位的節(jié)點(diǎn)不能再升級(jí))，若錨節(jié)點(diǎn)數(shù)不小于3，回到步驟3)，若所有節(jié)點(diǎn)均已定位或者沒(méi)有增加新的定位節(jié)點(diǎn)，轉(zhuǎn)到步驟5)，若未定位節(jié)點(diǎn)周?chē)^節(jié)點(diǎn)數(shù)小于3且沒(méi)有可升級(jí)的，標(biāo)為不可定位；

5)進(jìn)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(yàn)證算法的有效性，采用Matlab軟件進(jìn)行仿真。仿真環(huán)境設(shè)定為：100個(gè)節(jié)點(diǎn)隨機(jī)部署在100m×100m區(qū)域，錨節(jié)點(diǎn)比例按需要設(shè)定，由于無(wú)法真實(shí)模擬實(shí)際環(huán)境中信號(hào)接收強(qiáng)度RSSI值的接收情況，故節(jié)點(diǎn)定位后升級(jí)成錨節(jié)點(diǎn)的RSSI閾值用距離閾值表示，閾值取節(jié)點(diǎn)通信半徑R的70%，引入測(cè)距誤差系數(shù)λ來(lái)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(duì)應(yīng)的算法稱(chēng)為WCLA算法；原有的公式(5)對(duì)應(yīng)的算法稱(chēng)為IWCLA算法；本文的改進(jìn)算法稱(chēng)為IWCLAAdvanced算法，公式見(jiàn)(8)。仿真主要針對(duì)這三種算法進(jìn)行比較和分析。

3.2仿真結(jié)果分析

3.2.1錨節(jié)點(diǎn)密度對(duì)定位的影響

取錨節(jié)點(diǎn)數(shù)為5、10、15、20、25、30，節(jié)點(diǎn)通信半徑R為30m，λ取15%，測(cè)距誤差為介于[-λ,λ]之間的隨機(jī)誤差。仿真結(jié)果見(jiàn)圖1和圖2，由圖2可知，錨節(jié)點(diǎn)為5個(gè)時(shí)WCLA算法的定位覆蓋率過(guò)低，研究其定位精度無(wú)實(shí)際參考意義，故圖2中錨節(jié)點(diǎn)數(shù)從10開(kāi)始。

仿真表明：當(dāng)錨節(jié)點(diǎn)數(shù)目變化時(shí)，改進(jìn)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(shuō)明其在提高定位覆蓋率的同時(shí)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(cè)距誤差對(duì)定位精度的影響

一般而言，測(cè)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(shí)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(diǎn)，仿真中，把節(jié)點(diǎn)分布區(qū)域按田字格形狀均分成四塊，每塊區(qū)域測(cè)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(cè)距誤差仍然為[-λ,λ]之間的隨機(jī)誤差。此外，節(jié)點(diǎn)通信半徑R取30m，錨節(jié)點(diǎn)數(shù)取15。仿真結(jié)果見(jiàn)圖3。

仿真表明：改進(jìn)算法定位精度最優(yōu)，IWCLA算法受環(huán)境影響最大。隨著測(cè)距誤差的增大，改進(jìn)算法中的局部測(cè)距校正和算法修正策略使其比原有算法在定位精度這個(gè)性能上體現(xiàn)出更好的穩(wěn)定性。因此，改進(jìn)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(diǎn)通信半徑對(duì)定位精度的影響

本次實(shí)驗(yàn)通過(guò)逐漸調(diào)整節(jié)點(diǎn)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(shí)驗(yàn)中R取20m、25m、30m、35m、40m、45m，錨節(jié)點(diǎn)數(shù)取15，λ取15%，測(cè)距誤差為介于[-λ,λ]之間的隨機(jī)誤差。仿真結(jié)果見(jiàn)圖4。

圖1　錨節(jié)點(diǎn)數(shù)目對(duì)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(diǎn)數(shù)目對(duì)定位精度的影響Fig.2　The influence of anchor node number to location accuracy

圖3　測(cè)距誤差對(duì)定位精度的的影響Fig.3　The influence of distance-measuring error to location accuracy

圖4　節(jié)點(diǎn)通信半徑對(duì)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(jìn)算法相比原有算法定位精度較高，在通信半徑變化過(guò)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(wú)線(xiàn)傳感器網(wǎng)絡(luò)質(zhì)心定位改進(jìn)算法。該算法將基于RSSI的測(cè)距值作為權(quán)重引入質(zhì)心算法，通過(guò)仿真實(shí)驗(yàn)探尋算法模型最優(yōu)權(quán)值，并運(yùn)用迭代思想降低網(wǎng)絡(luò)錨節(jié)點(diǎn)比例，同時(shí)采用測(cè)距校正、算法修正和設(shè)置RSSI閾值約束三種措施來(lái)控制算法誤差。仿真表明，改進(jìn)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(jìn)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(xiàn):

[1]孫利民，李建中，陳渝，等. 無(wú)線(xiàn)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(wú)線(xiàn)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的混沌粒子群優(yōu)化算法[J].探測(cè)與控制學(xué)報(bào)，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(wú)線(xiàn)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(wú)線(xiàn)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(bào)(自然科學(xué)版), 2012, 13 (4): 77-80.

[8]呂鵬元. 無(wú)線(xiàn)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(wú)線(xiàn)傳感器網(wǎng)絡(luò)質(zhì)心定位算法研究[J]. 計(jì)算機(jī)仿真, 2011, 28 (5): 163-166.

[10]李文辰，張雷. 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法研究[J]. 計(jì)算機(jī)仿真, 2013, 30(2): 191-194.

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

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

[13]朱明輝，張會(huì)清. 基于RSSI的室內(nèi)測(cè)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(chǎng)的無(wú)線(xiàn)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(lèi)號(hào):TP393

文獻(xiàn)標(biāo)志碼:A

文章編號(hào)：1008-1194(2016)02-0103-06

作者簡(jiǎn)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(wú)線(xiàn)傳感器網(wǎng)絡(luò)定位算法。E-mail:zyy@zjbc.edu.cn。

基金項(xiàng)目:浙江省教育廳科研項(xiàng)目資助(Y201534402)

*收稿日期:2015-10-09