WSN 節(jié)點定位技術的質心定位算法優(yōu)化策略*

吳 斌

（浙江郵電職業(yè)技術學院，浙江 紹興 312366）

0 引言

新型無線傳感器網絡（Wireless Sensor Networks，WSN）影響了人們的生產、生活方式，被廣泛應用于多個領域。在無線傳感器網絡應用中，要定位發(fā)生信息的位置，而沒有信息位置檢測的數據是沒有意義的。只有提供可靠位置信息，才能夠有效使用無線傳感器網絡收集的數據[1]。距離無關定位算法定位性能受到環(huán)境影響因素較小，能耗較低，且其定位精度能夠滿足大部分無線傳感器網絡的應用需求，為無線傳感器網絡定位技術學者研究的重點算法[2]。

1 質心定位算法的分析

1.1 RSSI 測距的原理

接收信號強度指示（Received Signal Strength Indication，RSSI）能夠展現電磁波能量的大小數值。在距離不斷增加的過程中，RSSI值不斷減小，通過RSSI值計算錨節(jié)點的未知節(jié)點與距離。在發(fā)射端距離為d時，接收端通過測量表示RSSI存在隨機誤差，要求利用時間間隔抽樣得出RSSI1(d),RSSI2(d),…,RSSI6(d)和算術平均值為：

圖1 接收信號強度衰減曲線

在實際使用過程中，電磁波傳播路徑損耗和理論值存在差別[3]。傳播路徑的損耗模型為：

式中：d0為已知距離；d為接收端和發(fā)射源距離；RSSI(d)為距離發(fā)射源d所接收的RSSI值；RSSI(d0)為在發(fā)射端d0處所接收RSSI；ε為高斯分布隨機變量，標準差為4～10；k 指的是衰減因子，范圍為2～5。

接收信號強度衰減曲線詳見圖1。通過圖1 可見，兩者距離較遠，通過RSSI距離誤差得到擴大[4]。

1.2 三角形質心定位

理論上，WSN 各節(jié)點能夠利用未知節(jié)點和3個錨節(jié)點距離，通過三邊法計算其位置。但是，在實際使用過程中，要利用三角形質心法改善定位的精度。此方法的原理為：在未知節(jié)點H 接收錨節(jié)點發(fā)送信息時，將未知節(jié)點B 和錨節(jié)點的距離作為圓心計算，將d1、d2和d3作為半徑畫圓，D1、D2、E1、E2作為兩兩相交交點，計算ΔE1E2D1面積和ΔE1E2D2面積，將最小面積的ΔE1E2D2質心為未知節(jié)點H 估計坐標。通過節(jié)點H 接收n錨節(jié)點信號時，實現三角形的創(chuàng)建，從而得出未知節(jié)點坐標信息，利用質心算法得到坐標位置的最終位置[5]。

2 質心定位算法的改進

2.1 質心定位算法誤差分析

質心精度和錨節(jié)點分布情況與密度相關。雖然使錨節(jié)點數增加能夠改進定位精度，但是要使用多節(jié)點通信，增加節(jié)點能量消耗。另外，假如在未知節(jié)點周圍使用定位錨節(jié)點，根據未知節(jié)點均勻分布，能夠提高算法的定位精度，將會提高定位精度。相反，如果分布不均勻會降低定位精度[6]。圖2 為未知節(jié)點周圍分布參考錨節(jié)點情況對比。

圖2 未知節(jié)點周圍分布參考錨節(jié)點對比

圖1 中的小圓表示需要對未知節(jié)點進行定位，虛線圓為中心位置節(jié)點通信半徑，三角形指的是定位計算錨節(jié)點。“+”指的是通過錨節(jié)點估計的坐標位置，B 中因為錨節(jié)點基于未知節(jié)點的中心分布均勻，定位比A 要精準。A 中的“+”指的是未知節(jié)點周圍5 個錨節(jié)點求質心所得出的估計位置，通過圖1 表示，距離未知節(jié)點最近的錨節(jié)點定位精度比較高。假如在B 中選擇最近錨節(jié)點，那么精度較低。根據此情況，假如能夠有效選擇錨節(jié)點估計坐標，則能夠提高定位精度?；蛘呃媚撤椒ń档鸵驗榉植疾痪鶎е碌恼`差，從而改進定位精度[7]。

2.2 選擇算法閾值

基于優(yōu)化后的質心定位算法創(chuàng)建WSN 節(jié)點質心定位算法。此算法的特點是根據網絡參數實際情況選擇定位算法。假如N 值選擇較大，那么未知節(jié)點臨近區(qū)域中跳數比1 小的錨節(jié)點個數無法滿足N值需求，算法會選擇傳統(tǒng)算法定位未知節(jié)點。這時會增加錨節(jié)點能量消耗，且加大計算開銷和通信開銷[8]。假如N 值選擇較小，那么臨近區(qū)域中未知節(jié)點跳數較小，錨節(jié)點數量會大于等于N 值，就會選擇改進質心算法定位未知節(jié)點。在網絡大部分未知節(jié)點同時利用改進質心算法定位的時候，雖然降低了錨節(jié)點能量、計算開銷與通信開銷，但是無法滿足精準節(jié)點定位精度[9]。

2.3 創(chuàng)建測距模型

無線電傳播過程中的環(huán)境、障礙物的影響，導致傳播存在能量損耗，所以定位重點為對于多變環(huán)境選擇合適能量損耗模型。能量損耗模型包括對數常態(tài)分布模型、對數據距離路徑損耗模型和自由空間傳播模型。根據實際使用經驗，都是通過對數常態(tài)模型或者自由空間傳播模型實現的，其中自由空間傳播模型表示為：

式中：P(d0)為路徑損耗，接收端和發(fā)射端距離表示為d0；n指的是路徑損耗系數2.5～4，表示無線電傳播頻率。

對數-常態(tài)分布模型為：

式中：P(d)指的是信號接收強度，P(d0)的d0為1；n指的是衰減因子；Xσ指的是高斯隨機變量[10]。

在測距過程中，要創(chuàng)建RSSI與d相應的公式：

參數指的是環(huán)境參數，A和n都會對定位精度和測距造成影響。A與n的選值在環(huán)境等因素的不斷變化過程中變化。在A為一定值時，同個位置能量值在n減少過程中增加。固定n不改變的時候，相同位置能量值在A減小過程中變大。所以，使定位精度和測距得到提高的主要方法是對不同環(huán)境使用不同A與n的值。A一般為-45 dBm，n的一般范圍為2.5～4.0。

2.4 典型濾波方法和性能

2.4.1 均值濾波算法

均值濾波是指對周圍周期性發(fā)送信息，并對數據進行接收。設置值為k，記錄數據接收數量，對節(jié)點所發(fā)送數據時的個數進行記錄，對已有數據個數是否大于等于k值進行判斷。如果是，不接收，否則接收。最后，使收集的k個RSSI值實現求和運算，并且和k相除得到RSSI值，公式為：

該方法簡單方便，在收集數量較大時，信號處理能力較強。在數據波動較大時，RSSI值并不穩(wěn)定，增加了誤差，所以此方法一般應用到平均值附近的波動信號中。

2.4.2 中位值濾波算法

中位值濾波原理是指未知節(jié)點對周圍周期性發(fā)送信息從而實現周圍數據的接收。設置值為k，接收數據也就是RSSI值數量。接收到節(jié)點發(fā)送數據的時候，對數據數量是否大于等于k值進行判斷，大于等于不接受，否則接收。最后，對收集的k個RSSI值進行排序，如果k為奇數，那么中間值就是最終值。如果k為偶數，那么中間值相加的一半是最終值，公式為：

此方法能夠降低誤差，在收集量低時具有理想的效果。采樣較少的時候，它會增加誤差。

2.5 改進算法實現

以上濾波原理和性能分析表示，兩種算法的優(yōu)劣勢不同，所以本文使用其優(yōu)點處理未知節(jié)點接收的采樣值。此算法能夠解決單個濾波算法缺點，提高測距準確度。和傳統(tǒng)算法不同，此算法重點為解決傳統(tǒng)測距階段誤差。首先，預處理未知節(jié)點的RSSI值后開展高斯濾波，加權修正RSSI值，提高測距精準度，在定位中使用，提高定位低精度。

未知節(jié)點規(guī)律性接收通信范圍中錨節(jié)點位置信息，記錄錨節(jié)點坐標信息與RSSI值。處理RSSI值的方法：首先，對RSSI值進行預處理，濾除波動比較大的數據；其次，利用預處理后RSSI值選擇高概率區(qū)域，濾除突變因素導致高于真實值的數據；最后，加權修正高斯濾波后的RSSI值，最終得到RSSI值。

步驟1：RSSI值預處理。首先得出接收m個RSSI值平均，使m個RSSI值排序得到中位值。其次，實現平均值和中位值的平均值，即理想RSSI值。最后，使此組和理想RSSI值求差，和此理想值求比值，得出最大比值即RSSIrhread[11]：

式中，RSSIAVG為平均值，RSSIMID為中位值。

得出理想RSSI和閾值后，重新接收數據，通過式（10）和式（11）使接收的RSSI值和比值對應。如果一個RSSI值比RSSIrhread值要大，那么此數據無法滿足真實值需求，缺乏參考性，需刪除記錄。

步驟2：對預處理后的RSSI值進行高斯濾波，使預處理后的k個RSSI值高斯濾波。

步驟3：高斯濾波后加權修正RSSI值，求篩選后n個RSSI值的平均值，根據式（11）求出RSSIAVG值后賦予n個RSSI值不同權值，將大權值賦予給和均值相差較大的值。最后，對權值進行歸一化，以得到加權系數，從而得出修正后的RSSI：

圖3 為改進算法流程。

圖3 改進算法流程

3 仿真結果分析

為了對本文所提出優(yōu)化算法精準性和有效性進行分析，使用NS-2 仿真軟件實現本文算法和傳統(tǒng)算法的對比分析。假設仿真實驗過程中的模擬區(qū)域為120 m×120 m 的區(qū)域范圍，閾值N為4，節(jié)點總數為100 且均勻部署于正方形區(qū)域，節(jié)點通信半徑為20 m。在錨節(jié)點數量不同的時候，圖4 為不同算法定位誤差曲線。分析仿真結果可知，在錨節(jié)點數量不斷增加的時候，兩種算法定位誤差率都在改善。在錨節(jié)點個數比20 大的時候，本文定位算法誤差率比傳統(tǒng)算法要低，且錨節(jié)點數量越多定位越精準。表1 為錨節(jié)點改變時算法定位情況表。比如，在錨節(jié)點為20 的時候，優(yōu)化定位算法有32 個，傳統(tǒng)算法有48 個。錨節(jié)點只會對選擇優(yōu)化算法發(fā)送信息，所以降低了通信開銷，還能夠降低錨節(jié)點能量消耗。在120 m×120 m 區(qū)域中隨機部署20 個錨節(jié)點，數量不改變且傳感器節(jié)點總數量改變時，定位誤差率在節(jié)點總數增加的過程中不斷降低。在整個區(qū)域中，優(yōu)化算法定位誤差比傳統(tǒng)算法要好[12]。

圖4 不同算法定位誤差曲線

4 結語

本文研究表明，優(yōu)化算法能夠改進傳統(tǒng)質心算法的誤差。在今后研究過程中，如何尋找處于未知節(jié)點周圍均勻有效分布少數錨節(jié)點來開展質心算法尤為重要。使用質心定位算法比較簡單，通信量較小，并且降低定位誤差。